文档介绍：优秀资料
水果品质自动分级的机器视觉系统
原文来源:J. Blasco; N. Aleixos; E. Vision System for Automatic Quality Grading of Fruit. Biosystems Engineering (2003) 85 (4), 415–423;
摘要
水果和蔬菜,通常以批次的形式提供给消费者消费。而水果的均匀性和外观对消费者的决策有着重大的影响。由于这个原因,农农产品的展现无论是在田地里还是在最后流向消费者的不同阶段,都会被处理,而且通常是朝着同类产品的清洗和分类方面来进行的。该项目的ESPRIT3,参考9230。集处理,检查和包装水果和蔬菜于一体的综合系统(英文简写SHIVA)形成了一种自动、无损检测和处理的水果的机器人系统。本文的目的是报告在Valenciano de Investigaciones Agrarias研究所研究的对桔子,桃子,苹果品质进行实时测评而发展起来的机器视觉技术,并评估该技术在下列质量属性:大小,颜色,茎的位置及外部瑕疵检测中的效率。此种分解研究,在贝叶斯判别分析的基础上,使用并且允许水果因背景不同而精确的进行区分。因此,尺寸的确定性恰当的得到了解决。水果由此系统测出的颜色,和目前被用作标准的色度指标值非常吻合。在茎块的定位和瑕疵的检测中也取得了良好的效果。该系统在用大批量苹果进行在线测试分级后也取得了很不错的表现,并且并在缺陷检测和规模估计中分别取得了86%和93%的重复一致性。此系统的准确性和可重复性和人工分级几乎一样。

机器视觉在水果和蔬菜检验中的应用在最近几年有所增加。如今,世界各地的一些制造商生产按水果大小,颜色和重量进行水果前期分级的分拣机。然而,市场不断地要求更高质量的产品,因此,其他功能已经发展来提高机器视觉检测系统(例如茎定位,确定主,副皮肤的颜色,检测污点)。
大小,是第一个与质量有关的参数,已经通过使用机器视觉测量周长或直径其中任一种得到了测量(陶等,1990;Varghese等,1999),周长(萨卡&沃尔夫,1985)或直径(布罗迪等。,1994)。颜色也是一个重要的品质因素,已被广泛研究(Singh等人,1992年,1993年。哈恩,2002年;多布然斯基和Rybczynski,2002)。有些水果有一种颜色均匀分布在皮肤表面,我们称之为主色。该平均表面颜色对这些水果来说是一个很好的质量指标。然而,一些其他水果(例如桃子,苹果,西红柿)有次要颜色可作为一种成熟的良好指标。在这种情况下,它是不可能完全只把全球面色彩作为质量参数的。
在桔子,桃子,苹果这些水果中,有必要进行长茎检测,以避免损害其他水果,或者是因为没有他们可能意味着质量损失。已经有若干解决方案被提出了来确定茎的位置,如:使用结构的照明检测苹果凹陷(杨,1993);颜色分割技术来区分柑橘类水果的花萼和茎块(鲁依斯等,1996);或研究
苹果光的反射(彭曼,2002)。
有时候,茎容易混淆成皮肤上的缺陷或瑕疵。损伤和擦伤检测是质量评价的一个关键因素。众多苹果擦伤检测方法中有一种是基于对干扰过性滤器的使用(Rehkugler&斯鲁普,1986年)。其他研究同时进行瑕疵处理和颜色评定这两项。(米勒和Delwiche,1989年