[发明专利]基于深度学习的苹果外观质量分级方法

权利要求书

1.基于深度学习的苹果外观质量分级方法，步骤为：

1）用机器视觉系统采集用于神经网络模型训练的苹果图像作为样本；

2）对采集的样本进行处理：

21）把待处理图像通过变换到HSI颜色空间，分割成前景和背景；

22）对分割的前景区域进行如下操作：删除小面积区域、填充小面积孔洞和对锯齿形边沿进行平滑处理，得到目标区域，即为待分级苹果区域；

3）对样本苹果进行分类，并赋予不同的标签号；

4）采用有标签数据的样本进行迁移学习训练神经网络模型；

5）通过训练好的神经网络模型对苹果外观质量按标签号进行分级。

2.根据权利要求1所述的基于深度学习的苹果外观质量分级方法，其特征在于：采集到的样本图像包括：各种腐烂程度、斑点的苹果图像，各种颜色、色泽度的图像，各种大小的图像，包含有虫噬、划伤、裂纹各种外伤苹果图像；针对以上各种苹果样本分别旋转至少6个不同角度拍摄得到的图像，且对应角度所拍摄的苹果在图像中是完整的。本发明不限制苹果的品种和品种数量，也可针对一个品种的苹果进行外观质量分级。

3.根据权利要求1所述的基于深度学习的苹果外观质量分级方法，其特征在于：把采集到的图像按照国标或人为进行人工分类，赋予不同的标签号，标签号为0，1，2，3，4或一等、二等、三等和次品。

4.根据权利要求1所述的基于深度学习的苹果外观质量分级方法，其特征在于：采集到的图像总数量应不少于1万幅，单个标签类别包含的图像数量应不少于1千幅。

5.根据权利要求1所述的基于深度学习的苹果外观质量分级方法，其特征在于：采集图像用的相机需要事先进行标定。

6.根据权利要求5所述的基于深度学习的苹果外观质量分级方法，其特征在于：相机采集的图像大小为1920*1200*3。