一个机器视觉数据集用于自动化质量检查和甘的分级

科学领域:

• 农业工程 农业工程
• 计算机视觉 计算机视觉
• 食品科学 食品科学 食品科学

背景情况:

• 手动对甜进行缺陷分类是劳动密集型的,容易出现不一致.
• 自动化质量评估系统需要多样化,高质量的数据集进行开发.

研究的目的:

• 提供一个独特的,统一的机器视觉数据集,用于多视图质量检查和甜的分类.
• 通过提供全面的资源,促进自动化分级系统的发展.

主要方法:

• 来自两个实验活动的综合数据,其中包括390个甜样本.
• 在不同的照明和分辨率下收集多视图RGB图像 (1920x1080和1280x720).
• 根据缺陷严重程度,对多边形细分面具和质量等级 (1-3级) 的3700个实例进行了注释.

主要成果:

• 创建了一个数据集,包含1400张图像和39个原始视频,其中包括3700个注释的甜实例.
• 数据集包括物理测量和详细的缺陷严重程度标签.
• 这是第一个公开可用的机器视觉数据集,用于自动化糖分类.

结论:

• 开发的数据集是培训和评估计算机视觉算法的宝贵资源,用于糖质量评估.
• 允许在农产品的自动实例细分和表面缺陷检测方面取得进展.
• 支持建立更一致和更有效的甜分类系统.