隨著圖像處理算法的出現(xiàn)，增加了視覺檢測(cè)技術(shù)來完善這一過程。它們通常是人工調(diào)節(jié)的，并為人類的眼睛提供了替代品，從而能夠檢測(cè)到許多缺陷，而當(dāng)速度變得更快時(shí)，人類就無法檢測(cè)到這些缺陷。新浪潮智能分級(jí)排序算法它比傳統(tǒng)的視覺分析算法強(qiáng)大得多：它們具有自動(dòng)學(xué)習(xí)的能力，確保檢測(cè)性能遠(yuǎn)遠(yuǎn)超過任何經(jīng)過訓(xùn)練的操作員的速度和準(zhǔn)確性。下面我們來了解一下，如何根據(jù)農(nóng)產(chǎn)品的尺寸和質(zhì)量對(duì)其進(jìn)行檢測(cè)分級(jí)。

　　通常，更高等級(jí)和更大的農(nóng)產(chǎn)品產(chǎn)生更大的收入。傳統(tǒng)分級(jí)是依賴人類的。后來，機(jī)械設(shè)備被用來根據(jù)農(nóng)產(chǎn)品的尺寸和重量來區(qū)分它們。這類設(shè)備至今仍在使用，作為一種可靠的分級(jí)和分類方法。根據(jù)農(nóng)產(chǎn)品的尺寸和質(zhì)量對(duì)其進(jìn)行分級(jí)，這個(gè)等級(jí)用來對(duì)它們進(jìn)行排序，并將它們分配給不同的銷售渠道。每一項(xiàng)可能產(chǎn)生更好的收入基礎(chǔ)上，適當(dāng)分配，根據(jù)其確切的特點(diǎn)。

　　機(jī)械分揀機(jī)

　　機(jī)械分揀機(jī)是機(jī)器，通常集成到傳送帶，根據(jù)尺寸和重量等外部標(biāo)準(zhǔn)對(duì)農(nóng)產(chǎn)品進(jìn)行排序。這類設(shè)備是以這些標(biāo)準(zhǔn)觸發(fā)的機(jī)械設(shè)備為基礎(chǔ)的。例如，一種產(chǎn)品，無論是水果還是蔬菜，當(dāng)其重量或直徑被測(cè)量到高于給定閾值時(shí)，就會(huì)掉進(jìn)桶中。當(dāng)數(shù)值較低時(shí)，它只是在傳送帶上向下面的試驗(yàn)移動(dòng)。機(jī)械分選機(jī)快速可靠。然而，它們是有限的，因?yàn)樗鼈冎粶y(cè)試一般標(biāo)準(zhǔn)。

　　其他方面的考慮

　　在對(duì)農(nóng)產(chǎn)品進(jìn)行分類和分級(jí)時(shí)，還有許多其他方面需要考慮。一個(gè)例子是我們現(xiàn)代環(huán)境。今天，許多人生活在大的聚集地里，遠(yuǎn)離農(nóng)產(chǎn)品種植的地方，這些地方有時(shí)是國(guó)外的。這樣的距離需要更長(zhǎng)的保質(zhì)期，但是時(shí)間是一種很強(qiáng)的變質(zhì)劑，只有品質(zhì)比較好的水果和蔬菜才能在市場(chǎng)所需的較長(zhǎng)時(shí)間內(nèi)存活下來。我們可以通過檢查新鮮農(nóng)產(chǎn)品中存在的缺陷來預(yù)測(cè)它們的保藏潛力。即使是局部的缺陷也會(huì)及時(shí)擴(kuò)大，破壞整個(gè)果實(shí)。

　　早期缺陷檢測(cè)關(guān)鍵的一步

　　視覺缺陷檢測(cè)在基于算法的視覺系統(tǒng)的幫助下，當(dāng)今世界各地都在使用。它的目標(biāo)是檢測(cè)盡可能大的一組缺陷。這些缺陷可以在顏色變化、局部劃痕、凸起和不規(guī)則形狀的形式下被發(fā)現(xiàn)。今天，許多系統(tǒng)都能夠檢測(cè)到這些缺陷。它們通常是由專家操作者預(yù)先調(diào)諧的。專家的技能和耐心越好，檢測(cè)的質(zhì)量就越好。這是一個(gè)行業(yè)挑戰(zhàn)，因?yàn)樵u(píng)分表現(xiàn)可能因個(gè)人技能而異：當(dāng)這些技能低于標(biāo)準(zhǔn)時(shí)，結(jié)果可能是利潤(rùn)損失，損害生產(chǎn)者或經(jīng)銷商的聲譽(yù)。

　　光學(xué)和視覺分級(jí)

　　光學(xué)和視覺分級(jí)系統(tǒng)由水果圖像組成。專用算法。通常，每一個(gè)水果使用多幅圖像，以確保一致的性能。分析算法通過以下變量尋找缺陷：大小、形狀、顏色和外部質(zhì)量。從標(biāo)準(zhǔn)顏色和紋理的顏色和圖案變化來檢測(cè)外部質(zhì)量。光學(xué)和視覺分級(jí)可以使用專用攝像機(jī)，如紅外攝像機(jī)或其他響應(yīng)特定光譜的相機(jī)，來探索水果的內(nèi)部結(jié)構(gòu)。

　　現(xiàn)有系統(tǒng)和算法

　　本文采用經(jīng)典的圖像處理算法對(duì)農(nóng)產(chǎn)品進(jìn)行了分析，形狀、顏色和模式檢測(cè)算法是常見的。另外，采用歸一化和均衡算法對(duì)圖像進(jìn)行自動(dòng)視覺檢測(cè)。我們可能會(huì)發(fā)現(xiàn)多閾值算法隔離幾何輪廓跟蹤器上的現(xiàn)象。這些算法可以檢測(cè)缺陷并明確地約束它們以評(píng)估缺陷的嚴(yán)重性。所有討論的算法都需要一個(gè)調(diào)整努力，以確保準(zhǔn)確的性能與較小的錯(cuò)誤或漏檢。實(shí)際性能在很大程度上取決于視覺系統(tǒng)的質(zhì)量和調(diào)優(yōu)過程中所做的工作，高技能的操作員確保更好的算法優(yōu)化和性能。

　　橙色分級(jí)系統(tǒng)基于深度學(xué)習(xí)

　　現(xiàn)代方法，如深度學(xué)習(xí)，成功地挑戰(zhàn)了傳統(tǒng)視覺算法中的人為因素。自動(dòng)學(xué)習(xí)取代了調(diào)諧階段。當(dāng)深度學(xué)習(xí)算法被提供一組“好”的水果(例如橘子)和另一組有缺陷的橙子時(shí)，根據(jù)樣本集對(duì)附加的橙子進(jìn)行分類(等級(jí))是自我調(diào)整的，這里不需要微調(diào)。每當(dāng)一個(gè)橙色看起來像其中的一組，它就會(huì)被分類和分級(jí)。這種方法快速可靠；更重要的是，它獲得了一致的性能。深入學(xué)習(xí)是我們今天推薦的完善的解決方案，適用于這類應(yīng)用。

　　準(zhǔn)確農(nóng)業(yè)中的rvsto視覺

　　rvsto視覺視覺算法的發(fā)源地，當(dāng)然熟悉完善的深度學(xué)習(xí)技術(shù)。幾年來，rvsto視覺在檢測(cè)和分類任務(wù)中使用深度學(xué)習(xí)，例如評(píng)估醫(yī)學(xué)病理(在眼科和其他保健領(lǐng)域)，或者在OCR項(xiàng)目。我們運(yùn)用我們的強(qiáng)項(xiàng)深度學(xué)習(xí)經(jīng)驗(yàn)到完善農(nóng)業(yè)軟件并向我們的客戶提供這一現(xiàn)代化和高能力的技術(shù)，以革命性的分級(jí)和分類程序。歡迎聯(lián)系我們的工程師，在你有深造項(xiàng)目之前。