基于机器视觉的荔枝品质快速自动检测

被引:5
作者
周伟亮
王红军
邹湘军
机构
[1] 华南农业大学工程学院
关键词
荔枝品质检测; 机器视觉; SSD算法; 多视窗检测;
D O I
10.13733/j.jcam.issn.2095-5553.2020.01.26
中图分类号
S667.1 [荔枝]; TP391.41 [];
学科分类号
090201 ; 080203 ;
摘要
荔枝的产后品质检测是进入市场前的一个重要工序,对提高荔枝商品化的处理水平、增强其市场竞争力以及提高其附加价值具有重要的意义。基于机器视觉的检测方法能在无损伤的前提下,快速准确的进行检测,具有良好的可靠性。为此,基于机器视觉技术,提出了一种荔枝品质快速自动检测的方法。利用深度学习中的SSD算法结合多视窗检测方法,对视觉获取的图像进行荔枝快速品质检测。建立了一套荔枝品质自动检测系统,以"桂味"荔枝作为实验对象,在模拟车间环境下进行多组实验,平均识别准确率为93.3%,其中成熟品、未成熟品和爆裂品的识别准确率分别为95.6%、93.2%和91.1%,平均识别耗时40 ms,可以实现产后荔枝的品质快速自动化检测。
引用
收藏
页码:144 / 147+204 +204
页数:5
相关论文
共 8 条
[1]  
Infrared machine vision system for the automatic detection of olive fruit quality.[J].Elena Guzmán;Vincent Baeten;Juan Antonio Fernández Pierna;José A. García-Mesa.Talanta.2013,
[2]  
Development of an automatic grading machine for oil palm fresh fruits bunches (FFBs) based on machine vision.[J].Muhammad Makky;Peeyush Soni.Computers and Electronics in Agriculture.2013,
[3]  
基于计算机视觉的荔枝检测与分级方法.[A].刘敏娟;洪添胜;李震;吴伟斌;刘志壮;.纪念中国农业工程学会成立三十周年暨中国农业工程学会2009年学术年会(CSAE 2009).2009,
[4]   基于深度学习的多视窗SSD目标检测方法 [J].
唐聪 ;
凌永顺 ;
郑科栋 ;
杨星 ;
郑超 ;
杨华 ;
金伟 .
红外与激光工程, 2018, 47 (01) :302-310
[5]   猕猴桃自动分级设备设计与试验 [J].
左兴健 ;
武广伟 .
农业机械学报, 2014, 45(S1) (S1) :287-295
[6]   基于CNN和随机弹性形变的相似手写汉字识别 [J].
高学 ;
王有旺 .
华南理工大学学报(自然科学版), 2014, 42 (01) :72-76+83
[7]   荔枝保鲜分级处理工艺及设备 [J].
梁健 ;
梁材 .
现代农业装备, 2008, (07) :61-63
[8]   链板式间距可调果类分选机的原理及设计 [J].
蒙必胜 ;
梁兆新 ;
朱其崇 .
农产品加工, 2004, (08) :35-37