申请/专利权人：中国农业大学

申请日：2022-05-10

公开（公告）日：2024-04-26

公开（公告）号：CN114898148B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/26;G06N3/0464;G06N3/08;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.08.30#实质审查的生效;2022.08.12#公开

摘要：本发明公开了属于图像处理技术领域的一种基于深度学习的鸡蛋污损检测方法及系统。该方法包括：使用摄像机获取流水线上的鸡蛋图像，利用语义分割模型去除背景干扰，使用目标检测模型提取鸡蛋裂纹和脏污，判断鸡蛋污损类型并返回结果。使用基于深度学习的检测方法可以有效解决上述存在鸡蛋污损检测的部分问题。本发明使用基于深度学习的方法进行检测，可以准确的判断出鸡蛋的污损类型，并且抗干扰性较强。有效的提高了检测效率，减小了人力物力的消耗。本发明为深度学习技术的快速的发展开辟了新的思路，并在部分领域得到了应用。

主权项：1.一种基于深度学习的鸡蛋污损检测方法，其特征在于，所述鸡蛋污损检测方法包括步骤：步骤101，获取流水线上的鸡蛋表面图像，其中鸡蛋可以在流水线上滚动，图像采集装置可以连续拍照或者拍摄，进而获得整个鸡蛋一周的图像；将所述图像信息传入计算机中进行预处理；包括去噪处理和图像增强处理；步骤102，将处理后的图像传入基于深度学习的语义分割模型，语义分割模型可以剔除背景图像，仅保留鸡蛋图像；其中所述语义分割模型是基于样本鸡蛋及预先确定的鸡蛋标签训练后获得的；所述语义分割模型对传入的图像进行分析，判断其图像中每个像素点所属类别，其像素点属于鸡蛋的标为一类，属于背景的标为另一类；将属于背景的像素点置白，属于鸡蛋的像素点变为透明；最终与原图像进行叠加，得到经语义分割后仅保留为鸡蛋的新图像，其图像为后续目标检测、识别作铺垫，减小后续目标检测的难度，提升检测的准确度；步骤103，再将剔除背景干扰后的鸡蛋图像传入到基于深度学习的目标检测模型中，对鸡蛋裂纹和脏污进行检测；分析鸡蛋属于严重破损、轻微破损还是脏污中的哪一类；其中目标检测模型是基于鸡蛋脏污和裂纹的标签训练后获得的；目标检测具体包括：提取所述图像中的多个候选区域，将候选区域输入至基于深度学习的目标检测模型中，对候选区域进行调整，准确的识别出大裂纹、小裂纹和脏污；获得所述模型输出的识别结果；识别结果用于指示所述候选区域内是否存在大小裂纹和脏污；根据每个所述候选区域分别对应的识别结果，输出带有目标检测框的图像副本；在带有目标检测框的图像副本中建立坐标系，获取所述目标检测框的坐标和所述流水线的尺寸信息，获取鸡蛋裂纹及污损区域的位置信息；步骤104，回传包括脏污类型及位置的检测信息，并展示结果。

全文数据：

权利要求：

百度查询： 中国农业大学 一种基于深度学习的鸡蛋污损检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD