河北工程大学 数理科学与工程学院,邯郸 056107
为了解决目前水果识别检测方法效率低、误检率高、通用性低、实时性差等问题, 提出了一种基于改进的你只用看一遍(YOLO)统一框架的实时目标检测YOLOv4算法的水果识别检测方法。首先在主干网络的基础上增加高效通道注意力机制, 增强网络提取图像语义信息能力; 其次用内卷算子替换主干网络中跨级局部模块连接处卷积层, 减小了模型大小, 增强了网络预测性能; 最后在路径聚合网络基础上添加残差模块, 加快网络收敛速度的同时防止了网络梯度爆炸。数据集选取生活中常见的火龙果、橙子、葡萄、青芒等10种水果, 拍摄共获得6670张图片。结果表明, 本文中的方法均值平均精度(MAP)为99.1%, 准确率为95.62%, 传输帧数为41.67/s; MAP相比YOLOv4提升了15.3%。该研究满足高检测精度和检测速度要求, 对水果识别精度的提高具有重要的参考价值。
图像处理 水果识别 YOLOv4算法 内卷算子 路径聚合网络 高效通道注意网络 image processing fruit recognition YOLOv4 algorithm involution path aggregation network efficient channel attention network
上海理工大学 光电信息与计算机工程学院，上海 200093
水果作为人们日常必备的食物，其越来越高的消费需求使得行业对自动损伤检测和自动分类的要求日益提高。针对这一需求，近年来水果损伤自动检测成为研究的热门话题。针对现有的深度学习技术，即卷积神经网络在水果的特征提取和分类方面的应用进行了探讨，提出了一种以ResNet34作为主干网络，并在此基础上引入注意力机制SE和CBAM模块的方法来实现水果损伤的检测和基本分类。在fruit fresh and rotten for classification数据集上完成了该方法的验证。经过与VGG16，GoogLeNet，MobileNetV2等常见网络的比较分析，结果显示改进后的模型分类准确度达到98.8%。通过加入新的苹果数据集，该模型相比原网络ResNet34，在性能方面进一步提升，有效提高了模型的泛化性。该模型提升了水果损伤检测和分类处理的精确性，在实际中，可为复杂的水果图片的多特征分类处理提供借鉴。
深度学习 水果损伤检测 ResNet 注意力机制 deep learning fruit damage detection ResNet attention mechanism
江南大学物联网工程学院轻工过程先进控制教育部重点实验室，江苏 无锡 214122
利用蒙特卡罗模拟和光密度算法评估线扫描成像系统对被测样品内部缺陷的检测性能。首先，引入三维体素分割方法，实现对内部缺陷不规则组织边界的精细划分，以改善传统蒙特卡罗方法难以准确模拟复杂组织的光学传输问题；分析了仪器参数对光子在组织内部的穿透深度、探测器的探测深度和表面漫反射率的影响，确定了最佳的参数配置；最后，利用光密度算法评估了系统对不同大小和深度缺陷的检测性能。仿真结果表明，在光源入射角为15°、光源-探测器距离为1 mm的条件下，线扫描成像检测系统能够兼顾光子探测深度和表面反射率；对于大（a=2 mm，b=3 mm，c=1 mm）、中（a=2 mm，b=2 mm，c=1 mm）、小（a=2 mm，b=1.5 mm，c=1 mm）三种尺度的椭球体缺陷，系统的缺陷深度检测限分别为3.5 mm、3 mm、2.7 mm。本研究结果为面向水果等农产品内部缺陷检测的线扫描成像系统的参数优化和性能评估提供了理论依据。
线扫描成像系统 蒙特卡罗模拟 内部缺陷 光密度算法 水果 激光与光电子学进展
2023, 60(12): 1215005
1 北京农业信息技术研究中心, 北京 100097
2 西南交通大学利兹学院, 四川 成都 611731
基于可见-近红外光谱分析技术开发了手持式水果糖度检测装置, 并用于水果糖度的现场实时分析。 硬件系统主要包括微型光谱仪、 卤素灯、 OLED显示屏、 单片机及驱动电路等。 采用Keil 5开发工具, 用C语言开发单片机程序。 配合上位机以LabView编写的光谱采集程序, 实现光谱信息的采集。 以苹果和大桃作为检测对象, 对装置的检测精度和模型在2台装置(主机、 从机)间的传递效果进行了探讨。 在实验室和果园环境下, 分别获取了苹果、 大桃样本在600~950 nm范围的可见-近红外光谱。 对实验室条件下采集的主机校正集光谱进行分析, 经过平滑、 最大值归一化、 二阶导数等预处理后, 利用偏最小二乘算法分别建立了苹果、 大桃的糖度检测模型。 模型导入主机装置后, 对预测集样本进行检验。 对苹果、 大桃的预测集相关系数和预测均方根误差分别为0.925, 0.587%和0.821, 0.613%。 采用分段直接校正和基于典型相关分析算法的模型传递方法将模型由主机传递到从机。 对比后发现, 基于典型相关分析算法取得了更好的模型传递结果。 从机对苹果、 大桃糖度的预测集相关系数和预测均方根误差分别为0.883, 0.641%和0.805, 0.626%。 将实验室条件下建立的模型用于树上采集到的水果光谱数据分析, 得到预测集相关系数和预测均方根误差分别为0.866, 0.741%和0.816, 0.627%。 整体检测结果表明, 该装置可以满足对苹果、 大桃糖度的有效检测, 借助模型传递算法, 实现了模型在不同装置间的共享和有效传递, 且实验室环境下采集的数据建立的模型可以用于树上水果糖度的有效检测, 该装置具有较大的经济价值和应用前景。
无损检测 水果 可见-近红外光谱 光谱分析 糖度 模型传递 Nondestructive detection Fruit Visible-near infrared spectrum Spectral analysis Sugar content Model transfer 光谱学与光谱分析
2021, 41(10): 3058
1 东北林业大学机电工程学院, 黑龙江哈尔滨 150040
2 东北林业大学林业人工智能研究院, 黑龙江哈尔滨 150040
传统的水果分级与损伤检测大多采用感官评定的方法, 随着计算机视觉技术的发展, 计算机视觉检测分级技术发展迅速。研究中针对解决水果损伤部位检测的问题提出了一种利用图像处理技术对水果热成像损伤部位进行检测的技术方案。本方案采用 Laplacian of Gaussian(LoG)算法对损伤部位进行检测, 使用高斯卷积模板抑制噪声, 通过设置不同的卷积核尺寸以及 .值获得不同的卷积滤波结果, 加强了图像中损伤部位的色彩程度, 进而更好地利用边缘检测技术获取损伤部位的边缘信息。采用具有局部损伤的苹果作为研究对象, 选取有参考和无参考等 5种评价方法, 分析卷积过程对于损伤部位边缘检测的影响。结果表明, 在水果热成像中 LoG算法可以有效地检测水果的损伤部位, 卷积核尺寸对于水果损伤部位边缘检测结果的影响远大于 .值, 通过增大卷积核尺寸可以有效地加深损坏部分的边缘信息, 研究为水果损伤区域检测提供了一种可行的解决方案。
水果损伤 热成像 LoG算法 边缘检测 fruit damage, thermal imaging LoG algorithm, edge
烟台大学 光电信息科学技术学院, 山东 烟台 264005
主要研究运用深度学习技术进行图像识别, 提出一种基于卷积神经网络的水果识别方法。在Hdevelop开发环境下利用HALCON视觉算法库搭建水果品类识别解决方案, 利用卷积神经网络训练样本数据集, 抽象出代表各品类水果的特征表示, 进而准确识别出水果品类。实验结果表明, 所提出的水果识别方法具有较高的识别率。
深度学习 卷积神经网络 图像识别 水果识别 deep learning convolutional neural network image recognition fruit recognition
小型化便携式光谱成像越来越多应用于日常生活中，给人们的生活提供了更多的便利。柑橘属水果是人们日常生活中经常食用和储存的水果之一，在智能冰箱中,柑橘由于品种相似等原因不利于识别和分类，光谱成像技术利用其物质不同的特征波长实现其识别。采用新型的单芯片式光谱成像芯片搭建小型化便携式的光谱成像系统，利用光谱成像技术实现对柑橘属水果的分类识别，并通过分批次样本进行交叉验证，同时建立光谱分辨率与准确度关系，通过约束光谱分辨率，有效提高了柑橘属水果分类识别的准确度，光谱分辨率小于20 nm，识别准确度可达到95%以上。
单芯片 柑橘属水果 光谱成像 分类识别 特征波长 single chip citrus fruit spectral imaging classification recognition characteristic wavelength 红外与激光工程
2019, 48(10): 1023001
1 上海交通大学农业与生物学院, 上海 200240
2 华东师范大学信息科学技术学院上海市多维度信息处理重点实验室, 上海 200241
生物散斑是一种利用激光在物体内部的折射与反射来反映其内部信息的光学无损检测技术。生物散斑成像设备和图像处理算法不断改进,应用领域也在逐步扩大;但由于干扰因素的存在,建模精度仍是研究者关注的重点。本文较为详尽地整理了散斑图像处理算法,并对生物散斑技术在水果品质检测中的应用进行调研,归纳主要的成像设备,提出改进意见,旨在为后续研究提供启发。
激光光学 生物散斑 水果品质检测 激光散斑 图像处理算法 激光与光电子学进展
2019, 56(9): 090003
1 华中农业大学工学院, 湖北 武汉 430070
2 华中农业大学理学院, 湖北 武汉 430070
水果产品品质检测技术在水果的生产和消费中起着十分重要的作用.利用水果产品的光学特性进行无损检测是水果品质无损检测与分级技术中最实用的和最成功的技术之一.深入研究光在水果组织中的输运规律,对于水果产品品质的光学检测有着十分重要的意义.本文以仁果类薄皮水果苹果和厚皮水果柑橘为例,建立果皮和果肉两层组织模型,利用蒙特卡罗法模拟了808 nm的波长下高斯光束在水果组织中传输的光学特性,揭示了水果果皮厚度对光在组织中的传输特性如漫反射率、透射率、内部吸收率和穿透深度等特性的影响,分析了果肉组织的检测效率.研究结果表明,果皮越厚,透射率和穿透深度越小,果皮比果肉的光吸收能量密度在径向距离上的分布范围更广,随着水果组织内部深度的增加,光吸收能量密度逐渐减小,径向方向减弱的更快.而对于漫反射率,在径向距离0.2～1.2 cm之间,果皮越薄漫反射率越小,在1.2～4.0 cm之间,果皮越厚漫反射率越小.此研究结果表明在用光学检测方法对水果进行无损检测和分级时,无论是透射或反射测量,果皮厚度和光束的相互作用都不应忽视,也为不同类型的水果产品设计更为有效的光学检测装置(如光源的强度、检测器的大小以及位置等)提供了理论基础,对于水果产品品质的光学检测有着十分重要的意义。
果皮厚度 水果组织 光学特性 蒙特卡罗 无损检测 Skin thickness of fruit Fruit tissue Optical properties Monte carlo Nondestructive inspection 光谱学与光谱分析
2015, 35(7): 1817
1 上海交通大学机械系统与振动国家重点实验室, 上海 200240
2 北京市农林科学院, 北京农业智能装备技术研究中心, 北京 100097
水果和蔬菜的品质与安全是消费者最为关心的问题。 传统的化学检测方法是一种费时费力的破坏性检测技术。 随着成像和光谱技术的快速发展, 高光谱成像技术已经广泛应用于农产品品质与安全的快速无损检测中。 高光谱成像技术融合了传统的成像和光谱技术的优点, 可以同时获取被检测物体的空间信息和光谱信息, 因此该技术既可以像检测物体的外部品质, 又可以像光谱技术一样检测物体的内部品质和品质安全。 目前, 已经有大量的基于高光谱成像技术检测水果和蔬菜品质与安全的研究性论文发表, 为了深入了解高光谱成像技术的检测原理并跟踪国内外最新的研究进展, 综述了高光谱成像技术在水果和蔬菜外部品质、 内部品质和品质安全检测中的原理、 发展和应用。 另外, 还简要介绍和讨论了高光谱成像系统的构成、 常用的数据分析方法、 发展趋势及面临的挑战。
高光谱成像技术 水果 蔬菜 品质 安全 无损检测 Hyperspectral imaging Fruit Vegetable Quality Safety Nondestructive 光谱学与光谱分析
2014, 34(10): 2743
