高 辉马国峰刘伟杰

(1. 郑州铁路职业技术学院人工智能学院，河南 郑州 451460； 2. 河南工业大学机电工程学院，河南 郑州 450001)

缺陷检测是水果等级划分的重要组成部分，而水果缺陷多样复杂，所以水果缺陷的快速检测一直是研究的热点问题[1]。目前，中国苹果分拣仍以手工为主，成本高、效率低。随着计算机视觉技术的不断发展，在农产品的检测中应用越来越广泛。机器视觉工作模式更加主动，质量判断标准更加客观具体，具有较强的可执行性和非接触工作模式[2]。

近年来，国内外的研究人员对水果缺陷检测技术进行了大量研究，并取得了许多优异的成果，但很少有研究能够快速检测出水果缺陷。项辉宇等[3]使用基于Halcon的图像处理方法对苹果的大小、颜色和缺陷进行研究，完成了水果轮廓的提取及面积的计算。结果表明，该算法对苹果大小、缺陷等检测效果较好。薛勇等[4]提出了一种基于Google Le Net的深度迁移模型来检测苹果缺陷，并将Google Le Net与浅层卷积神经网络和传统机器学习技术进行了比较。结果表明，与常用的苹果缺陷检测算法相比，该方法具有更好的泛化能力和鲁棒性。李红娟等[5]将混沌多空间算法应用于苹果的缺陷检测，利用逻辑映射对个体进行混沌优化，利用改良的Otsu算法分割苹果的缺陷区域。经试验验证该算法对苹果表面缺陷检测效果清晰，各种缺陷检测准确率高。刘云等[6]将卷积神经网络应用于苹果缺陷检测中，背景分割算法基于RGB颜色分量，并使用渐进学习方法确定训练样本的数目。……