基于帧间路径搜索和E-CNN的红枣定位与缺陷检测

摘要

针对红枣自动分级视频图像中红枣定位、缺陷检测难问题,提出一种基于帧间最短路径搜索的目标定位方法和集成卷积神经网络模型(Ensemble-convolution neural network,E-CNN).通过建立图像坐标系及图像预处理,获得图像中单个红枣目标的位置坐标,并将其映射至空间坐标系中,结合帧间最短路径判定规则,实现目标位置坐标随视频时间序列更新、传递,并且运用此方法快速、有效地构建数据集.基于“Bagging”集成学习方式,采用E-CNN通过训练集构建基础卷积神经网络树模型,再根据每棵基础树模型输出结果,通过“投票”方式得出模型最终结果.试验结果表明,利用帧间最短路径搜索的目标定位方法,定位准确率达100％.同时,使用E-CNN,模型的识别正确率和召回率分别达到98.48％和98.39％,分类精度大于颜色特征分类模型(86.62％)、纹理特征分类模型(86.40％)和基础卷积神经网络模型(95.82％).E-CNN模型具有较高的识别正确率及较强的鲁棒性,可为其他农产品分选、检测提供参考.