基于卷积神经网络的樱桃缺陷检测与识别  

作　　者：张永飞 于子珺 赵金鹏 王启宏 赵志阳 

机构地区：[1]大连理工大学城市学院,电子与自动化学院,辽宁大连116600

出　　处：《中文科技期刊数据库(全文版)自然科学》2022年第11期247-252,共6页

摘　　要：我国是世界樱桃盛产国之一,现樱桃栽培面积已居世界首位,但受樱桃分类技术限制,仍难实现樱桃出口商品化、集中化。因此,本文提出了一种基于机器神经网络学习的视觉分类方法,使用卷积神经网络对樱桃表面缺陷自动分级,可以实现樱桃产业的流水线分拣工作,提高效率的同时也降低了成本。通过对樱桃样本采集,将其分为5类缺陷型和1类完好型,对获取的数据采用了传统图像处理和生成对抗网络两种数据增强技术,有效的扩充了数据集内容。模型采用了金字塔FPN结构并且结合SENet、SKNet网络,降低噪声等冗余信息,进一步提高了模型检测精度,从而实现缺陷准确定位和樱桃分级分类。结果表明,本文提出的卷积神经网络模型对于樱桃裂口、双生、刺激生长、霉变、褐变腐烂和完好果的准确率分别为97.75%、99.77%、98.90%、97.56 %、96.67%、98.80%,mAP达到了98.24%,检测速度为31.1个/s。能够满足实时的精准检测,方便自动化处理定位信息完成樱桃的缺陷分类。

关 键 词：樱桃缺陷 卷积神经网络 FPN结构 分级 

分 类 号：TH17[机械工程—机械制造及自动化] TP183[自动化与计算机技术—控制理论与控制工程]