基于深度学习的蔬果特征检测方法、系统、终端及介质
知识产权简介
本发明提供了一种基于深度学习的蔬果特征检测方法及系统,其中方法包括:获取实际场景下的足量蔬果图像样本,并采用图像增强技术对蔬果图像样本进行扩充,得到样本数据集;建立深度学习分割架构模型,利用样本数据集对深度学习分割架构模型进行训练,得到蔬果分割模型;对蔬果分割模型进行优化;获取待分拣蔬果及其收纳筐图像,并作为优化后的蔬果分割模型的输入,对图像中的蔬果进行特征检测。本发明提升蔬果掩膜分割精度和边界完整性,有效分离密集堆叠实例,同时增强模型对光照、尺度及成熟度变化的鲁棒性,实现高效推理和几何特征提取,为蔬果自动分拣、品质检测及机器人抓取提供可靠、可扩展的技术支持。
转化前景
本发明提供了一种基于深度学习的蔬果特征检测方法及系统,涉及图像处理技术领域。蔬果自动分拣与质量检测是农业智能化领域中重要的基础环节,而图像分割是蔬果几何结构、表面形态及外观属性提取的关键前置技术。然而,现有基于深度学习的通用图像分割方法在蔬果真实场景中普遍面临问题。本发明实现了对每个蔬果实例的丰富几何及视觉特征提取,包括面积、质心、旋转矩形参数、主/次轴长度、圆度、边界曲率、颜色分布及遮挡程度估计,为成熟度评估、破损检测及分拣决策提供精确依据。这种端到端的分割—特征提取—分拣闭环,使得蔬果自动化处理更加智能化和可控,明显提高了工业生产效率和分拣质量。产业化应用前景好。