AI视觉在果蔬行业中的全方位检测
发布时间: 2020-03-29 12:49
果蔬在采摘、分级、包装及运输等过程中容易因碰撞、挤压、振动等原因损伤，不仅会降低果蔬自身外观品质，也会使果蔬易受到真菌或细菌侵入导致果蔬腐烂（如晚疫病、干腐病、软腐病等），影响其食用安全性。受侵染果蔬在运输、储存等过程中会感染其他正常果蔬，进一步增添受损数量。碰压后果蔬的外表可能会和正常果蔬差别不大，容易混杂，对其内部品质造成潜在危害。
果蔬表面缺陷检测：
果蔬表面易出现疤痕、腐烂、虫咬、 裂伤、碰压、皱皮、脏污等缺陷。在果蔬分级过程中，表面缺陷检测是其中重要的一项流程，其检测的精确度直接决定了该水果的等级。
传统识别算法难以分辨暗斑与背景颜色，且对硬件和打光要求较高，在进行灰度阈值分割时，容易把不明显的暗斑分割出去，很难保证在高速流水线上实现零缺陷检测的要求；
水果的果梗、花萼与某些表面缺陷在图像处理后比较相似，传统算法识别很难分辨出缺陷，容易造成漏检、误检等情况，影响检测精度和果蔬分拣质量；
传统外观品质检测主要是使用分级机械，仅支持对大小、重量分级，无法对表面缺陷、纹理、颜色等外观进行分拣。传统算法检测需耗费大量的时间对每个缺陷进行定制化开发，并且无法同时检测出一张图片内的多种不同缺陷。
矩视智能AI视觉云平台——果蔬表面AI视觉缺陷检测：
工业AI视觉云平台针对果蔬表面缺陷检测搭建了专属底层卷积神经网络架构，对工人无专业技术要求，只需在线上传不同缺陷数据图片进行标注训练，即可准确提取微米（μm）级的缺陷进行识别定位，从而实现高速流水线上零缺陷的目标；
云平台只需上传带有果梗、花萼的水果进行标注和学习，即可准确识别区别较小或易受到干扰的缺陷，识别率最高可达99%；
AI视觉云平台无需开发人员耗费大量的时间对不同缺陷进行定制化开发，只需上传图片，对图片内的缺陷进行标注训练，即可同时检测果蔬的大小及表面多种不同缺陷。
产品：
矩视智能工业AI视觉云平台利用深度学习算法框架结合自主研发的外观检测模型成功实现了果蔬表面缺陷检测云端化，用户只需通过在线标注、训练的方式进行自定义学习。成功实现了复杂场景下的识别检测，同时具有抗干扰能力强、准确率高、算法自升级等优势，识别率最高可达99.99%。
北京矩视智能科技有限公司是一家工业AI视觉云平台提供商，致力于将人工智能应用于工业视觉领域，在线提供字符识别、缺陷检测、目标定位等功能，可覆盖上千种工业细分场景，引领工业视觉领域的通用人工智能。创始团队来自国内外顶尖大学，已落地近百个工业视觉场景，获融资近千万元。
果蔬表面缺陷检测：
果蔬表面易出现疤痕、腐烂、虫咬、 裂伤、碰压、皱皮、脏污等缺陷。在果蔬分级过程中，表面缺陷检测是其中重要的一项流程，其检测的精确度直接决定了该水果的等级。
传统识别算法难以分辨暗斑与背景颜色，且对硬件和打光要求较高，在进行灰度阈值分割时，容易把不明显的暗斑分割出去，很难保证在高速流水线上实现零缺陷检测的要求；
水果的果梗、花萼与某些表面缺陷在图像处理后比较相似，传统算法识别很难分辨出缺陷，容易造成漏检、误检等情况，影响检测精度和果蔬分拣质量；
传统外观品质检测主要是使用分级机械，仅支持对大小、重量分级，无法对表面缺陷、纹理、颜色等外观进行分拣。传统算法检测需耗费大量的时间对每个缺陷进行定制化开发，并且无法同时检测出一张图片内的多种不同缺陷。
矩视智能AI视觉云平台——果蔬表面AI视觉缺陷检测：
工业AI视觉云平台针对果蔬表面缺陷检测搭建了专属底层卷积神经网络架构，对工人无专业技术要求，只需在线上传不同缺陷数据图片进行标注训练，即可准确提取微米（μm）级的缺陷进行识别定位，从而实现高速流水线上零缺陷的目标；
云平台只需上传带有果梗、花萼的水果进行标注和学习，即可准确识别区别较小或易受到干扰的缺陷，识别率最高可达99%；
AI视觉云平台无需开发人员耗费大量的时间对不同缺陷进行定制化开发，只需上传图片，对图片内的缺陷进行标注训练，即可同时检测果蔬的大小及表面多种不同缺陷。
产品：
矩视智能工业AI视觉云平台利用深度学习算法框架结合自主研发的外观检测模型成功实现了果蔬表面缺陷检测云端化，用户只需通过在线标注、训练的方式进行自定义学习。成功实现了复杂场景下的识别检测，同时具有抗干扰能力强、准确率高、算法自升级等优势，识别率最高可达99.99%。
北京矩视智能科技有限公司是一家工业AI视觉云平台提供商，致力于将人工智能应用于工业视觉领域，在线提供字符识别、缺陷检测、目标定位等功能，可覆盖上千种工业细分场景，引领工业视觉领域的通用人工智能。创始团队来自国内外顶尖大学，已落地近百个工业视觉场景，获融资近千万元。
