隨著圖像處理算法的出現(xiàn)，增加了視覺檢測技術(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，從而能夠檢測到許多缺陷，而當速度變得更快時，人類就無法檢測到這些缺陷。新浪潮智能分級排序算法它比傳統(tǒng)的視覺分析算法強大得多：它們具有自動學(xué)習(xí)的能力，確保檢測性能遠遠超過任何經(jīng)過訓(xùn)練的操作員的速度和準確性。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)量對其進行檢測分級。

　　通常，更高等級和更大的農(nóng)產(chǎn)品產(chǎn)生更大的收入。傳統(tǒng)分級是依賴人類的。后來，機械設(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和分類方法。根據(jù)農(nóng)產(chǎn)品的尺寸和質(zhì)量對其進行分級，這個等級用來對它們進行排序，并將它們分配給不同的銷售渠道。每一項可能產(chǎn)生更好的收入基礎(chǔ)上，適當分配，根據(jù)其確切的特點。

　　機械分揀機

　　機械分揀機是機器，通常集成到傳送帶，根據(jù)尺寸和重量等外部標準對農(nóng)產(chǎn)品進行排序。這類設(shè)備是以這些標準觸發(fā)的機械設(shè)備為基礎(chǔ)的。例如，一種產(chǎn)品，無論是水果還是蔬菜，當其重量或直徑被測量到高于給定閾值時，就會掉進桶中。當數(shù)值較低時，它只是在傳送帶上向下面的試驗移動。機械分選機快速可靠。然而，它們是有限的，因為它們只測試一般標準。

　　其他方面的考慮

　　在對農(nóng)產(chǎn)品進行分類和分級時，還有許多其他方面需要考慮。一個例子是我們現(xiàn)代環(huán)境。今天，許多人生活在大的聚集地里，遠離農(nóng)產(chǎn)品種植的地方，這些地方有時是國外的。這樣的距離需要更長的保質(zhì)期，但是時間是一種很強的變質(zhì)劑，只有品質(zhì)比較好的水果和蔬菜才能在市場所需的較長時間內(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)測它們的保藏潛力。即使是局部的缺陷也會及時擴大，破壞整個果實。

　　早期缺陷檢測關(guān)鍵的一步

　　視覺缺陷檢測在基于算法的視覺系統(tǒng)的幫助下，當今世界各地都在使用。它的目標是檢測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，檢測的質(zhì)量就越好。這是一個行業(yè)挑戰(zhàn)，因為評分表現(xiàn)可能因個人技能而異：當這些技能低于標準時，結(jié)果可能是利潤損失，損害生產(chǎn)者或經(jīng)銷商的聲譽。

　　光學(xué)和視覺分級

　　光學(xué)和視覺分級系統(tǒng)由水果圖像組成。專用算法。通常，每一個水果使用多幅圖像，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。從標準顏色和紋理的顏色和圖案變化來檢測外部質(zhì)量。光學(xué)和視覺分級可以使用專用攝像機，如紅外攝像機或其他響應(yīng)特定光譜的相機，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農(nóng)產(chǎn)品進行了分析，形狀、顏色和模式檢測算法是常見的。另外，采用歸一化和均衡算法對圖像進行自動視覺檢測。我們可能會發(fā)現(xiàn)多閾值算法隔離幾何輪廓跟蹤器上的現(xiàn)象。這些算法可以檢測缺陷并明確地約束它們以評估缺陷的嚴重性。所有討論的算法都需要一個調(diào)整努力，以確保準確的性能與較小的錯誤或漏檢。實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。自動學(xué)習(xí)取代了調(diào)諧階段。當深度學(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，根據(jù)樣本集對附加的橙子進行分類(等級)是自我調(diào)整的，這里不需要微調(diào)。每當一個橙色看起來像其中的一組，它就會被分類和分級。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。

　　準確農(nóng)業(yè)中的rvsto視覺

　　rvsto視覺視覺算法的發(fā)源地，當然熟悉完善的深度學(xué)習(xí)技術(shù)。幾年來，rvsto視覺在檢測和分類任務(wù)中使用深度學(xué)習(xí)，例如評估醫(yī)學(xué)病理(在眼科和其他保健領(lǐng)域)，或者在OCR項目。我們運用我們的強項深度學(xué)習(xí)經(jīng)驗到完善農(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)，以革命性的分級和分類程序。歡迎聯(lián)系我們的工程師，在你有深造項目之前。