湖南水果外觀檢測設備系統

檢測難點

在櫻桃分級過程中，表面缺陷檢測是其中重要的一項流程，其檢測的精確度直接決定了該水果的等級。

1.傳統識別算法難以分辨暗斑與背景顏色，且對硬件和打光要求較高，在進行灰度閾值分割時，容易把不明顯的暗斑分割出去，很難保證在高速流水線上實現零缺陷檢測的要求；

2. 櫻桃的果梗與某些表面缺陷在圖像處理后比較相似，傳統算法識別很難分辨出缺陷，容易造成漏檢、誤檢等情況，影響檢測精度和果蔬分揀質量；

3. 傳統外觀品質檢測主要是使用分級機械，僅支持對大小、重量分級，無法對表面缺陷、紋理、顏色等外觀進行分揀。傳統算法檢測需耗費大量的時間對每個缺陷進行定制化開發，并且無法同時檢測出一張圖片內的多種不同缺陷。

 

方案設計

使用矩視智能低代碼平臺像素分割功能，分別對櫻桃不同缺陷，進行標簽分類。根據客戶提供樣本圖片，缺陷類型分為疤痕、裂口、畸形、凹痕、褶皺等。

云平臺支持同一模型下，可同時檢測一張圖片內的多種缺陷，并對其進行分類。

所以，上傳圖像后根據標簽對圖像上櫻桃的所有缺陷類型進行缺陷特征標注，并利用深度學習技術訓練模型，實現對標記特征缺陷的定向識別檢測。

04

檢測前后對比

第一組：櫻桃外觀同時存在多種缺陷類型，凹陷/褶皺/裂口等。

凹痕+褶皺

05

檢測效果

檢測效果符合預期，深度學習模型對抗干擾信息的能力很強，對不同大小、不同成熟度的櫻桃（顏色有差異）檢出率達到98%以上。

矩視智能機器視覺低代碼平臺是一個面向機器視覺應用的云端協同開發平臺，始終秉承0成本、0代碼、0門檻、0硬件的產品理念。

湖南水果外觀檢測設備系統

平臺以人工智能技術為核心，在機器視覺應用開發環節，為開發者提供圖像采集、圖像標注、算法開發、算法封裝和應用集成的一站式完整工具鏈。覆蓋字符識別、缺陷檢測、目標定位、尺寸測量、3D測量、視頻開發等上百項通用功能，致力于成為全球用戶量最多，落地場景最廣泛的機器視覺低代碼平臺。

農業在世界上許多國家的經濟中發揮著至關重要的作用。農業業務的一個重要部門是生產和供應新鮮水果和蔬菜給供應商和市場。對有效食品生產和快速安全供應市場的需求不斷增長，導致該行業開發和使用各種創新技術。

基于物聯網（IoT）的智能農業等技術已被發現可用于提高水果和蔬菜產量的質量。此外，大中型企業對智能物流的使用減少了分揀，包裝和上市的時間。

然而，在小規模農業企業和農民的層面上，已經注意到對新技術的有限接受。他們采用這些技術的兩個主要挑戰是總體成本增加和學習專業技能的要求。因此，越來越需要為這些企業和農民開發低成本和易于使用的解決方案，以便他們能夠更多地利用新技術。

由于外觀反映了水果的新鮮度并標志著其賣點，因此它是水果分級的主要標準之一。在小規模企業的水平上，根據水果的外觀和新鮮度對水果進行分級和分類的任務在本質上仍然是艱巨和具有挑戰性的。人工檢測在很大程度上取決于訓練有素的人員檢查水果的外觀，然后決定其分級。自動化水果的分級和分揀不僅是處理分類不一致的重要步驟，而且還有助于減少在包裝，定價和供應這些水果方面花費的勞動力成本和時間。

當前自動化技術大多數只能應用于農產品的大小分級，如果想要進行外觀分級，檢查是否壞果，或是否有瑕疵，就需要應用機器視覺。

湖南水果外觀檢測設備系統

[本信息來自于今日推薦網]