基于数据平衡和深度学习的开心果品质视觉检测方法

高霁月 倪建功 杨昊岩 韩仲志

(青岛农业大学理学与信息科学学院， 青岛 266109)

0 引言

开心果味香、营养丰富，具有很高的经济价值，但其果壳坚硬，人工难以将开口过小或者不开口的开心果剥开，开口与否直接关系到开心果的品质、经济价值和消费者对品牌的评价。开心果果壳的开口率低、表面褐斑、果壳畸形和混入杂物(如石子、树枝)等现象会大大降低开心果产品的品质，所以在产品上架前对开心果进行开口检测非常必要。理想的果壳开口程度是消费者能用手指轻易取出核仁，因此未开裂的开心果需要在产品上架前分拣出来，加工出理想的开口[1]。

目前，对开心果开口品质的检测绝大多数是通过声音判断[2-5]。钟晨玉等[4]设计了开心果碰撞声分拣试验装置，分析传声器位置、开心果下落高度及碰撞块倾斜角对碰撞声特征的影响；臧富瑶等[5]根据开心果撞击大理石的声音信息，测得开心果闭口、半开口、开口3种声音状态，获得80个不同样本开心果的碰撞声信号,经处理得到信号的时域和频域图形,从中提取分拣特征。郭晓伟[6]通过开心果的质心位置以及两条辅助线，开壳果正确分类率为93%，但此研究只检测了开口和闭口，并未提及褐斑、杂质、畸形等其他缺陷。

为验证图像检测农产品品质的可行性，韩仲志等[7]测量每个花生籽粒外观图像的形态、纹理、颜色共3大类54个特征,采用主分量分析(PCA)进行特征优化,然后导入神经网络(ANN)和支持向量机(SVM)模型进行比较，最终能够鉴别95%以上的不完善粒、霉变、杂质、异品种等不同品质的籽粒。……