Resumen

Como método de detección rentable y no destructivo, la tecnología de visión artificial se ha aplicado ampliamente en la detección de defectos en las patatas. Recientemente, la cámara de profundidad, que admite la detección de rangos, se ha utilizado para la detección de defectos en la superficie de la patata, como protuberancias y huecos. En este estudio, desarrollamos un sistema de clasificación automática de patatas que utiliza un sistema de imágenes en profundidad como recolector de datos y aplica un sistema de aprendizaje automático para la clasificación de la calidad de las patatas. El sistema de imágenes en profundidad recoge datos en 3D de la distribución del grosor de la superficie de la patata y almacena imágenes en profundidad para el entrenamiento y la validación del sistema de aprendizaje automático. El sistema de aprendizaje automático, compuesto por un modelo de regresión softmax y un modelo de red neuronal convolucional, puede clasificar un tubo de patata en seis niveles de calidad diferentes en función del aspecto y el tamaño del tubo. Los resultados experimentales indican que el modelo de regresión softmax tiene una gran precisión en la detección del tamaño de la muestra, con una tasa de éxito del 94,4%, pero una tasa de éxito baja en la clasificación por apariencia (sólo el 14,5 en el grupo más bajo). El modelo de red neuronal convolucional, sin embargo, alcanzó un alto porcentaje de éxito no sólo en la clasificación por tamaño, con un 94,5%, sino también en la clasificación por aspecto, con un 91,6%, y la precisión global de la clasificación por calidad fue del 86,6%. La clasificación de la calidad basada en la tecnología de imágenes en profundidad muestra su potencial y sus ventajas en la investigación no destructiva posterior a la cosecha, especialmente en los campos relacionados con la forma de la superficie 3D.

• Materias:Biotecnología de alimentos Calidad de los alimentos Análisis de los Alimentos Química de los alimentos
• Subjects:Food biotechnology Food quality Food Analysis Food chemistry
• Palabras claves:modelo de red neuronal convolucional, modelo de regresión softmax, sistema, máquina, clasificación por apariencia, datos de distribución del grosor de la superficie de la patata en 3d, precisión de la clasificación por calidad general, detección de defectos en la superficie de la patata, forma de la superficie en 3d, sistema automático de clasificación
• Keywords:convolutional neural network model, softmax regression model, system, machine, appearance classification, 3d potato surface thickness distribution data, overall quality grading accuracy, potato surface defect detection, 3d surface shape, automatic grading system