湖南水果外觀檢測設(shè)備系統(tǒng)

檢測難點

在櫻桃分級過程中，表面缺陷檢測是其中重要的一項流程，其檢測的精確度直接決定了該水果的等級。

1.傳統(tǒng)識別算法難以分辨暗斑與背景顏色，且對硬件和打光要求較高，在進(jìn)行灰度閾值分割時，容易把不明顯的暗斑分割出去，很難保證在高速流水線上實現(xiàn)零缺陷檢測的要求；

2. 櫻桃的果梗與某些表面缺陷在圖像處理后比較相似，傳統(tǒng)算法識別很難分辨出缺陷，容易造成漏檢、誤檢等情況，影響檢測精度和果蔬分揀質(zhì)量；

3. 傳統(tǒng)外觀品質(zhì)檢測主要是使用分級機械，僅支持對大小、重量分級，無法對表面缺陷、紋理、顏色等外觀進(jìn)行分揀。傳統(tǒng)算法檢測需耗費大量的時間對每個缺陷進(jìn)行定制化開發(fā)，并且無法同時檢測出一張圖片內(nèi)的多種不同缺陷。

 

方案設(shè)計

使用矩視智能低代碼平臺像素分割功能，分別對櫻桃不同缺陷，進(jìn)行標(biāo)簽分類。根據(jù)客戶提供樣本圖片，缺陷類型分為疤痕、裂口、畸形、凹痕、褶皺等。

云平臺支持同一模型下，可同時檢測一張圖片內(nèi)的多種缺陷，并對其進(jìn)行分類。

所以，上傳圖像后根據(jù)標(biāo)簽對圖像上櫻桃的所有缺陷類型進(jìn)行缺陷特征標(biāo)注，并利用深度學(xué)習(xí)技術(shù)訓(xùn)練模型，實現(xiàn)對標(biāo)記特征缺陷的定向識別檢測。

04

檢測前后對比

第一組：櫻桃外觀同時存在多種缺陷類型，凹陷/褶皺/裂口等。

凹痕+褶皺

05

檢測效果

檢測效果符合預(yù)期，深度學(xué)習(xí)模型對抗干擾信息的能力很強，對不同大小、不同成熟度的櫻桃（顏色有差異）檢出率達(dá)到98%以上。

矩視智能機器視覺低代碼平臺是一個面向機器視覺應(yīng)用的云端協(xié)同開發(fā)平臺，始終秉承0成本、0代碼、0門檻、0硬件的產(chǎn)品理念。

湖南水果外觀檢測設(shè)備系統(tǒng)

平臺以人工智能技術(shù)為核心，在機器視覺應(yīng)用開發(fā)環(huán)節(jié)，為開發(fā)者提供圖像采集、圖像標(biāo)注、算法開發(fā)、算法封裝和應(yīng)用集成的一站式完整工具鏈。覆蓋字符識別、缺陷檢測、目標(biāo)定位、尺寸測量、3D測量、視頻開發(fā)等上百項通用功能，致力于成為全球用戶量最多，落地場景最廣泛的機器視覺低代碼平臺。

農(nóng)業(yè)在世界上許多國家的經(jīng)濟中發(fā)揮著至關(guān)重要的作用。農(nóng)業(yè)業(yè)務(wù)的一個重要部門是生產(chǎn)和供應(yīng)新鮮水果和蔬菜給供應(yīng)商和市場。對有效食品生產(chǎn)和快速安全供應(yīng)市場的需求不斷增長，導(dǎo)致該行業(yè)開發(fā)和使用各種創(chuàng)新技術(shù)。

基于物聯(lián)網(wǎng)（IoT）的智能農(nóng)業(yè)等技術(shù)已被發(fā)現(xiàn)可用于提高水果和蔬菜產(chǎn)量的質(zhì)量。此外，大中型企業(yè)對智能物流的使用減少了分揀，包裝和上市的時間。

然而，在小規(guī)模農(nóng)業(yè)企業(yè)和農(nóng)民的層面上，已經(jīng)注意到對新技術(shù)的有限接受。他們采用這些技術(shù)的兩個主要挑戰(zhàn)是總體成本增加和學(xué)習(xí)專業(yè)技能的要求。因此，越來越需要為這些企業(yè)和農(nóng)民開發(fā)低成本和易于使用的解決方案，以便他們能夠更多地利用新技術(shù)。

由于外觀反映了水果的新鮮度并標(biāo)志著其賣點，因此它是水果分級的主要標(biāo)準(zhǔn)之一。在小規(guī)模企業(yè)的水平上，根據(jù)水果的外觀和新鮮度對水果進(jìn)行分級和分類的任務(wù)在本質(zhì)上仍然是艱巨和具有挑戰(zhàn)性的。人工檢測在很大程度上取決于訓(xùn)練有素的人員檢查水果的外觀，然后決定其分級。自動化水果的分級和分揀不僅是處理分類不一致的重要步驟，而且還有助于減少在包裝，定價和供應(yīng)這些水果方面花費的勞動力成本和時間。

當(dāng)前自動化技術(shù)大多數(shù)只能應(yīng)用于農(nóng)產(chǎn)品的大小分級，如果想要進(jìn)行外觀分級，檢查是否壞果，或是否有瑕疵，就需要應(yīng)用機器視覺。

湖南水果外觀檢測設(shè)備系統(tǒng)

[本信息來自于今日推薦網(wǎng)]