CN116441190A - 一种龙眼检测系统、方法、设备及存储介质 - Google Patents
一种龙眼检测系统、方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116441190A CN116441190A CN202310480697.6A CN202310480697A CN116441190A CN 116441190 A CN116441190 A CN 116441190A CN 202310480697 A CN202310480697 A CN 202310480697A CN 116441190 A CN116441190 A CN 116441190A
- Authority
- CN
- China
- Prior art keywords
- longan
- detection
- model
- unit
- flaw
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 240000001008 Dimocarpus longan Species 0.000 title claims abstract description 147
- 235000000235 Euphoria longan Nutrition 0.000 title claims abstract description 147
- 238000001514 detection method Methods 0.000 title claims abstract description 129
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims description 30
- 230000002950 deficient Effects 0.000 claims abstract description 22
- 238000005286 illumination Methods 0.000 claims abstract description 15
- 230000007547 defect Effects 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 27
- 238000013136 deep learning model Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000002790 cross-validation Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims 7
- 238000003384 imaging method Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000011324 bead Substances 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/009—Sorting of fruit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及自动分拣技术领域,公开了一种龙眼检测系统、方法、设备及存储介质。所述龙眼检测方系统包括:采集单元,用于采集不同角度的龙眼图像;获取单元,用于通过获取的所述龙眼图像截取检测区域图片;检测单元,用于将截取的所述检测区域图片输入预先训练好的瑕疵检测模型中检测是否存在瑕疵;判断单元,用于当检测到所述检测区域图片中存在瑕疵时,判定对应的龙眼为瑕疵品;控制单元,用于控制剔除装置将所述瑕疵品剔除。本发明通过工业相机照明成像系统采集龙眼的实时状态图像,软件算法实时判断龙眼状态,给出抓取、继续旋转及剔除的反馈,本发明检测速度快,可靠性、稳定性高,寿命长,完全适应龙眼的高速高精度上料。
Description
技术领域
本发明涉及自动分拣技术领域,尤其涉及一种龙眼检测系统、方法、设备及存储介质。
背景技术
随着人们生活水平的提高,人们对食品品质的要求也越来越高。为适应这种市场需求,农产品的加工工艺水平也需要逐步提高。目前在龙眼去皮去核的加工领域,迫切需求视觉与自动化冲裁设备的结合,以实现龙眼干的高效率、高品质加工。
原有的龙眼去皮去核的加工设备只能实现手工摆放上料的半自动化,生产效率较低。设备加入机器视觉系统后,为设备插上了可视化的眼睛,可实现上料、加工、下料整套工序的完全自动化。使龙眼去皮去核加工设备的生产效率、生产品质得到大幅度提升。
现有技术,使用视觉拍照系统,对整齐排成行列的龙眼拍照,拍照范围较大,存在成像视场中间和边缘的视角差,容易产生误漏判,不能将良品的龙眼和瑕疵的龙眼进行有效的检测和区分。
因此,提供一种能够快速检测出龙眼瑕疵的系统是有待解决的问题。
发明内容
本发明提供了一种龙眼检测系统、方法、设备及存储介质,用于提供一种能够快速检测出龙眼瑕疵的系统。
本发明第一方面提供了一种龙眼检测系统,所述龙眼检测系统包括:
采集单元,用于采集不同角度的龙眼图像;
获取单元,用于通过获取的所述龙眼图像截取检测区域图片;
检测单元,用于将截取的所述检测区域图片输入预先训练好的瑕疵检测模型中检测是否存在瑕疵;其中,所述瑕疵检测模型为预先训练的深度学习模型;
判断单元,用于当检测到所述检测区域图片中存在瑕疵时,判定对应的龙眼为瑕疵品;
控制单元,用于控制剔除装置将所述瑕疵品剔除。
可选的,在本发明第一方面的第一种实现方式中,所述系统还包括:
旋转单元,用于控制龙眼旋转装置将龙眼在视场角范围内旋转;
抓取单元,用于控制抓取机械臂抓取符合抓取条件的龙眼,其中,所述符合抓取条件的龙眼为良品。
可选的,在本发明第一方面的第二种实现方式中,所述系统还包括:
光源单元,用于控制LED光源装置提供具有可调节的亮度和颜色温度的照明环境;
反射单元,用于控制漫反射照明装置通过内凹弧面镜面的反射,增强所述LED光源装置的照明效果,其中,所述内凹弧面镜面内置于所述漫反射照明装置。
可选的,在本发明第一方面的第三种实现方式中,所述采集单元包括:
感应子单元,用于通过传感器感应龙眼是否到达位采图位置;
采图子单元,用于在感应到龙眼到位后,采集龙眼不同角度的图像。
可选的,在本发明第一方面的第四种实现方式中,所述系统还包括:
对比子单元,用于将人工复检的结果与所述瑕疵模型的检测结果进行对比,得到对比结果;
显示子单元,用于将对比结果在人机交互界面进行显示。
本发明第二方面提供了一种龙眼检测方法,所述龙眼检测方法包括:
采集不同角度的龙眼图像;
通过获取的所述龙眼图像截取检测区域图片;
将截取的所述检测区域图片输入预先训练好的瑕疵检测模型中检测是否存在瑕疵;其中,所述瑕疵检测模型为预先训练的深度学习模型;
当检测到所述检测区域图片中存在瑕疵时,判定对应的龙眼为瑕疵品;
控制剔除装置将所述瑕疵品剔除。
可选的,在本发明第二方面的第一种实现方式中,所述瑕疵检测模型的训练步骤包括:
在前期训练模型时,将检测区域的图片进行人工标注,分为良品标签和瑕疵标签,得到对应的训练样本;
将所述训练样本输入到深度学习模型中进行深度学习,得到所述瑕疵检测模型。
可选的,在本发明第二方面的第二种实现方式中,所述瑕疵检测模型的训练步骤还包括:
通过交叉验证法对训练好的训练深度学习模型进行评估,得到评估结果;
根据所述评估结果,调整模型的学习率、正则化系数、Dropout比率,得到准确的瑕疵检测模型。
本发明第三方面提供了一种龙眼检测设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述龙眼检测设备执行上述的龙眼检测方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的龙眼检测方法。
本发明提供的技术方案中,有益效果:本发明提供的一种龙眼检测系统、方法、设备及存储介质,通过采集单元采集不同角度的龙眼图像;获取单元通过获取的所述龙眼图像截取检测区域图片;检测单元将截取的所述检测区域图片输入预先训练好的瑕疵检测模型中检测是否存在瑕疵;判断单元当检测到所述检测区域图片中存在瑕疵时,判定对应的龙眼为瑕疵品;控制单元控制剔除装置将所述瑕疵品剔除。本发明检测速度快,可靠性、稳定性高,寿命长。
附图说明
图1为本发明实施例中龙眼检测装置的一个实施例示意图;
图2为本发明实施例中龙眼检测方法的一个实施例示意图。
具体实施方式
本发明实施例提供了一种龙眼检测系统、方法、设备及存储介质,用于解决现有技术中龙眼检测效率低下的问题。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例进行描述,请参阅图1,本发明实施例中龙眼检测系统1的一个实施例包括:
101、采集单元11,用于采集不同角度的龙眼图像;
具体的,本系统通过采集单元11实时连续触发拍照。
可以理解的是,本发明的执行主体可以为龙眼检测装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以龙眼检测装置为执行主体为例进行说明。
102、获取单元12,用于通过获取的所述龙眼图像截取检测区域图片;
具体的,通过获取单元12对检测区域图片进行自动化提取,对于自动化提取方法,使用基于阈值、边缘检测、颜色过滤等技术进行处理,以确定检测区域图片。
103、检测单元13,用于将截取的所述检测区域图片输入预先训练好的瑕疵检测模型中检测是否存在瑕疵;其中,所述瑕疵检测模型为预先训练的深度学习模型;
具体的,所述瑕疵检测模型的训练步骤包括:
在前期训练模型时,将检测区域的图片进行人工标注,分为良品标签和瑕疵标签,得到对应的训练样本;
将所述训练样本输入到深度学习模型中进行深度学习,得到所述瑕疵检测模型。
具体的,首先,使用图像处理库和标注软件,将获取单元12提取出的检测区域的图片进行载入和人工标注。通过观察图像并选择标记类型,将数据标记为良品或瑕疵标签。然后利用图像处理库和虚拟数据增强技术,对已有数据进行缩放、旋转、平移和添加噪声等变换,生成更多的图像样本,并将其归类和整理成训练样本集。
在深度学习框架中选择合适的深度学习模型,例如卷积神经网络(CNN),并根据任务需求和数据特点进行网络结构和参数设置。
在深度学习框架中创建训练任务,将训练样本集作为输入,并设置相应的超参数,例如学习率、批量大小、迭代次数等。使用自适应优化算法,如Adam,对模型权重进行更新优化。
将训练好的模型部署到瑕疵检测训练中,在输入端接收图像数据并进行预处理,然后将其输入到已经训练好的模型中进行瑕疵检测。对于每个输入图像,输出分类结果和相应的置信度得分。
所述瑕疵检测模型的训练步骤还包括:
通过交叉验证法对训练好的训练深度学习模型进行评估,得到评估结果;
根据所述评估结果,调整模型的学习率、正则化系数、Dropout比率,得到准确的瑕疵检测模型。
具体的,该步骤通常采用交叉验证方法来进行模型评估。将训练数据集划分成若干个子集,轮流选取其中一个子集作为验证集,其余子集作为训练集,重复多次进行训练和验证。
然后,根据评估结果,可以对模型的超参数进行调整,例如学习率、正则化系数、Dropout比率等,以提高模型的性能。例如,如果模型存在过拟合问题,则可以增加正则化系数或降低Dropout比率,以减少模型复杂度。反之,如果模型欠拟合,则可以调整学习率或增加网络层数。
104、判断单元14,用于当检测到所述检测区域图片中存在瑕疵时,判定对应的龙眼为瑕疵品;
具体的,判断单元14通常采用深度学习模型来实现瑕疵检测任务。模型输入是所述检测区域图片数据,经过预处理后进入模型进行分类。若模型预测出该图片存在瑕疵特征,则判断单元14会将对应的龙眼判定为瑕疵品,并做好相应的记录或标记操作。
105、控制单元15,用于控制剔除装置将所述瑕疵品剔除。
具体的,控制单元15通常由计算机或嵌入式系统实现,并与剔除装置之间通过硬件接口或网络连接进行通讯。当判断单元检测到瑕疵品时,控制单元15会向剔除装置发送剔除命令,在适当的时间内启动剔除装置完成剔除操作。
本发明实施例中,有益效果:通过结合龙眼检测系统的实时采集和判断功能,可以大幅降低人工检测时间和工作量,提高生产线效率和生产能力,其次,利用深度学习模型和交叉验证方法进行瑕疵检测,可以充分考虑不同龙眼品种和瑕疵类型的差异,有效提升检测准确性和稳定性,保证产品质量和一致性。
本发明实施例中龙眼检测系统的另一个实施例包括:
旋转单元,用于控制龙眼旋转装置将龙眼在视场角范围内旋转;
抓取单元,用于控制抓取机械臂抓取符合抓取条件的龙眼,其中,所述符合抓取条件的龙眼为良品。
具体的,龙眼果柄的朝向不需要十分精确,只需要落在一定视场角范围内即可,我们称之为“锥界”。龙眼靠两个同向滚筒运动旋转,每次旋转一定角度,旋转一次拍照一次。
本发明实施例中龙眼检测系统的另一个实施例包括:
光源单元,用于控制LED光源装置提供具有可调节的亮度和颜色温度的照明环境;
反射单元,用于控制漫反射照明装置通过内凹弧面镜面的反射,增强所述LED光源装置的照明效果,其中,所述内凹弧面镜面内置于所述漫反射照明装置。
在本实施例中,设置有光学系统;其中,光学系统包括LED光源装置、漫反射照明装置、多组面阵相机、光学软件。
具体的,本实施例中的LED光源装置采用双侧条形光源照明,照明均匀且亮度足够,符合高速旋转下的稳定拍照要求。
龙眼检测系统中的光学系统采用多组面阵相机拍照,漫反射照明装置间接提供照明光源,LED光源装置直接提供具有可调节的亮度和颜色温度的照明环境。LED光源装置采用多颗高显色指数的大功率LED灯珠,LED主光线方向朝向反射罩内凹弧面,光线经过均匀涂布白色纳米漫反射涂层的内凹弧面的反射(散射),均匀柔和地传播到被照明龙眼表面。
光学系统经过光学软件的仿真优化设计,LED与反射板的相对位置及方向角度、反射罩内凹弧面面型、照明系统与被照明龙眼的相对位置及角度都达到了最优化。
有益效果:本发明实施例中的龙眼检测系统采用具有可调节亮度和颜色温度的LED光源装置和漫反射照明装置,以增强照明效果。该系统使用双侧条形光源照明,采用多组面阵相机拍照,并采用LED弧形漫反射间接照明光源,提供柔和均匀的照明环境。LED光源采用高显色指数的大功率LED灯珠,LED主光线方向朝向内凹弧面,光线经过均匀涂布白色纳米漫反射涂层的内凹弧面的反射(散射),均匀柔和地传播到被照明龙眼表面。整个系统的设计经过光学软件的仿真优化,达到了最优化的效果。
本发明实施例中龙眼检测系统的另一个实施例包括:
所述采集单元包括:
感应子单元,用于通过传感器感应龙眼是否到达位采图位置;
采图子单元,用于在感应到龙眼到位后,采集龙眼不同角度的图像。
具体的,采集单元使用传感器来检测龙眼是否到达位于采图位置的位置。通过安装在龙眼定位装置上的传感器实现。一旦传感器检测到龙眼到位,采图子单元将开始采集龙眼在不同角度下的图像。
采图子单元内部包含相机和控制电路,相机用于捕捉龙眼的图像,并将其传输到计算机系统进行处理,控制电路负责控制相机的快门速度,确保在不同的角度下拍摄到清晰的图像。
本发明实施例中龙眼检测系统的另一个实施例包括:
对比子单元,用于将人工复检的结果与所述瑕疵模型的检测结果进行对比,得到对比结果;
显示子单元,用于将对比结果在人机交互界面进行显示。
具体来说,对比子单元会将从自动检测流程中得到的所有瑕疵数据传输给人工操作员,让其进行二次复查。在复查过程中,操作员可以确认或否定自动检测得到的瑕疵,并将结果反馈给对比子单元,以进一步优化模型的准确性和鲁棒性,显示子单元则负责将对比结果在人机交互界面上进行显示。
上面对本发明实施例中龙眼检测系统进行了描述,下面对本发明实施例中龙眼检测方法进行描述,请参阅图2,本发明实施例中龙眼检测方法一个实施例包括:
步骤101:采集不同角度的龙眼图像;
步骤102:通过获取的所述龙眼图像截取检测区域图片;
步骤103:将截取的所述检测区域图片输入预先训练好的瑕疵检测模型中检测是否存在瑕疵;其中,所述瑕疵检测模型为预先训练的深度学习模型;
步骤104:当检测到所述检测区域图片中存在瑕疵时,判定对应的龙眼为瑕疵品;
步骤105:控制剔除装置将所述瑕疵品剔除。
具体的,本发明实施例的龙眼检测方法利用采集不同角度的龙眼图像,并通过获取的图像截取检测区域图片;然后将截取的检测区域图片输入预先训练好的瑕疵检测模型进行检测,该模型使用深度学习技术进行预先训练。如果检测到检测区域图片中存在瑕疵,则判定对应的龙眼为瑕疵品。最后,控制剔除装置进行剔除处理。
本发明实施例中,有益效果:本发明实施例中的龙眼检测方法采用先进的深度学习技术,结合高精度的图像采集和处理技术,可以快速、准确地检测和剔除瑕疵品。相比传统的人工检测方法,该系统具有更高的准确性和稳定性,可以大大提高产品的质量和生产效率。
此外,本发明实施例中的龙眼检测方法还具有多项优点。首先,它可以适应不同种类和规格的龙眼产品的检测需求。其次,该方法的操作简单、自动化程度高,减少了人工干预的成本和错误率。最后,采用LED光源和反射单元等先进的技术,可以有效地控制照明环境,提高图像的质量和清晰度。
本发明实施例中龙眼检测方法另一个实施例包括:所述瑕疵检测模型的训练步骤包括:
在前期训练模型时,将检测区域的图片进行人工标注,分为良品标签和瑕疵标签,得到对应的训练样本;
将所述训练样本输入到深度学习模型中进行深度学习,得到所述瑕疵检测模型。
本发明实施例中龙眼检测方法另一个实施例包括:所述瑕疵检测模型的训练步骤还包括:
通过交叉验证法对训练好的训练深度学习模型进行评估,得到评估结果;
根据所述评估结果,调整模型的学习率、正则化系数、Dropout比率,得到准确的瑕疵检测模型。
在本发明一实施例中,上述龙眼检测方法,还包括:
控制龙眼旋转装置将龙眼在视场角范围内旋转;
控制抓取机械臂抓取符合抓取条件的龙眼,其中,所述符合抓取条件的龙眼为良品。
在本发明一实施例中,上述龙眼检测方法,还包括:
控制LED光源装置提供具有可调节的亮度和颜色温度的照明环境;
控制漫反射照明装置通过内凹弧面镜面的反射,增强所述LED光源装置的照明效果,其中,所述内凹弧面镜面内置于所述漫反射照明装置。
在本发明一实施例中,,采集不同角度的龙眼图像的步骤,包括:
通过传感器感应龙眼是否到达位采图位置;
在感应到龙眼到位后,采集龙眼不同角度的图像。
在本发明一实施例中,上述龙眼检测方法,还包括:
将人工复检的结果与所述瑕疵模型的检测结果进行对比,得到对比结果;
将对比结果在人机交互界面进行显示。
本发明还提供一种龙眼检测设备,所述龙眼检测设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述龙眼检测方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述龙眼检测方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的方法的具体工作过程,可以参考前述系统实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种龙眼检测系统,其特征在于,包括:
采集单元,用于采集不同角度的龙眼图像;
获取单元,用于通过获取的所述龙眼图像截取检测区域图片;
检测单元,用于将截取的所述检测区域图片输入预先训练好的瑕疵检测模型中检测是否存在瑕疵;其中,所述瑕疵检测模型为预先训练的深度学习模型;
判断单元,用于当检测到所述检测区域图片中存在瑕疵时,判定对应的龙眼为瑕疵品;
控制单元,用于控制剔除装置将所述瑕疵品剔除。
2.根据所述权利要求1所述的龙眼检测系统,其特征在于,所述系统还包括:
旋转单元,用于控制龙眼旋转装置将龙眼在视场角范围内旋转;
抓取单元,用于控制抓取机械臂抓取符合抓取条件的龙眼,其中,所述符合抓取条件的龙眼为良品。
3.根据所述权利要求1所述的龙眼检测系统,其特征在于,所述系统还包括:
光源单元,用于控制LED光源装置提供具有可调节的亮度和颜色温度的照明环境;
反射单元,用于控制漫反射照明装置通过内凹弧面镜面的反射,增强所述LED光源装置的照明效果,其中,所述内凹弧面镜面内置于所述漫反射照明装置。
4.根据所述权利要求1所述的龙眼检测系统,其特征在于,所述采集单元包括:
感应子单元,用于通过传感器感应龙眼是否到达位采图位置;
采图子单元,用于在感应到龙眼到位后,采集龙眼不同角度的图像。
5.根据所述权利要求1所述的龙眼检测系统,其特征在于,所述系统还包括:
对比子单元,用于将人工复检的结果与所述瑕疵模型的检测结果进行对比,得到对比结果;
显示子单元,用于将对比结果在人机交互界面进行显示。
6.一种龙眼检测方法,其特征在于,包括:
采集不同角度的龙眼图像;
通过获取的所述龙眼图像截取检测区域图片;
将截取的所述检测区域图片输入预先训练好的瑕疵检测模型中检测是否存在瑕疵;其中,所述瑕疵检测模型为预先训练的深度学习模型;
当检测到所述检测区域图片中存在瑕疵时,判定对应的龙眼为瑕疵品;
控制剔除装置将所述瑕疵品剔除。
7.根据所述权利要求6所述的龙眼检测方法,其特征在于,所述瑕疵检测模型的训练步骤包括:
在前期训练模型时,将检测区域的图片进行人工标注,分为良品标签和瑕疵标签,得到对应的训练样本;
将所述训练样本输入到深度学习模型中进行深度学习,得到所述瑕疵检测模型。
8.根据所述权利要求6所述的龙眼检测方法,其特征在于,所述瑕疵检测模型的训练步骤还包括:
通过交叉验证法对训练好的训练深度学习模型进行评估,得到评估结果;
根据所述评估结果,调整模型的学习率、正则化系数、Dropout比率,得到准确的瑕疵检测模型。
9.一种龙眼检测设备,其特征在于,所述龙眼检测设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述龙眼检测设备执行如权利要求6-8中任一项所述的龙眼检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求6-8中任一项所述的龙眼检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310480697.6A CN116441190A (zh) | 2023-04-28 | 2023-04-28 | 一种龙眼检测系统、方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310480697.6A CN116441190A (zh) | 2023-04-28 | 2023-04-28 | 一种龙眼检测系统、方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116441190A true CN116441190A (zh) | 2023-07-18 |
Family
ID=87125551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310480697.6A Pending CN116441190A (zh) | 2023-04-28 | 2023-04-28 | 一种龙眼检测系统、方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116441190A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757713A (zh) * | 2023-08-18 | 2023-09-15 | 画版文化科技集团有限公司 | 基于图像识别的作品估值方法、装置、设备及存储介质 |
CN117533736A (zh) * | 2023-12-12 | 2024-02-09 | 苏州奥特兰恩自动化设备有限公司 | 一种自动供料控制系统、方法和介质 |
-
2023
- 2023-04-28 CN CN202310480697.6A patent/CN116441190A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757713A (zh) * | 2023-08-18 | 2023-09-15 | 画版文化科技集团有限公司 | 基于图像识别的作品估值方法、装置、设备及存储介质 |
CN116757713B (zh) * | 2023-08-18 | 2024-01-12 | 画版文化科技集团有限公司 | 基于图像识别的作品估值方法、装置、设备及存储介质 |
CN117533736A (zh) * | 2023-12-12 | 2024-02-09 | 苏州奥特兰恩自动化设备有限公司 | 一种自动供料控制系统、方法和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116441190A (zh) | 一种龙眼检测系统、方法、设备及存储介质 | |
CN109724984B (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
JP7015001B2 (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
CN111667455B (zh) | 一种刷具多种缺陷的ai检测方法 | |
Rehkugler et al. | Apple sorting with machine vision | |
KR20220070313A (ko) | Ai 육안 검사 시스템 및 방법 | |
CN110403232B (zh) | 一种基于二级算法的烟支质量检测方法 | |
WO2005124316A2 (en) | Method and apparatus for configuring and testing a machine vision detector | |
CN109307675A (zh) | 一种产品外观检测方法和系统 | |
JPWO2019151393A1 (ja) | 食品検査システム、食品検査プログラム、食品検査方法および食品生産方法 | |
CN1485616A (zh) | 禽蛋品质无损自动检测分级设备及方法 | |
CN210071686U (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN109030504B (zh) | 基于虚实成像相结合的全景马铃薯缺陷检测装置及方法 | |
CN106706656A (zh) | 一种基于机器视觉的拉链检测装置及方法 | |
CN108267455A (zh) | 塑料薄膜印刷字符缺陷检测装置及方法 | |
Chao et al. | Design of a dual-camera system for poultry carcasses inspection | |
CN114674830A (zh) | 一种高速生产线上瓶盖瑕疵检测模组 | |
CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
US20230342909A1 (en) | System and method for imaging reflecting objects | |
CN106501278B (zh) | 基于旋转不变纹理特征的灯管表面瑕疵分类方法及系统 | |
CN105973910A (zh) | 基于结构纹理特征的灯管质量检测与瑕疵分类方法及系统 | |
TWI745946B (zh) | 一種高爾夫球電腦檢測系統及自動光學檢測設備 | |
JP2002319021A (ja) | 二値化処理方法、外観検査方法および外観検査装置 | |
CN112763506A (zh) | 兼具aoi及ai的瑕疵检测方法及其装置 | |
RU2323492C2 (ru) | Способ обнаружения поверхностных дефектов цилиндрических объектов |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |