机器视觉在农产品检测中的应用[文字可编辑].pptVIP

? 2009 年， J. Blasco 等人开发了一套桔子瓣分级系统，根 据 RGB 值和形态特征（面积、周长、偏心率，紧凑度和圆 度系数）将其分为完整瓣、破损瓣、桔子皮、籽 四类， 样机的正确识别率达到了 93.2% ，处理每幅图像的时间为 48ms ，产量达到了 1000kg/h （ J. Blasco 等， 2009 ）。 3. 在农产品表面缺陷、品质检测中的应用 农产品表面的缺陷包括碰压伤、刺伤、疤痕、腐烂、虫 咬、裂伤、果锈等。 如何从其图像中准确地划分出坏损区域，并对分割出的 部分加以描述和分类，一直是农产品自动检测的难题。 ? 2002 年，应义斌等研究了黄花梨缺陷区域的 R 、 G 、 B 各 分量灰度的变化特点，采用梯度算法求得了可疑缺陷点 ，然后再用区域生长法，找出了缺陷点像素的最大连通 集及所有的缺陷区域，进一步提高了缺陷面积计算的精 度（应义斌 ,2002 ）。 ? 2004 年，成芳等根据颜色特征对稻种图像进行了霉变分析 识别研究。研究了基于色调 H 颜色特征的稻种霉变检测算 法，试验结果表明，该算法对金优 402 、加优等 5 个品种的 正常、轻度霉变、严重霉变稻种的平均识别率分别达到了 92% 、 95% 、 83% （成芳等， 2004 ）。 * 机器视觉技术在农产品检测中的应用 主要内容 一、机器视觉技术的简介 二、机器视觉技术在农产品检测中的应用 三、机器视觉技术的应用前景及问题 一、机器视觉技术简介 ? 机器视觉是通过对目标物体图像的获取、处理和分析来 模拟人类的视觉功能 , 并使用各种机电设备实现生产自 动化 。 ? 机器视觉是 20 世纪 70 年代在遥感图象处理 和医学图象处理技术成 功应用的基础上逐渐兴 起的，是图象处理的一 个分支学科。 机器视觉 1. 机器视觉系统的组成 机器视觉系统的组成部分主要有光源、图像 传感器 ( 摄像机等 ) 、图像采集卡、计算机等硬件 设备和用于处理数字图像的软件。 2. 工作原理 获取数字图像 数字图像处理 2.1 获取图像方式 ( 刘华波 , 2009 ) 成像方式 特点及应用 可见光成像 红外成像 可见光彩色或灰度成像技术适合对农产品形状、大 小、颜色和纹理等外部特征进行自动分析。 红外线具有热辐射效应。热敏成像技术可以将物体 的外部辐射强度转化为可视图像，可以检测农产品表 面不同部位在外界温度变化时的不同反应。 穿透性较强 , 当紫外光照射到荧光物质时这些物质会 被激发出波长较长的荧光。不同物质的荧光受激能力 不同。 不同的物质对 X 射线的吸收能力不同。通过 X 光透射 图像检测可见光不易得知的对象内部信息。 可以表现物体内部某个剖面的形态特征。 紫外成像 X 光成像 CT 成像 核磁共振成像 在核磁共振成像片上，含水成分大的组织结构亮度 高 , 而含水成分少的组织则亮度较低。了解农产品的 内部信息。 2.2. 图像处理 利用数字图像处理技术对采集的图像进 行去噪、边缘检测、图像增强等预处理，提 取特征参数，进行逻辑判断，生成相应的结 果。最终发出相应的操作命令。 二、机器视觉在农产品检测中的应用 机器视觉技术的特点是速度高、信息量大、可以排除 主观因素干扰 , 而且还能对参数指标进行定量描述 , 具有人 工检测所无法比拟的优越性。 目前，国内外利用机器视觉技术进行农产品品质自动 识别的研究对象极其广泛，主要包括对谷物、蔬菜、干果 、水果等的大小、形状、颜色和表面损伤、缺陷、异物进 行检测和分级。 1. 在农产品颜色检测中的应用 农产品的表面颜色是反映农产品品质的一个重要特 征，其色泽特征可以反映其成熟程度，也可反映其级别 。若靠人的感官进行评定，缺乏客观性和准确性。利用 计算机视觉系统对产品色泽做出评价，可以克服人眼的 疲劳和色觉差异。 ? 1998 年何东健等，利用机器视觉 技术研究了红星苹果表面颜色分 级方法。在 HIS 颜色空间中，选用 在合适的色相阈值下累计着色面 积的百分比作为水果等级评判指 标，结果与人工分级吻合度达 88% （何东健等， 1998 ）。 ? 2002 年，冯斌等以水果表面颜色 分布的分形维数为特征进行了水 果表面颜色分级的试验研究 , 分 级正确率达到 95%( 冯斌等 ,2002) 。 ? 2004 年，应义斌等以柑橘表面色 泽和固酸比作为其成熟度的评判 指标，结果表明柑橘果实表皮颜 色与其成熟度之间具有相关性（ 应义斌等， 2004 ）。 ? 2004 年赵杰文等，对田间成熟番茄识别技术进行了研究。 在 HIS 颜色模型下，根据成熟番茄、未成熟番茄以及枝叶 的色调 H 分布的差异，用阈值分割的方法将成熟番茄区域 分离出来，取得了良好的识别效果（赵杰文等， 2004 ）。 ? 2008 年，游家训等研究了