基于机器视觉和自动检测系统的卷积神经网络研究,米饭的快速外观质量

科学领域:

• 农业人工智能 农业人工智能
• 机器视觉技术 机器视觉技术
• 图像处理技术 图像处理技术

背景情况:

• 传统的水外观质量检测方法存在缺陷.
• 现代高精度仪器是检测大米外观质量的发展趋势.
• 农业人工智能正在推进大米质量检测.

研究的目的:

• 设计一个快速,自动的水外观质量检测系统.
• 提高大米质量检测的准确性和效率.
• 为了减少手工检查中的主观性.

主要方法:

• 开发了一个使用机器视觉和卷积神经网络的系统.
• 将NIR和RGB图像组合到五通道数据中.
• 使用流域算法和Otus自适应值预处理的图像.
• 在标记的米粒上训练了一个卷积神经网络进行分类.

主要成果:

• 实现了92.3%的系统分辨率.
• 从环境因素和人类错误中减少主观性.
• 显著提高了检测时间和准确性.
• 提高了大米外观质量的总体检测效率.

结论:

• 开发的系统提供了一种可靠的方法,用于自动检测大米质量.
• 该系统对大米行业产生了积极的影响.
• 这种方法解决了传统检测方法的局限性.