基于CNN-Transformer的视觉缺陷柑橘分选方法
针对产线分拣缺陷柑橘费时费力等问题,以柑橘加工生产线输送机上随机旋转的柑橘果实为研究对象,开发了一种基于卷积神经网络(CNN)的检测算法Mobile-citrus,用于检测和暂时分类缺陷果实,并采用Tracker-citrus跟踪算法来记录其路径上的分类信息,通过跟踪的历史信息识别柑橘的真实类别.结果显示,跟踪精度达到98.4％,分类精度达到92.8％.同时还应用基于Transformer的轨迹预测算法对果实的未来路径进行了预测,平均轨迹预测误差达到最低2.98个像素,可用于指导机器人手臂分选缺陷柑橘.试验结果表明,所提出的基于CNN-Transformer的缺陷柑橘视觉分选系统,可直接应用在柑橘加工生产线上实现快速在线分选.
柑橘、缺陷检测、机器视觉、深度学习、卷积神经网络、在线柑橘分选、轨迹预测、Transformer
41
TP391.41(计算技术、计算机技术)
现代农业产业技术体系;柑橘全程机械化科研基地建设项目;湖北省农业科技创新行动项目;国家重点研发计划
2022-08-03（万方平台首次上网日期，不代表论文的发表时间）
共12页
158-169
