- 相關(guān)推薦
視覺(jué)技術(shù)在農(nóng)產(chǎn)品加工業(yè)中的應(yīng)用研究
概述計(jì)算機(jī)視覺(jué)技術(shù)的原理及優(yōu)勢(shì)，綜述了計(jì)算機(jī)視覺(jué)技術(shù)在水果分級(jí)、禽蛋檢測(cè)、微生物含量測(cè)定等食品工業(yè)中的應(yīng)用研究進(jìn)展，提出了目前存在的主要問(wèn)題，展望了今后研究與應(yīng)用的發(fā)展方向。下面小編為大家準(zhǔn)備了關(guān)于視覺(jué)技術(shù)在農(nóng)產(chǎn)品加工業(yè)中的應(yīng)用研究的論文哦!
摘 要：計(jì)算機(jī)視覺(jué)是一門(mén)研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步的說(shuō)，就是是指用攝影機(jī)和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺(jué)，并進(jìn)一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。作為一個(gè)科學(xué)學(xué)科，計(jì)算機(jī)視覺(jué)研究相關(guān)的理論和技術(shù)，試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取‘信息’的人工智能系統(tǒng)。這里所 指的信息指Shannon定義的，可以用來(lái)幫助做一個(gè)“決定”的信息。因?yàn)楦兄梢钥醋魇菑母泄傩盘?hào)中提 取信息，所以計(jì)算機(jī)視覺(jué)也可以看作是研究如何使人工系統(tǒng)從圖像或多維數(shù)據(jù)中“感知”的科學(xué)。
關(guān)鍵詞：計(jì)算機(jī)視覺(jué)技術(shù);食品工業(yè);分級(jí);圖像處理
隨著微型個(gè)人計(jì)算機(jī)應(yīng)用的越來(lái)越廣泛，以及計(jì)算機(jī)在綜合學(xué)科中應(yīng)用的深入研究，現(xiàn)如今在工農(nóng)業(yè)、軍事國(guó)防、醫(yī)學(xué)衛(wèi)生等眾多領(lǐng)域的使用和研究方面計(jì)算機(jī)視覺(jué)技術(shù)都起到了至關(guān)重要的作用，為了節(jié)省人力、降低成本、減少誤差，該項(xiàng)技術(shù)在食品企業(yè)、科研院所、檢測(cè)機(jī)構(gòu)中的應(yīng)用更加普遍。如今，在農(nóng)產(chǎn)品藥物殘留檢測(cè)、水果重量分級(jí)、等級(jí)篩選、質(zhì)量監(jiān)管等方面計(jì)算機(jī)視覺(jué)技術(shù)有眾多應(yīng)用。
1、 計(jì)算機(jī)視覺(jué)技術(shù)概述
計(jì)算機(jī)視覺(jué)技術(shù)是利用計(jì)算機(jī)、攝像機(jī)、圖像卡以及相關(guān)處理技術(shù)來(lái)模擬人的視覺(jué)，用以識(shí)別、感知和認(rèn)識(shí)我們生活的世界[1]。該技術(shù)是模擬識(shí)別人工智能、心理物理學(xué)、圖像處理、計(jì)算機(jī)科學(xué)及神經(jīng)生物學(xué)等多領(lǐng)域的綜合學(xué)科。計(jì)算機(jī)視覺(jué)技術(shù)用攝像機(jī)模擬人眼，用計(jì)算機(jī)模擬大腦，用計(jì)算機(jī)程序和算法來(lái)模擬人對(duì)事物的認(rèn)識(shí)和思考，替代人類(lèi)完成程序?yàn)槠湓O(shè)定的工作。該技術(shù)由多個(gè)相關(guān)的圖像處理系統(tǒng)組成，主要包括光源提供系統(tǒng)、圖像提取系統(tǒng)、計(jì)算機(jī)數(shù)據(jù)運(yùn)算系統(tǒng)等。原理是：首先通過(guò)攝像機(jī)獲得所需要的圖像信息，然后利用信號(hào)轉(zhuǎn)換將獲得的圖像信息轉(zhuǎn)變?yōu)閿?shù)字圖像以便計(jì)算機(jī)正確識(shí)別[2]。隨著科學(xué)技術(shù)的發(fā)展，計(jì)算機(jī)技術(shù)在各個(gè)領(lǐng)域得到廣泛應(yīng)用，計(jì)算機(jī)視覺(jué)技術(shù)不僅在代替人類(lèi)視覺(jué)上取得了重大成就，而且在很多具體工作方便超越了人的視覺(jué)功能。計(jì)算機(jī)視覺(jué)計(jì)算有如此快速的發(fā)展，是因?yàn)榕c人類(lèi)的視覺(jué)相比該技術(shù)具有以下顯著優(yōu)勢(shì)[3]。
1.1 自動(dòng)化程度高
計(jì)算機(jī)視覺(jué)可以實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品的多個(gè)外形和內(nèi)在品質(zhì)指標(biāo)進(jìn)行同時(shí)檢測(cè)分析，可以進(jìn)行整體識(shí)別、增強(qiáng)對(duì)目標(biāo)識(shí)別的準(zhǔn)確性。
1.2 實(shí)現(xiàn)無(wú)損檢測(cè)
由于計(jì)算機(jī)視覺(jué)技術(shù)對(duì)農(nóng)產(chǎn)品的識(shí)別是通過(guò)掃描、攝像，而不需要直接接觸，可以減少對(duì)所檢測(cè)食品的傷害。
1.3 穩(wěn)定的檢測(cè)精度
設(shè)計(jì)的運(yùn)行程序確定后，計(jì)算機(jī)視覺(jué)技術(shù)的識(shí)別功能就會(huì)具有統(tǒng)一的識(shí)別標(biāo)準(zhǔn)，具有穩(wěn)定的檢測(cè)精度，避免了人工識(shí)別和檢測(cè)時(shí)主觀因素所造成的差異。
2 、計(jì)算機(jī)視覺(jué)技術(shù)在食品檢測(cè)中的應(yīng)用
20世紀(jì)70年代初，學(xué)者開(kāi)始研究計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的應(yīng)用，近幾十年電子技術(shù)得到快速發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)也越來(lái)越成熟。國(guó)內(nèi)外學(xué)者在研究計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的應(yīng)用方面主要集中在該技術(shù)對(duì)果蔬的外部形態(tài)(如形狀、重量、外觀損傷、色澤等)的識(shí)別、內(nèi)部無(wú)損檢測(cè)等方面。國(guó)內(nèi)有關(guān)計(jì)算機(jī)視覺(jué)技術(shù)在食品業(yè)中的應(yīng)用研究起始于90年代，比國(guó)外發(fā)達(dá)國(guó)家晚多達(dá)20a，但是發(fā)展很快。
2.1 計(jì)算機(jī)視覺(jué)技術(shù)在果蔬分級(jí)中的應(yīng)用研究
計(jì)算機(jī)視覺(jué)技術(shù)在食品檢測(cè)中的應(yīng)用研究相當(dāng)廣泛，從外部直徑、成熟度的檢測(cè)到內(nèi)部腐爛程度的檢測(cè)都有研究。韓偉等[4]采用分割水果的拍攝圖像和新的計(jì)算機(jī)算法計(jì)算水果的半徑，進(jìn)而得出果蔬的最大直徑。研究表明，該算法不僅降低了計(jì)算量而且提高了計(jì)算精度，此方法用于水果分級(jí)的誤差不超過(guò)2mm，高于國(guó)際水果分級(jí)標(biāo)準(zhǔn)所規(guī)定的5mm分類(lèi)標(biāo)準(zhǔn)差，可在工業(yè)生產(chǎn)中很好應(yīng)用。李慶中[5]也利用圖像的缺陷分割算法研究了計(jì)算機(jī)視覺(jué)技術(shù)在蘋(píng)果檢測(cè)與分級(jí)中的應(yīng)用，結(jié)果表明此算法能快速、有效地分割出蘋(píng)果的表面缺陷。孫洪勝等[6]以蘋(píng)果色澤特征比率的變化規(guī)律為理論基礎(chǔ)，結(jié)合模糊聚類(lèi)知識(shí)利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)檢測(cè)蘋(píng)果缺陷域，檢測(cè)不僅快速而且結(jié)果精確。劉禾等[7]通過(guò)研究認(rèn)為蘋(píng)果的表面缺陷可以利用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行檢測(cè)，計(jì)算機(jī)視覺(jué)技術(shù)還可以將蘋(píng)果按照檢測(cè)結(jié)果進(jìn)行分級(jí)，把檢測(cè)過(guò)的蘋(píng)果分成裂果、刺傷果、碰傷果和蟲(chóng)傷果等類(lèi)別。梨的果梗是否存在是梨類(lèi)分級(jí)的重要特征之一，應(yīng)義斌等[8]通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)、圖像處理技術(shù)、傅立葉描述子的方法來(lái)描述和識(shí)別果形以及有無(wú)果柄，其識(shí)別率達(dá)到90%。楊秀坤等[9]綜合運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)、遺傳算法、多層前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實(shí)現(xiàn)了具有精確度高、靈活性強(qiáng)和速度快等優(yōu)點(diǎn)的蘋(píng)果成熟度自動(dòng)判別。陳育彥等[10]采用半導(dǎo)體激光技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)和圖像分析技術(shù)相結(jié)合的方法檢測(cè)蘋(píng)果表面的機(jī)械損傷和果實(shí)內(nèi)部的腐爛情況，初步驗(yàn)證了計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)蘋(píng)果表面的損傷和內(nèi)部腐爛是可行的。馮斌等[11]通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)對(duì)水果圖像的邊緣進(jìn)行檢測(cè)，然后確定水果的大小用以水果分級(jí)。試驗(yàn)表明，該方法比傳統(tǒng)的檢測(cè)方法速度快、準(zhǔn)確率高，適用于計(jì)算機(jī)視覺(jué)的實(shí)時(shí)檢測(cè)。朱偉[12]在模糊顏色的基礎(chǔ)上，分析西紅柿損傷部分和完好部分模糊顏色的差別，用分割方法對(duì)西紅柿的缺陷進(jìn)行分割，結(jié)果顯示準(zhǔn)確率高達(dá)96%。曹樂(lè)平等[13]人研究了溫州蜜柑的果皮顏色與果實(shí)可滴定酸含量以及糖分含量之間的相關(guān)性，然而根據(jù)相關(guān)性，樣品檢測(cè)的正確識(shí)別率分別只有約74%和67%。等[14]從垂直和水平兩個(gè)方向獲取蘋(píng)果的圖像，并通過(guò)計(jì)算機(jī)自動(dòng)分析圖像數(shù)據(jù)，對(duì)蘋(píng)果的外徑、體積、以及圓形度等參數(shù)進(jìn)行處理，與人工檢測(cè)相比，計(jì)算機(jī)視覺(jué)技術(shù)具有檢測(cè)效率高，檢測(cè)標(biāo)準(zhǔn)統(tǒng)一性好等優(yōu)點(diǎn)。Blasco. J [15]通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)分析柑橘果皮的缺陷，進(jìn)而對(duì)其在線(xiàn)分級(jí)，正確率約為95%。趙廣華等[16]人綜合計(jì)算機(jī)視覺(jué)識(shí)別系統(tǒng)、輸送轉(zhuǎn)換系統(tǒng)、輸送翻轉(zhuǎn)系統(tǒng)、差速勻果系統(tǒng)和分選系統(tǒng)，研制出一款適于實(shí)時(shí)監(jiān)測(cè)、品質(zhì)動(dòng)態(tài)的智能分級(jí)系統(tǒng)，能夠很好地實(shí)現(xiàn)蘋(píng)果分級(jí)。王江楓等[17]建立了芒果重量與攝影圖像的相互關(guān)系，應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)桂香芒果和紫花芒果的重量和果面損傷，按重量分級(jí)其準(zhǔn)確率均為92%，按果面損傷分級(jí)的準(zhǔn)確率分別為76%和80%。
2.2 計(jì)算機(jī)視覺(jué)技術(shù)在禽蛋檢測(cè)中的應(yīng)用研究
禽蛋企業(yè)在生產(chǎn)過(guò)程中，產(chǎn)品的分級(jí)、品質(zhì)檢測(cè)主要采用人工方法，不僅需要大量的物力人力，而且存在勞動(dòng)強(qiáng)度大、人為誤差大、工作效率低等缺點(diǎn)，計(jì)算機(jī)視覺(jué)技術(shù)可以很好的解決這類(lèi)產(chǎn)品工業(yè)生產(chǎn)中存在的困擾。歐陽(yáng)靜怡等[18]利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)檢測(cè)雞蛋蛋殼裂紋，利用攝像機(jī)獲取雞蛋圖像后，采用fisher、同態(tài)濾波和BET算法等優(yōu)化后的圖像處理技術(shù)，獲得裂紋形狀并判斷，試驗(yàn)結(jié)果表明，計(jì)算機(jī)視覺(jué)技術(shù)對(duì)雞蛋蛋殼裂紋的檢測(cè)準(zhǔn)確率高達(dá)98%。汪俊德等[19]以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)，設(shè)計(jì)出一套雙黃雞蛋檢測(cè)系統(tǒng)。該系統(tǒng)獲取蛋黃指數(shù)、蛋黃特征和蛋形尺寸等特征，和設(shè)計(jì)的數(shù)學(xué)模型對(duì)比來(lái)實(shí)現(xiàn)雙黃雞蛋的檢測(cè)和識(shí)別，檢測(cè)準(zhǔn)確率高達(dá)95%。鄭麗敏等[20]人通過(guò)高分辨率的數(shù)字?jǐn)z像頭獲取雞蛋圖像，根據(jù)圖像特征建立數(shù)學(xué)模型來(lái)預(yù)測(cè)雞蛋的新鮮度和貯藏期，結(jié)果表明，計(jì)算機(jī)視覺(jué)技術(shù)對(duì)雞蛋的新鮮度、貯藏期進(jìn)行預(yù)測(cè)的結(jié)果準(zhǔn)確率為94%。潘磊慶等[21]通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)和聲學(xué)響應(yīng)信息技術(shù)相結(jié)合的方法檢測(cè)裂紋雞蛋，其檢測(cè)準(zhǔn)確率達(dá)到98%。Mertens K等[22]人基于計(jì)算機(jī)視覺(jué)技術(shù)研發(fā)了雞蛋的分級(jí)檢測(cè)系統(tǒng)，該系統(tǒng)識(shí)別帶污漬雞蛋的正確率高達(dá)99%。 2.3 計(jì)算機(jī)視覺(jué)技術(shù)在檢測(cè)食品中微生物含量中的應(yīng)用研究
計(jì)算機(jī)技術(shù)和圖像處理技術(shù)在綜合學(xué)科中的應(yīng)用得到快速發(fā)展，在微生物快速檢測(cè)中的應(yīng)用也越來(lái)越多，主要是針對(duì)微生物微菌落的處理。食品工業(yè)中計(jì)算機(jī)視覺(jué)技術(shù)在微生物檢測(cè)方面的研究和應(yīng)用以研究單個(gè)細(xì)胞為主，并在個(gè)體細(xì)胞的研究上取得了一定的進(jìn)展。殷涌光等[23]以顏色特征分辨技術(shù)為基礎(chǔ)，設(shè)計(jì)了一套應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)快速定量檢測(cè)食品中大腸桿菌的系統(tǒng)，該系統(tǒng)檢測(cè)結(jié)果與傳統(tǒng)方法的檢測(cè)結(jié)果具有很好的相關(guān)性，但與傳統(tǒng)方法相比，可以節(jié)省5d時(shí)間，檢測(cè)時(shí)間在18h以?xún)?nèi)，并且能夠有效提高產(chǎn)品品質(zhì)。Lawless等[24]人等時(shí)間段測(cè)定培養(yǎng)基上的細(xì)胞密度，然后通過(guò)計(jì)算機(jī)技術(shù)建立時(shí)間和細(xì)胞密度之間的動(dòng)態(tài)關(guān)聯(lián)，利用該關(guān)聯(lián)可以預(yù)測(cè)和自動(dòng)檢測(cè)微生物的生長(zhǎng)情況，如通過(guò)計(jì)算機(jī)控制自動(dòng)定量采集檢測(cè)對(duì)象，然后分析菌落的邊緣形態(tài)，根據(jù)菌落的邊緣形態(tài)計(jì)算機(jī)可以顯示被檢測(cè)菌落的具體位置，并且根據(jù)動(dòng)態(tài)關(guān)聯(lián)計(jì)算機(jī)視覺(jué)系統(tǒng)可以同時(shí)處理多個(gè)不同的樣品。郭培源等[25]人對(duì)計(jì)算機(jī)視覺(jué)技術(shù)用于豬肉的分級(jí)進(jìn)行了研究，結(jié)果顯示計(jì)算機(jī)視覺(jué)技術(shù)在識(shí)別豬肉表面微生物數(shù)量上與國(guó)標(biāo)方法檢測(cè)的結(jié)果顯著相關(guān)，該技術(shù)可以有效地計(jì)算微生物的數(shù)量。Bayraktar. B等[26]人采用計(jì)算機(jī)視覺(jué)技術(shù)、光散射技術(shù)(BARDOT)和模式識(shí)別技術(shù)相結(jié)合的方法來(lái)快速檢測(cè)李斯特菌，在獲取該菌菌落中的形態(tài)特征有對(duì)圖像進(jìn)行分析處理達(dá)到對(duì)該菌的分類(lèi)識(shí)別。殷涌光等[27]人綜合利用計(jì)算機(jī)視覺(jué)、活體染色、人工神經(jīng)網(wǎng)絡(luò)、圖像處理等技術(shù)，用分辨率為520萬(wàn)像素的數(shù)字?jǐn)z像機(jī)拍攝細(xì)菌內(nèi)部的染色效果，并結(jié)合新的圖像處理算法，對(duì)細(xì)菌形態(tài)學(xué)的8個(gè)特征參數(shù)進(jìn)行檢測(cè)，檢測(cè)結(jié)果與傳統(tǒng)檢測(cè)結(jié)果顯著相關(guān)(相關(guān)系數(shù)R=0.9987)，和傳統(tǒng)檢測(cè)方法相比該方法具有操作簡(jiǎn)單、快速、結(jié)果準(zhǔn)確、適合現(xiàn)場(chǎng)快速檢測(cè)等特點(diǎn)。魯靜[28]和劉侃[29]利用顯微鏡和圖像采集儀器，獲取乳制品的掃描圖像，然后微生物的圖像特征，識(shí)別出微生物數(shù)量，并以此作為衡量乳制品質(zhì)量是否達(dá)標(biāo)的依據(jù)，并對(duì)產(chǎn)品進(jìn)行分級(jí)。
2.4計(jì)算機(jī)視覺(jué)技術(shù)在其他食品產(chǎn)業(yè)中的應(yīng)用研究
里紅杰等[30]通過(guò)提取貝類(lèi)和蝦類(lèi)等海產(chǎn)品的形狀、尺寸、紋理、顏色等外形特征，對(duì)照數(shù)學(xué)模型，采用數(shù)字圖像處理技術(shù)、計(jì)算機(jī)識(shí)別技術(shù)實(shí)現(xiàn)了對(duì)貝類(lèi)和蝦類(lèi)等海產(chǎn)品的無(wú)損檢測(cè)和自動(dòng)化分類(lèi)、分級(jí)和質(zhì)量評(píng)估，并通過(guò)實(shí)例詳細(xì)闡述了該技術(shù)的實(shí)現(xiàn)方法，證實(shí)了此項(xiàng)技術(shù)的有效性。計(jì)算機(jī)視覺(jué)技術(shù)還可以檢驗(yàn)玉米粒形和玉米種子質(zhì)量、識(shí)別玉米品種和玉米田間雜草[31]。晁德起等[32]通過(guò)x射線(xiàn)照射獲取毛葉棗的透視圖像后，運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行分析評(píng)估，毛葉棗可食率的評(píng)估結(jié)果與運(yùn)用物理方法測(cè)得的結(jié)果平均誤差僅為1.47%，因此得出結(jié)論：計(jì)算機(jī)視覺(jué)技術(shù)可以應(yīng)用于毛葉棗的自動(dòng)分級(jí)。Gokmen，V等通用對(duì)薯片制作過(guò)程中圖像像素的變化來(lái)研究薯片的褐變率，通過(guò)分析特色參數(shù)來(lái)研究薯片中丙烯酰胺的含量和褐變率也關(guān)系，結(jié)果顯示兩項(xiàng)參數(shù)相關(guān)性為0.989，從而可以應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)預(yù)測(cè)加熱食品中丙烯酰胺的含量，該方法可以在加熱食品行業(yè)中得到廣泛應(yīng)用。韓仲志等人拍攝和掃描11類(lèi)花生籽粒，每類(lèi)100顆不同等級(jí)的花生籽粒的正反面圖像，利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)花生內(nèi)部和外部采集圖像，并通過(guò)圖像對(duì)其外在品質(zhì)和內(nèi)在品質(zhì)進(jìn)行分析，并建立相應(yīng)的數(shù)學(xué)模型，該技術(shù)在對(duì)待檢樣品進(jìn)行分級(jí)檢測(cè)時(shí)的正確率高達(dá)92%。另外，郭培源等人以國(guó)家標(biāo)準(zhǔn)為依據(jù)，通過(guò)數(shù)字?jǐn)z像技術(shù)獲取豬肉的細(xì)菌菌斑面積、脂肪細(xì)胞數(shù)、顏色特征值以及氨氣等品質(zhì)指標(biāo)來(lái)實(shí)現(xiàn)豬肉新鮮程度的分級(jí)辨認(rèn)。
3、 展望
新技術(shù)的研究與應(yīng)用必然伴隨著坎坷，從70年代初計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中進(jìn)行應(yīng)用開(kāi)始，就遇到了很多問(wèn)題。計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的研究及應(yīng)用主要存在以下幾方面的問(wèn)題。
3.1 檢測(cè)指標(biāo)有限
計(jì)算機(jī)視覺(jué)技術(shù)在檢測(cè)食品單一指標(biāo)或者以一個(gè)指標(biāo)作為分級(jí)標(biāo)準(zhǔn)進(jìn)行分級(jí)時(shí)具有理想效果，但以同一食品的多個(gè)指標(biāo)共同作為分級(jí)標(biāo)準(zhǔn)進(jìn)行檢測(cè)分級(jí)，則分級(jí)結(jié)果誤差較大。例如，Davenel等通過(guò)計(jì)算機(jī)視覺(jué)對(duì)蘋(píng)果的大小、重量、外觀損傷進(jìn)行分析，但研究結(jié)果顯示，系統(tǒng)會(huì)把花粵和果梗標(biāo)記為缺陷，還由于蘋(píng)果表面碰壓傷等缺陷情況復(fù)雜，造成分級(jí)誤差很大，分級(jí)正確率只有69%。Nozer等以計(jì)算機(jī)視覺(jué)為主要技術(shù)手段，獲取水果的圖像，進(jìn)而通過(guò)分析圖像來(lái)確定水果的形狀、大小、顏色和重量，并進(jìn)行分級(jí)，其正確率僅為85.1%。
3.2 兼容性差
計(jì)算機(jī)視覺(jué)技術(shù)針對(duì)單一種類(lèi)的果蔬分級(jí)檢測(cè)效果顯著，但是同一套系統(tǒng)和設(shè)備很難用于其他種類(lèi)的果蔬，甚至同一種類(lèi)不同品種的農(nóng)產(chǎn)品也很難公用一套計(jì)算機(jī)視覺(jué)設(shè)備。Reyerzwiggelaar等利用計(jì)算機(jī)視覺(jué)檢查杏和桃的損傷程度，發(fā)現(xiàn)其檢測(cè)桃子的準(zhǔn)確率顯著高于杏的。Majumdar.S等利用計(jì)算機(jī)視覺(jué)技術(shù)區(qū)分不同種類(lèi)的麥粒，小麥、燕麥、大麥的識(shí)別正確率有明顯差異。
3.3 檢測(cè)性能受環(huán)境制約
現(xiàn)階段的計(jì)算機(jī)視覺(jué)技術(shù)和配套的數(shù)學(xué)模型適用于簡(jiǎn)單的環(huán)境，在復(fù)雜環(huán)境下工作時(shí)會(huì)產(chǎn)生較大的誤差。Plebe等利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)果樹(shù)上的水果進(jìn)行識(shí)別定位，但研究發(fā)現(xiàn)由于光照條件以及周邊環(huán)境的影響，水果的識(shí)別和定位精度不高，不能滿(mǎn)足實(shí)際生產(chǎn)的需要。
綜上所述，可看出國(guó)內(nèi)外學(xué)者對(duì)計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的應(yīng)用進(jìn)行了大量的研究，有些研究從單一方面入手，有些研究綜合了多個(gè)學(xué)科，在研究和應(yīng)用的過(guò)程中，取得了較大的經(jīng)濟(jì)效益，也遇到了很多問(wèn)題，在新的形勢(shì)下，計(jì)算機(jī)視覺(jué)技術(shù)和數(shù)碼拍攝、圖像處理、人工神經(jīng)網(wǎng)絡(luò)，數(shù)學(xué)模型建設(shè)、微生物快速計(jì)量等高新技術(shù)相融合的綜合技術(shù)逐漸成為了各個(gè)領(lǐng)域?qū)W者的研究熱點(diǎn)，以計(jì)算機(jī)視覺(jué)為基礎(chǔ)的綜合技術(shù)也將在食品工業(yè)中發(fā)揮更加重要的作用。
參考文獻(xiàn)：
[1] 寧紀(jì)鋒，龍滿(mǎn)生，何東健.農(nóng)業(yè)領(lǐng)域中的計(jì)算機(jī)視覺(jué)研究[J].計(jì)算機(jī)與農(nóng)業(yè)，2001(01)：1-3. [2] 李崢.基于計(jì)算機(jī)視覺(jué)的蔬菜顏色檢測(cè)系統(tǒng)研究[D].吉林：吉林大學(xué)，2004.
[3] 曾愛(ài)群.基于計(jì)算機(jī)視覺(jué)與神經(jīng)網(wǎng)絡(luò)的芒果等級(jí)分類(lèi)研究[D].桂林：桂林工學(xué)院，2008.
[4] 韓偉，曾慶山.基于計(jì)算機(jī)視覺(jué)的水果直徑檢測(cè)方法的研究[J].中國(guó)農(nóng)機(jī)化，2011(05)：25-29.
[5] 李慶中.蘋(píng)果自動(dòng)分級(jí)中計(jì)算機(jī)視覺(jué)信息快速獲取與處理技術(shù)的研究[D].北京：中國(guó)農(nóng)業(yè)大學(xué)，2000.
[6] 孫洪勝，李宇鵬，王成，等.基于計(jì)算機(jī)視覺(jué)的蘋(píng)果在線(xiàn)高效檢測(cè)與分級(jí)系統(tǒng)[J].儀表技術(shù)與傳感器，2011(06)：62-65.
[7] 劉禾，汀慰華.水果果形判別人工神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，1996，12(0l)：171-176.
[8] 應(yīng)義斌，景寒松，馬俊福.用計(jì)算機(jī)視覺(jué)進(jìn)行黃花梨果梗識(shí)別的新方法[J].農(nóng)業(yè)工程學(xué)報(bào)，1998，14(02)：221-225.
[9] 楊秀坤，陳曉光，馬成林，等.用遺傳神經(jīng)網(wǎng)絡(luò)方法進(jìn)行蘋(píng)果顏色白動(dòng)檢測(cè)的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，1997，13(02)：193-176.
[10] 陳育彥，屠康，柴麗月，等.基于激光圖像分析的蘋(píng)果表面損傷和內(nèi)部腐爛檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(07)：133-137.
[11] 馮斌，汪憋華.基于計(jì)算機(jī)視覺(jué)的水果大小檢測(cè)方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34(01)：73-75.
[12] 朱偉，曹其新.基于模糊彩色聚類(lèi)方法的西紅柿缺陷分割[J].農(nóng)業(yè)工程學(xué)報(bào)，2003，19(03)：133-136.
[13] 曹樂(lè)平，溫芝元，沈陸明.基于色調(diào)分形維數(shù)的柑橘糖度和有效酸度檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，41(03)：143-148.
[14] ，王立香，柳兆君.基于計(jì)算機(jī)視覺(jué)的蘋(píng)果質(zhì)量檢測(cè)[J].安徽農(nóng)業(yè)科學(xué)，2012，40(08)：5014-5016.
[15] Blasco J，Aleixos N，Molto E.Computer vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J].Journal of Food Engineering，2007，81(03)：535-543.
[16] 趙廣華，李鵬飛，陸奎榮，等.智能化蘋(píng)果品質(zhì)實(shí)時(shí)分選系統(tǒng)[J].中國(guó)科技信息.
[17] 王江楓，羅錫文，洪添勝，等.計(jì)算機(jī)視覺(jué)技術(shù)在芒果重量及果面壞損檢測(cè)中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，1998(12)：186-189.
[18] 歐陽(yáng)靜怡，劉木華.基于計(jì)算機(jī)視覺(jué)的雞蛋裂紋檢測(cè)方法研究[J].農(nóng)機(jī)化研究，2012(03)：91-93.
[19] 汪俊德，鄭麗敏，徐桂云，等.基于計(jì)算機(jī)視覺(jué)技術(shù)的雙黃雞蛋檢測(cè)系統(tǒng)研究[J].農(nóng)機(jī)化研究，2012(09)：195-199.
[20] 鄭麗敏，楊旭，徐桂云，等.基于計(jì)算機(jī)視覺(jué)的雞蛋新鮮度無(wú)損檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25(03)：335-339.
[21] 潘磊慶，屠康，詹歌，等.基于計(jì)算機(jī)視覺(jué)和聲學(xué)響應(yīng)信息融合的雞蛋裂紋檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26(11)：332-337.
[22] Mertens K，De Ketelaere B，Kamers B，et al.Dirt detection on brown eggs by means of colorcomputer vision[J]. Poultry Science，2005，84(10)：1653-1659.
[23] 殷涌光，丁筠.基于計(jì)算機(jī)視覺(jué)的食品中大腸桿菌快速定量檢測(cè)[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2009，39(02)：344-348.
[24] Lawless C，Wilkinson DJ，Young A，et al.Colonyzer： automated quantification of micro-organism growth characteristics on solid agar[J].BMC Bioinformatics，2010(08)：38-44.
[25] 郭培源，畢松，袁芳.豬肉新鮮度智能檢測(cè)分級(jí)系統(tǒng)研究[J].食品科學(xué)，2010，31(15)：68-72.
[26] Bayraktar B，Banada PP，Hirleman ED，et al.Feature extraction from light-scatter patterns of Listeria colonies for identification and classification [J].Journal of Biomedical Optics，2006，11(03)：34- 36.
[27] 殷涌光，丁筠.基于計(jì)算機(jī)視覺(jué)的蔬菜中活菌總數(shù)的快速檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25(07)：249-254.
[28] 魯靜.乳品微生物自動(dòng)檢測(cè)系統(tǒng)的設(shè)計(jì)[J].湖北第二師范學(xué)院學(xué)報(bào)，2010，27(08)：115-117.
[29] 劉侃.鮮奶含菌量快速檢測(cè)系統(tǒng)[D].華中科技大學(xué)，2008.
[30] 里紅杰，陶學(xué)恒，于曉強(qiáng).計(jì)算機(jī)視覺(jué)技術(shù)在海產(chǎn)品質(zhì)量評(píng)估中的應(yīng)用[J].食品與機(jī)械，2012，28(04)：154-156.
[31] 魏俊杰.計(jì)算機(jī)視覺(jué)技術(shù)在玉米生產(chǎn)管理中的應(yīng)用[J].研究與開(kāi)發(fā)，2012(03)：33-34.
[32] 晁德起，章程輝，黃勇平.計(jì)算機(jī)視覺(jué)在毛葉棗可食率估測(cè)中的應(yīng)用研究[J].農(nóng)機(jī)化研究，2011(09)：158-161.：
【視覺(jué)技術(shù)在農(nóng)產(chǎn)品加工業(yè)中的應(yīng)用研究】相關(guān)文章：
視覺(jué)技術(shù)在農(nóng)產(chǎn)品加工業(yè)中的應(yīng)用09-30
物聯(lián)網(wǎng)技術(shù)在卷煙行業(yè)中的應(yīng)用研究10-26
計(jì)算機(jī)在通信技術(shù)中的應(yīng)用研究論文10-09
ATP生物發(fā)光技術(shù)在食品工程中的應(yīng)用研究10-05
影視中的視覺(jué)藝術(shù)08-08
水彩畫(huà)藝術(shù)中水與色的視覺(jué)表現(xiàn)技術(shù)論文03-25
淺析水彩畫(huà)藝術(shù)中水與色的視覺(jué)表現(xiàn)技術(shù)10-07