一种基于深度学习分割的水果表面缺陷检测方法
授权
摘要
本发明公开了一种基于深度学习分割的水果表面缺陷检测方法。本发明的具体检测方法为：获取水果RGB彩色图像，去背景后转换成灰度图像并统一尺寸512×512；准备阳性样本图像数据和阴性样本图像数据，用于训练卷积神经分割网络；设计卷积神经分割网络进行训练，保存训练结束后的网络连接权重矩阵T用于后续检测步骤；将待检测水果图像送进已经训练好的卷积神经分割网络完成图像分割，获得水果表面缺陷图像。本发明检测准确、快速，能有效避免了对水果及农产品形状、大小的依赖以及避免了亮度矫正带来的复杂影响，应用对象广，具有较大的应用价值。
基本信息
专利标题 ：
一种基于深度学习分割的水果表面缺陷检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN109377487A
申请号 ：
CN201811203154.5
公开（公告）日 ：
2019-02-22
申请日 ：
2018-10-16
授权号 ：
CN109377487B
授权日 ：
2022-04-12
发明人 ：
容典应义斌饶秀勤
申请人 ：
浙江大学
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
林超
优先权 ：
CN201811203154.5
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T7/11 G06T7/194 G01N21/88
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-04-12 ：
授权
2019-03-19 ：
实质审查的生效
IPC(主分类) : G06T 7/00
申请日 : 20181016
申请日 : 20181016
2019-02-22 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN109377487A.PDF
PDF下载
