使用自动亮度矫正和加权RVM分类器的苹果检测的计算机视觉检测
由于苹果表面的亮度分布不均,以及真正的缺陷、茎和花萼之间的相似性,计算机视觉系统仍然无法自动检测缺陷苹果。本文提出了一种利用计算机视觉系统结合自动亮度校正、缺陷候选(包括真缺陷、茎和花萼)区域计数和加权相关向量机(RVM)分类器的自动缺陷苹果检测方法。使用自动亮度校正解决了亮度分布不均匀的问题,特别是在苹果的边缘区域。根据花萼和茎不能出现在同一图像视图中的事实,一些苹果可以分类为健全(N=0,N是缺陷候选区域的数量)或缺陷(N⩾2)苹果。没有任何其他复杂处理的预备步骤中的缺陷候选区域的数量。对于其余不确定的苹果(N = 1),进行了进一步的区分。从每个候选区域中提取平均颜色、统计和平均纹理特征,并使用I-RELIEF算法分析相关特征及其权重。最后,通过加权RVM分类器将缺陷候选区域分类为真缺陷或茎/花萼,最终根据候选区域的类别将苹果分类为健全或缺陷类。 160个样本的总体检测准确率为95.63%,表明该算法是有效的,适用于缺陷苹果的检测。我们研究的局限性在于对苹果的单一有限检查视图。未来的工作将集中在全表面和快速在线检测上。
一、文章基本信息
1、文章杂志页面截图
2、文章地址链接
https://www.sciencedirect.com/science/article/abs/pii/S0260877414003628