農(nóng)機(jī)大全網(wǎng)（www.97661a.com）最新農(nóng)機(jī)信息：中國柑橘外部品質(zhì)機(jī)器視覺檢測分級(jí)技術(shù)研究現(xiàn)狀與展望，農(nóng)機(jī)新產(chǎn)品,二手農(nóng)機(jī),農(nóng)機(jī)補(bǔ)貼目錄,農(nóng)機(jī)價(jià)格查詢,農(nóng)機(jī)報(bào)價(jià)大全，更多農(nóng)機(jī)資訊請(qǐng)查看：農(nóng)機(jī)資訊

　　中國柑橘外部品質(zhì)機(jī)器視覺檢測分級(jí)技術(shù)研究現(xiàn)狀與展望

柑橘外部品質(zhì)是影響消費(fèi)者采購和決定市場價(jià)值的重要因素之一。柑橘顏色、大小、形狀和缺陷等外部品質(zhì)指標(biāo)的人工檢測與分級(jí)費(fèi)時(shí)、費(fèi)力并且主觀性強(qiáng)。

因檢測結(jié)果客觀性好、自動(dòng)化程度高，傳統(tǒng)機(jī)器視覺技術(shù)和高光譜視覺技術(shù)成為果蔬外部品質(zhì)檢測技術(shù)與裝備研究的熱點(diǎn)。綜述了我國機(jī)器視覺技術(shù)和高光譜視覺技術(shù)在柑橘外部品質(zhì)檢測技術(shù)與裝備的研究現(xiàn)狀、面臨的挑戰(zhàn)和未來發(fā)展的方向。

柑橘是橘、柑、橙、金柑和柚等多種蕓香科漿果的統(tǒng)稱，營養(yǎng)豐富，深受消費(fèi)者喜愛。柑橘是中國重要的經(jīng)濟(jì)作物之一。2016年，中國柑橘種植面積達(dá)256.08萬hm²，產(chǎn)量達(dá)3 764.9萬t，均居世界第一。中國柑橘以鮮食為主，這一消費(fèi)結(jié)構(gòu)促使我國柑橘產(chǎn)業(yè)采后朝著自動(dòng)化智能檢測分級(jí)方向發(fā)展。

目前，中國柑橘自動(dòng)化分級(jí)水平相對(duì)較低，采后分級(jí)主要通過人工根據(jù)果實(shí)的尺寸、顏色、形狀及缺陷不同進(jìn)行分級(jí)。人工分級(jí)勞動(dòng)強(qiáng)度大、效率低、主觀性強(qiáng)并且檢測結(jié)果差異大，難以達(dá)到統(tǒng)一的質(zhì)量標(biāo)準(zhǔn)。

因此市場上的柑橘鮮果品質(zhì)參差不齊，甚至大量混等銷售，市場競爭力差、經(jīng)濟(jì)價(jià)值低。在中國柑橘產(chǎn)業(yè)迅速發(fā)展的情況下，采后如何快速有效分級(jí)以提升鮮果品質(zhì)和競爭力，受到中國柑橘產(chǎn)業(yè)從業(yè)者和科研機(jī)構(gòu)的廣泛關(guān)注。發(fā)達(dá)國家早在20世紀(jì)90年代，就已經(jīng)研發(fā)了用于水果分級(jí)的大型自動(dòng)化設(shè)備，并取得了非常好的效益。

近年來，迫于市場壓力，部分水果生產(chǎn)和經(jīng)銷商從國外引進(jìn)了一些水果分級(jí)生產(chǎn)線，但是價(jià)格昂貴、維護(hù)成本高。因此迫切需要研發(fā)適合我國柑橘主栽品種、低成本的柑橘快速分級(jí)技術(shù)與裝備，有利于提升中國柑橘在國內(nèi)和國際市場上的綜合競爭力。

機(jī)器視覺技術(shù)是水果品質(zhì)快速智能檢測的重要技術(shù)手段之一，廣泛應(yīng)用于蘋果、桃、柑橘、葡萄、番茄和芒果等水果的品質(zhì)檢測分級(jí)。利用攝像機(jī)采集水果表面的圖像，通過圖像處理的方法提取水果的顏色、大小、形狀和缺陷等品質(zhì)指標(biāo)，判斷果實(shí)品質(zhì)等級(jí)。

機(jī)器視覺檢測也是一種非接觸無損檢測技術(shù)，該方式不會(huì)對(duì)水果造成機(jī)械損傷，且具有高效、準(zhǔn)確、全面和客觀等諸多優(yōu)點(diǎn)，因而得到了廣泛的關(guān)注和研究，并在生產(chǎn)實(shí)踐中得以運(yùn)用，具有巨大的發(fā)展?jié)摿蛷V闊的市場前景。

柑橘品質(zhì)檢測最常用的機(jī)器視覺系統(tǒng)是采用CCD或CMOS彩色相機(jī)采集目標(biāo)水果的RGB彩色圖像，然后進(jìn)行分析處理，提取果實(shí)顏色、大小、形狀和一些明顯的缺陷特征。對(duì)于不明顯的缺陷，可嘗試采用高分辨率的高光譜成像技術(shù)進(jìn)行檢測。本文綜述了柑橘采后機(jī)器視覺品質(zhì)檢測分級(jí)系統(tǒng)和果實(shí)顏色、大小、形狀與缺陷等品質(zhì)指標(biāo)快速檢測技術(shù)與裝備研究現(xiàn)狀。

1柑橘機(jī)器視覺分級(jí)系統(tǒng)

水果機(jī)器視覺品質(zhì)檢測分級(jí)系統(tǒng)包括喂料機(jī)構(gòu)、傳輸機(jī)構(gòu)、視覺系統(tǒng)和分級(jí)機(jī)構(gòu)，實(shí)現(xiàn)果實(shí)傳輸、圖像采集與處理和分級(jí)執(zhí)行等功能。通過擋板提升機(jī)或滾筒提升機(jī)將鮮果單層提升、輸送到差速單果機(jī)上，使果實(shí)有序逐個(gè)落位到滾子（雙錐滾子或滾輪）傳輸機(jī)構(gòu)上；通過摩擦帶的摩擦使?jié)L子轉(zhuǎn)動(dòng)，帶動(dòng)果實(shí)翻轉(zhuǎn)，同時(shí)在主電機(jī)帶動(dòng)下向前運(yùn)動(dòng)，使柑橘果實(shí)以合適的位置和姿態(tài)出現(xiàn)在攝像機(jī)視場內(nèi)；視覺系統(tǒng)采集柑橘果實(shí)彩色圖像信息，并實(shí)時(shí)處理，提取柑橘果實(shí)大小、顏色、形狀和缺陷等特征，進(jìn)而根據(jù)相關(guān)標(biāo)準(zhǔn)智能分級(jí)；并通過機(jī)械執(zhí)行機(jī)構(gòu)將不同等級(jí)的果實(shí)分流到不同的出口，然后包裝。

農(nóng)副產(chǎn)品加工與貯藏李烜等設(shè)計(jì)了柑橘5向攝像的柑橘翻轉(zhuǎn)機(jī)構(gòu)，以采集到柑橘的全部表面圖像。張俊雄等建立了包含PC機(jī)、PLC、攝像機(jī)、圖像采集卡、接近開關(guān)和滾子傳輸機(jī)構(gòu)等組成的雙通道柑橘視覺分級(jí)系統(tǒng)，利用單個(gè)異步相機(jī)定位觸發(fā)采集圖像。

為獲得果實(shí)更全面的品質(zhì)信息，通常在果實(shí)翻滾傳輸?shù)耐瑫r(shí)連續(xù)采集其在不同工位的圖像，以獲取果實(shí)不同部位的圖像，減少盲區(qū)。每幅圖像上包含雙通道共6個(gè)工位上柑橘圖像。

每個(gè)果實(shí)采集了3個(gè)不同果面圖像信息。王干等采用條形無頻閃LED光源和雙層反光板等，設(shè)計(jì)了漫反射光箱與3攝像頭圖像采集裝置，避免產(chǎn)生耀斑。每個(gè)果實(shí)采集9幅圖像，獲得更全面的果實(shí)表面圖像信息。Dian Rong研發(fā)了基于嵌入式機(jī)器視覺的單攝像機(jī)在線檢測系統(tǒng)，每個(gè)果實(shí)在4個(gè)工位上分別采集一幅圖像。

2柑橘品質(zhì)機(jī)器視覺分級(jí)技術(shù)研究現(xiàn)狀

對(duì)采集到的柑橘彩色圖像，利用果實(shí)與背景的顏色差異，采用雙峰法或固定閾值法對(duì)RGB顏色空間的R分量、B分量、HSI顏色空間的H分量圖像，或分量融合圖像進(jìn)行閾值分割，獲得柑橘的二值圖像或掩膜，然后提取柑橘區(qū)域彩色圖像。進(jìn)一步提取果實(shí)顏色（成熟度）、大小、形狀及缺陷特征，進(jìn)行品質(zhì)檢測與分級(jí)。

2.1顏色（成熟度）檢測

顏色和大小是柑橘采后分級(jí)最主要的兩個(gè)分級(jí)指標(biāo)。大部分柑橘品種在果實(shí)成熟過程中存在轉(zhuǎn)色現(xiàn)象，即從綠色轉(zhuǎn)變?yōu)槌赛S色到橙紅色。應(yīng)義斌等利用協(xié)方差矩陣和樣本屬于綠色和桔黃色的概率判別柑橘成熟度，判準(zhǔn)率達(dá)到91.67%。應(yīng)義斌等在HSI顏色空間下，基于色度頻度序列區(qū)分判別成熟果實(shí)和未成熟果實(shí)，判準(zhǔn)率達(dá)77.8%。

表明柑橘果皮顏色與果實(shí)成熟度（以固酸比為指標(biāo)）存在較高的相關(guān)性。劉國敏等提取臍橙圖像的H、S、R、G、B通道的均值建立果實(shí)著色率神經(jīng)網(wǎng)絡(luò)識(shí)別模型，提取各通道標(biāo)準(zhǔn)差建立果實(shí)色澤神經(jīng)網(wǎng)絡(luò)識(shí)別模型，判別精度分別為90%和92%。

張俊雄等在RGB顏色空間自定義柑橘顏色指數(shù)，識(shí)別偏紅色和偏黃色柑橘。錢春花將柑橘10°~60°范圍分成8個(gè)區(qū)間，以柑橘在8個(gè)區(qū)間的色度直方圖為特征，建立神經(jīng)網(wǎng)絡(luò)模型進(jìn)行顏色分級(jí)，準(zhǔn)確率達(dá)95%。王旭、韓洋提取黃、綠像素比或綠色像素占比評(píng)價(jià)柑橘成熟度。

但是由于柑橘類球形表面曲率變化，造成果實(shí)圖像亮度不均勻，進(jìn)而導(dǎo)致柑橘果實(shí)顏色機(jī)器視覺自動(dòng)分級(jí)存在誤差。周水琴、付峰等分別基于球體圖像的灰度和顏色失真校正模型，校正寬皮柑橘和西柚圖像顏色失真。

李江波等提出對(duì)柑橘RGB圖像各通道圖像分別采用二維B樣條法擬合，然后進(jìn)行均值歸一化處理，得到亮度掩膜圖像；并與原始圖像RGB各通道圖像相除，得到校正后的RGB圖像；將圖像轉(zhuǎn)入HSI顏色空間，分析發(fā)現(xiàn)校正后色調(diào)H和亮度I分量標(biāo)準(zhǔn)差分別為校正前的21.57%和33.94%，其亮度不均勻得到有效改善，可用于改善柑橘顏色分級(jí)精度和表面缺陷檢測效果。

2.2大小檢測

柑橘的大小可以通過橫徑（赤道直徑）或質(zhì)量指標(biāo)進(jìn)行評(píng)價(jià)。果實(shí)橫徑通常采用果實(shí)二值圖像或輪廓的最大直徑或等量直徑替代表征。Ying Yibing等采用最小外接矩形法提取柑橘最大直徑，與實(shí)測長徑?jīng)Q定系數(shù)達(dá)0.996 2。

王干等采用最小外接矩形法提取臍橙長軸和短軸，平均絕對(duì)誤差＜3.0 mm，平均相對(duì)誤差＜3%。張俊雄等計(jì)算柑橘輪廓上任意兩點(diǎn)的歐氏距離，取其最大值表示柑橘果徑用于大小分級(jí)，分級(jí)精度達(dá)到±1.5 mm。韓洋采用果實(shí)投影面積表征果實(shí)大小。果實(shí)質(zhì)量可以通過果實(shí)投影面積或果實(shí)長短軸建立模型預(yù)測。胡波等不同角度采集2幅臍橙圖像，利用投影面積的均值估算出臍橙的半徑，預(yù)測臍橙體積。

2.3形狀檢測

橘、柑、橙等大多數(shù)柑橘是球形或橢球形，韓洋采用圓形度表征其形狀特征。駱偉采用弦長比值法提取水平放置臍橙果實(shí)7個(gè)弦長，輸入自組織神經(jīng)網(wǎng)絡(luò)，進(jìn)行形狀分級(jí)，分級(jí)精度達(dá)94%。曹樂平等利用柑橘花萼面和側(cè)面的周長—面積方法計(jì)算分形維數(shù)，評(píng)判柑橘形狀與輪廓光滑度，對(duì)果實(shí)分級(jí)。錢春花提取柑橘輪廓，利用13個(gè)傅里葉描述子參數(shù)建立BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行形狀分級(jí)，準(zhǔn)確率達(dá)88%。

2.4缺陷檢測

病害、蟲害、機(jī)械傷、日灼、裂果和風(fēng)傷等在柑橘果實(shí)上形成傷斑等缺陷，會(huì)影響果實(shí)的儲(chǔ)存期和內(nèi)部品質(zhì)，是柑橘果實(shí)品質(zhì)分級(jí)的重要指標(biāo)之一。柑橘圖像中缺陷區(qū)域灰度較周圍正常區(qū)域低。

龐江偉分析柑橘果皮缺陷區(qū)域和正常區(qū)域的R、G、B分量的之間比率關(guān)系，發(fā)現(xiàn)缺陷區(qū)域R/B值＜2.0，R/G值＜1.5，正常區(qū)域R/B、R/G值分別＞2.0、1.5，因此基于R/B和R/G圖像分割缺陷區(qū)域。Dian Rong等采用移動(dòng)窗局部灰度比較閾值法分割臍橙表面缺陷區(qū)域。王干等采用自適應(yīng)閾值法（鄰域模板49×49）分割臍橙表面缺陷區(qū)域。

但由于類球形柑橘曲率變化造成柑橘圖像亮度不均勻，缺陷區(qū)域亮度與正常果皮區(qū)域亮度有交叉或被包含，難以采用簡單閾值法直接分割。因此，需要克服果實(shí)邊緣區(qū)域灰度突減，或者對(duì)果實(shí)圖像先進(jìn)行亮度校正后，再分割缺陷區(qū)域。

胡發(fā)煥等去除臍橙S分量邊緣區(qū)域后，再用OTSU法提取缺陷區(qū)域。李江波等對(duì)臍橙R分量圖像外圍環(huán)狀灰度全部加上40，進(jìn)行亮度補(bǔ)償，然后采用單閾值法分割缺陷區(qū)域，以減少漏分割或過分割。

但容易形成接縫檢測。李江波等根據(jù)照度-反射模型，利用Butterworth低通濾波得到臍橙R分量圖像的亮度圖像；計(jì)算原始R分量圖像與亮度圖像的比值得到亮度校正圖像，再通過全局單閾值法分割出缺陷區(qū)域；采用R、G分量融合圖像，增強(qiáng)果梗與其他區(qū)域，提取果梗，識(shí)別缺陷。

Dian Rong等對(duì)臍橙灰度圖像在水平和垂直兩個(gè)方向上采用最小二乘法擬合，然后進(jìn)行算術(shù)平均，得到校正圖像，使缺陷區(qū)域灰度明顯低于其他正常區(qū)域，然后采用全局閾值分割缺陷區(qū)域，缺陷果識(shí)別率達(dá)97%。但由于校正算法耗時(shí)較長，難以在線檢測使用。

溫芝元等提取臍橙病蟲害區(qū)域的紅色、綠色、藍(lán)色分量值和危害區(qū)域面積-周長分形維數(shù)共4個(gè)特征，輸入補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)，建立臍橙病蟲害識(shí)別模型。對(duì)薊馬、銹壁虱、側(cè)多食跗線螨、炭疽病和機(jī)械損傷等5類缺陷，平均正確識(shí)別率85.51%。

3柑橘品質(zhì)高光譜視覺技術(shù)研究現(xiàn)狀

高光譜視覺技術(shù)集成了光譜技術(shù)和成像技術(shù)，采集目標(biāo)的上百個(gè)連續(xù)波長下的灰度圖像，組成三維數(shù)據(jù)塊，是圖像和光譜的結(jié)合。高光譜數(shù)據(jù)的二維圖像每個(gè)像素都包含一條光譜。

高光譜數(shù)據(jù)可以用于檢測傳統(tǒng)機(jī)器視覺難以檢測的早期腐爛、碰傷等外部損傷，也可以用于內(nèi)部品質(zhì)檢測。但高光譜視覺技術(shù)存在數(shù)據(jù)采集時(shí)間長、數(shù)據(jù)量大、數(shù)據(jù)處理和分析較復(fù)雜、難以實(shí)現(xiàn)在線檢測等缺點(diǎn)。

可以通過主成分分析、獨(dú)立成分分析和最小噪聲分離變換等方法優(yōu)選品質(zhì)檢測的特征波長，搭建多光譜檢測系統(tǒng)，以簡化數(shù)據(jù)和數(shù)據(jù)處理算法，并提升檢測的實(shí)時(shí)性。Jiangbo Li等采集蟲傷、風(fēng)傷、薊馬、介殼蟲、潰瘍、日灼、異色和藥害等缺陷臍橙以及果梗區(qū)域高光譜圖像，通過主成分分析選取630、691、769、786、810和875 nm等6個(gè)特征波長，然后對(duì)特征波長下的圖像進(jìn)行主成分分析，利用第三主成分圖像，以及691 nm和769 nm波段下的第二主成分圖像，能有效識(shí)別缺陷；采用波段比算法（R875/R691）能有效將果梗從缺陷中識(shí)別出來，整體識(shí)別精度達(dá)91.5%。李江波等對(duì)臍橙高光譜熒光圖像采用最優(yōu)波長比和雙閾值法處理檢測早期腐爛果實(shí)，識(shí)別率高達(dá)100%。

機(jī)器視覺檢測系統(tǒng)成本低、效率高、算法適用性強(qiáng)、易于操作和結(jié)果客觀，廣泛在工業(yè)品、食品/農(nóng)產(chǎn)品等品質(zhì)檢測。傳統(tǒng)機(jī)器視覺能快速有效檢測柑橘顏色、大小、形狀和較明顯的缺陷，但不明顯缺陷的檢測效果不理想。

高光譜視覺含有光譜信息，有利于檢測不明顯的缺陷。但由于柑橘類球形或橢球形結(jié)構(gòu)，導(dǎo)致圖像亮度不均勻?qū)е氯毕莘指罾щy或耗時(shí)較長，以及梗部和臍部對(duì)缺陷識(shí)別的干擾，是柑橘果實(shí)實(shí)時(shí)在線檢測急需解決的難題。

糖酸度是柑橘內(nèi)部品質(zhì)的重要指標(biāo)。機(jī)器視覺對(duì)柑橘果實(shí)糖酸度無損檢測較近紅外光譜分析技術(shù)等效果差。系統(tǒng)集成機(jī)器視覺和內(nèi)部品質(zhì)在線檢測技術(shù)，同時(shí)檢測柑橘內(nèi)外部品質(zhì)是柑橘品質(zhì)在線檢測裝備未來研究的一個(gè)方向。

隨著中國農(nóng)村生鮮電商的發(fā)展，迫切需要對(duì)果園采收的果實(shí)進(jìn)行分級(jí)。目前中國柑橘仍以農(nóng)戶種植為主，但大型在線分級(jí)裝備價(jià)格昂貴，不利于小農(nóng)戶采購使用，迫切需要研發(fā)可在果園轉(zhuǎn)場作業(yè)的小型車載柑橘品質(zhì)分級(jí)技術(shù)與裝備，以滿足小農(nóng)戶和電商鮮果快速檢測分級(jí)的市場需求。

（作者：孫榮榮 宋健宇 張明 李鵬 呂強(qiáng)）