高光谱图像技术在水果品质检测中的研究进展

高光谱图像技术结合了光谱技术和图像技术两者的优点,可实现水果内外品质同时检测,是水果品质无损检测的发展趋势。本文介绍了高光谱图像技术的基本原理,高光谱图像数据处理方法,在水果内外品质无损检测方面的国内外研究现状,分析了高光谱图像技术在水果品质检测中存在的问题及未来的研究方向。     

水果成熟度近红外光谱及高光谱成像无损检测研究进展

成熟度作为一项水果品质重要评价指标,与水果的采收、储存、加工、运输、销售等环节息息相关,也是其产量和质量的关键影响因素之一。本文综述了国内外近十年来利用近红外光谱和高光谱成像技术检测水果成熟度的研究现状。从水果成熟度定性判别和成熟度参数定量预测两个方面入手,详细分析了光谱仪器工作波段、光谱采集方式、光谱采样区域、成熟度表征因子、单一成熟度参数、多元成熟度指数对最终检测模型精度和稳定性的影响,最后展望了近红外光谱和高光谱成像技术在水果成熟度检测方向的未来发展趋势,以期为相关领域研究工作提供科学依据和技术参考。     

水果品质光学无损检测技术研究进展

在水果产量巨大和需求标准提高的双重影响下,目前亟需研究方便快捷的水果无损检测方法。本文主要介绍机器视觉、近红外光谱检测、拉曼光谱检测和高光谱成像技术共四种光学无损检测技术在水果品质检测中的应用,对水果品质光学无损检测研究历程和发展现状进行归纳整理,同时展望了未来发展方向,为水果品质光学无损检测研究工作提供基础理论参考。     

水果品质在线无损检测的研究进展

水果作为我国我国的重要农作物之一,如何快速、无损的实现对水果品质的在线检测是农业现代化的一项重要指标。目前能够实现对水果品质进行无损检测的手段主要包括光谱分析法、机器视觉法和多传感融合法等。本文较为详尽的总结了目前水果品质在线、无损检测方法,归纳总结了各种检测方法的优缺点及其改进措施,希望能够给未来的研究提供一些新思路与新启发。     

水果病虫害无损检测技术研究进展

水果的病害和虫害是影响水果品质等级鉴定的重要因素。水果在生长、加工、贮藏、运输过程中容易受到病菌侵染和害虫侵蚀,这将造成水果品质降低,同时对食品安全也会造成不良影响。本文综述了X射线成像技术、计算机视觉技术、核磁共振技术、光谱技术、新兴传感器技术等无损检测技术在水果病虫害识别与检测中的应用进展,并分析各技术的优势和劣势,重点介绍了高光谱成像技术在水果病虫害识别与检测方面的应用进展,分析存在的问题、展望发展趋势,为后续研究提供参考。     

无损检测技术在水果品质评价中应用的研究进展

水果品质评价能力的提高不仅有利于我国水果产业的发展,而且有利于增强我国在水果出口方面的竞争力。无损检测技术高效、快速、准确的特点在水果品质检测中得到了极大的应用。本文综述了电子鼻技术、计算机视觉技术、近红外光谱技术以及核磁共振技术等无损检测技术在水果品质检测中的应用,并分析了各技术的优缺点,为无损检测技术在水果品质评价中的应用提供参考。     

果品挥发性风味物质的研究进展

水果是居民膳食的重要组成部分,挥发性风味物质是评价果实品质的重要指标之一,对果实的整体风味和消费者的接受程度都有很大的影响。研究水果中挥发性风味物质的组成和含量,对于鲜果贮藏及其加工市场都具有重要意义。该文介绍水果中挥发性风味物质的常用提取方法与分析技术,总结水果在贮藏和加工过程中挥发性风味物质的变化,并对未来水果挥发性风味物质的研究方向进行展望。     

水果活性多糖的研究现状与展望

多糖是水果中一类重要的功能因子,具有多种生物活性和广阔的应用前景.本文介绍了水果多糖的资源分布与利用、生物活性、分子修饰等方面的研究现状,并就水果活性多糖研究中存在的问题和未来研究方向与重点进行了探讨.     

基于深度学习的储粮害虫检测研究进展

储粮害虫检测与预警对保障粮食储存安全具有重要意义。目标检测是计算机视觉研究领域的核心问题之一，近年来深度学习在目标检测领域的应用研究取得了重大突破，储粮害虫目标检测也取得了较大进展，并逐步在粮库智能化建设中推广与应用。本文从储粮害虫数据集的获取与预处理、储粮害虫目标检测算法研究、储粮害虫检测结果应用等三个方面，总结了近年来基于深度学习的储粮害虫检测研究进展，通过对比研究，提出了该研究领域存在的问题及未来研究方向。     

水果成熟度无损检测技术研究进展

成熟度作为衡量水果品质的关键性因素,与水果的采摘、包装、贮藏、运输等作业环节密切相关,也是其产量和质量的决定性因素之一。已有的人工经验分析方法和理化实验方法均存在过于主观、检测效率低、操作繁琐等缺点,难以实现大批量水果成熟度无损检测的要求。无损检测技术凭借快速、高效等优势在水果成熟度检测领域已有较广泛的研究探索,该文综述了近年来国内外关于电学、声学等基本特性,电子鼻、机器视觉等智能感官仿生技术,近红外光谱技术以及高光谱成像技术等无损检测技术在水果成熟度检测中的最新研究进展,并对各项技术现存的问题和今后的发展前景进行了分析和展望,以期为我国农产品种植和自动化采摘提供参考和借鉴。     

Challenges and solutions of optical-based nondestructive quality inspection for robotic fruit and vegetable grading systems: A technical review

BackgroundOptical techniques, including computer vision, spectral imaging, near-infrared technology and other emerging imaging and spectroscopy techniques, have been rapidly developing and widely applied in fruit and vegetable grading systems for nondestructive quality inspecting and grading over the past decades. However, automatic detection of quality and grading is still difficult due to some still existing challenges, which are the key of blocking their commercialization in robotic fruit and vegetable grading systems. The challenges include the following aspects: the influence of physical and biological variability, whole surface detection, discrimination between defects and stems/calyxes, unobvious defect detection, robustness of the features and algorithms, as well as rapid optical detection system development. These challenges can reduce the fruit or vegetable quality inspection accuracy, thus greatly reducing automatic level of the quality inspecting and grading machines.Scope and approachAs agricultural engineers with about eight years of technical experience in fruit grading systems, we believe the ultimate goal of each scientific research should seek its task in serving the engineering. So, we have made many attempts to solve the challenges and increase the automation of the grading machines.Key findings and conclusionsThe review gives a detailed summary about the challenges and solutions of optical-based nondestructive quality inspection for fruit or vegetable grading systems from the perspective of engineering. Particular attention has been paid to the techniques that can improve the automation degree of the grading robot in this review. The advantages and disadvantages of the solutions are compared and discussed. Additionally, the remaining engineering challenges and future trends are also discussed.     

Application of Deep Learning in Food: A Review

Deep learning has been proved to be an advanced technology for big data analysis with a large number of successful cases in image processing, speech recognition, object detection, and so on. Recently, it has also been introduced in food science and engineering. To our knowledge, this review is the first in the food domain. In this paper, we provided a brief introduction of deep learning and detailedly described the structure of some popular architectures of deep neural networks and the approaches for training a model. We surveyed dozens of articles that used deep learning as the data analysis tool to solve the problems and challenges in food domain, including food recognition, calories estimation, quality detection of fruits, vegetables, meat and aquatic products, food supply chain, and food contamination. The specific problems, the datasets, the preprocessing methods, the networks and frameworks used, the performance achieved, and the comparison with other popular solutions of each research were investigated. We also analyzed the potential of deep learning to be used as an advanced data mining tool in food sensory and consume researches. The result of our survey indicates that deep learning outperforms other methods such as manual feature extractors, conventional machine learning algorithms, and deep learning as a promising tool in food quality and safety inspection. The encouraging results in classification and regression problems achieved by deep learning will attract more research efforts to apply deep learning into the field of food in the future.     

基于深度学习的织物疵点检测研究进展

为提高疵点检测的准确性和通用性,实现使用简洁而有效的形式对织物图像的特点和疵点的本质特征进行综合表达,首先,介绍了深度学习技术,对引入了深度学习的疵点检测方法进行综述,同时对深度学习与疵点检测的内在关系进行阐述;然后,分析总结了深度学习的概念及代表性的计算模型,并对引入深度学习的疵点检测方法进行归纳、总结和分类;最后,对典型的方法进行了分析,讨论了各种方法的优缺点,并对未来的研究趋势进行了展望。指出：随着深度学习的发展,探索更加通用的检测方法是推进深度学习在织物疵点检测领域应用的努力方向。     

基于SOPC水果分级检测系统研究

为了解决传统的水果分级检测系统存在的分级速度慢、系统庞大和成本高等问题,提出了基于SOPC水果分级检测系统,并将整个控制系统集成到一个FPGA芯片上,以脱离PC机平台,从而降低成本。通过Soble算法实现了水果图像的边缘提取,通过直方图的方法对水果的大小进行分辨,从而可以准确地对水果进行分级处理。测试结果表明,该系统具有检测速度快,开发周期短,可在线升级的优点,具有很好的应用空间。     

输电线路巡线机器人障碍物识别综述

分别从多传感器导航、单帧图像处理、双目视觉和主动学习等几个方面对现有国内外输电线路巡线机器人障碍物识别方法进行了分类比较,总结出输电线路巡线机器人障碍物识别技术的发展方向:利用传感器信息融合技术以提高对障碍物探测的准确性,研究智能化高的障碍物识别算法,设计能自适应各种环境的输电线路巡线机器人障碍物识别方法.     

谷类作物粘连颗粒图像分割方法研究进展

目前,在小麦、玉米等粮食作物的质量评价中,基于计算机视觉方法的应用研究非常广泛。在图像采集时,由于粮食颗粒形状小、数量多,分布随机、具有类圆性等特点,在质检时常出现粘连情况,将大大影响对粮食作物的准确计数、分类、定级、定价等。本文首先介绍基于阈值、边缘、区域等传统分割方法,阐明分水岭、凹点分割方法更加适用于粘连颗粒分割,明确各自优缺点;然后介绍基于深度学习分割算法的发展时间线,重点阐述基于U-Net、Mask R-CNN方法在处理粘连颗粒图像分割中的应用,统计相应的公开数据集,以找出更适合粘连籽粒分割的方法。最后对粘连颗粒图像分割方法所面临的挑战进行总结,并做出展望,为计算机视觉在相关领域的应用奠定坚实理论基础。     

近红外光谱技术在苹果检测方面的研究与应用

我国是苹果种植与产量大国,部分优质品种远销国内外,成为林果业重要支柱产业之一。随着苹果栽培面积不断扩大,产量不断提高,对其品质检测工作变得尤为重要。近红外光谱技术具有便捷、无损等特点,成为果蔬检测技术领域热门研究对象。众多学者基于该技术对苹果品质检测进行了大量研究,并有望研制出更多便携式果蔬类检测设备。本文主要阐述了近几年该技术在苹果品质检测方面的研究与应用进展情况,尤其探讨了该技术在苹果检测模型建立、定量与定性分析相关技术与应用等内容,为后续对其在苹果检测乃至其它果蔬检测方面的预测模型研究、应用领域与发展方向提供一定参考。     

机器视觉技术在水产食品感官检测方面的应用研究进展

机器视觉技术是一种无损、快速、经济的检测技术。结合国内外的相关研究现状,本文介绍了机器视觉系统的优点和对颜色、形状、尺寸等的检测方法,在此基础上,分别对机器视觉技术在包括鱼、虾、扇贝和牡蛎等水产食品感官检测方面的应用进行了详细阐述和讨论,此外,探究了机器视觉技术目前在水产食品感官检测领域应用的局限性及在深度学习方面的发展前景。本文旨在为水产食品的感官检测提供技术支撑,保障消费者的食用安全。