[发明专利]一种基于深度学习分割的水果表面缺陷检测方法有效
| 申请号： | 201811203154.5 | 申请日： | 2018-10-16 |
| 公开（公告）号： | CN109377487B | 公开（公告）日： | 2022-04-12 |
| 发明（设计）人： | 容典;应义斌;饶秀勤 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06T7/194;G01N21/88 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习分割的水果表面缺陷检测方法。本发明的具体检测方法为：获取水果RGB彩色图像，去背景后转换成灰度图像并统一尺寸512×512；准备阳性样本图像数据和阴性样本图像数据，用于训练卷积神经分割网络；设计卷积神经分割网络进行训练，保存训练结束后的网络连接权重矩阵T用于后续检测步骤；将待检测水果图像送进已经训练好的卷积神经分割网络完成图像分割，获得水果表面缺陷图像。本发明检测准确、快速，能有效避免了对水果及农产品形状、大小的依赖以及避免了亮度矫正带来的复杂影响，应用对象广，具有较大的应用价值。 | ||
| 搜索关键词： | 一种 基于 深度 学习 分割 水果 表面 缺陷 检测 方法 | ||
【主权项】：
1.一种基于深度学习分割的水果表面缺陷检测方法，其特征在于，该方法包括如下步骤：1)获取水果RGB彩色图像，将水果RGB彩色图像去背景后转换成灰度图像；2)将步骤1)的灰度图像分为阳性样本图像和阴性样本图像，并构建训练数据用于训练卷积神经分割网络，所述训练数据为阳性样本图像和其对应的二值化图像样本及阴性样本图像和其对应的二值化图像样本；3)设计用于水果表面缺陷检测的卷积神经分割网络结构，使用步骤2)的训练数据进行训练，完成训练后获取网络连接权重矩阵T；4)将待检测的水果RGB彩色图像转化成灰度图像后输入步骤3)获取的卷积神经分割网络，完成图像分割后获得水果表面缺陷图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811203154.5/，转载请声明来源钻瓜专利网。
