[发明专利]基于卷积神经网络的苹果缺陷检测方法及系统

权利要求书

1.一种基于卷积神经网络的苹果缺陷检测方法，其特征在于，包括以下步骤：

获取苹果的图像数据；

对获取的图像数据进行预处理；

将预处理后的图像数据输入到预设卷积神经网络模型中，得到苹果缺陷检测结果；

其中，对获取的图像数据进行预处理包括：采用最大类间方差法去除苹果背景，并调整图像分辨率为预设像素。

2.如权利要求1所述的基于卷积神经网络的苹果缺陷检测方法，其特征在于，将获取的图像数据由RGB模式转换为HSI颜色模式，提取S分量灰度图用于阈值分割。

3.如权利要求1所述的基于卷积神经网络的苹果缺陷检测方法，其特征在于，最大类间方差法去除苹果背景，包括：

属于前景的像素点数占整幅图像的比例记为第一比例，平均灰度为第一灰度；背景像素点数占整幅图像的比例为第二比例，平均灰度为第二灰度，图像的总平均灰度为第三灰度；

根据第一比例、第一灰度、第二比例、第二灰度和第三灰度得到类间方差；

采用循环遍历的方法得到最大的类间方差，最大的类间方差对应的阈值为分割阈值；

根据得到的分割阈值进行二值化处理，并采用形态学方式得到苹果图像的掩膜，再与苹果原图相乘去除苹果背景。

4.如权利要求3所述的基于卷积神经网络的苹果缺陷检测方法，其特征在于，第一灰度与第三灰度的差的平方与第一比例的乘积为第一变量，第二灰度与第三灰度的差的平方与第二比例的乘积为第二变量，第一变量和第二变量的和为类间方差。

5.如权利要求3所述的基于卷积神经网络的苹果缺陷检测方法，其特征在于，图像中像素的灰度值小于分割阈值的像素个数记作第一数量，像素灰度大于分割阈值的像素个数记作第二数量；

第一比例为第一数量与S分量灰度图的行数和列数的乘积的比值，第二比例为第二数量与S分量灰度图的行数和列数的乘积的比值，第一数量与第二数量的加和等于S分量灰度图的行数和列数的乘积；

第一比例和第二比例的加和为1，总平均灰度为第一比例与第一灰度的乘积同第二比例和第二灰度的乘积的加和。

6.如权利要求1所述的基于卷积神经网络的苹果缺陷检测方法，其特征在于，在卷积神经网络的训练过程中，对训练数据集进行至少扩容，扩容方式至少包括平移、缩放、旋转和翻转中的一种。

7.如权利要求1所述的基于卷积神经网络的苹果缺陷检测方法，其特征在于，所述预设卷积神经网络模型包括依次连接的输入层、第一卷积层、第一激活函数层、第一池化层、第二卷积层、第二激活函数层、第二池化层、第三卷积层、第三激活函数层、第三池化层、第一全连接层、第四激活函数层、第二全连接层、分类器和输出层。

8.一种基于卷积神经网络的苹果缺陷检测系统，其特征在于，包括：

数据获取模块，被配置为：获取苹果的图像数据；

预处理模块，被配置为：对获取的图像数据进行预处理；

缺陷检测模块，被配置为：将预处理后的图像数据输入到预设卷积神经网络模型中，得到苹果缺陷检测结果；

其中，对获取的图像数据进行预处理包括：采用最大类间方差法去除苹果背景，并调整图像分辨率为预设像素。

9.一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于卷积神经网络的苹果缺陷检测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于卷积神经网络的苹果缺陷检测方法中的步骤。