本科毕业论文外文翻译--水果品质自动分级的机器视觉系统.docVIP

水果品质自动分级的机器视觉系统 原文来源：J. Blasco; N. Aleixos; E. Molt.Machine 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。 1.简介 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这项工作的目的是报告项目ESPRIT3参考 9230的SHIVA），该技术在其他地方描述（等，1997，1998），（IVIA）在三月进行测试中取得的成果图像分析技术视觉系统是为测量桔子，桃子，苹果质量有关几个参数，如大小，鉴定次要色点（桃和苹果一些需要），位置或。在不秒的为了评估视觉系统的效率，自动检验性能和重复性专家们人工检测。IVIA用编程语言C，磁盘操作系统下运行（DOS）。该软件分为两 模块：为培训系统的应用;另一个命令，处理图像并提供各水果质量估计参数机械控制。系统需要离线训练。不同的图像和分配所有每一个地区像素预先确定的类别：背景，原色，色，一般伤害1，一般伤害 2，特定的功能，茎，花萼。这样一种方式，他们。训练系统单一水果，类没有使用。用两个类一般损害是合理的，因为每个水果有不同的颜色缺陷 可以与黑暗的。另一个预先定义的类检测水果的特定特点，如金冠苹果。贝叶斯判别模型创建 利用像素的三个基本色：红色，绿色和蓝色作为独立变量（RGB）。 贝叶斯判别分析对每个RGB值组合的概率的计算。一个阿雷尔（1991）描述的算法被应用，采用不同的协方差矩阵为每个类，它的结果在二次判别模型。此过程可参考表来。该表，存储在计算机内存中在网上操作咨询允许每个像素的图像分配到最接近匹配的类种，可以许多因素。由于此分割方法依赖于每个的像素颜色，它是对这些变化非常敏感。出于这个原因，该系统需要进行，每个测试创建一个新的表。 图1（）第一（）第二个图像采集杯1旋转水果120（）第三个图像杯1水果旋转120（d）第四图像的水果旋转180图2（a） 图2 照相机拍摄原始图像（）分割图像显示皮肤，，茎和（）和背景以外的所有区域，用来计算的大小类别（d）展示了大小如何估计的图像然后，加快轮