《表3 各算法处理时间及样本表面缺陷识别率》
与之相对照,在对脐橙表面亮度校正后,如图6-b所示,脐橙边缘能量等级得到提升,而缺陷区域依旧保持较低的能量等级,为单阈值法提取缺陷带来可能。尽管本文算法是针对图像每个像素邻域进行计算的,但算法简单,运算速度较其他3种算法有大幅提高,对采集的全部正常果、8类缺陷果,共356幅脐橙样本图像进行亮度校正、缺陷检测,平均处理每幅图像仅耗时0.29 s,较基于其他3种亮度校正算法的缺陷检测方法,分别减少0.27 s、0.14 s和1.45 s;脐橙表面缺陷果的正确识别率达到了95.8%,对比其他3种算法,其缺陷果正确识别率提高了2.6%—8.2%,结果如表3所示。
图表编号 | XD00180898400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.16 |
作者 | 张明、王腾、李鹏、邓烈、郑永强、易时来、吕强、孙荣荣 |
绘制单位 | 西南大学工程技术学院、西南大学柑桔研究所、中国农业科学院柑桔研究所、西南大学柑桔研究所、中国农业科学院柑桔研究所、西南大学柑桔研究所、中国农业科学院柑桔研究所、西南大学柑桔研究所、中国农业科学院柑桔研究所、西南大学柑桔研究所、中国农业科学院柑桔研究所、西南大学柑桔研究所、中国农业科学院柑桔研究所、西南大学柑桔研究所、中国农业科学院柑桔研究所、西南大学柑桔研究所、中国农业科学院柑桔研究所 |
更多格式 | 高清、无水印(增值服务) |