基于Retinex算法和深度学习的柑橘表面缺陷检测方法

本发明涉及一种基于Retinex算法和深度学习的柑橘表面缺陷检测方法，包括如下步骤：采集不同光照条件、不同缺陷类型的柑橘图像，并标记缺陷区域和缺陷类型；利用Retinex算法调整柑橘图像的光照均匀性和细节对比度，形成Retinex增强图像；引入Transformer的注意力机制，结合卷积神经网络进行特征提取和注意力建模；通过深度学习模型预测Retinex增强图像的光照分布，校正光照偏差；移除Retinex增强图像中噪声或伪影，获得动态预处理后的图像；选择深度学习模型进行缺陷检测，使用动态预处理后的图像训练缺陷检测模型。本发明结合了图像增强的传统优势和深度学习的自适应能力，为柑橘表面缺陷检测提供了高效、精确的解决方案，有效解决光照不均、阴影干扰等问题，提升缺陷检测的鲁棒性。