[发明专利]基于卷积神经网络的苹果缺陷检测方法及系统

说明书

本公开提供了一种基于卷积神经网络的苹果缺陷检测方法及系统，属于水果缺陷检测技术领域，所述方法包括以下步骤：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；本公开降低了花梗和花萼对缺陷检测精确度的影响，能够实现苹果的高效和准确的缺陷识别。

技术领域

本公开涉及水果缺陷检测技术领域，特别涉及一种基于卷积神经网络的苹果缺陷检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

在苹果的生长过程中，经常会受到各种因素的影响导致苹果表面出现缺陷，从而影响苹果的外观，甚至使其丧失了可食性，极大地影响了苹果的品质和销售。由此可见，对新鲜苹果的表面缺陷检测显得尤为重要。传统的检测方法大多是人工操作，耗时耗力，而且效率低，无法满足大规模生产的需求。因此，研究人员开始寻求开发研制一种快速、无损、高效的苹果表面缺陷检测方法以实现快速的苹果分级。

本公开发明人发现，由于苹果的果梗和花萼部分的影响，对缺陷部分的分割和识别存在较大的干扰，采用传统的机器学习方法不能够达到很好的识别效果；而且采用传统的机器学习方法必须分割出缺陷区域，人工提取特征后再交给分类器进行检测，检测效率和准确度较低。

发明内容

为了解决现有技术的不足，本公开提供了一种基于卷积神经网络的苹果缺陷检测方法及系统，降低了花梗和花萼对苹果缺陷检测精确度的影响，能够实现苹果的高效和准确的缺陷识别。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种基于卷积神经网络的苹果缺陷检测方法。

一种基于卷积神经网络的苹果缺陷检测方法，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。

本公开第二方面提供了一种基于卷积神经网络的苹果缺陷检测系统。

一种基于卷积神经网络的苹果缺陷检测系统，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。

本公开第三方面提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于卷积神经网络的苹果缺陷检测方法中的步骤。

本公开第四方面提供了一种电子设备，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，所述处理器执行所述程序时实现如本公开第一方面所述的基于卷积神经网络的苹果缺陷检测方法中的步骤。

与现有技术相比，本公开的有益效果是：

1、本公开所述的方法、系统、介质及电子设备，通过对获取的图像进行预处理，有效的去除了苹果背景的影响，避免了花梗和花萼对苹果缺陷检测带来的影响，极大的提高了苹果缺陷检测的准确度。