相关实验视频
Updated: Jun 11, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
基于图像处理方法和神经网络在农业工业中的桃子水果的质量检测和分类
Dan Luo1, Rong Luo2, Jie Cheng2
1College of Intelligence and Computing, Tianjin Ren'ai University, Tianjin, Tianjin, China.
Frontiers in plant science
|October 7, 2024
概括
本研究介绍了一种图像处理系统,用于根据形状和颜色自动分类水果. 该软件解决方案在分类桃子和西红等水果方面实现了高精度,改善了质量控制.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 产品分类在农业中对于质量控制和市场价值至关重要.
- 传统的分级方法可能是劳动密集型和主观的.
- 图像处理为农产品评估提供了一个客观而有效的替代方案.
研究的目的:
- 开发和评估一种自动化系统,使用图像处理技术对水果进行分类.
- 根据形状和颜色等视觉特征对水果进行分类.
- 提高农产品质量评估的效率和准确性.
主要方法:
- 使用图像处理技术,包括直方图匹配,边缘检测 (Sable,Private,Kenny),Otsu值和k-means集群.
- 开发了用于自动检测,分类和分类水果的软件解决方案.
- 集成的硬件和软件组件,提供全面的分级解决方案.
主要成果:
- 该系统显示了各种水果的高准确率:桃子 (94.58%), (88.23%),果 (70%),西红 (93.33%).
- 桃子水果在所有测试样本级别中获得了最高的准确性.
- 拟议的方法显示了改善产品分类和包装的巨大潜力.
结论:
- 图像处理为自动化水果分类提供了有效的工具,提高了农业行业的质量控制.
- 开发的系统提供了一个可扩展的解决方案,用于改善储存,为农民增加价值,并赋予消费者权力.
- 进一步整合硬件和软件可以在产品质量分级方面取得重大进展.
