[發明專利]一種融合人類知識的交互式食品圖像缺陷檢測方法及系統

在審

• 申請號: 202310618111.8
• 申請日: 2023-05-26
• 公開（公告）號: CN116630962A
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 宋然;張浩;張偉;王堅;孫宇勇
• 申請（專利權）人: 山東大學
• 主分類號: G06V20/68
• 分類號: G06V20/68;G06V10/26;G06V10/44;G06V10/764;G06V10/774
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 趙妍

1.一種融合人類知識的交互式食品圖像缺陷檢測方法，其特征在于，包括：

響應于訓練指令，對食品圖像依次進行背景分割和過度分割，得到超像素；獲取標記的超像素分類，并對超像素進行特征提取；基于提取的特征和標記的超像素分類，對分類器進行訓練；

響應于部署指令，對食品圖像依次進行背景分割、過度分割和特征提取后，通過訓練好的分類器，進行分類，得到食品圖像中的缺陷區域。

2.如權利要求1所述的一種融合人類知識的交互式食品圖像缺陷檢測方法，其特征在于，采用閾值方法進行背景分割；

或者，采用超像素分割算法進行過度分割。

3.如權利要求1所述的一種融合人類知識的交互式食品圖像缺陷檢測方法，其特征在于，所述特征提取包括：對每個超像素，計算平均值、方差和偏度。

4.如權利要求1所述的一種融合人類知識的交互式食品圖像缺陷檢測方法，其特征在于，所述特征提取包括：在強度通道上使用邊緣檢測器，確定像素強度的變化速率。

5.如權利要求1所述的一種融合人類知識的交互式食品圖像缺陷檢測方法，其特征在于，所述特征提取包括：在強度通道上使用范圍濾波器，計算鄰域內的最小值、最大值和最大值與最小值之間的差異。

6.如權利要求1所述的一種融合人類知識的交互式食品圖像缺陷檢測方法，其特征在于，所述特征提取包括：將每個超像素中最長的邊緣長度作為特征。

7.如權利要求1所述的一種融合人類知識的交互式食品圖像缺陷檢測方法，其特征在于，采用AdaBoost算法在提取的特征中自動選擇最佳特征，以區分缺陷和正常區域。

8.一種融合人類知識的交互式食品圖像缺陷檢測系統，其特征在于，包括：

訓練模塊，其被配置為：響應于訓練指令，對食品圖像依次進行背景分割和過度分割，得到超像素；獲取標記的超像素分類，并對超像素進行特征提取；基于提取的特征和標記的超像素分類，對分類器進行訓練；

檢測模塊，其被配置為：響應于部署指令，對食品圖像依次進行背景分割、過度分割和特征提取后，通過訓練好的分類器，進行分類，得到食品圖像中的缺陷區域。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一項所述的一種融合人類知識的交互式食品圖像缺陷檢測方法中的步驟。

10.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7中任一項所述的一種融合人類知識的交互式食品圖像缺陷檢測方法中的步驟。