賈楠 趙娜

摘要：據(jù)國際物質(zhì)糧農(nóng)組織1990年統(tǒng)計，人體必需的VC的90%、VA的60%來自蔬菜。此外，蔬菜中還有多種多樣的植物化學(xué)物質(zhì)，是人們公認的對健康有效的成分，隨著現(xiàn)代技術(shù)的迅速發(fā)展，為蔬菜產(chǎn)品品質(zhì)的無損檢測提供了很多新的方法和手段，機器視覺技術(shù)在蔬菜品質(zhì)檢測中的應(yīng)用已在國內(nèi)外被廣泛地開展，農(nóng)產(chǎn)品檢測技術(shù)方面在機器視覺上的應(yīng)用也愈來愈多。與此同時，機器視覺技術(shù)在蔬菜中品質(zhì)檢測領(lǐng)域的應(yīng)用前景正在變得越來越廣闊。本文主要研究的就是通過機器視覺來研究蔬菜外部品質(zhì)，以此來實現(xiàn)對水果品質(zhì)的檢測和數(shù)據(jù)的記錄。

關(guān)鍵詞：蔬菜；外部品質(zhì)；機器視覺；高光譜圖像

中圖分類號：TP18 文獻標識碼：A

文章編號：1009-3044（2019）10-0155-02

開放科學(xué)（資源服務(wù)）標識碼（OSID）：

Study on the External Quality of Vegetables Based on Machine Vision

JIA Nan， ZHAO Na*

（Tianjin Agricultural University， Tianjin 300384， China）

Abstract：According to the 1990 statistics of the International Food and Agriculture Organization （FAO）， 60% of the Vitamin A and the 90% of Vitamin C essential to human body comes from vegetables. In addition， there are a variety of plant chemicals in vegetables， which are recognized as healthy and effective ingredients. With the rapid development of modern technology， many new methods and means have been provided for non-destructive testing of vegetable product quality. The application of machine vision technology in vegetable quality detection has been widely carried out at home and abroad， and the application of agricultural product detection technology in machine vision is more and more. At the same time， the application prospect of machine vision technology in vegetable quality detection field is becoming more and more broad. This paper mainly studies the external quality of vegetables through machine vision， so as to achieve the detection of fruit quality and record of data.

Keywords： vegetable；external；quality machine vision；hyperspectral image

1 概述

農(nóng)產(chǎn)品檢測技術(shù)一直以來都是農(nóng)業(yè)領(lǐng)域研究問題的熱點。蔬菜在我國居民膳食結(jié)構(gòu)中具有重要的地位，其品質(zhì)安全狀況不僅關(guān)系到國民的營養(yǎng)水平及身體健康，同樣影響到我國農(nóng)產(chǎn)品出口創(chuàng)匯以及在國際市場上的競爭力。隨著國民生活質(zhì)量的提高，人們對蔬菜品質(zhì)的要求也越來越高。消費者對蔬菜的色、香、味、形、營養(yǎng)等方面提出了更高的要求。同時由于我國近年來蔬菜質(zhì)量安全問題頻發(fā)，導(dǎo)致公眾對蔬菜安全的不信任。傳統(tǒng)的蔬菜品質(zhì)安全檢測方法多采用精密檢測儀器，如高效液相色譜儀、氣質(zhì)聯(lián)用儀等，由于需要較復(fù)雜的樣品前處理過程，較長的檢測時間，因此無法對蔬菜的生產(chǎn)、運輸、銷售等環(huán)節(jié)的品質(zhì)與安全做出快速響應(yīng)。另外，傳統(tǒng)方法需要專業(yè)人員進行操作，檢測過程多數(shù)需要對樣品進行破壞，因此只能進行抽樣檢測，造成了定程度的浪費。新興的蔬菜品質(zhì)安全光學(xué)檢測技術(shù)，如機器視覺技術(shù)、近紅外光譜技術(shù)，高光譜技術(shù)以及拉曼光譜技術(shù)，可實現(xiàn)蔬菜的無損檢測，避免了常規(guī)檢測手段復(fù)雜的前處理過程，并且檢測速度快，可用于蔬菜生產(chǎn)加工過程的在線檢測。近幾年，通過機器視覺、光譜等光學(xué)檢測手段對果蔬進行品質(zhì)安全無損檢測已成為研究的熱點。

2 蔬菜外部品質(zhì)檢測

在蔬菜的種植運輸過程中，由于種種原因不可避免會產(chǎn)生一些外觀品質(zhì)損傷，表現(xiàn)為表面缺陷、著色較差、擦傷以及病害導(dǎo)致的病斑等。蔬菜在采后通過分級、清洗、上色、打蠟、包裝等步驟的處理，使其成為商品化程度高的產(chǎn)品。在蔬菜的優(yōu)選分級過程中，光學(xué)成像檢測技術(shù)能夠有效提高優(yōu)選效率，同時達到較高的準確度，保障蔬菜產(chǎn)品的優(yōu)質(zhì)供給。近年來采用光學(xué)技術(shù)對蔬菜外部品質(zhì)進行檢測的研究現(xiàn)狀?？梢灾?，蔬菜外部品質(zhì)檢測主要集中在大小形狀、顏色、重量等外形檢測，以及凍傷、擦傷、酶促褐變等表面損傷。[1]機器視覺技術(shù)在檢測蔬菜顏色、形狀、大小或者相對明顯的損傷等方面具有明顯的優(yōu)勢，但是對于凍傷、輕微損傷、酶促褐變等損傷卻難以辨別，采用高光譜或者多光譜技術(shù)則較為準確。用于蔬菜品質(zhì)檢測的高光譜系統(tǒng)，當不需要光譜檢測時，可將成像光譜儀去除，使相機和鏡頭相連，組成機器視覺系統(tǒng)。

3 基于機器視覺的蔬菜形態(tài)檢測

根據(jù)大小、形狀對蔬菜進行分級分選，有利于提高蔬菜的商品價值，目前常用方法為人工挑選分級。機器視覺技術(shù)的大部分進展都是在工業(yè)應(yīng)用中取得的。機器視覺技術(shù)具有快速、實時以及無損等優(yōu)點，可作為蔬菜在線檢測分級的重要手段。機器視覺技術(shù)首先通過圖像傳感器，如：電荷耦合器件 （Charge Coupled Device，CCD）、互補金屬氧化物半導(dǎo)體 （Complementary Metal Oxide Semiconductor Transistor，CMOS）等，采集蔬菜圖像，然后進行圖像的預(yù)處理。[2]最后進行特征參數(shù)提取。郝敏等采用機器視覺技術(shù)實現(xiàn)了馬鈴薯薯形的檢測分類，研究將Zemike作為特征參數(shù)并利用支持向量機建模，對薯形良好和畸形的檢測正確率達93%和100%黃星奕等根據(jù)正常和畸形秀珍菇的形狀特征，[4]通過逐步回歸提取分形維數(shù)、相對位移、菌蓋偏心率以及菌柄彎曲度等4個特征變量，采用支持向量機模式識別方法建立畸形秀珍菇判別模型，識別率高達96.67%。[3]可見，采用機器視覺技術(shù)對蔬菜的形態(tài)檢測具有較高的準確度。

Lino等采用機器視覺采集番茄的顏色以進行成熟度的判斷，在番茄的RGB圖像，以及紅、綠、藍和亮度特征的處理過程，在番茄成熟過程中，亮度、藍以及綠增強達到最高值后，開始降低，相反紅色值開始開高。在番茄成熟過程中，其各個顏色范圍不斷發(fā)生變化，紅色范圍越來越大，綠色范圍越來越小，說明葉綠素逐漸降低，番茄紅素逐漸升高。[5]通過該方法可以有效辨識番茄的成熟階段。

機器視覺技術(shù)對蔬菜的外部品質(zhì)鑒定具有較好的實際效果，能夠快速無損地對蔬菜的大小、是否畸形等做出鑒別，為蔬菜在線快速分級做出依據(jù)，隨著消費者對果蔬的外觀品質(zhì)要求越來越嚴格，機器視覺應(yīng)用于蔬菜的外部品質(zhì)檢測具有重要的實際價值。

4 蔬菜的缺陷識別

蔬菜缺陷包括機器損傷、病害、凍傷、腐爛等。對蔬菜缺陷進行檢測有利于提高蔬菜的附加值，降低儲藏成本以及避免病蟲害損失。傳統(tǒng)人工辨別方法，速度慢且正確率低，采用光學(xué)技術(shù)可以有效縮短檢測時間，提高檢測正確率，相比蔬菜的大小、形狀、顏色等形態(tài)檢測，這類檢測由于缺陷區(qū)域的顏色、紋理等信息和正常區(qū)域處的高度相似，僅基于機器視覺效果較差，因此缺陷檢測多采用高光諧/多光譜反射、透射以及熒光等技術(shù)。

5 高光譜圖像處理與分析

高光譜圖像是一個具有“圖譜合一”特點的三維數(shù)據(jù)立方體，因此高光譜圖像的處理和分析既可以在指定波長情況下在空間域進行圖像處理和分析，又可以在指定像素坐標位置情況下在光譜域進行光譜處理和分析，也可以同時在空間域和光譜域進行處理和分析。一般來講，高光譜圖像處理流程包括高光譜圖像數(shù)據(jù)獲取與校正層、高光譜圖像處理與分析層和應(yīng)用層三個層面。[5]其中高光譜圖像數(shù)據(jù)獲取與校正層包括樣品高光譜圖像和參考圖像的獲取、高光譜圖像校正；高光譜圖像處理與分析層包括光譜處理與分析和圖像處理與分析。

6 總結(jié)

隨著人們生活水平的不斷提高，蔬菜的品質(zhì)和安全性得到了全社會持續(xù)不斷的高度關(guān)注。傳統(tǒng)化學(xué)方法是一種費時費力的破壞性檢測方法，不利于品質(zhì)和安全性的快速無損檢測。高光譜成像技術(shù)于20世紀90年代后期才開始被應(yīng)用于農(nóng)產(chǎn)品品質(zhì)的無損檢測中，由于其科學(xué)有效的檢測性能，近年來在食品行業(yè)得到了快速的發(fā)展。大量的成功應(yīng)用案例已經(jīng)證明了高光譜成像技術(shù)是果蔬外部品質(zhì)、內(nèi)部品質(zhì)和品質(zhì)安全檢測的科學(xué)有效工具。高光譜成像技術(shù)還面臨著以下幾個挑戰(zhàn)。首先是高光譜相機較為昂貴，增加了商業(yè)化在線檢測與分選生產(chǎn)線的研發(fā)成本；其次是高光譜圖像數(shù)據(jù)獲取時間和分析處理時間較長，不利于高光譜成像系統(tǒng)的在線或?qū)崟r檢測果蔬的品質(zhì)和安全；第三是高光譜圖像存在較大的數(shù)據(jù)冗余，常常需要針對特定的應(yīng)用挑選特征波長。盡管如此，隨著計算機技術(shù)和信息技術(shù)的發(fā)展，高光譜成像技術(shù)作為一種科學(xué)有效的無損檢測工具將在食品和農(nóng)產(chǎn)品質(zhì)量與安全檢測方面發(fā)揮更大的作用。

參考文獻：

[1] 彭彥昆.農(nóng)畜產(chǎn)品品質(zhì)安全光學(xué)無損快速檢測技術(shù)[M].北京：科學(xué)出版社，2016（2）.

[2]霍恩. 機器視覺[M].王亮，蔣欣蘭，譯.北京：中國青年出版社，2014：

[3]郝敏，麻碩士，郝小冬.基于Zernike 矩的馬鈴薯薯形檢測[J].農(nóng)業(yè)工程學(xué)報，2010，26（2）.

[4]黃星奕，姜爽，陳全勝，等.基于機器視覺技術(shù)的畸形秀珍菇識別[J].農(nóng)業(yè)工程學(xué)報，2010，26（10）.

[5] 黃濤，李小雨，徐夢玲，等.高光譜成像技術(shù)與支持向量機的無損檢測研究[J].光譜學(xué)與光譜分析，2015（1）：198-202.

【通聯(lián)編輯：唐一東】