- 1、本文档共8页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
芒果双面成熟度在线检测分级系统.PDF
第 35 卷 第 10 期 农 业 工 程 学 报 Vol.35 No.10
2019 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2019 259
农产品加工工程
芒果双面成熟度在线检测分级系统
向 阳,林洁雯,李亚军,胡正方,熊 瑛
(湖南农业大学工学院,长沙 410128 )
摘 要:芒果属于后熟水果,芒果成熟度分级可为芒果后熟、加工、包装、运输等工作提供便利条件。针对芒果形状不
规则,难以对整个外观进行检测的问题,该文提出了一种基于迁移学习的芒果双面成熟度在线检测分级系统。通过上、
下层输送带将芒果运输到图像采集区域,分别获取正、反面图像;两层输送带之间利用柔性翻面机构实现芒果无损翻面,
通过压缩试验及 ANSYS 软件建模分析芒果承受挤压力范围。合并正、反 2 张图像并进行预处理,将数据以 8:1.5:1.5 的
比例拆分为训练集、验证集、测试集,并用迁移学习方法在卷积神经网络模型进行芒果成熟度分级。使用卷积神经网络
模型对芒果成熟度分级平均准确率达到 96.72%,系统测定单个样品的平均耗时为 0.16 s,研究结果为芒果成熟度在线分
级提供参考。
关键词:机器视觉;分级;模型;芒果;双面检测;翻面机构;卷积神经网络;成熟度
doi :10.11975/j.issn.1002-6819.2019.10.033
中图分类号:TP391.41; S24 文献标志码:A 文章编号:1002-6819(2019)-10-0259-08
向 阳,林洁雯,李亚军,胡正方,熊 瑛.芒果双面成熟度在线检测分级系统[J]. 农业工程学报,2019,35(10):259
-266. doi :10.11975/j.issn.1002-6819.2019.10.033
Xiang Yang, Lin Jiewen, Li Yajun, Hu Zhengfang, Xiong Ying. Mango double-sided maturity online detection and classification
system [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(10): 259 -266.
(in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2019.10.033
觉和极限学习机神经网络模型的理论,对 15 个芒果进行
0 引 言
了测试,准确率为 100%,为芒果分级提供了一种新的方
中国是芒果产量第二大国,面对巨大的芒果产量, 法。综上所述,相对于球形水果,芒果形状似椭球状,
现阶段中国普遍采用人工或者人机结合进行芒果分级[1] , 质地较软,现有的研究均通过提取芒果单面图像实现检
且现有分级装置多针对芒果尺寸、质量进行分级,难以 测并分级,而芒果成熟度需要获取芒果全面图像才能反
实现芒果成熟度自动分级。将机器视觉技术应用于水果 映。目前没有针对芒果双面信息进行分级的相关研究。
分级可有效避免水果损伤,更可以减轻劳动力,提高分 本文提出一种基于迁移学习的芒果双面成熟度在线
级效率[2-4] [5-9] 检测分级系统,通过柔性翻面机构实现
文档评论(0)