魏洪昌 羅陽

摘要：隨著計算機視覺技術的不斷發(fā)展，計算機速度的提高和硬件的成本下降，農產品和食品檢測領域越來越廣泛地運用計算機視覺技術。本文對國內外計算機視覺技術在農產品和食品檢測中的應用以及這項技術的發(fā)展進行綜述。

關鍵詞：計算機視覺技術；圖象處理；農產品檢測；食品檢測

所謂計算機視覺技術，本質上就是利用圖像傳感器對物體進行識別，然后轉化成為數字圖像，同時利用計算機模擬好的人類判別規(guī)則對該圖像進行識別和理解，以此來替代人眼，并對圖像進行分析，得出相應的結論。

1. 在外形尺寸檢測中的應用

農產品的產品分級非常重要，其中外形尺寸就是一個很重要的指標。早在2000年，黃麗華等人就利用計算機視覺技術對羊絨的細度進行檢驗，CCD攝像頭可將單根羊絨放大4000倍，計算機經過圖像處理，就能精確得到羊絨的直徑。這種方法有很重要的意義，計算機的運用克服了人工測量的誤差，提高了效率，同時實現了測量的經濟性和精確性。同年，蔡健榮等將計算機視覺技術運用到煙葉的質量分選工作中，開發(fā)質量分選系統(tǒng)，原理就是該系統(tǒng)對采集系統(tǒng)進行定標，對光感度進行控制，具體操作過程是，提取180個參數進行選擇，進而形成特征向量，去除標準樣本中的奇異樣本。煙葉的檢測特征主要有：長度、面積、殘傷情況以及煙葉輪廓線展開后的分布情況，該系統(tǒng)利用人工神經網絡對多個地區(qū)的煙葉進行分類和學習之后，可以實現80%的檢測準確率。

另外，在對外形尺寸的檢測中，產品的形狀也是檢測的重要方面。尤其是對水果而言，形狀更顯得十分重要，因為形狀也是決定水果質量的重要指標。有研究人員在對果實形狀進行綜合分析的基礎上，提出了代表果實形狀的六個參數，也就是三個指標和三個指標的對稱性，這三個指標就是曲率指標、連續(xù)性指標和半徑指標。在計算機運用這種分析方法時，可以利用人工神經網絡對果形進行識別和分級。研究表明，使用提取的參數，計算機視覺和人工分類的平均符合率大于93%。

2. 在顏色檢測中的應用

通常，在確定農產品和食品品質的時候，色澤是一個非常重要的指標。將計算機視覺技術應用到色澤評價中，可以更加精準地區(qū)別各個部分的顏色并作出相應判斷，減少人眼判斷所帶來的誤差。對于烘焙食品的加工過程來說，質量控制是至關重要的一環(huán)，有學者和研究人員試圖利用計算機視覺技術來檢測面包以及其他烘焙食品的質量，也有食品技術人員嘗試將該項技術運用到比薩餅的質量檢測中去，減少人工定性判斷所帶來的誤差。留胚率，即胚芽在碾米過程中的保留率，是判斷大米品質的一個重要指標，數值上等于胚芽所占米粒的百分比，目前只能依靠人眼觀察來測定。不同的米粒飽和度不同，造成了胚芽和胚乳視覺上的差異，黃星奕等以飽和度作為顏色特征參數來識別胚芽，利用計算機視覺技術對大米的留胚率進行檢測，結果與人工檢測的結果高度吻合。德勝田等研制出一種能夠搜索成熟西瓜的視覺系統(tǒng)，可用于西瓜收獲機器人，原理是將所攝取的西瓜圖像類型由RGB轉變?yōu)镠IS，然后可以觀察到飽和度和色調。結果顯示，西瓜成熟度越高，飽和度的平均值越小，色調直方圖中的峰值像素數與峰值左側的像素數之比越小；反之，西瓜成熟度越低，飽和度的平均值越大，色調直方圖中的峰值像素數與峰值左側的像素數之比越大。

結語

自上世紀八十年代以來，計算機視覺技術已經不僅僅停留在單純地模擬視覺，甚至可以解釋和取代人類的視覺信息，進一步促進視覺信息采集方面的研究。傳感技術的發(fā)展也讓人們更加深入地認識到農業(yè)的物料特性。紅外和近紅外圖像處理的相關研究也使得計算機視覺有了更加深入的發(fā)展，不僅有單純的外觀視覺，還有物料的形狀、組成等內部特性。計算機視覺技術在農業(yè)工程中的研究又向實用邁近了一步。初始圖像特征與物料某一特性的相關關系研究，一步一步將計算機視覺內化到檢測分級系統(tǒng)，實現檢測的精確性。