机器视觉在苹果中的应用

2024-11-06 08:30   重庆  

点击下方卡片,关注“机器视觉与AI深度学习

视觉/图像重干货,第一时间送达!

来源 | 三维外观缺陷检测

随着经济的发展和消费水平的提升,消费者对水果的外观品质要求逐渐提高。

但自然界中生长的苹果、西红柿等水果蔬菜,并没有统一的标准,每个果实在形态、成熟度、光学质量、重量和损伤程度方面都各不相同。


因此,生产后期的处理成了水果竞价的关键因素。从食品市场到折价零售商,再到加工业,对质量的要求不同,价格也高低不一。不难发现,在超市选购水果时,即使是相同品种的水果也会综合重量、外观、颜色等划分为不同等级,标记相对应的价格。



01


水果生产线上的分拣难题

如何精确分类,确保水果蔬菜不低价销售也成了生产商最感兴趣的经济手段。


在水果的商品化加工过程中,包含很多环节,最重要的一步便是——分拣,为实现更高利润销售,水果加工厂需要将这一批次的水果通过瑕疵、缺陷程度、大小、颜色等分为不同的等级。


分等级销售能使该产品的同类指标基本达到一致且最大程度的提高经济效益,也让消费者可以根据自己的需求进行购买,同时便于运输和贮藏,降低损失。这也再次说明了“分拣”这一过程对于水果生产运输及销售的重要性。


    苹果瑕疵检测

缺陷检测:碰伤、划痕、破皮


02


机器视觉助力水果自动化分类

目前,我国的水果大多采用人工分拣的加工方式,极少部分大型水果厂也只是采用了机械选果机这种单一的检测设备。


手工分拣方式虽然可以最大限度地减少检测过程对水果的损伤,且适用范围广,但是需要大量劳动力,还存在着工作量大、效率低和速度慢等弊端,况且水果分拣是一个长期重复性的工作,如果单纯依靠增加人工提高其分拣速度,反而会增加生产成本,影响水果在市场上的竞争力。


相对于传统的分级技术,机器视觉技术因具有高效、精确、非接触测量的优势,使水果蔬菜自动化分类成为可能。


标注:采用“目标定位”功能,建立产品缺陷标签,一键标注即可。



训练:利用一个带标签的图像集作为训练集,对卷积神经网络开展训练,模型会自动学习样本中不同等级苹果的特征,利用训练好的卷积神经网络,可以很容易对不同特征的苹果进行分类。

测试:利用已有训练模型,对未标注图像进行测试,未标注图像自动标注成功,准确率达99.9%。


随着我国人口红利的消失,人工成本的不断上涨,传统的人工分拣方式越来越不适用,且人工分拣受操作人员主观因素的影响较大,检测精度和检测质量都无法保证稳定,难以实现一个标准化的管控。

未来随着科技的发展,劳动力将成为最昂贵的成本。因此,推动水果自动化分类是大势所趋,也是实现智能农业的必经阶段。

文仅做学术分享,如有侵权,请联系删文。

—THE END—

觉得有用,麻烦给个赞和在看 

机器视觉与AI深度学习
专注于机器视觉、AI、深度学习等技术最新资讯、实战内容及应用案例的分享,交流!
 最新文章