基于红外与可见光图像融合的苹果表面缺陷检测方法

摘要：

目的:解决目前中国苹果分级分类大部分情况下仍需要进行人工筛选的问题.方法:采用基于多尺度变换的红外与可见光图像融合算法对所采集到的苹果的可见光图像和红外图像进行融合,得到缺陷特征更加直观的融合图像,对该图像进行图像的预处理操作得到二值化图像数据集,再采用卷积神经网络的AlexNet模型对之前的苹果表面缺陷数据集进行训练、验证和检测.结果:该检测方法在所制作的苹果表面缺陷数据集上对完好果、缺陷果、花萼/果梗、花萼/果梗加缺陷识别的平均准确度为99.0％,其中对花萼/果梗的识别准确率可达95.8％,对完好果、缺陷果和花萼/果梗加缺陷的识别准确率高达100％.结论:该方法对苹果表面缺陷的检测精度比较高,可以满足对苹果的在线分级的需求.

关键词：图像融合;缺陷检测;多尺度变换;卷积神经网络;图像处理

所属期刊栏目：37

分类号：TP391.41;TG115.28;TP274

资助基金：国家科技资源共享服务平台项目;河南省重大公益专项

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：127-131