研究由智能视觉和机器学习驱动的创新果分级技术
Bo Han1,2,3, Jingjing Zhang1,2,3, Rolla Almodfer4
1College of Computer and Information Engineering, Xinjiang Agricultural University, Urumqi 830052, China.
Foods (Basel, Switzerland)
|January 25, 2025
概括
这项研究引入了使用计算机视觉和机器学习的自动化果分级系统,显著提高了手工方法的效率和准确性. 该系统在茎检测和果分类方面实现了高性能.
科学领域:
- 食品科学 食品科学 食品科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 手动果分类是低效和主观的.
- 需要自动化系统来提高分级的准确性和效率.
研究的目的:
- 开发一个使用计算机视觉,图像处理和机器学习的自动果分级系统.
- 为了减少人类干扰,提高分级的效率和准确性.
主要方法:
- 开发了一种轻量级检测算法 (FDNet-p) 来捕获干部特征.
- 为果体细分提出了一个改进的DPC-AWKNN细分算法.
- 利用图像处理来提取特征 (颜色,形状,直径),并开发了一个基于GBDT的分级模型.
主要成果:
- 在低计算成本 (3.4 GFLOPs,2.5 MB) 的茎检测方面,FDNet-p实现了96.6%的mAP@0.5.
- GBDT分级模型表现出优异的性能,加权的Jacard分数,精度,回忆和F1分数分别为0.9506,0.9196,0.9683和0.9513.
- 该系统为自动化水果分类检测和分类提供创新解决方案.
结论:
- 开发的自动化系统显著提高了果分类的效率和准确性.
- 提出的模型为图像处理和特征提取在自动化水果分类中提供了可复制的框架.
- 这项研究为分类球形水果提供了一种标准化的方法.
