【CN109978822A】一种基于机器视觉的香蕉成熟度评判建模方法和评判方法【专利】
一种基于机器视觉的脐橙识别方法[发明专利]
![一种基于机器视觉的脐橙识别方法[发明专利]](https://img.taocdn.com/s3/m/f27dd0c5ed630b1c58eeb57a.png)
专利名称：一种基于机器视觉的脐橙识别方法
专利类型：发明专利
发明人：刘燕德,王观田,王均刚,孙旭东,胡军,卢晋夫申请号：CN201611037524.3
申请日：20161123
公开号：CN107341491A
公开日：
20171110
专利内容由知识产权出版社提供
摘要：一种基于机器视觉的脐橙识别方法，采摘机器人（3）行走到果树前后停止前进，由位于采摘机器人前端的相机（1）拍摄果树整体照片，采集图像并载入图像处理系统，本发明用于我国南方脐橙果园的地理环境，解决了双目立体视觉技术在南方地区稳定性和使用寿命都较低问题，采用实时锁定目标和目标匹配的方式定位脐橙，定位方法简单、快速、实用性强。
申请人：华东交通大学
地址：330000 江西省南昌市昌北经济开发区双港路
国籍：CN
代理机构：南昌华成联合知识产权代理事务所(普通合伙)
代理人：黄晶
更多信息请下载全文后查看。
一种技术成熟度评价方法及装置[发明专利]
![一种技术成熟度评价方法及装置[发明专利]](https://img.taocdn.com/s3/m/0d4e58bea1116c175f0e7cd184254b35eefd1a99.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010649988.X(22)申请日 2020.07.08(71)申请人 北京航空航天大学地址 100191 北京市海淀区学院路37号(72)发明人 王维 张琪 刘慧超 (74)专利代理机构 北京盛凡智荣知识产权代理有限公司 11616代理人 商祥淑(51)Int.Cl.G06Q 10/06(2012.01)G06F 17/11(2006.01)(54)发明名称一种技术成熟度评价方法及装置(57)摘要本发明涉及一种技术成熟度评价方法及装置，所述方法包括：根据产品的工作分解结构，分析产品的主要功能构成及组成单元，确定实现产品各组成单元的技术，并得到技术分解结构层次；根据基本特性和紧要性对所述技术分解结构层次中的各技术单元进行评分，确定所述技术单元的关键性评分；根据所述关键性评分判断所述技术单元是否为关键技术，得到判断结果；当所述判断结果表示所述技术单元为关键技术时，根据关键技术等级判定标准确定所述技术单元的成熟度等级。
本发明在传统技术成熟度评价方法的基础上，考虑了通用质量特性的影响，形成了考虑通用质量特性影响的技术成熟度评价方法，提高了产品研制中CTE确定结果及各项CTE等级判定结果的准确性。
权利要求书2页 说明书17页 附图5页CN 111798141 A 2020.10.20C N 111798141A1.一种技术成熟度评价方法，其特征在于，包括：根据产品的工作分解结构，分析产品的主要功能构成及组成单元，确定实现产品各组成单元的技术，并得到技术分解结构层次；根据基本特性和紧要性对所述技术分解结构层次中的各技术单元进行评分，确定所述技术单元的关键性评分；其中，所述紧要性包括重要性和高风险性；根据所述关键性评分判断所述技术单元是否为关键技术，得到判断结果；当所述判断结果表示所述技术单元为关键技术时，根据关键技术等级判定标准确定所述技术单元的成熟度等级。
基于机器视觉的番茄成熟度检测装置
基于机器视觉的番茄成熟度检测装置
李丽鑫;李朔;李银银;高宁;张弘扬
【期刊名称】《科技创新与生产力》
【年(卷),期】2024(45)1
【摘要】番茄果实成熟度的检测是智慧农业研究的一个新方向,目前主要采用化学、生物或者较为简单的颜色识别方式,存在效率低、成本高的问题。
基于此,本文提出
一种基于机器视觉进行的番茄成熟度检测装置,通过OpenMV摄像头获取番茄果
实的图像数据,综合所有数据进行考量,将测试番茄与成熟的番茄进行数据比对,并进行成熟度分级管理,导入电脑数据库保存。
该装置可应用于工厂流水线场景,可计算
出每一批番茄的整体成熟度,应用价值高。
【总页数】3页(P116-118)
【作者】李丽鑫;李朔;李银银;高宁;张弘扬
【作者单位】辽宁科技大学电子与信息工程学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于机器视觉技术的烤烟鲜烟叶成熟度检测
2.基于机器视觉的番茄成熟度颜色判别
3.机器视觉和电子鼻融合的番茄成熟度检测方法
4.基于改进YOLOv4模型的番
茄成熟度检测方法5.基于改进YOLO v7的轻量化樱桃番茄成熟度检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。
【CN109794435A】基于深度学习的水果质量检测系统及方法【专利】
上，所述第一支座安装在传输机一侧的滑杆上，第一相机的镜头与传输机机面垂直，向下对 准拍摄中心；围绕拍摄中心安装有四个第二相机，所述第二相机固定在位于传输机两侧的 第二支座上，相邻的两个第二支座互成90 °，第二相机的镜头与传输机机面平行；
所述传输机（4）摆置于钢架上，使水果匀速向前滚动，传输机（4）的中部设有拍摄区； 所述红外线传感器（5）位于传输机（4）头部两 侧的 对称位置 ，在 拍摄区的 前面 ，用于向 上位机传输感应信号，进而触发拍摄装置； 所述拍摄装置包括第一相机（13）和四个第二相机（14）（15）（16）（17），所述第一相机 （13）固 定在可升降的 第一支座（8）上 ，所述 第一支座（8）安装在传输机（4）一 侧的 滑杆（7） 上 ，第一 相机（13）的 镜头与传输机（4）机面垂直 ，向下对准 拍摄中心 ；围绕 拍摄中心安装有 四个第二相机（14）（15）（16）（17），所述第二相机（14）（15）（16）（17）固定在位于传输机（4） 两侧的第二支座（9）（10）（11）（12）上，相邻的两个第二支座（9）（10）（11）（12）互成90 °，第二 相机（14）（15）（16）（17）的镜头与传输机（4）机面平行； 所述灯光装置包括平面光源（18）和四个点光源（19）（20）（21）（22），所述平面光源（18） 位于第一相机（13）上方 ，照射区域向下覆盖整个拍摄区 ；四个点光源（19）（20）（21）（22）围 绕四个第二相机（14）（15）（16）（17）安装在镜头外部，用于侧面打光； 所述上位机位于传输机（4）下部，上位机内预设卷积神经网络算法，对拍摄装置拍摄的 图像进行特征参数提取和分类，自动检测水果特征并输出质量判断结果； 所述分级装置包括收集滑道（25）和水果收集箱（24），所述收集滑道（25）两端分别对接 传输机（4）和水果收集箱（24），收集滑道（25）的两侧相对地安装有两个轴转动拨片（23），初 始位置时两个轴转动拨片（23）之间有一定的夹角，轴转动拨片（23）受上位机的控制，按照 检测结果控制开闭 ，使水果滚入相应的水果收集箱（24）中 ，水果经过后再控制轴转动拨片 （23）回到初始位置。 2 .如权利要求1所述的基于深度学习的水果质量检测系统 ，其特征在于：所述传输机 （4）采用黑色吸光材质传输带。 3 .如权利要求1所述的基于深度学习的水果质量检测系统，其特征在于：所述平面光源 （18）采用LED环形光源，所述点光源（19）（20）（21）（22）采用LED点光源。 4 .采用如权利要求1所述的基于深度学习的水果质量检测系统的检测方法，其特征在 于，包括如下步骤： 根据所要检测水果的种类，调节导向杆（3）的下开口大小，保证水果可以依次通过； 将待测水果放置于 拍摄区 ，启动拍摄装置进行 拍摄 ，根据成像清晰 度及所占 视野的 位 置及比例，适当调节第一支座（8）和第二支座（9）（10）（11）（12）； 启动整个系统 ，将水果先从斜面滑道（1）口由静止下滑 ，在重力作 用下 ，从斜面滑道（1） 下滑经过平面滑道（2）的导向杆（3）后到达传输机（4）； 水果经过红外线传感器（5），上位机得到感应信号 ，经过 相机视野中心位置时 ，上位机
基于图像处理的香蕉成熟度检测系统
ｆ ， 代表 该点 图像 的光强 度 ， ｆ ， 必 须大
本 文 主要 应 用 ＭＡ Ｔ Ｌ Ａ Ｂ图像 处 理 作 为 基 础 编
程 ，介绍 ＭＡ Ｔ Ｌ Ａ Ｂ图像处 理 的特点 、方 法 和基本 步 骤 ，最后 对香蕉 成熟度检 测系统 验证 ，并得 出结论 。
摘
要 ：许 多研究结果表明 ，水果损失主要 集中在采摘 、包装、保存等环节 ，达到近三分之一 ，其 中一个
重要 的原 因为不同成熟度的水果ｆ ｆ ｎ ￣ ＿ 混杂。因而 ，区分水果的成熟度并进行 筛选加工处理 ，对于提升水果 等级、改善水果品质有重要 意义。本文应用 ＭＡ Ｔ Ｌ Ａ Ｂ图像 处理技 术对香 蕉成熟度进行检 测 ，系统通过摄 像 头拍取 图片或者在给定的 图片中分割 出香蕉 图片，然后对香蕉图片进行二值化和滤波等分析处理 ，最后 依据香蕉的色素组成检测 出不同成熟度 的香蕉。
处理 目的来决定 。 等 间隔抽 样一 幅黑 白灰 度 的 图像 以后 ，可 以用
一
个 矩 阵来表 示 ，组成 矩 阵量 的都 是离散 量 ，具体
Байду номын сангаас
表示 如下 ：
ｆ （ １ ， １ ）ｆ（ １ ， ２ ）… ｆ （ １ ， ） ｆ（ ２ ， １ ）ｆ （ ２ ， ２ ）… ｆ （ ２ ， ） ｆ （ ｘ ， ） ＝
不 破坏水 果 的前 提下 ，利 用水 果 的物理 性质 对其 进 行 检测 和评 价 ，能够 确定 水果 最佳 采 收期 ，并按 成 熟 度进行 准确 分级 。该 技术 在 水果分 级 应用 方 面有
着 良好 的应用前 景 。
的增 加 而增加 。Ｎ与 ／ Ｔ ／ ， 的选 择 ，应 根据 图像 性质 与
一种基于视觉显著图的树上果实成熟度检测方法[发明专利]
![一种基于视觉显著图的树上果实成熟度检测方法[发明专利]](https://img.taocdn.com/s3/m/d957372e854769eae009581b6bd97f192279bff6.png)
专利名称：一种基于视觉显著图的树上果实成熟度检测方法专利类型：发明专利
发明人：熊俊涛,陈淑绵,焦镜棉,谢志明,霍钊威,胡文馨,韩咏林,熊春源
申请号：CN202210003452.X
申请日：20220104
公开号：CN114549668A
公开日：
20220527
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于视觉显著图的树上果实成熟度检测方法，先通过摄像机获取果树图像并使用YOLOv5目标检测算法识别树上的果实；利用YOLOv5输出的boundingbox坐标，裁剪果实图像块并使用改进MSSS视觉显著性检测算法获取视觉显著性图像；将果实图像块和对应的视觉显著性图像串联为4维RGBS图像，利用图像分类网络ResNet34结合果实局部图像的RGB和显著性信息判定果实的成熟度类别。
本发明的检测方法准确率和鲁棒性俱佳，适用于自然环境下存在场景复杂和光照多变的情况。
申请人：华南农业大学
地址：510642 广东省广州市天河区五山路483号
国籍：CN
代理机构：广州市华学知识产权代理有限公司
代理人：伍宏达
更多信息请下载全文后查看。
基于机器视觉的水果分级方法研究综述
基于机器视觉的水果分级方法研究综述摘要：传统水果分级方法主要采用人工分级、机械分级的方法完成，存在效率低、成本高等缺陷。
随着计算机和人工智能技术的发展，基于机器视觉的智能水果分级方法成为新的发展趋势。
本文对近年来水果分级方法的研究工作进行了分析和总结，对比了不同研究方法的性能和适用性，最后对未来的发展方向做了展望。
关键词：机器视觉；水果分级；人工智能中图分类号：TP394.1；文献标识码：A1 引言随着健康生活理念的普及，人们对水果的需求与日俱增。
水果作为除粮食和蔬菜之外的第三大种植产业，是提高农民收入的重要来源。
虽然我国是水果生产大国，但是我国水果的出口量并不高，在国内的销售价格也不具备市场竞争力。
究其原因在于我国水果的质量参差不齐，水果的颜色、形状等外观形态是制约我国出口的质量问题之一。
因此，对水果进行外观检测并分级具有现实研究意义。
传统的水果分级主要依靠人工进行，该方法具有劳动力成本高、效率低以及分级标准不一等缺点；机械分级虽然可以节约劳动力，但是不能从水果的外观以及缺陷等方面进行等级划分；光电分级可对水果的颜色进行识别分类，但不能满足大小、缺陷等其他质量标准的要求。
人工智能和机器视觉的发展吸引了国内外大量学者开展农产品自动化分级方面的研究。
然而，目前的文献综述大多集中在基于机器视觉的水果目标识别与定位，在基于机器视觉的水果分级系统方面综述较少，本文在阅读参考近年来国内外水果分级方法的基础上，对现有的基于机器视觉的水果分级方法进行性能对比和分析，最后提出了几点展望。
2 水果分级方法1.机器视觉技术机器视觉技术是智能农业领域中的一个关键技术，以图像处理技术为基础。
该技术通过照相机代替人眼获取目标水果信息，然后利用图像处理技术提取对应的图像特征，最后根据分级标准对水果进行自动分级。
基于机器视觉的水果分级技术由于处理速度快、精度高、创伤小、成本低、自动化程度高等优点，具有逐步取代人工分级和机械分级的趋势。
基于机器视觉的水果的自动分级系统的设计
中 图 分 类 号 ：Ｔ ２５３ Ｓ ５ ．５ 文献 标 志 码 ：Ａ ｃ ｉ １． ６／ｓ ． ７ － ６ ６ Ｘ） ０ ２１． ７ ｌ ： ０３ ９ ｉ ｎ１ １９ ４ （ ． １． ０ ｏ ９ ｊｓ ６ ２ ０４
（ｃｏｌ ｆ ｌ ｔｃａｄＡ ｔ ｔ ｎｉｅｒ ｇ ｈ ｎｓｕＩｓｔｔ ｏ ｅｈ ｏ ｇ ，Ｃ ａｇｈ ， ｉ ｇｕ２ ５ ０ ，Ｃ ｉａ Ｓ ｈｏ ｏ ｅ ｒ ｎ ｕｏ ｉ Ｅ ｇ ｅｉ ，Ｃ ａ ｇｈ ｔｕ ｆ ｃｎｌ ｙ ｈ ｎｓｕ Ｊ ｎｓ １５ ０ ｈｎ） Ｅ ｃ ｉ ｍａｃ ｎ ｎ ｎｉ ｅ Ｔ ｏ ａ
Ｄｅ ｉｎ ｏ ｅ Ｆ ｕ ｔ ｔ ｍａｉ ｌｓ ｉ ｃ ｔ ｎ Ｓ ｓｅ Ｂａ ｅ ｎ Ｍａ ｈ ｎ ｓｏ ｓｇ ｆ ｈ ｒ ｉ Ａｕｏ ｔ Ｃ ａ ｓ ａｉ ｙ ｔｍ ｓ ｄ ｏ ｃ ｉ ｅＶｉｉｎ ｔ ｃ ｉ ｆ ｏ
Ｄ Ｎ ｎ Ｇ Ｏ Ｊ ｅ ＨＵ Ｐ ｉｙ ，Ｘ ｎ ｘ ｇ Ｕ ｉ Ｅ Ｇ Ｗａ ，’ Ａ ，Ｚ ｅ ｉ Ｕ Ｊ － ｉ ，Ｃ Ｉ ｕ － ｉ ｎ Ｗｅ
第 １ Ｏ期 （ 总第 ２ ５期） ９
２１ ０ ２年 １ Ｏ月
农产 品加工 ・ 学刊
Ａ ａ ｅ ｉ ｅｉ ｉａ ｏ ａｍ ｒｄ ｃｓ ｒｃ ｓｉｇ ｃｄ ｍ ｃＰ ｒ ｄｃ ｌ ｆ ｒ Ｐ ｏ ｕ ｔ Ｐ ｏ ｅｓ ｏ Ｆ ｎ
Ｎｏ １ ．Ｏ Ｏｅ ． ｔ
文章 编 号 ：１７ — ６ ６ （０ ２ １— １４ ０ ６ １ ９４ ２ １ ） ０ ０ ５ — ３
Ａ ｓ ａ ｔ Ａ ｇａ ｉｇ ｍｅｈ ｄ ｉ ｄ ｖ ｌｐ ｄ ｔ ｍｐ ｏ ｅ ｔ ｅ ｑ ａｉ ｆ ｒ ｉ ． Ｔ ｅ ｓ ｍｐ ｅｉ ｇ ｓｓ ｏ ｙ ａ Ｃ Ｄ ａ ｒ ｎ ｈ ｂ ｔ ｃ ： ｒ ｄ ｎ ｔｏ ｓ ｅ ｅｏ ｅ ｏ ｉ ｒｖ ｈ ｕ ｌ ｙｏ ｕｔ ｒ ｔ ｆ ｓ ｈ ａ ｌ ｍａ ｅ ｉ ｈ ｔ Ｃ ｃ ｍｅ ａ ａ ｄ ｔ ｅ ｂ ｐ ｃ ｉ ｇｕ ｆｅｇ ｎ ｖ ｌ ｅ ｓｐ ｏ ｏ ｅ ｔ ｈ ｏ ｔ ｆ ｉｋ ｎ ｐ ｏ ｉ ｅ ａｕ ｓ ｉ ｒ ｐ ｓ ｄ ｗｉ ｔ ｅ ｓ ｆ ｏ ｈ ＭＡＴ ＡＢ Ａｃ ｏ ｄｎ ｏ ｔｅ ｇ ａ ｅ ｏ ｅ ｆ ｉ ａ ｃ ｍｐ ｉ ｅ ｅａ ｔｍａ ｉ Ｌ ． ｃ ｒ ｉ ｇｔ ｈ ｄ ｆ ｕ ｔ ｃ ｏ ｌ ｈ ｄ ｔ ｕ ｏ ｔ ｒ ｈ ｔ ｒ ｓ ｈ ｃ ｆｕ ｔｈ ｅ ａｃ ｙ ｉ ｅ ｈ ｌ ｆＰ Ｃ ｔ ｏ ｔｏ ｃ ａ ｉ ｆｒ ｓ ｒ ｎ ，ｔ ｅ ｅ ｐ ｒ ｎ ｈ ｗ ｈ ｔｔ ｅ ｍｅｈ ｄ ｐ ｅ ｉｉｎ ａ ｄ ｒ ｉ ｉｒｒ ｈ ，ｗ ｔ ｔ ｅｐ ｏ Ｌ ｏ ｃ ｎ ｒ ｌｍｅ ｈ ｎ ｓ ｏ ｏ ｔ ｇ ｈ ｘ ｅ ｉ ｈ ｈ ｍ ｉ ｍｅ ｔｓ ｏ ｓ ｔａ ｈ ｔ ｏ ｒ ｃｓ ｎ ｏ ｖ ｌｃｔ ｒ ａｉｆｉ ｇ ｅｏ ｉ ａ ｅ ｓ ｔ ｙ ｎ ． ｙ ｓ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910116876.5
(22)申请日 2019.02.15
(71)申请人 仲恺农业工程学院
地址 510225 广东省广州市海珠区纺织路
东沙街24号
(72)发明人 庄家俊 唐宇 骆少明 侯超钧
郭琪伟 苗爱敏 陈亚勇 张恒涛
朱耀宗 高升杰 程至尚
(74)专利代理机构 广州润禾知识产权代理事务
所(普通合伙) 44446
代理人 林伟斌
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/12(2017.01)
G06T 7/62(2017.01)
G06K 9/62(2006.01)
(54)发明名称一种基于机器视觉的香蕉成熟度评判建模方法和评判方法(57)摘要本发明涉及一种基于机器视觉的香蕉成熟度评判建模方法和评判方法，包括以下步骤：定位香蕉彩色图像上的感兴趣区域ROIs；提取ROIs 的颜色统计量特征，根据颜色统计量特征采用机器学习方法建立基于色泽特征的香蕉成熟度判别模型；提取ROIs的局部梯度方向分布特征，根据局部梯度方向分布特征采用机器学习方法建立基于局部形状特征的香蕉成熟度判别模型；提取ROIs的局部纹理特征，根据局部纹理特征采用机器学习方法建立基于纹理特征的香蕉成熟度判别模型；对三个基于不同特征的香蕉成熟度判别模型分配权重，形成香蕉成熟度评判决策模型。
本发明可以实现香蕉成熟度无损、准确的评判，使得香蕉成熟度等级评判操作更便捷、更客观、更准确，
并具有较高的推广价值。
权利要求书2页 说明书7页 附图2页CN 109978822 A 2019.07.05
C N 109978822
A
权 利 要 求 书1/2页CN 109978822 A
1.一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，包括以下步骤：
定位香蕉彩色图像上的感兴趣区域ROIs；
提取ROIs的颜色统计量特征，根据颜色统计量特征采用机器学习方法建立基于色泽特征的香蕉成熟度判别模型；
提取ROIs的局部梯度方向分布特征，根据局部梯度方向分布特征采用机器学习方法建立基于局部形状特征的香蕉成熟度判别模型；
提取ROIs的局部纹理特征，根据局部纹理特征采用机器学习方法建立基于纹理特征的香蕉成熟度判别模型；
对三个基于不同特征的香蕉成熟度判别模型分配权重，根据三个基于不同特征的香蕉成熟度判别模型和对应的权重形成香蕉成熟度评判决策模型。
2.根据权利要求1所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述定位香蕉彩色图像上的感兴趣区域ROIs，具体包括以下步骤：
在香蕉果柄朝向设定方向时进行光学成像形成香蕉彩色图像，所述设定方向为上或下或左或右；
采用空间滤波和阈值化方法处理香蕉彩色图像，通过梯度算子计算香蕉的边缘；
搜索香蕉在所述设定方向上的边缘像素梯度方向变化最大的起始点和终止点，以所述设定方向的垂直方向为坐标轴x，记起始点和终止点在坐标轴x的坐标平均值为x0，并以直线x＝x0与香蕉在所述设定方向上的边缘的交点作为感兴趣区域ROIs的坐标原点，在香蕉内部设置p×q个像素的局部区域作为ROIs。
3.根据权利要求2所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述采用空间滤波和阈值化方法处理香蕉彩色图像，具体包括以下步骤：采用空间域高斯均值滤波器处理香蕉彩色图像；
将处理后的香蕉彩色图像转换为单通道灰度图像，采用全局阈值分割方法滤除所有背景像素，获得香蕉前景区域。
4.根据权利要求3所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述通过梯度算子计算边缘，具体包括以下步骤：
采用Sobel梯度算子提取香蕉前景区域的边缘，根据边缘面积的大小屏蔽果柄区域。
5.根据权利要求1所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述根据颜色统计量特征采用机器学习方法建立基于色泽特征的香蕉成熟度判别模型，具体包括以下步骤：
提取ROIs的色调分量H和色饱和度分量S，分别计算色调分量H和色饱和度分量S中对应的颜色统计量特征，以所述颜色统计量特征作为输入特征向量，采用线性判别分析方法建立基于色泽特征的香蕉成熟度判别模型。
6.根据权利要求1或5所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述颜色统计量特征包括平均值和/或标准差。
7.根据权利要求1所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述根据局部梯度方向分布特征采用机器学习方法建立基于局部形状特征的香蕉成熟度判别模型，具体包括以下步骤：
利用一阶中心微分算子计算ROIs的梯度图像，平均划分梯度图像中所有像素的梯度方
2。