視覺技術(shù)在農(nóng)產(chǎn)品加工業(yè)中的應(yīng)用
摘 要：概述計算機視覺技術(shù)的原理及優(yōu)勢，綜述了計算機視覺技術(shù)在水果分級、禽蛋檢測、微生物含量測定等食品工業(yè)中的應(yīng)用研究進展，提出了目前存在的主要問題，展望了今后研究與應(yīng)用的發(fā)展方向。
關(guān)鍵詞：計算機視覺技術(shù);食品工業(yè);分級;圖像處理
隨著微型個人計算機應(yīng)用的越來越廣泛，以及計算機在綜合學(xué)科中應(yīng)用的深入研究，現(xiàn)如今在工農(nóng)業(yè)、軍事國防、醫(yī)學(xué)衛(wèi)生等眾多領(lǐng)域的使用和研究方面計算機視覺技術(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，該項技術(shù)在食品企業(yè)、科研院所、檢測機構(gòu)中的應(yīng)用更加普遍。如今，在農(nóng)產(chǎn)品藥物殘留檢測、水果重量分級、等級篩選、質(zhì)量監(jiān)管等方面計算機視覺技術(shù)有眾多應(yīng)用。
1 計算機視覺技術(shù)概述
計算機視覺技術(shù)是利用計算機、攝像機、圖像卡以及相關(guān)處理技術(shù)來模擬人的視覺，用以識別、感知和認識我們生活的世界[1]。該技術(shù)是模擬識別人工智能、心理物理學(xué)、圖像處理、計算機科學(xué)及神經(jīng)生物學(xué)等多領(lǐng)域的綜合學(xué)科。計算機視覺技術(shù)用攝像機模擬人眼，用計算機模擬大腦，用計算機程序和算法來模擬人對事物的認識和思考，替代人類完成程序為其設(shè)定的工作。該技術(shù)由多個相關(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)、計算機數(shù)據(jù)運算系統(tǒng)等。原理是：首先通過攝像機獲得所需要的圖像信息，然后利用信號轉(zhuǎn)換將獲得的圖像信息轉(zhuǎn)變?yōu)閿?shù)字圖像以便計算機正確識別[2]。隨著科學(xué)技術(shù)的發(fā)展，計算機技術(shù)在各個領(lǐng)域得到廣泛應(yīng)用，計算機視覺技術(shù)不僅在代替人類視覺上取得了重大成就，而且在很多具體工作方便超越了人的視覺功能。計算機視覺計算有如此快速的發(fā)展，是因為與人類的視覺相比該技術(shù)具有以下顯著優(yōu)勢[3]。
1.1 自動化程度高
計算機視覺可以實現(xiàn)對農(nóng)產(chǎn)品的多個外形和內(nèi)在品質(zhì)指標進行同時檢測分析，可以進行整體識別、增強對目標識別的準確性。
1.2 實現(xiàn)無損檢測
由于計算機視覺技術(shù)對農(nóng)產(chǎn)品的識別是通過掃描、攝像，而不需要直接接觸，可以減少對所檢測食品的傷害。
1.3 穩(wěn)定的檢測精度
設(shè)計的運行程序確定后，計算機視覺技術(shù)的識別功能就會具有統(tǒng)一的識別標準，具有穩(wěn)定的檢測精度，避免了人工識別和檢測時主觀因素所造成的差異。
2 計算機視覺技術(shù)在食品檢測中的應(yīng)用
20世紀70年代初，學(xué)者開始研究計算機視覺技術(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，計算機視覺技術(shù)也越來越成熟。國內(nèi)外學(xué)者在研究計算機視覺技術(shù)在食品工業(yè)中的應(yīng)用方面主要集中在該技術(shù)對果蔬的外部形態(tài)(如形狀、重量、外觀損傷、色澤等)的識別、內(nèi)部無損檢測等方面。國內(nèi)有關(guān)計算機視覺技術(shù)在食品業(yè)中的應(yīng)用研究起始于90年代，比國外發(fā)達國家晚多達20a，但是發(fā)展很快。
2.1 計算機視覺技術(shù)在果蔬分級中的應(yīng)用研究
計算機視覺技術(shù)在食品檢測中的應(yīng)用研究相當廣泛，從外部直徑、成熟度的檢測到內(nèi)部腐爛程度的檢測都有研究。韓偉等[4]采用分割水果的拍攝圖像和新的計算機算法計算水果的半徑，進而得出果蔬的最大直徑。研究表明，該算法不僅降低了計算量而且提高了計算精度，此方法用于水果分級的誤差不超過2mm，高于國際水果分級標準所規(guī)定的5mm分類標準差，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算機視覺技術(shù)在蘋果檢測與分級中的應(yīng)用，結(jié)果表明此算法能快速、有效地分割出蘋果的表面缺陷。孫洪勝等[6]以蘋果色澤特征比率的變化規(guī)律為理論基礎(chǔ)，結(jié)合模糊聚類知識利用計算機視覺技術(shù)來檢測蘋果缺陷域，檢測不僅快速而且結(jié)果精確。劉禾等[7]通過研究認為蘋果的表面缺陷可以利用計算機視覺技術(shù)進行檢測，計算機視覺技術(shù)還可以將蘋果按照檢測結(jié)果進行分級，把檢測過的蘋果分成裂果、刺傷果、碰傷果和蟲傷果等類別。梨的果梗是否存在是梨類分級的重要特征之一，應(yīng)義斌等[8]通過計算機視覺技術(shù)、圖像處理技術(shù)、傅立葉描述子的方法來描述和識別果形以及有無果柄，其識別率達到90%。楊秀坤等[9]綜合運用計算機視覺技術(shù)、遺傳算法、多層前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實現(xiàn)了具有精確度高、靈活性強和速度快等優(yōu)點的蘋果成熟度自動判別。陳育彥等[10]采用半導(dǎo)體激光技術(shù)、計算機視覺技術(shù)和圖像分析技術(shù)相結(jié)合的方法檢測蘋果表面的機械損傷和果實內(nèi)部的腐爛情況，初步驗證了計算機視覺技術(shù)檢測蘋果表面的損傷和內(nèi)部腐爛是可行的。馮斌等[11]通過計算機視覺技術(shù)對水果圖像的邊緣進行檢測，然后確定水果的大小用以水果分級。試驗表明，該方法比傳統(tǒng)的檢測方法速度快、準確率高，適用于計算機視覺的實時檢測。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，用分割方法對西紅柿的缺陷進行分割，結(jié)果顯示準確率高達96%。曹樂平等[13]人研究了溫州蜜柑的果皮顏色與果實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，樣品檢測的正確識別率分別只有約74%和67%。劉x等[14]從垂直和水平兩個方向獲取蘋果的圖像，并通過計算機自動分析圖像數(shù)據(jù)，對蘋果的外徑、體積、以及圓形度等參數(shù)進行處理，與人工檢測相比，計算機視覺技術(shù)具有檢測效率高，檢測標準統(tǒng)一性好等優(yōu)點。Blasco. J [15]通過計算機視覺技術(shù)分析柑橘果皮的缺陷，進而對其在線分級，正確率約為95%。趙廣華等[16]人綜合計算機視覺識別系統(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)，研制出一款適于實時監(jiān)測、品質(zhì)動態(tài)的智能分級系統(tǒng)，能夠很好地實現(xiàn)蘋果分級。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)用計算機視覺技術(shù)檢測桂香芒果和紫花芒果的重量和果面損傷，按重量分級其準確率均為92%，按果面損傷分級的準確率分別為76%和80%。
2.2 計算機視覺技術(shù)在禽蛋檢測中的應(yīng)用研究
禽蛋企業(yè)在生產(chǎn)過程中，產(chǎn)品的分級、品質(zhì)檢測主要采用人工方法，不僅需要大量的物力人力，而且存在勞動強度大、人為誤差大、工作效率低等缺點，計算機視覺技術(shù)可以很好的解決這類產(chǎn)品工業(yè)生產(chǎn)中存在的困擾。歐陽靜怡等[18]利用計算機視覺技術(shù)來檢測雞蛋蛋殼裂紋，利用攝像機獲取雞蛋圖像后，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，試驗結(jié)果表明，計算機視覺技術(shù)對雞蛋蛋殼裂紋的檢測準確率高達98%。汪俊德等[19]以計算機視覺技術(shù)為基礎(chǔ)，設(shè)計出一套雙黃雞蛋檢測系統(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)計的數(shù)學(xué)模型對比來實現(xiàn)雙黃雞蛋的檢測和識別，檢測準確率高達95%。鄭麗敏等[20]人通過高分辨率的數(shù)字攝像頭獲取雞蛋圖像，根據(jù)圖像特征建立數(shù)學(xué)模型來預(yù)測雞蛋的新鮮度和貯藏期，結(jié)果表明，計算機視覺技術(shù)對雞蛋的新鮮度、貯藏期進行預(yù)測的結(jié)果準確率為94%。潘磊慶等[21]通過計算機視覺技術(shù)和聲學(xué)響應(yīng)信息技術(shù)相結(jié)合的方法檢測裂紋雞蛋，其檢測準確率達到98%。Mertens K等[22]人基于計算機視覺技術(shù)研發(fā)了雞蛋的分級檢測系統(tǒng)，該系統(tǒng)識別帶污漬雞蛋的正確率高達99%。
2.3 計算機視覺技術(shù)在檢測食品中微生物含量中的應(yīng)用研究
計算機技術(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，在微生物快速檢測中的應(yīng)用也越來越多，主要是針對微生物微菌落的處理。食品工業(yè)中計算機視覺技術(shù)在微生物檢測方面的研究和應(yīng)用以研究單個細胞為主，并在個體細胞的研究上取得了一定的進展。殷涌光等[23]以顏色特征分辨技術(shù)為基礎(chǔ)，設(shè)計了一套應(yīng)用計算機視覺技術(shù)快速定量檢測食品中大腸桿菌的系統(tǒng)，該系統(tǒng)檢測結(jié)果與傳統(tǒng)方法的檢測結(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時間，檢測時間在18h以內(nèi)，并且能夠有效提高產(chǎn)品品質(zhì)。Lawless等[24]人等時間段測定培養(yǎng)基上的細胞密度，然后通過計算機技術(shù)建立時間和細胞密度之間的動態(tài)關(guān)聯(lián)，利用該關(guān)聯(lián)可以預(yù)測和自動檢測微生物的生長情況，如通過計算機控制自動定量采集檢測對象，然后分析菌落的邊緣形態(tài)，根據(jù)菌落的邊緣形態(tài)計算機可以顯示被檢測菌落的具體位置，并且根據(jù)動態(tài)關(guān)聯(lián)計算機視覺系統(tǒng)可以同時處理多個不同的樣品。郭培源等[25]人對計算機視覺技術(shù)用于豬肉的分級進行了研究，結(jié)果顯示計算機視覺技術(shù)在識別豬肉表面微生物數(shù)量上與國標方法檢測的結(jié)果顯著相關(guān)，該技術(shù)可以有效地計算微生物的數(shù)量。Bayraktar. B等[26]人采用計算機視覺技術(shù)、光散射技術(shù)(BARDOT)和模式識別技術(shù)相結(jié)合的方法來快速檢測李斯特菌，在獲取該菌菌落中的形態(tài)特征有對圖像進行分析處理達到對該菌的分類識別。殷涌光等[27]人綜合利用計算機視覺、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520萬像素的數(shù)字攝像機拍攝細菌內(nèi)部的染色效果，并結(jié)合新的圖像處理算法，對細菌形態(tài)學(xué)的8個特征參數(shù)進行檢測，檢測結(jié)果與傳統(tǒng)檢測結(jié)果顯著相關(guān)(相關(guān)系數(shù)R=0.9987)，和傳統(tǒng)檢測方法相比該方法具有操作簡單、快速、結(jié)果準確、適合現(xiàn)場快速檢測等特點。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，識別出微生物數(shù)量，并以此作為衡量乳制品質(zhì)量是否達標的依據(jù)，并對產(chǎn)品進行分級。
2.4計算機視覺技術(shù)在其他食品產(chǎn)業(yè)中的應(yīng)用研究
里紅杰等[30]通過提取貝類和蝦類等海產(chǎn)品的形狀、尺寸、紋理、顏色等外形特征，對照數(shù)學(xué)模型，采用數(shù)字圖像處理技術(shù)、計算機識別技術(shù)實現(xiàn)了對貝類和蝦類等海產(chǎn)品的無損檢測和自動化分類、分級和質(zhì)量評估，并通過實例詳細闡述了該技術(shù)的實現(xiàn)方法，證實了此項技術(shù)的有效性。計算機視覺技術(shù)還可以檢驗玉米粒形和玉米種子質(zhì)量、識別玉米品種和玉米田間雜草[31]。晁德起等[32]通過x射線照射獲取毛葉棗的透視圖像后，運用計算機視覺技術(shù)對圖像進行分析評估，毛葉棗可食率的評估結(jié)果與運用物理方法測得的結(jié)果平均誤差僅為1.47%，因此得出結(jié)論：計算機視覺技術(shù)可以應(yīng)用于毛葉棗的自動分級。Gokmen，V等通用對薯片制作過程中圖像像素的變化來研究薯片的褐變率，通過分析特色參數(shù)來研究薯片中丙烯酰胺的含量和褐變率也關(guān)系，結(jié)果顯示兩項參數(shù)相關(guān)性為0.989，從而可以應(yīng)用計算機視覺技術(shù)來預(yù)測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類花生籽粒，每類100顆不同等級的花生籽粒的正反面圖像，利用計算機視覺技術(shù)對花生內(nèi)部和外部采集圖像，并通過圖像對其外在品質(zhì)和內(nèi)在品質(zhì)進行分析，并建立相應(yīng)的數(shù)學(xué)模型，該技術(shù)在對待檢樣品進行分級檢測時的正確率高達92%。另外，郭培源等人以國家標準為依據(jù)，通過數(shù)字攝像技術(shù)獲取豬肉的細菌菌斑面積、脂肪細胞數(shù)、顏色特征值以及氨氣等品質(zhì)指標來實現(xiàn)豬肉新鮮程度的分級辨認。
3 展望
新技術(shù)的研究與應(yīng)用必然伴隨著坎坷，從70年代初計算機視覺技術(shù)在食品工業(yè)中進行應(yīng)用開始，就遇到了很多問題。計算機視覺技術(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題。
3.1 檢測指標有限
計算機視覺技術(shù)在檢測食品單一指標或者以一個指標作為分級標準進行分級時具有理想效果，但以同一食品的多個指標共同作為分級標準進行檢測分級，則分級結(jié)果誤差較大。例如，Davenel等通過計算機視覺對蘋果的大小、重量、外觀損傷進行分析，但研究結(jié)果顯示，系統(tǒng)會把花粵和果梗標記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復(fù)雜，造成分級誤差很大，分級正確率只有69%。Nozer等以計算機視覺為主要技術(shù)手段，獲取水果的圖像，進而通過分析圖像來確定水果的形狀、大小、顏色和重量，并進行分級，其正確率僅為85.1%。
3.2 兼容性差
計算機視覺技術(shù)針對單一種類的果蔬分級檢測效果顯著，但是同一套系統(tǒng)和設(shè)備很難用于其他種類的果蔬，甚至同一種類不同品種的農(nóng)產(chǎn)品也很難公用一套計算機視覺設(shè)備。Reyerzwiggelaar等利用計算機視覺檢查杏和桃的損傷程度，發(fā)現(xiàn)其檢測桃子的準確率顯著高于杏的。Majumdar.S等利用計算機視覺技術(shù)區(qū)分不同種類的麥粒，小麥、燕麥、大麥的識別正確率有明顯差異。
3.3 檢測性能受環(huán)境制約
現(xiàn)階段的計算機視覺技術(shù)和配套的數(shù)學(xué)模型適用于簡單的環(huán)境，在復(fù)雜環(huán)境下工作時會產(chǎn)生較大的誤差。Plebe等利用計算機視覺技術(shù)對果樹上的水果進行識別定位，但研究發(fā)現(xiàn)由于光照條件以及周邊環(huán)境的影響，水果的識別和定位精度不高，不能滿足實際生產(chǎn)的需要。
綜上所述，可看出國內(nèi)外學(xué)者對計算機視覺技術(shù)在食品工業(yè)中的應(yīng)用進行了大量的研究，有些研究從單一方面入手，有些研究綜合了多個學(xué)科，在研究和應(yīng)用的過程中，取得了較大的經(jīng)濟效益，也遇到了很多問題，在新的形勢下，計算機視覺技術(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)、微生物快速計量等高新技術(shù)相融合的綜合技術(shù)逐漸成為了各個領(lǐng)域?qū)W者的研究熱點，以計算機視覺為基礎(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：
[1] 寧紀鋒，龍滿生，何東健.農(nóng)業(yè)領(lǐng)域中的計算機視覺研究[J].計算機與農(nóng)業(yè)，2001(01)：1-3. [2] 李崢.基于計算機視覺的蔬菜顏色檢測系統(tǒng)研究[D].吉林：吉林大學(xué)，2004.
[3] 曾愛群.基于計算機視覺與神經(jīng)網(wǎng)絡(luò)的芒果等級分類研究[D].桂林：桂林工學(xué)院，2008.
[4] 韓偉，曾慶山.基于計算機視覺的水果直徑檢測方法的研究[J].中國農(nóng)機化，2011(05)：25-29.
[5] 李慶中.蘋果自動分級中計算機視覺信息快速獲取與處理技術(shù)的研究[D].北京：中國農(nóng)業(yè)大學(xué)，2000.
[6] 孫洪勝，李宇鵬，王成，等.基于計算機視覺的蘋果在線高效檢測與分級系統(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)專家系統(tǒng)的研究[J].農(nóng)業(yè)工程學(xué)報，1996，12(0l)：171-176.
[8] 應(yīng)義斌，景寒松，馬俊福.用計算機視覺進行黃花梨果梗識別的新方法[J].農(nóng)業(yè)工程學(xué)報，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)方法進行蘋果顏色白動檢測的研究[J].農(nóng)業(yè)工程學(xué)報，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果表面損傷和內(nèi)部腐爛檢測[J].農(nóng)業(yè)機械學(xué)報，2009，40(07)：133-137.
[11] 馮斌，汪憋華.基于計算機視覺的水果大小檢測方法[J].農(nóng)業(yè)機械學(xué)報，2003，34(01)：73-75.
[12] 朱偉，曹其新.基于模糊彩色聚類方法的西紅柿缺陷分割[J].農(nóng)業(yè)工程學(xué)報，2003，19(03)：133-136.
[13] 曹樂平，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[J].農(nóng)業(yè)機械學(xué)報，2009，41(03)：143-148.
[14] 劉x，王立香，柳兆君.基于計算機視覺的蘋果質(zhì)量檢測[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.智能化蘋果品質(zhì)實時分選系統(tǒng)[J].中國科技信息.
[17] 王江楓，羅錫文，洪添勝，等.計算機視覺技術(shù)在芒果重量及果面壞損檢測中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報，1998(12)：186-189.
[18] 歐陽靜怡，劉木華.基于計算機視覺的雞蛋裂紋檢測方法研究[J].農(nóng)機化研究，2012(03)：91-93.
[19] 汪俊德，鄭麗敏，徐桂云，等.基于計算機視覺技術(shù)的雙黃雞蛋檢測系統(tǒng)研究[J].農(nóng)機化研究，2012(09)：195-199.
[20] 鄭麗敏，楊旭，徐桂云，等.基于計算機視覺的雞蛋新鮮度無損檢測[J].農(nóng)業(yè)工程學(xué)報，2009，25(03)：335-339.
[21] 潘磊慶，屠康，詹歌，等.基于計算機視覺和聲學(xué)響應(yīng)信息融合的雞蛋裂紋檢測[J].農(nóng)業(yè)工程學(xué)報，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.基于計算機視覺的食品中大腸桿菌快速定量檢測[J].吉林大學(xué)學(xué)報(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分級系統(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.基于計算機視覺的蔬菜中活菌總數(shù)的快速檢測[J].農(nóng)業(yè)工程學(xué)報，2009，25(07)：249-254.
[28] 魯靜.乳品微生物自動檢測系統(tǒng)的設(shè)計[J].湖北第二師范學(xué)院學(xué)報，2010，27(08)：115-117.
[29] 劉侃.鮮奶含菌量快速檢測系統(tǒng)[D].華中科技大學(xué)，2008.
[30] 里紅杰，陶學(xué)恒，于曉強.計算機視覺技術(shù)在海產(chǎn)品質(zhì)量評估中的應(yīng)用[J].食品與機械，2012，28(04)：154-156.
[31] 魏俊杰.計算機視覺技術(shù)在玉米生產(chǎn)管理中的應(yīng)用[J].研究與開發(fā)，2012(03)：33-34.
[32] 晁德起，章程輝，黃勇平.計算機視覺在毛葉棗可食率估測中的應(yīng)用研究[J].農(nóng)機化研究，2011(09)：158-161.：
【視覺技術(shù)在農(nóng)產(chǎn)品加工業(yè)中的應(yīng)用】相關(guān)文章：
視覺技術(shù)在農(nóng)產(chǎn)品加工業(yè)中的應(yīng)用研究09-30
淺析計算機視覺信息處理技術(shù)在蘋果自動分級中的應(yīng)用的論文10-09
虛擬技術(shù)在教學(xué)中的應(yīng)用09-30
視覺傳達設(shè)計課程在計算機應(yīng)用專業(yè)中探究論文10-08
影視中的視覺藝術(shù)08-08
水彩畫藝術(shù)中水與色的視覺表現(xiàn)技術(shù)論文03-25