[發明專利]一種蘋果外觀缺陷識別系統及方法

在審

• 申請號: 202110509280.9
• 申請日: 2021-05-10
• 公開（公告）號: CN113158969A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 閆東偉;李文磊
• 申請（專利權）人: 上海暢選科技合伙企業（有限合伙）
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種蘋果外觀缺陷識別系統及方法，其包括步驟：S1、獲取由工業相機采集的原始圖像，將原始圖像處理為單顆蘋果圖像；S2、將單顆蘋果圖像輸入到預先完成訓練的yolov3?tiny模型中，得到缺陷區域數據S3、將得到的缺陷區域數據輸入到預先完成訓練的MobileNetV3模型中，得到缺陷分類數據；S4、根據缺陷區域數據和缺陷分類數據對蘋果進行分級。本發明技術方案能夠有效識別蘋果表面缺陷，識別準確率高，識別類型全，大大提升了分選效率，減輕勞動強度，降低分選成本。

技術領域

本發明涉及圖像識別領域，具體涉及一種蘋果外觀缺陷識別系統及方法。

背景技術

蘋果分選采用人工的話，面臨著勞動強度大，分選效率低，分選質量不高的問題，蘋果的自動分選技術逐步得到應用，其有效降低勞動強度，降低企業成本。但現有的分選機主要通過機械分選實現蘋果大小的分選，對于蘋果紅黑點、蘋果銹等外觀缺陷還無法進行識別，仍然需要人工進行分揀，現有分選機仍然存在自動化程度低、用工成本高等問題。

發明內容

本發明的目的在于提供一種蘋果外觀缺陷識別系統及方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：

一種蘋果外觀缺陷識別方法，其中，包括以下步驟：

S1、獲取由工業相機采集的原始圖像，將原始圖像處理為單顆蘋果圖像。

S2、將單顆蘋果圖像輸入到預先完成訓練的yolov3-tiny模型中，得到缺陷區域數據。

S3、將得到的缺陷區域數據輸入到預先完成訓練的MobileNetV3模型中，得到缺陷分類數據。

S4、根據缺陷區域數據和缺陷分類數據對蘋果進行分級。

所述的蘋果外觀缺陷識別方法，其中，將原始圖像處理為單顆蘋果圖像具體為：所述原始圖像為彩色RGB圖像，將原始圖像轉換到HSV顏色空間，根據H通道閾值把原始圖像分為前景和背景，前景即為單顆蘋果圖像。其中，H通道閾值具體為H0且H30。

所述的蘋果外觀缺陷識別方法，其中，所述yolov3-tiny模型通過以下方法訓練:

采集若干單顆蘋果圖像，對單顆蘋果圖像中外觀缺陷進行人工標定，用矩形框標注外觀缺陷的區域和類型；

所述的蘋果外觀缺陷識別方法，其中，所述外觀缺陷類型包括紅黑點、蘋果銹、雞爪紋、風裂口、虎皮、日燒、磕碰傷、刺傷、劃痕、腐爛。

將標定好的圖像按照缺陷類型進行歸類，用其中一部分圖像作為訓練集，剩余部分圖像作為驗證集，訓練深度學習模型的yolov3進行缺陷檢測；

對訓練好的yolov3模型，通過知識蒸餾的方式訓練yolov3-tiny模型。

所述的蘋果外觀缺陷識別方法，其中，所述利用訓練好的yolov3模型，通過知識蒸餾的方式訓練yolov3-tiny模型具體為：

所述的蘋果外觀缺陷識別方法，其中，采集10萬張單顆蘋果圖像進行yolov3-tiny模型訓練，將標定好的圖像按照缺陷類型進行歸類，用其中8萬張圖像作為訓練集，2萬張圖像作為驗證集，訓練深度學習模型的yolov3進行缺陷檢測。

所述的蘋果外觀缺陷識別方法，其中，MobileNetV3模型通過以下方法訓練：對yolov3-tiny檢測出的缺陷區域數據，根據標注結果分類，訓練MobileNetV3模型分類。