湖南水果外观检测设备系统

检测难点

在樱桃分级过程中，表面缺陷检测是其中重要的一项流程，其检测的精确度直接决定了该水果的等级。

1.传统识别算法难以分辨暗斑与背景颜色，且对硬件和打光要求较高，在进行灰度阈值分割时，容易把不明显的暗斑分割出去，很难保证在高速流水线上实现零缺陷检测的要求；

2. 樱桃的果梗与某些表面缺陷在图像处理后比较相似，传统算法识别很难分辨出缺陷，容易造成漏检、误检等情况，影响检测精度和果蔬分拣质量；

3. 传统外观品质检测主要是使用分级机械，仅支持对大小、重量分级，无法对表面缺陷、纹理、颜色等外观进行分拣。传统算法检测需耗费大量的时间对每个缺陷进行定制化开发，并且无法同时检测出一张图片内的多种不同缺陷。

 

方案设计

使用矩视智能低代码平台像素分割功能，分别对樱桃不同缺陷，进行标签分类。根据客户提供样本图片，缺陷类型分为疤痕、裂口、畸形、凹痕、褶皱等。

云平台支持同一模型下，可同时检测一张图片内的多种缺陷，并对其进行分类。

所以，上传图像后根据标签对图像上樱桃的所有缺陷类型进行缺陷特征标注，并利用深度学习技术训练模型，实现对标记特征缺陷的定向识别检测。

04

检测前后对比

第一组：樱桃外观同时存在多种缺陷类型，凹陷/褶皱/裂口等。

凹痕+褶皱

05

检测效果

检测效果符合预期，深度学习模型对抗干扰信息的能力很强，对不同大小、不同成熟度的樱桃（颜色有差异）检出率达到98%以上。

矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台，始终秉承0成本、0代码、0门槛、0硬件的产品理念。

湖南水果外观检测设备系统

平台以人工智能技术为核心，在机器视觉应用开发环节，为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、目标定位、尺寸测量、3D测量、视频开发等上百项通用功能，致力于成为全球用户量最多，落地场景最广泛的机器视觉低代码平台。

农业在世界上许多国家的经济中发挥着至关重要的作用。农业业务的一个重要部门是生产和供应新鲜水果和蔬菜给供应商和市场。对有效食品生产和快速安全供应市场的需求不断增长，导致该行业开发和使用各种创新技术。

基于物联网（IoT）的智能农业等技术已被发现可用于提高水果和蔬菜产量的质量。此外，大中型企业对智能物流的使用减少了分拣，包装和上市的时间。

然而，在小规模农业企业和农民的层面上，已经注意到对新技术的有限接受。他们采用这些技术的两个主要挑战是总体成本增加和学习专业技能的要求。因此，越来越需要为这些企业和农民开发低成本和易于使用的解决方案，以便他们能够更多地利用新技术。

由于外观反映了水果的新鲜度并标志着其卖点，因此它是水果分级的主要标准之一。在小规模企业的水平上，根据水果的外观和新鲜度对水果进行分级和分类的任务在本质上仍然是艰巨和具有挑战性的。人工检测在很大程度上取决于训练有素的人员检查水果的外观，然后决定其分级。自动化水果的分级和分拣不仅是处理分类不一致的重要步骤，而且还有助于减少在包装，定价和供应这些水果方面花费的劳动力成本和时间。

当前自动化技术大多数只能应用于农产品的大小分级，如果想要进行外观分级，检查是否坏果，或是否有瑕疵，就需要应用机器视觉。

湖南水果外观检测设备系统