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

二、浅显的解读

1、Introduction