《表1 算法识别结果：基于机器视觉的胡萝卜表面缺陷识别方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器视觉的胡萝卜表面缺陷识别方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证检测算法的准确性，收集青头、弯曲、断裂、分叉、开裂和正常胡萝卜分别139、79、106、129、132、142个，总计727个，识别结果如表1所示。由表1可得，青头是最容易识别的，识别准确率最高，达100%，检测速度最快，达23.25幅/s。青头与胡萝卜正常颜色有明显差异，因此青头识别算法最简单。弯曲是胡萝卜较为普遍的一种缺陷，根据胡萝卜形状规则度B值来判别，判别阈值根据图11确定为0.9。因为弯曲缺陷在几何形状方面与正常胡萝卜有较大的差别，因此弯曲缺陷识别准确率较高，为91.14%。此外，部分误识别为正常是由胡萝卜弯曲不明显造成的。断裂缺陷的识别准确率最低，只有90.57%，主要原因为有些上部断裂胡萝卜会被误判为正常胡萝卜，另外一些形状短粗的胡萝卜会被误判为断裂胡萝卜。开裂检测是经过一系列的图像处理提取出开裂区域，开裂区域的总像素数如图12所示，由图可知开裂胡萝卜图像的最终检测像素数均大于20，且分布范围较大，而正常胡萝卜数据比较集中，且均小于20，因此选取20作为开裂判别的阈值。胡萝卜开裂缺陷识别准确率达95.45%，仍有少量误判，因为某些胡萝卜开裂区域小、深度浅，会被误判为正常胡萝卜。分叉的识别准确率较高，达到了94.57%，识别分叉的关键是识别出胡萝卜的根部并检测出角点，当根部角点数大于2时，即判定为分叉缺陷，误判现象主要发生在分叉较小且突出较小，即角点不明显处。本文提出的胡萝卜缺陷识别算法综合识别准确率达94.91%，可以满足胡萝卜在线分选的要求。值得注意的是，本文算法是基于Python编程语言开发，识别速度还需要进一步提高，未来会将该算法移植到C++开发平台上。另外，本文胡萝卜数据样本数量较少，未来将增加样本数量，使其在识别精度和速度方面达到胡萝卜实际在线分选需要。