基于机器视觉的水果外观品质检测研究现状

水果中富含多种营养成分,随着经济和社会生活水平的提高,高品质水果越来越受人们的青睐,其外观品质已经成为影响消费者采购的重要因素。早期我国主要依赖人工对水果进行分级,效率和准确率较低,成本和工人劳动强度较大。近年来随着机器视觉技术的不断发展,大量的学者将视觉技术应用到水果外观品质的检测中,这种技术具有无损坏、低成本、高效率和操作方便等优点。本文结合国内外学者的研究成果,梳理了机器视觉在水果外观颜色、形状、大小、缺陷和纹理检测中的应用,着重介绍了缺陷提取和分类器对水果识别算法的研究进展,分析了传统视觉分级、机器学习和深度学习的应用特点,提出了机器视觉技术存在的问题并对未来发展趋势进行了展望,以期为水果外观品质检测研究提供参考与借鉴。     

基于机器视觉的猴头菇品质快速无损检测与分级

传统的猴头菇品质检测与分级主要依靠人工分拣来完成,其主观性强、精度相差大、效率低,浪费了大量人力物力资源。鉴于此,为了实现猴头菇的快速无损等级评估,该研究引入机器视觉技术,提出了一种猴头菇品质的快速无损检测与分级方法,设计一套基于机器视觉的猴头菇品质快速无损检测与智能分级设备,并通过图像处理和软件设计开发一套猴头菇智能快速无损检测分级系统。通过加色法混色模型（RGB）对猴头菇的颜色特征的快速检测与等级的判定;采用图像阈值分割和Canny边缘检测,实现猴头菇完整度的判定;使用最小外接圆法对猴头菇的大小进行实时计算,完成猴头菇直径大小的判别;基于Microsoft Visual Studio 2017平台开发一套猴头菇品质快速无损检测可视化平台。试验证明,基于机器视觉的猴头菇品质快速无损检测与分级系统检测准确率达到97.07%,速度达到人工的5倍多。验证了系统的可靠性和可行性,为食品工业的智能化生产和加工提供了技术支撑,推动了机器视觉技术在食品行业的应用。     

机械零件图像表面瑕疵的检测算法

针对机械零件表面瑕疵检测问题,将机器视觉技术用于零件表面图像瑕疵的提取和分析,提出一种基于粒子群优化算法加权模糊C均值聚类的零件缺陷图像智能分割算法,精确定位了机械零件表面的瑕疵区域。缺陷的形状特征是判断其类型的重要依据,提取缺陷的形状特征,设计支持向量机分类器来检测划痕、裂纹、砂眼等表面瑕疵。研究结果表明,该方法具有较强的实用性,在实验数据库上达到90%以上的正确识别率。     

基于机器视觉的零部件尺寸检测技术

在工业生产中,基于零部件尺寸的几何特征和面阵式CCD获取的零部件图像,利用基于HALCON软件的数字图像处理技术,采用灰度变换、高斯滤波、降噪、标定等一系列的图像分析处理技术实现了对零部件尺寸进行精确检测。并开发设计了一种自动检测及分拣系统,实现了对零部件的精确检测。经过大量的实验结果表明,在误差允许范围内采用机器视觉的检测方法可以实现对零部件尺寸基本参数快速准确的测量并能稳定的实现自动化生产。     

基于机器视觉的鸡蛋品质无损检测方法

目的以蛋品质量评价指标—哈夫单位值为检测标准,建立一种基于机器视觉的鸡蛋品质无损检测方法。方法通过摄像头捕捉到鸡蛋图像信息,利用MATLAB对鸡蛋图像的G分量以及I分量进行特征参数提取,并计算出与鸡蛋新鲜度相关的4个特征参数:蛋黄面积比、气室面积比、气室高度比与气室直径比,将其作为自变量,通过高精度游标卡尺实测每个鸡蛋样本哈夫值作为因变量,分别建立一元回归模型,寻找特征参数与哈夫值的关系,并根据哈夫值对鸡蛋新鲜度进行分级。结果实验表明,所测4个特征参数中,蛋黄面积比与哈夫值存在较强的相关性,相关系数为0.78,拟合优度为0.62,蛋黄面积比越小,鸡蛋哈夫值越大,说明鸡蛋越新鲜。结论基于机器视觉的鸡蛋品质无损检测方法不仅具有较强的应用价值,还可以为鸡蛋品质智能分级提供技术支撑。     

基于机器视觉的咖啡生豆快速检测与分级研究

目的 为了实现咖啡生豆的快速无损等级评估,建立一种基于机器视觉的咖啡生豆快速检测分级方法。方法 本次研究提取咖啡生豆图像预处理后的形状和颜色共13种特征,首先通过特征分布图分析与主成分分析找到13类缺陷豆的显著特征,并确定其显著特征值范围来判定缺陷豆,然后对正常豆按粒度大小判断其等级,最后在MATLAB App Designer平台上设计了咖啡生豆快速检测与分级界面。结果 研究表明,利用机器视觉技术能很好地识别各个类别咖啡生豆,检测一级咖啡生豆准确率为94.77%、二级为93.2%、三级为95.85%,13类缺陷豆平均准确率为82.25%,咖啡生豆检测平均准确率达到91.52%,检测300g咖啡生豆总用时25.3156s。结论 提高了咖啡生豆分级的智能化水平,分级过程平稳且快速,为今后咖啡生豆在线检测分选提供了技术支持。     

机器视觉技术在果蔬的识别和分级中的应用

机器视觉技术在农产品品质检测方面的研究和应用发展迅速，为了能充分了解国内外在果蔬方面的研究状况，本文综述了机器视觉技术在果品和蔬菜的识别和分级中的研究进展，以供参考。     

基于机器视觉的杏鲍菇外观品质分级系统设计

目的:将机器视觉技术引入到杏鲍菇的外观检测中。方法:提出一种双边滤波代替高斯滤波作为图像平滑滤波器,Ostu最大类间方差法代替固定双阈值分割的改进型Canny算子,并作为边缘检测算法。利用HALCON算子和颜色空间转换,完成杏鲍菇的长度、直径、弯曲度、均匀度、色泽及菇帽缺损特征要素提取。使用HALCON 18.05联合C#在VS 2017开发环境下完成视觉软件功能模块开发设计。结果:随机获取200根杏鲍菇,对算法处理准确度和视觉软件工作性能进行检测。杏鲍菇直径分级精度为83%,其余特征要素可达95%以上,装置整体各规格杏鲍菇分级精度达90%以上。结论:通过算法的改进和视觉软件的设计可以完成杏鲍菇的外观品质的分级。     

基于机器视觉技术大米品质检测

该文介绍国内外大米品质检测研究现状,重点介绍国内应用机器视觉技术对大米品质进行检测研究动态,指出应用机器视觉技术对大米品质检测存在问题,并提出今后研究方向。     

基于视觉的乳品包装日期喷码缺陷检测技术

基于生产日期喷码人工检测缺陷劳动强度大、智能化水平低、效率低等问题,开发基于机器视觉的乳品生产日期喷码缺陷检测系统。该系统采用CCD相机、计算机、光源等搭建硬件平台,利用中值滤波、二值化、图像分割、模板匹配等图像处理技术,实现了对生产日期缺码、模糊码等缺陷检测。试验结果表明,该系统能够准确识别出生产日期有缺陷的产品,达到预期的检测效果。     

面向织物疵点检测的图像处理技术研究进展

随着对纺织工业产品质量要求的提高以及传统疵点检测方法存在局限性,基于图像处理技术的织物疵点自动检测技术得到了快速的发展。为提高图像处理技术的应用效率,实现纺织行业的数字化与智能制造,介绍了织物图像的预处理技术,对织物疵点检测的主流方法进行了总结,包括基于结构、统计、频谱、模型和学习的方法,并对这些方法的检测原理做了概括,分析了其优缺点与适用范围;介绍了现有成品检测设备,对比分析了仪器和系统处理技术的优缺点;最后,梳理分析了现有的图像处理技术在纺织工业应用中所面临的难题,并提出了对未来发展的构想。     

即食芥菜的加工技术

本文探讨了以叶用芥菜的叶子及根茎为原料，经过多道工序而成的一种即食性腌制熟食品的配方、工艺，它的特点是成品亮绿、香气特别浓郁，风味独特，组织嫩脆，具有增进食欲的作用。     

基于高光谱技术的马铃薯外部品质检测

为了快速无损检测马铃薯外部品质,研究采用高光谱成像技术对马铃薯外部品质分级。选取合格、发芽、绿皮、孔洞4种马铃薯外部特征,获取光谱数据,采用不同预处理方法对光谱数据进行处理,并分别建立偏最小二乘判别模型,结果显示采用标准正态变量变换法(SNV)获得的模型效果最优。对预处理后的光谱数据利用连续投影算法(SPA)及加权权重法(WWM)分别优选出了13个和9个特征波段,对两种不同方法得出的特征波段分别建立了支持向量机判别模型,结果显示两种方法对预测集的判别准确率均达到了100%,WWM-SVM判别模型对校正集的交叉验证率为99.5%,高于SPA-SVM判别模型的交叉验证率。利用高光谱成像技术结合SPA-SVM和WWM-SVM对马铃薯外部品质进行分级具有可行性。     

基于图像处理技术的车型自动识别系统设计

从图像处理角度,提出了在一定时间内,根据实时阈值来判定背景是否需要更新的一种实时背景更新算法,据此设计了一个速度快、鲁棒性好的车型自动识别系统.通过实验验证了方案的可行性.算法中α值对于背景更新至关重要.     

基于激光扫描成像技术的锯材裂缝和孔洞缺陷视觉识别系统

利用激光扫描技术形成了待检测材面的轮廓信息,把激光位移传感器输出的轮廓距离信息转换成图像的象素值而形成轮廓图像.根据裂缝和孔洞缺陷的形状特征,在统计的基础上提取了裂缝和孔洞缺陷的四个识别特征,并在此基础上开发了用于裂缝和孔洞缺陷识别的八条规则.结果表明,所开发的基于激光扫描成像技术基础上的锯材裂缝和孔洞缺陷的视觉识别系统不仅可以正确表征裂缝和孔洞等厚度缺陷信息,而且该系统能够精确地定位和分类上述缺陷.     

1-甲基环丙烯对娃娃菜贮藏品质及抗氧化活性的影响

为了探明微酸性电解水（Slightly acidic electrolyzed water,SAEW）对采后娃娃菜货架品质的影响,本文分析了在低温流通（4±1） ℃及货架条件（25±1） ℃下,不同浓度（0、50、100和150 mg/L）SAEW超声雾化熏蒸处理对娃娃菜采后保鲜效果的影响。结果显示,较对照和其它浓度（50和150 mg/L）SAEW处理相比,100 mg/L SAEW超声雾化熏蒸处理在货架第6和第9 d时显著抑制了娃娃菜丙二醛含量的升高及总硫苷含量的下降（P<0.05）。进一步的流通及货架模拟结果显示,与对照组相比,100 mg/L的SAEW超声雾化熏蒸处理使娃娃菜中的菌落总数降低了17.04%,总硫苷含量提升了30.11%;另外,该处理显著抑制了采后娃娃菜中亚硝酸盐和丙二醛含量的积累（P<0.05）,延缓了可溶性糖、可溶性蛋白、总酚、抗坏血酸和异硫氰酸酯含量的下降,提高了黑芥子酶的活性。100 mg/L SAEW超声雾化熏蒸处理不仅能有效抑制流通及货架期间娃娃菜中菌落总数的生长,而且可有效减缓该过程中娃娃菜营养品质的流失,从而提高娃娃菜的保鲜效果。

     

基于机器视觉技术的大米品质检测综述

介绍了国外大米品质检测的研究现状及国内应用机器视觉技术对大米品质进行检测的研究动态,指出了应用机器视觉技术对大米品质检测存在的问题,并提示了今后研究的方向。     

基于机器视觉的食品瓶罐包装缺陷检测研究进展

根据近年文献资料,介绍了机器视觉技术在食品瓶罐包装缺陷检测上的应用和发展,概述瓶罐包装缺陷检测系统的硬件结构和检测流程;梳理并分析基于图像处理技术和基于深度学习方法在食品瓶罐包装缺陷检测领域取得的研究成果,探讨分类网络模型和目标检测网络模型两种技术在该领域的优势和不足,并对未来的发展进行了展望,为智能瓶罐包装检测的创新和发展提供参考。