农产品计算机视觉检测技术的研究.docVIP

农产品计算机视觉检测技术的研究 　　摘 要：在农产品检测中，计算机视觉技术的应用是人们重要研究的内容。本文在此综述了水果、蔬菜、粮食、经济作物等方面的研究状况，并为今后的发展指出了方向. 　　关键词：农产品；计算机视觉；检测技术；分级 　　依照农产品的种类不同，目前农产品的品质检测主要包括：蔬菜的检测、水果、谷物的检测（如小麦、大米等）、动物性产品的检测等等。根据检测的部位不同，又可以划分为：外部品质检测（形状、颜色、表面缺陷、大小、裂纹等）、内部品质检测（如水分、机械损伤、内部腐败、糖酸度、虫害、变质等）。 　　一、在水果、蔬菜检测中计算机视觉技术的应用 　　农产品中生产和贸易量很大的就是水果、蔬菜。为了保证水果、蔬菜的安全性和品质质量，必须研究计算机视觉检测技术对水果、蔬菜进行检测，在国际水果、蔬菜市场上，计算机视觉检测技术取得竞争力的重要举措。在水果、蔬菜品质检测的研究中，在国内外计算机视觉技术很早就开始得到应用。截止目前，研究者仍致力于计算机视觉技术的研究上，以便达到人们理想化的程度。 　　水果检测方面，2001年，一种采摘苹果的机器手的机器视觉导航系统被DMBulanon等研发了，苹果分级的图像分割门槛值利用最佳极限方法从中估计出来，同时也对富士苹果的红色颜色差异柱状图和亮度进行分析，而极限值能有效地辨认水果。2002年，在虚拟仪器的基础上，在鸭梨进行了检测外部品质的试验研究中，国内研究人员赵彦如等利用机器视觉技术。本研究可以对鸭梨的果面颜色、缺陷、尺寸和形状进行全面的检测，可以精确的分级鸭梨。2003年，以固酸比与表面色泽为柑橘成熟度指标，国内研究人员应义斌等研究了检测柑橘成熟度的机器视觉系统，对柑橘的分光反射进行了试验，确定了适宜的背景颜色。2005年，通过X-CT图像的机器视觉预测方法研究了红毛丹可溶性、可食率固形物含量。《红毛丹品质的机器视觉检测技术研究》被中国农业大学的博士章程辉完成，实验得出结果：基于X射线图像的机器视觉，对红毛丹可食率误判率为9.5%。因此，通过X射线CT值红毛丹可溶性固形物含量预测达到相关系数92%。，2004年，K.Ninomiya等在蔬菜检测方面，成功研制茄子自动分级系统，它是由3个机器视觉系统而组成。张彦娥等在2004年，对温室作物营养状态的方法应用计算机视觉技术进行诊断。在日光条件下，对温室黄瓜叶片图像进行采集，然后分别对三色分量（RGB）红绿蓝进行提取，同时对饱和度、色度和亮度指标（HSI）进行提取。 　　各分量与叶片含磷率、含氮率和含水率之间的相关特性在RGB和HSI颜色模型下进行分析。通过对结果分析得出结论：氮含量线性与叶片色度H分量和绿色分量G有很大的关系，作物长势的指标可用作利用机器视觉进行快速诊断。王树文等在2005年对番茄图像特征分析时，综合运用计算机视觉技术、人工神经网络技术、BP算法，通过对3种特征的8个参数进行提取，对番茄的损伤进行分类时采用改进的BP算法训练的多层前向人工神经网络，节省了时间，同时精度也提高了。番茄损伤检测和分类的准确率也非常高。张甫生等在2005年，在辣椒中的红色素进行了测定时，计算机视觉技术也得到应用。 　　二、计算机视觉技术在谷物检测中的应用 　　2001年，国外研究人员对扁豆种子大小分布采用机器视觉从大量的样品图像中来进行测定，研究人员在分割种子边界中利用形态学处理技术，然后对种子尺寸在柱状图上进行分类。国外研究人员对玉米田间杂草的特征量利用计算机图像技术进行分析，对杂草的位置和生长状况可以进行实时监测。在研究中，采用土壤背景使用双峰法进行滤除，杂草情况可以根据投影面积、叶宽、叶长识别出来，同时杂草的密度根据杂草投影面积来确定。此方法对玉米苗期田间细长的单子叶杂草可以有效地识别出来。2002年，国外研究人员Hong-sunYun等成功研制了机器视觉系统，可以对谷粒表面特性进行分级，在该研制系统进行测试谷粒快速分级的准确率，同时提出了能够准确分级谷粒的计算法则，该系统的准确度达可以到了98.9%，一次性200颗谷粒的分级可以在2min内完成，对其它不同种类谷物都达到了95%左右检测的准确度。Kawamura等对湿谷及潮湿糙米的水分利用近红外发生器来检测，并采用分光仪检测整精米。在2004年，陈国庆等对小麦叶色的光照模型利用计算机视觉进行了识别研究，利用虚拟现实技术中的光照技术，通过用RGB系统表示叶色，将太阳光分为3部分：环境光和镜面光、漫射光，研究人员分别进行研究这3部分光对叶色的影响，通过太阳光与颜色的内在联系，可以把小麦叶片颜色的识别模型模拟出来。通过检验得知：模型具有较高的准确性和预测性，计算机视觉技术在谷物检测中的应用非常重要。 　　三、计算机视觉技术在经济作物（烟叶、茶叶等）检测中的应用 　　在农作