基于机器视觉的黄瓜质量评分器的设计和实验
Fanghong Liu1, Yanqi Zhang2, Chengtao Du1
1State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin 150001, China.
Foods (Basel, Switzerland)
|February 24, 2024
概括
一个新的机器视觉和深度学习黄瓜评分器保护了微妙的黄瓜,并自动化了分级. 该系统使用一种新的MassNet模型进行准确的质量预测,达到93%的分级效率.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 北中国型黄瓜在分级过程中容易受损,原因是密的棘和顶部的花.
- 手动分类是低效的,耗时的,劳动密集型,影响市场价值.
研究的目的:
- 开发一种使用机器视觉和深度学习的自动黄瓜质量评分器.
- 设计一种新的分类机制,尽量减少对黄瓜的损害.
- 为准确的黄瓜质量预测引入一个深度学习模型.
主要方法:
- 设计了一种新的固定托盘类型分级机制,以防止损坏.
- 开发了一个卷积神经网络,MassNet,用于从顶部图像中预测黄瓜质量.
- 集成了自动化质量分级的机制和MassNet.
主要成果:
- 梯度机达到每小时2.3的最大容量.
- 在质量预测方面,MassNet的表现优于AlexNet,MobileNet和ResNet (MAPE为3.9%,RMSE为6.7g).
- 在线批量分级效率达到93% .
结论:
- 拟议的黄瓜质量评分器有效地自动化了分级,同时最大限度地减少了损坏.
- 马斯网为非破坏性黄瓜质量估计提供了一个强大的解决方案.
- 综合系统显著提高了分级效率,并保持了黄瓜的质量.
