一种基于机器视觉与权重分配的胡萝卜分级方法及系统

本发明涉及农产品外观品质的检测和分级，特别涉及一种基于机器视觉与权重分配的胡萝卜分级方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、胡萝卜的分级销售有助于提高胡萝卜的市场竞争力以及增加经济效益，目前，大多数胡萝卜生产加工企业主要采用手工分拣方式。然而，这种方式效率低、主观性强、标准宽松，直接或间接提高了企业的生产成本，利润得不到大幅提高，不适合大规模生产和推广，无法满足当前胡萝卜加工企业大规模生产的需求。

3、有些果蔬加工企业利用滚轴依据胡萝卜的粗度来代替人工进行胡萝卜分级，提高了生产效率，但这种方法对存在开裂、分叉、高刺等外观缺陷的胡萝卜束手无策，而基于视觉图像技术的分类方法可以弥补这一问题。随着神经网络技术的崛起，采用深层网络对胡萝卜进行在线分级，可以提高识别准确性，使胡萝卜分级变得更加高效。

4、行业和贸易标准(nyt 1983-2011胡萝卜等级规格或sbt 10450-2007胡萝卜购销等级要求)规定的胡萝卜等级划分是以长度为基础的，另外还具体规定很多品质指标，如青头、长度、开裂、须根以及弯曲等，由于这些特征不能量化实现，无法同时完成多个指标的精确分级。因此，目前国内还没有相对成熟的基于深度学习的胡萝卜分级检测方法，相关研究仍是一个具有挑战性的课题。

5、鉴于现阶段对胡萝卜分级现状，需要提供一种基于视觉图像技术的胡萝卜表面缺陷检测和分级方法。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了一种基于机器视觉与权重分配的胡萝卜分级方法及系统，采用结合深度学习和图像处理的技术对胡萝卜表面缺陷进行自动检测，得到胡萝卜尺寸、缺陷种类和各缺陷特征属性值，然后根据熵权法和专家经验确定各缺陷特征的特征权重并计算外观质量分数，根据中华人民共和国国内贸易行业标准(sb/t10450-2007)发布的胡萝卜购销等级中胡萝卜的基本要求，首先判断胡萝卜是否有折断、须根、异形等缺陷，从而选出等外品，然后根据胡萝卜长度来判定大(l)、中(m)、小(s)三种规格，最后根据胡萝卜的外观质量分数情况判断等级，大大提高胡萝卜外观品质检测效率，为未来胡萝卜分级及果蔬分级提供了思路和应用的基础。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、本发明第一方面提供了一种基于机器视觉与权重分配的胡萝卜分级方法。

4、一种基于机器视觉与权重分配的胡萝卜分级方法，包括以下步骤：

5、获取胡萝卜图像；

6、采用结合深度学习和图像处理的技术对胡萝卜表面缺陷进行自动检测，得到胡萝卜尺寸、缺陷种类和各缺陷特征属性值；

7、基于缺陷种类判断胡萝卜是否为等外品；

8、基于熵权法对缺陷特征属性值分配权重值，并根据权重值与缺陷特征属性值计算胡萝卜外观质量分数；

9、基于胡萝卜尺寸和胡萝卜外观质量分数判定胡萝卜质量等级。

10、本发明第二方面提供了一种基于机器视觉与权重分配的胡萝卜分级系统。

11、一种基于机器视觉与权重分配的胡萝卜分级系统，包括：

12、图像获取模块，被配置为：获取胡萝卜图像；

13、缺陷检测模块，被配置为：采用结合深度学习和图像处理的技术对胡萝卜表面缺陷进行自动检测，得到胡萝卜尺寸、缺陷种类和各缺陷特征属性值；

14、等外品判断模块，被配置为：基于缺陷种类判断胡萝卜是否为等外品；

15、权重分配模块，被配置为：基于熵权法对缺陷特征属性值分配权重值，并根据权重值与缺陷特征属性值计算胡萝卜外观质量分数；

16、等级判定模块，被配置为：基于胡萝卜尺寸和胡萝卜外观质量分数判定胡萝卜质量等级。

17、本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的基于机器视觉与权重分配的胡萝卜分级方法中的步骤。

18、本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的基于机器视觉与权重分配的胡萝卜分级方法中的步骤。

19、以上一个或多个技术方案存在以下有益效果：

20、1、本发明采用yolov5算法对开裂、折断、须根、青头、黑斑进行目标检测，得到胡萝卜的缺陷分类，筛选出有折断、须根等缺陷的等外品，得到各缺陷类型特征属性值；采用图像处理方法对胡萝卜的长宽进行检测，得到胡萝卜长度；然后对胡萝卜图像进行预处理，对弯曲、异形进行缺陷检测得到弯曲度和异形度，筛选出有异形缺陷的胡萝卜为等外品，并得到弯曲胡萝卜的特征属性值；根据熵权法和专家经验确定各缺陷特征的特征权重并计算外观质量分数，根据长度和外观质量分数来判定分级结果。通过采用结合深度学习和图像处理的技术对胡萝卜表面缺陷进行自动检测，大大提高了胡萝卜外观品质检测效率，节省大量人力成本。

21、2、本发明提出的量化分级方法，为未来胡萝卜分级及果蔬分级提供了思路和应用的基础，可以推动机器视觉技术在农产品检测方面的应用和发展。

22、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种基于机器视觉与权重分配的胡萝卜分级方法，其特征在于，包括以下步骤：

2.如权力要求1所述的基于机器视觉与权重分配的胡萝卜分级方法，其特征在于，对胡萝卜图像进行图像处理，得到胡萝卜的长度尺寸、异性缺陷和弯曲缺陷；基于深度学习方法对胡萝卜图像进行分类识别，得到开裂缺陷、青头缺陷、黑斑缺陷、折断缺陷和须根缺陷。

3.如权力要求2所述的基于机器视觉与权重分配的胡萝卜分级方法，其特征在于，将存在异性缺陷、折断缺陷和须根缺陷的胡萝卜划分为等外品。

4.如权力要求2所述的基于机器视觉与权重分配的胡萝卜分级方法，其特征在于，根据熵权法计算弯曲缺陷、开裂缺陷、青头缺陷和黑斑缺陷特征属性值的初始特征权重值，并根据专家经验调整各缺陷特征的初始特征权重值，得到开裂缺陷、青头缺陷、黑斑缺陷、弯曲缺陷的最终特征权重值。

5.如权力要求4所述的基于机器视觉与权重分配的胡萝卜分级方法，其特征在于，所述胡萝卜外观质量分数为开裂缺陷、青头缺陷、黑斑缺陷、弯曲缺陷的最终特征权重值分别与对应缺陷特征属性值的乘积之和。

6.如权力要求1所述的基于机器视觉与权重分配的胡萝卜分级方法，其特征在于，根据胡萝卜长度来判定胡萝卜的大、中、小三种规格，然后根据胡萝卜外观质量分数判断胡萝卜等级。

7.如权力要求1所述的基于机器视觉与权重分配的胡萝卜分级方法，其特征在于，当胡萝卜外观质量分数≤0.2，判定胡萝卜为一级果；当0.2＜胡萝卜外观质量分数＜0.5，判定胡萝卜为二级果；当0.5≤胡萝卜外观质量分数≤1，判定胡萝卜为三级果。

8.一种基于机器视觉与权重分配的胡萝卜分级系统，其特征在于，包括：

9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于机器视觉与权重分配的胡萝卜分级方法中的步骤。

10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于机器视觉与权重分配的胡萝卜分级方法中的步骤。

技术总结
本发明提出一种基于机器视觉与权重分配的胡萝卜分级方法及系统，涉及农产品外观品质的检测和分级技术领域。包括：获取胡萝卜图像；采用结合深度学习和图像处理的技术对胡萝卜表面缺陷进行自动检测，得到胡萝卜尺寸、缺陷种类和各缺陷特征属性值；基于缺陷种类判断胡萝卜是否为等外品；基于熵权法对缺陷特征属性值分配权重值，并根据权重值与缺陷特征属性值计算胡萝卜外观质量分数；基于胡萝卜尺寸和胡萝卜外观质量分数判定胡萝卜质量等级。本发明结合深度学习和图像处理的技术对胡萝卜表面缺陷进行自动检测，提高了胡萝卜外观品质检测效率，节省大量人力成本；提出的量化分级方法，为未来胡萝卜分级及果蔬分级提供了思路和应用的基础。

技术研发人员：张成梁,牛晓晓,付帅帅,李长普,高贯磊,管鲁南,刘浩
受保护的技术使用者：济南大学
技术研发日：
技术公布日：2024/1/13