基于深度学习目标检测的苹果缺陷识别以改善采后处理
计算机视觉与模式识别
2020-05-14 v1 图像与视频处理
摘要
计算机视觉与深度学习技术在农业中的引入旨在提高收获质量与农民的生产力。在采后阶段，出口市场和品质评价受到果蔬分选的影响。特别是，苹果在采收期间和/或采后期间容易发生多种缺陷。本文旨在通过探究近期计算机视觉与深度学习方法（如 YOLOv3（Redmon & Farhadi (2018)））是否有助于从缺陷苹果中检测出健康苹果，来辅助农民的采后处理。
引用
@article{arxiv.2005.06089,
title = {Apple Defect Detection Using Deep Learning Based Object Detection For Better Post Harvest Handling},
author = {Paolo Valdez},
journal= {arXiv preprint arXiv:2005.06089},
year = {2020}
}
备注
Paper presented at the ICLR 2020 Workshop on Computer Vision for Agriculture (CV4A)