水果分选机的研究状况z和调发展状况.docVIP

水果自动分级技术的现状与发展 摘 要：我国是一个水果生产大国，自动分级技术对提高我国鲜食水果的市场竞争力和利润水平有重要的意义。 本文综述了国内外水果自动分级技术的研究进展和产品化现状；同时，对国内水果自动分级技术研究的现状及发展前景做了概括。 关键词：柑橘；自动分级；发展；现状 我国是水果生产大国，特别是90 年代以来发展更为迅速。据国家统计局统计，2 0 0 4 年我国水果总产量已经达到15243 万吨，比2003 年增长5%，占世界总产量的12.7%。水果产业已经成为我国南方主产区农村经济的一大支柱产业，为促进农民增收、扩大城乡居民就业和改善生态环境作出了积极贡献。虽然我国水果产量很大，但国内水果价格低，“卖果难”问题经常出现，水果生产快速发展的势头受到抑制。而且中国水果以本国消费为主，参与国际贸易的比例一直很低，出口量不到国际水果贸易的3 % 。其中一个重要原因就是采后商品化处理落后，外观质量较差，导致水果的市场竞争力比较弱。根据水果产销趋势可以发现，水果产值的大部分是由产后处理和产后加工创造来的。水果的产后商品化处理包括清洗、打蜡、分级、包装。分级是果品商品化处理的重要环节，它在技术方面发展最快并在最近几年发生了根本的变化。目前我国国内水果商品化处理过程中的清洁、打蜡设备已经比较成熟，关键在于分级技术还比较落后。水果的分级指标包括外部品质和内部品质两个方面。水果外部品质的主要分级指标是水果的果形、大小、色泽、表面质量和颜色等。其中水果的表面质量可以通过表面光洁度、表面缺陷( 斑点、污点、烂坏) 、损伤来描述。内部品质指糖度、硬度、酸度、可溶性固形物等指标。本文主要综述最近十年与水果自动分级研究相关的内容。 1 研究现状 1.1 国外的研究现状国外早期的水果自动分级方法主要通过CCD 相机，采用无损检测、计算机分析处理等手段对水果逐一进行分析判别后得出综合结论。利用机器视觉技术实现农产品内部品质无损检测是目前国际上正在研究的热点课题。除了使用高效的信息处理技术，水果的质量无损检测手段包括近红外线、红外线检验等光学检验方法和高光谱、多光谱技术等。人工神经网络技术是模仿生物大脑结构和功能而构成的信息处理技术，在机器视觉系统中应用可提高品质识别的智能性。Kavdir 等使用神经网络算法对柑橘进行分级，把缺陷和物理特征作为神经网络分类器的输入参数，对柚子和橙子的分级准确率为98.5%，对橘子的分级准确率为9 8 . 3 % 。使用神经网络分类，训练好网络后，利用A N N 的泛化功能，对橙子的彩色R G B 图像，结合颜色和果形分析，获得鲁棒性、实时性的分类结果。红外线波段是人眼不可视波段，在水果的检测中，有许多优良的性能，比如碳氢化合物( 糖、酸、水、维生素等) 在近红外波段有不同的吸收峰，可作为检测的依据，是近年来发展起来的水果内部品质检测技术极佳的检测手段。Miller 采用彩色电视摄像机和近红外线扫描摄像机获得桃子、柑橘等水果图像进行较深入的研究，对桃子表面的灰度图象进行阴影校正、图象分割和边缘检测，然后用灰度和色度阈值及区域增长法求得损伤表面面积，与人工测得的结果相关系数达0 . 5 6 。Miller 使用红外技术测量柚子和蜜桔的糖度，并建立了近红外和糖度Brix 测度的线性关系。机器视觉系统数据的提取需要高质量的图像，采用高光谱和多光谱技术可以快速得到高精度的图像。高光谱图像的光谱分辨率相当高，能够精确获得果品缺陷、污点等的特征光谱段，最近这方面的研究较多。而多光谱利用高光谱的分析结果，能够快速、实时采集信息，降低了软件识别的不确定性。K i m 等使用4 5 0 ～851nm 波段的高光谱图像识别苹果表皮的肥料残留物，研究表明，污秽的识别可使用3 波段法( 绿、红、近红外)或2 波段法(近红外区域的两端)，前者可用于商业分级设备。高光谱还可用于成熟度分级，波长范围从396～736nm(间隔1.3nm)。用配置多滤光片的多光谱相机(740nm、950nm 和可见光段)，干涉滤光片放置在光路上产生不同的波长可以对柑橘进行缺陷检测。西班牙的Aleixos 使用多光谱相机检测柑橘，图像在两块DSP 中并行运算，视觉系统检测的参数为尺寸、颜色、缺陷，检测速度大于5 个/ s 。中国柑橘的颜色识别正确率为94%，柠檬和中国柑橘的缺陷识别正确率分别为93% 和 9 4 % 。X 射线、核磁共振、热红外图像等手段在水果损伤和成熟度检测上也有应用。X 射线可用于识别苹果的水芯。实验表明空间特征(面积、灰度)比变换域系数的特征更明显，因此用水果的面积、水果的平均灰度、DCT 变换的第10 个谐波作为Bayesian 分类器的输入量，判断准确率为7 9 % 。X 射线还可以检测损伤