安小松，李善军|基于CNN-Transformer的视觉缺陷柑橘分选方法
文摘
三农
2022-09-20 08:53
湖北
![]()
针对产线分拣缺陷柑橘费时费力等问题，华中农业大学工学院李善军教授团队提出了一种基于CNN-Transformer的缺陷柑橘视觉分选系统，该系统可直接应用在柑橘加工生产线上实现快速在线分选。该文以输送机上随机旋转的柑橘果实为研究目标，开发了一种基于卷积神经网络(CNN)的检测算法Mobile-Citrus来检测和暂时分类缺陷果实，并采用Tracker-Citrus跟踪算法来记录其路径上的分类信息，通过跟踪的历史信息识别柑橘的真实类别，跟踪精度达到98.4%，分类精度达到92.8%，同时还应用基于Transformer的轨迹预测算法对果实的未来路径进行了预测，可用于指导机器人手臂分选缺陷柑橘，平均轨迹预测误差达到最低2.96个像素。所开发的分选方法采用基于深度学习的检测算法，结合多目标跟踪及轨迹预测算法，提高了分类的准确性与机械手抓取的可行性，且不需要对原始柑橘生产线进行修改，这可以促进该方法在相似工作场景中应用与推广。总的来说，该分选方法在视野同时出现20个以内柑橘具有良好的分类精度和实时性能，可以满足柑橘实时分选的需求。![]()
该文以《基于CNN-Transformer的视觉缺陷柑橘分选方法》为题发表在《华中农业大学学报》2022年第4期。该研究获得财政部和农业农村部：国家现代农业产业技术体系、柑橘全程机械化科研基地建设项目（农计发［2017］19号）、湖北省农业科技创新行动项目和国家重点研发计划（2020YFD1000101）的资助。![]()
扫码阅读全文
安小松,宋竹平,梁千月,等.基于CNN-Transformer的视觉缺陷柑橘分选方法[J].华中农业大学学报,2022,41(4):158-169.
DOI：10.13300/j.cnki.hnlkxb.2022.04.020
