基于机器视觉与YOLO算法的马铃薯表面缺陷检测

• 作者: 傅云龙 梁丹 梁冬泰 方宁 陈贤儿
• 来源期刊: 机械制造
• 关键词: 马铃薯 缺陷 机器视觉 YOLO算法 检测
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 试验·检测
• 页码范围: 82-87
• 页数: 6页
• 分类号: S532
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4998.2021.08.022

摘要

针对马铃薯表面缺陷检测快速准确的需求,提出一种基于机器视觉与YOLO算法的马铃薯表面缺陷检测方法.应用这一方法,构建马铃薯表面缺陷图片数据集,对原始数据集进行图像增广;通过二分K均值聚类算法进行目标框聚类分析,采用分步训练方式优化学习权重.试验结果表明,所提出的基于机器视觉与YOLO算法的马铃薯表面缺陷检测方法可以有效实现马铃薯表面缺陷的快速、准确检测,平均识别精度达到99.46％,对腐烂、发芽、机械损失、虫眼、病斑检测的精度均高于98％,单幅图片识别时间约为29 ms.