[发明专利]一种水果状态无损识别方法

权利要求书

1.一种水果状态无损识别方法，其特征在于，包括以下步骤：

s1：获取水果的视觉图像；

s2：根据所述视觉图像，识别水果的外观损伤类型；所述外观损伤类型包括外观有损和外观无损；

s3：获取所述外观无损的水果的X射线图像；

s4：根据所述X射线图像，识别水果的内部损伤类型；所述内部损伤类型包括内部有损和内部无损；

s5：根据内部有损的水果的X射线图像，识别水果的具体损伤类型；所述具体损伤类型包括内部碰伤和内部木栓；

还包括：对所述X射线图像进行灰度梯度重构；所述梯度重构的方法具体为：将所述X射线图像中像素点的灰度值调整为：当前像素点位置的灰度值加上其与水平方向相邻两个像素点、垂直方向相邻两个像素点的灰度梯度平方和的平方根值；且梯度重构过程中所调整的像素点不连续；

其中，所述水果为梨子；所述水果状态无损识别方法还包括以下步骤：

将具有相同损伤状态的梨子放入至卡板(2)中，所述卡板(2)上排列设有若干个放置孔(22)，所述梨子的果柄(1)朝下的放置在所述放置孔(22)内；所述损伤状态包括外观有损状态、内部碰伤状态、内部木栓状态以及无损状态；

将所述卡板(2)放置在传送装置(3)上，所述传送装置(3)用于带动所述卡板(2)沿水平方向运动；

通过贴标装置对所述梨子的果柄(1)贴附标识；

其中，所述贴标装置包括：

胶水池(41)，所述胶水池(41)设置在所述传送装置(3)下方，所述胶水池(41)内沿竖直方向可升降安装有涂胶杆(42)；

纸筒(43)，所述纸筒(43)套设于所述涂胶杆(42)上，所述标识设置在所述纸筒(43)外侧壁上；

纸筒夹持机构，所述纸筒夹持机构安装在所述胶水池(41)上，用于夹持所述纸筒(43)的顶端；

驱动机构，所述驱动机构用于驱动所述纸筒夹持机构沿竖直方向运动，以使所述纸筒(43)套设于所述果柄(1)上；

挤压机构，所述挤压机构用于挤压所述纸筒(43)，以使所述纸筒(43)与所述果柄(1)胶粘固定。

2.根据权利要求1所述水果状态无损识别方法，其特征在于，根据所述视觉图像，识别水果的外观损伤类型的方法为：

获取第一数据集，将所述第一数据集分为第一训练集和第一测试集；所述第一数据集包括外观有损和外观无损的视觉样本图像；

基于第一卷积神经网络构建外观检测模型；

以第一训练集和第一测试集对所述外观检测模型进行训练和测试，得到训练后的外观检测模型；

将步骤s1中得到的视觉图像输入至所述训练后的外观检测模型中，输出所述水果的外观损伤类型。

3.根据权利要求1所述的水果状态无损识别方法，其特征在于，根据所述X射线图像，识别水果的内部损伤类型的方法为：

获取第二数据集，将所述第二数据集分为第二训练集和第二测试集；所述第二数据集包括内部有损和内部无损的三通道X射线图像；

基于第二卷积神经网络构建内部损伤预检测模型；

以第二训练集和第二测试集对所述内部损伤预检测模型进行训练和测试，得到训练后的内部损伤预检测模型；

将步骤s3中的X射线图像由单通道调整为三通道并输入至训练后的内部损伤预检测模型中，输出所述水果的内部损伤类型。

4.根据权利要求3所述的水果状态无损识别方法，其特征在于，根据内部有损的水果的X射线图像，识别水果的具体损伤类型的方法为：

获取第三数据集，将所述第三数据集分为第三训练集和第三测试集；所述第三数据集包括内部碰伤和内部木栓的单通道X射线图像；

基于第三卷积神经网络构建内部损伤深度检测模型；

以第三训练集和第三测试集对所述内部损伤深度检测模型进行训练和测试，得到训练后的内部损伤深度检测模型；

将内部有损的水果的X射线图像由三通道调整为单通道并输入至内部损伤深度检测模型中，输出所述水果的具体损伤类型。

5.根据权利要求3所述的水果状态无损识别方法，其特征在于，将X射线图像由单通道调整为三通道之前，还包括：对所述X射线图像进行灰度梯度重构。