史 勇，郭俊先，李雪蓮，郭 陽(yáng)，劉彥岑，周 軍

（新疆農(nóng)業(yè)大學(xué) 機(jī)電工程學(xué)院，烏魯木齊 830052）

0 引言

哈密瓜是新疆特產(chǎn)，厚皮甜瓜品種群的統(tǒng)稱。哈密瓜歷史悠久，風(fēng)味獨(dú)特，并且果肉柔嫩，香氣濃郁，甜潤(rùn)多汁，富含大量的礦物元素和豐富的膳食纖維[1]。哈密瓜主要種植區(qū)域是新疆的吐魯番和哈密地區(qū)，近年哈密瓜產(chǎn)業(yè)發(fā)展迅速，種植面積和產(chǎn)量都在逐年增加[2]。

哈密瓜的品質(zhì)檢測(cè)和分選不僅取決于其形狀、大小、顏色等外部特征，還取決于哈密瓜的硬度、含糖量、可溶性固形物含量等內(nèi)部特征因素[3]。目前，新疆當(dāng)?shù)貙?duì)哈密瓜的采收和分選主要依靠人工經(jīng)驗(yàn)，依據(jù)哈密瓜的外部特征完成采摘和分選，其判定結(jié)果隨意性大，缺乏可靠性和準(zhǔn)確性，造成分選結(jié)果良莠不齊，嚴(yán)重影響到哈密瓜的品質(zhì)和聲譽(yù)，也給瓜農(nóng)帶來(lái)一定的經(jīng)濟(jì)損失。

近年來(lái)，無(wú)損檢測(cè)技術(shù)在農(nóng)產(chǎn)品的品質(zhì)檢測(cè)方面應(yīng)用廣泛[4]。國(guó)內(nèi)外學(xué)者在近紅外光譜技術(shù)、高光譜技術(shù)、機(jī)器視覺(jué)技術(shù)、聲學(xué)特性和電磁特性等領(lǐng)域做了許多探索和研究[5-6]。無(wú)損檢測(cè)技術(shù)通過(guò)盡可能不損壞被檢測(cè)對(duì)象的原有狀態(tài)來(lái)檢測(cè)其內(nèi)部化學(xué)成分和外觀物理特性。用于哈密瓜的快速品質(zhì)鑒別及分級(jí)，有助于增強(qiáng)哈密瓜在國(guó)際市場(chǎng)的競(jìng)爭(zhēng)力。本文對(duì)哈密瓜的無(wú)損檢測(cè)技術(shù)進(jìn)行分析和總結(jié)，介紹基于無(wú)損檢測(cè)及自動(dòng)化技術(shù)的哈密瓜分級(jí)裝置，并提出今后的研究和發(fā)展方向。

1 哈密瓜無(wú)損檢測(cè)技術(shù)的研究進(jìn)展

1.1 近紅外光譜檢測(cè)技術(shù)對(duì)哈密瓜品質(zhì)檢測(cè)的研究現(xiàn)狀

近紅外光譜指波段位于可見(jiàn)和近紅外間波長(zhǎng)780～2 526 nm 范圍內(nèi)的電磁輻射波[7]，可以實(shí)現(xiàn)對(duì)哈密瓜的堅(jiān)實(shí)度、糖分含量和可溶性固形物含量等的間接檢測(cè)。近紅外光譜技術(shù)具有效率高、無(wú)破壞性、成本低和操作簡(jiǎn)單等特點(diǎn)[8]，可應(yīng)用于哈密瓜等厚皮瓜果的品質(zhì)快速檢測(cè)，為分選和分級(jí)設(shè)備的開(kāi)發(fā)提供可靠依據(jù)。

GUTHRIE[9]利用近紅外光譜技術(shù)對(duì)甜瓜的含糖量進(jìn)行了預(yù)測(cè)研究。選取甜瓜“赤道”部位作為光譜采集區(qū)域，利用二階導(dǎo)數(shù)結(jié)合多元散射校正對(duì)最優(yōu)波段（695～1 045 nm）的光譜進(jìn)行處理，建立了改良偏最小二乘法的甜瓜總糖含量的預(yù)測(cè)模型，其預(yù)測(cè)集均方根誤差和標(biāo)準(zhǔn)偏差分別為1.1和0.04，驗(yàn)證了近紅外光譜技術(shù)可以用來(lái)預(yù)測(cè)甜瓜的含糖量。SANCHEZ等[10]利用近紅外光譜儀對(duì)甜瓜成熟度進(jìn)行無(wú)損檢測(cè)研究，利用甜瓜果肉的4個(gè)顏色分量特征建立了甜瓜成熟度及其品質(zhì)的改良偏最小二乘模型，證明可利用近紅外光譜技術(shù)結(jié)合果肉顏色評(píng)價(jià)甜瓜的成熟度和品質(zhì)。袁琳[11]利用近紅外漫反射光譜檢測(cè)甜瓜的可溶性固形物含量和堅(jiān)實(shí)度，得出矢量歸一化處理后的偏最小二乘模型對(duì)甜瓜可溶性固形物含量的預(yù)測(cè)效果較好。張德虎等[12]利用近紅外光譜技術(shù)對(duì)河套蜜瓜的糖度和堅(jiān)實(shí)度進(jìn)行了檢測(cè)，得出利用二階導(dǎo)數(shù)處理的蜜瓜糖度偏最小二乘模型預(yù)測(cè)效果最好，經(jīng)Norris一階導(dǎo)數(shù)處理的蜜瓜堅(jiān)實(shí)度偏最小二乘模型預(yù)測(cè)效果最好。畢智健等[13]研究了光譜數(shù)據(jù)預(yù)處理方法對(duì)哈密瓜糖度偏最小二乘法建模精度的影響，得出標(biāo)準(zhǔn)正態(tài)變量變換與二階導(dǎo)數(shù)相結(jié)合的光譜預(yù)處理方法可有效預(yù)測(cè)哈密瓜糖度含量。孫靜濤等[14]建立了近紅外光譜技術(shù)、高光譜技術(shù)和機(jī)器視覺(jué)技術(shù)融合的哈密瓜內(nèi)部品質(zhì)預(yù)測(cè)模型和成熟度判別模型，得出使用近紅外光譜特征與機(jī)器視覺(jué)圖像融合所建立的哈密瓜成熟度預(yù)測(cè)模型最優(yōu)，預(yù)測(cè)集判別正確率為98%。徐璐[15]采集哈密瓜“赤道”部位近紅外光譜特征，并基于偏最小二乘法和最小二乘支持向量機(jī)法建立哈密瓜可溶性固形物含量的預(yù)測(cè)模型，得出用“赤道”部位信息建立的模型可以用來(lái)預(yù)測(cè)哈密瓜的可溶性固形物含量。

1.2 高光譜檢測(cè)技術(shù)對(duì)哈密瓜品質(zhì)檢測(cè)的研究現(xiàn)狀

高光譜圖像是一系列光波在不同波長(zhǎng)處的光學(xué)圖像，既包含圖像信息，又包含光譜信息[16]。高光譜圖像可反映哈密瓜的形狀大小、物理結(jié)構(gòu)和表面缺陷等外部特征信息，也可反映其內(nèi)部結(jié)構(gòu)和化學(xué)成分等內(nèi)部品質(zhì)信息。但高光譜圖像數(shù)據(jù)龐大，對(duì)硬件要求高，數(shù)據(jù)的存儲(chǔ)、傳輸、分析和處理都較為麻煩，不易實(shí)現(xiàn)在線檢測(cè)，數(shù)據(jù)建模也較為困難。隨著科技的進(jìn)步、信息技術(shù)的快速發(fā)展和高效數(shù)據(jù)建模算法的開(kāi)發(fā)，高光譜技術(shù)會(huì)更加成熟，在農(nóng)產(chǎn)品的無(wú)損檢測(cè)領(lǐng)域應(yīng)用也會(huì)更加廣泛[17]。

馬本學(xué)等[18]利用高光譜成像技術(shù)對(duì)哈密瓜的糖度進(jìn)行了預(yù)測(cè)研究，結(jié)果表明，偏最小二乘法構(gòu)建的模型對(duì)帶皮哈密瓜糖度檢測(cè)是可行的，逐步多元線性回歸模型對(duì)去皮哈密瓜糖度預(yù)測(cè)效果最佳。SUN等[19]利用近紅外高光譜系統(tǒng)對(duì)甜瓜的糖度和硬度進(jìn)行了無(wú)損檢測(cè)研究，比較了偏最小二乘法、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)3種建模方法的預(yù)測(cè)結(jié)果，得出偏最小二乘模型預(yù)測(cè)效果最優(yōu)。伍恒等[20]采用高光譜技術(shù)用以識(shí)別新疆阿克蘇地區(qū)新和縣的大田哈密瓜的物候期，通過(guò)4種光譜預(yù)處理方法，建立廣義回歸神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)2種哈密瓜物候期判別模型，結(jié)果顯示，2種模型均能很好地識(shí)別哈密瓜果實(shí)物候期。李明周[21]利用高光譜無(wú)損檢測(cè)技術(shù)對(duì)哈密瓜不同生長(zhǎng)期的糖分、蛋白質(zhì)、可滴定酸以及維生素C的含量進(jìn)行預(yù)測(cè)，得出了不同生長(zhǎng)期各物質(zhì)含量的最佳預(yù)測(cè)模型，為全生長(zhǎng)周期內(nèi)哈密瓜果實(shí)品質(zhì)的無(wú)損檢測(cè)技術(shù)提供了理論依據(jù)。李鋒霞等[22]利用高光譜成像技術(shù)預(yù)測(cè)了哈密瓜的堅(jiān)實(shí)度，結(jié)果表明，在500～800 nm波段范圍內(nèi)，標(biāo)準(zhǔn)正態(tài)變換結(jié)合一階導(dǎo)數(shù)的偏最小二乘模型預(yù)測(cè)哈密瓜的堅(jiān)實(shí)度效果最優(yōu)。徐潔等[23]采用高光譜成像技術(shù)對(duì)哈密瓜表面農(nóng)藥殘留情況進(jìn)行檢測(cè)，采集了450～1 000 nm范圍內(nèi)的哈密瓜光譜圖像數(shù)據(jù)信息，在鹵素光源條件下采用貝葉斯判別法，預(yù)測(cè)農(nóng)藥殘留樣本的準(zhǔn)確率為100%，說(shuō)明高光譜技術(shù)能夠準(zhǔn)確預(yù)測(cè)哈密瓜表面的農(nóng)藥殘留。

1.3 機(jī)器視覺(jué)技術(shù)對(duì)哈密瓜品質(zhì)檢測(cè)的研究現(xiàn)狀

計(jì)算機(jī)視覺(jué)技術(shù)是利用計(jì)算機(jī)模擬人的視覺(jué)系統(tǒng)功能來(lái)感知周圍世界，并了解它的空間組成和變化規(guī)律[24]。目前，機(jī)器技術(shù)已廣泛應(yīng)用到農(nóng)產(chǎn)品的外部品質(zhì)（形狀、大小、顏色、重量、表面缺陷等）評(píng)價(jià)及分級(jí)檢測(cè)中，具有操作簡(jiǎn)單、速度快和精度高等優(yōu)點(diǎn)，在農(nóng)產(chǎn)品的外部品質(zhì)檢測(cè)方面有廣闊的應(yīng)用前景[25]。同時(shí)，機(jī)器聽(tīng)覺(jué)、味覺(jué)和嗅覺(jué)技術(shù)也在瓜果的無(wú)損檢測(cè)領(lǐng)域得到應(yīng)用，特別是電子鼻技術(shù)，在預(yù)測(cè)瓜果的可溶性固形物含量方面發(fā)揮著重要作用[26]。

WEI等[27]利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)甜瓜總糖含量進(jìn)行了預(yù)測(cè)研究，提取了甜瓜圖像的RGB、HSV和LAB顏色空間中的9個(gè)顏色分量和4個(gè)表面紋理特征變量，作為輸入變量建立了BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，其模型的決定系數(shù)為0.888，說(shuō)明機(jī)器視覺(jué)技術(shù)結(jié)合圖像分析可預(yù)測(cè)甜瓜含糖量。張建華[28]利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)厚皮甜瓜的表面缺陷進(jìn)行識(shí)別研究，得出BP神經(jīng)網(wǎng)絡(luò)模型對(duì)甜瓜表面缺陷的判別正確率為86.7%。劉超[29]利用機(jī)器視覺(jué)技術(shù)對(duì)哈密瓜糖度進(jìn)行預(yù)測(cè)，利用哈密瓜表面顏色特征結(jié)合主成分分析建立糖度的支持向量機(jī)回歸模型，預(yù)測(cè)相關(guān)系數(shù)為0.505 9，均方根誤差為1.594 9。許濟(jì)海[30]采用機(jī)器視覺(jué)技術(shù)，研究哈密瓜紋理特征與糖度的相關(guān)性，發(fā)現(xiàn)采用偏最小二乘法的糖度檢測(cè)模型可以較好預(yù)測(cè)哈密瓜的中心糖度。胡光輝等[31]利用機(jī)器視覺(jué)結(jié)合主成分分析優(yōu)化神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)展哈密瓜成熟等級(jí)識(shí)別方法的研究，構(gòu)建并搭建田間哈密瓜圖像采集系統(tǒng)，采集并提取能表征哈密瓜不同成熟等級(jí)的外觀特征，建立基于BP神經(jīng)網(wǎng)絡(luò)的哈密瓜成熟等級(jí)預(yù)測(cè)模型，準(zhǔn)確率達(dá)86.59%。呂琛[32]采用機(jī)器視覺(jué)技術(shù)對(duì)哈密瓜的成熟度開(kāi)展無(wú)損檢測(cè)技術(shù)研究，表明利用哈密瓜的彩色數(shù)字圖像的色度信息可以預(yù)測(cè)其成熟度，利用BP人工神經(jīng)網(wǎng)絡(luò)結(jié)合主成分分析法，預(yù)測(cè)精度達(dá)到96.25%。肖文東等[33]采用機(jī)器視覺(jué)技術(shù)，對(duì)哈密瓜的紋理特征進(jìn)行提取、分割和分類，利用OpenCV結(jié)合特征提取算法可實(shí)現(xiàn)哈密瓜高光譜紋理特征圖像的提取，利用Matlab輔助DSP技術(shù)可對(duì)哈密瓜紋理特征快速提取，分類準(zhǔn)確率達(dá)到88.10%。

1.4 聲學(xué)檢測(cè)技術(shù)對(duì)哈密瓜、西瓜等厚皮瓜類品質(zhì)檢測(cè)的研究現(xiàn)狀

物體的屬性與聲波的傳播速度、頻率和受到的阻力有一定的聯(lián)系，可通過(guò)這種聯(lián)系判斷物體的品質(zhì)。聲學(xué)特性無(wú)損檢測(cè)技術(shù)適合在線檢測(cè)，適應(yīng)性強(qiáng)，可用于瓜果硬度和成熟度等特性的檢測(cè)，應(yīng)用前景較好。小型的聲學(xué)檢測(cè)設(shè)備也便于攜帶，方便人們的日常生活需要。

TANIWAKI等[34]利用聲振法監(jiān)測(cè)甜瓜成熟速度，得出彈性指數(shù)與甜瓜成熟度指標(biāo)相關(guān)性較高，可通過(guò)彈性指數(shù)對(duì)甜瓜的成熟期及收獲期進(jìn)行預(yù)測(cè)。ITO[35]利用聲振便攜式硬度儀檢測(cè)了網(wǎng)紋甜瓜的硬度并對(duì)其成熟度進(jìn)行了評(píng)價(jià)，結(jié)果表明，聲波的傳輸速度隨著甜瓜的成熟而降低，當(dāng)傳輸速度低于80 m/s時(shí)，表明甜瓜蔗糖含量超過(guò)了8.5%，因此，利用聲波傳輸速度可預(yù)估甜瓜的采收時(shí)間。危艷君等[36]利用聲學(xué)特性檢測(cè)西瓜糖度和空心，利用6個(gè)特征頻率的聲透過(guò)率值建立西瓜的糖度模型，結(jié)果表明，敲擊點(diǎn)和信號(hào)接收點(diǎn)在西瓜“赤道”中部時(shí)檢測(cè)結(jié)果較好。葛明[37]研究了聲波傳播速度和主頻與西瓜成熟特征參數(shù)的關(guān)系，結(jié)果表明，聲波的傳輸頻率與西瓜的含糖量存在線性關(guān)系，決定系數(shù)為 0.905 7。肖珂等[38]通過(guò)分析敲擊西瓜產(chǎn)生的音頻信號(hào)，用功率譜峰值頻率判斷西瓜的成熟度，結(jié)果表明，不同成熟度的西瓜峰值頻率處于不同的頻率范圍，檢測(cè)正確率可達(dá)到90%。賀少鵬[39]利用聲學(xué)特性對(duì)哈密瓜硬度及成熟度的無(wú)損檢測(cè)研究，結(jié)果表明，哈密瓜的硬度可以采用彈性指數(shù)和阻尼比聯(lián)合預(yù)測(cè)，所構(gòu)建的預(yù)測(cè)模型相關(guān)性達(dá)到0.913，哈密瓜的成熟度可以采用頻帶幅值參數(shù)基于主成分回歸法進(jìn)行預(yù)測(cè)，預(yù)測(cè)模型校正集相關(guān)系數(shù)為0.891。

1.5 電學(xué)特性檢測(cè)技術(shù)對(duì)甜瓜品質(zhì)檢測(cè)的研究現(xiàn)狀

電學(xué)特性法是利用瓜果等物料的主動(dòng)電特性（電位差）和被動(dòng)電特性（如電阻、電導(dǎo)、介電特性）與其組織結(jié)構(gòu)、力學(xué)特性、熱學(xué)性質(zhì)的相互關(guān)聯(lián)和影響，實(shí)現(xiàn)瓜果品質(zhì)無(wú)損檢測(cè)的方法。電學(xué)特性法可用于瓜果成熟度的無(wú)損檢測(cè)，具有一定的應(yīng)用前景[40]。

NELSON 等[41]在 10～1.8 GHz的頻率范圍內(nèi)獲取了甜瓜的介電常數(shù)和損耗因子，得出甜瓜可溶性固形物含量與相對(duì)介電常數(shù)有較好的相關(guān)性，相關(guān)系數(shù)為0.96，證明了甜瓜的可溶性固形物含量可用相對(duì)介電常數(shù)來(lái)預(yù)測(cè)。郭文川等[42]分析介電特性和甜瓜糖度之間的關(guān)系，研究表明，哈密瓜汁的損耗角正切值在1.8 GHz頻率下與糖度的線性關(guān)系較好，其決定系數(shù)為0.784。劉梅[43]通過(guò)測(cè)定甜瓜電阻值和瓜體長(zhǎng)短半軸的方法預(yù)測(cè)甜瓜果肉含糖量，采用遺傳算法優(yōu)化最小二乘支持向量機(jī)所建立的智能網(wǎng)絡(luò)對(duì)甜瓜糖度進(jìn)行無(wú)損檢測(cè)，得出該方法建立的網(wǎng)絡(luò)可較為精確地預(yù)測(cè)甜瓜的糖度。王轉(zhuǎn)衛(wèi)等[44]應(yīng)用介電頻譜技術(shù)對(duì)陜西楊凌外形相似的4類成熟甜瓜種類進(jìn)行判別，研究不同預(yù)處理方法對(duì)模型精度的影響，得出連續(xù)投影算法-極限學(xué)習(xí)機(jī)模型判別效果最好，驗(yàn)證集總正確率達(dá)到100%，適用于基于介電頻譜的甜瓜種類判別。

2 基于無(wú)損檢測(cè)技術(shù)的哈密瓜分級(jí)裝備的研究進(jìn)展

2.1 基于機(jī)器視覺(jué)和光譜技術(shù)的哈密瓜分級(jí)裝備

虞飛宇[45]研制了基于機(jī)器視覺(jué)和圖像處理的哈密瓜分級(jí)系統(tǒng)，如圖1所示。

圖1 哈密瓜分級(jí)系統(tǒng)結(jié)構(gòu)示意圖Fig.1 Structure diagram of Hami melon grading system

系統(tǒng)利用機(jī)器視覺(jué)技術(shù)實(shí)現(xiàn)哈密瓜圖像的動(dòng)態(tài)采集與處理、哈密瓜位置跟蹤以及分級(jí)等功能。裝置可依據(jù)哈密瓜表面的缺陷與大小、形狀等特征進(jìn)行檢測(cè)和分級(jí)，提高了生產(chǎn)率和分級(jí)精度。劉啟全[46]隨后對(duì)哈密瓜分級(jí)機(jī)進(jìn)行了改進(jìn)設(shè)計(jì)，利用機(jī)器視覺(jué)技術(shù)結(jié)合圖像處理、模式識(shí)別實(shí)現(xiàn)對(duì)哈密瓜的表面顏色、表面缺陷、表面紋理和果體形狀等參數(shù)的提取確定，最終實(shí)現(xiàn)對(duì)哈密瓜外部品質(zhì)的綜合分級(jí)。但此基于線陣相機(jī)的哈密瓜分級(jí)機(jī)在實(shí)際運(yùn)行中只能平行前進(jìn)，不能實(shí)現(xiàn)旋轉(zhuǎn)，無(wú)法獲取哈密瓜整體圖像，對(duì)分級(jí)結(jié)果的判別有一定的偏差。

王運(yùn)祥[47]設(shè)計(jì)了哈密瓜分級(jí)試驗(yàn)裝置，如圖2所示。裝置主要包括：機(jī)架、動(dòng)力及傳動(dòng)部分、輸送旋轉(zhuǎn)機(jī)構(gòu)、角度調(diào)節(jié)機(jī)構(gòu)和分級(jí)執(zhí)行機(jī)構(gòu)等。工作時(shí)，打開(kāi)電源調(diào)節(jié)變頻器，將哈密瓜放在鏈條輸送帶左端承載托輥的上方，哈密瓜在承載托輥的推動(dòng)作用下順時(shí)針向上滾動(dòng)前進(jìn)。在此過(guò)程中，利用無(wú)損檢測(cè)裝置采集哈密瓜全表面信息，分級(jí)執(zhí)行機(jī)構(gòu)接到分級(jí)信號(hào)時(shí)打開(kāi)活動(dòng)口，使哈密瓜掉落，從而完成分級(jí)。裝置具有結(jié)構(gòu)緊湊、性能可靠、便于調(diào)試等特點(diǎn)。

圖2 哈密瓜分級(jí)試驗(yàn)裝置整體結(jié)構(gòu)示意圖Fig.2 The overall structure schematic diagram of Hami melon grading and test device

畢智健[48]結(jié)合可見(jiàn)近紅外光譜檢測(cè)系統(tǒng)，設(shè)計(jì)出一種哈密瓜糖度在線檢測(cè)裝置，如圖3所示。

圖3 哈密瓜糖度可見(jiàn)近紅外光譜在線檢測(cè)裝置總體設(shè)計(jì)圖Fig.3 The overall design of on-line detection device for sugar content of Hami melon by visible near infrared spectroscopy

裝置硬件部分主要由哈密瓜輸送裝置、光照模塊和光譜采集裝置組成。裝置采用漫透射光譜采集方法，其原理是將光源安裝在與采集探頭方向角度介于90°～180°之間位置，以整個(gè)哈密瓜作為檢測(cè)對(duì)象，能夠更好地獲取其內(nèi)部的品質(zhì)信息，為哈密瓜的分級(jí)提供了理論依據(jù)。裝置簡(jiǎn)單方便，檢測(cè)成本低，分析速度快，不損傷樣品。

2.2 基于傳感器和智能控制器的哈密瓜分級(jí)裝備

董冬冬等[49]設(shè)計(jì)了一種翻轉(zhuǎn)式哈密瓜分級(jí)裝置，如圖4所示。裝置由機(jī)架、傳送系統(tǒng)、托盤(pán)、控制系統(tǒng)和分級(jí)執(zhí)行裝置組成。工作時(shí)，哈密瓜由進(jìn)料口進(jìn)入托盤(pán)，并由傳送系統(tǒng)進(jìn)行傳送。當(dāng)哈密瓜通過(guò)對(duì)射式激光傳感器區(qū)域時(shí)，會(huì)觸發(fā)傳感器產(chǎn)生信號(hào)，然后由PLC 控制調(diào)速電機(jī)轉(zhuǎn)動(dòng)，帶動(dòng)凸輪機(jī)構(gòu)使相應(yīng)的托盤(pán)翻轉(zhuǎn)，完成哈密瓜的大小分級(jí)。裝置利用傳感器技術(shù)實(shí)現(xiàn)對(duì)哈密瓜的大小分級(jí)，可減少工人分選的勞動(dòng)強(qiáng)度，提高分級(jí)效率。

圖4 翻轉(zhuǎn)式哈密瓜分級(jí)裝置示意圖Fig.4 Schematic diagram of inverted Hami melon grading device

董冬冬[50]又設(shè)計(jì)出一套哈密瓜自動(dòng)分級(jí)裝置。裝置在前期研發(fā)的翻轉(zhuǎn)式哈密瓜分級(jí)裝置的基礎(chǔ)上，增加了哈密瓜的輸送系統(tǒng)，可以實(shí)現(xiàn)自動(dòng)上料、自動(dòng)定位和輸送等功能，并最終實(shí)現(xiàn)哈密瓜的自動(dòng)分級(jí)。裝置可有效利用傳感器及控制器提高哈密瓜的分級(jí)效率，提升自動(dòng)化分級(jí)水平，節(jié)約勞動(dòng)力。

3 展望

（1）近紅外光譜技術(shù)今后的發(fā)展方向是朝向小型化和輕型化發(fā)展，開(kāi)發(fā)便攜式的檢測(cè)設(shè)備，可連接手機(jī)、平板等移動(dòng)端，隨時(shí)實(shí)現(xiàn)對(duì)哈密瓜生長(zhǎng)過(guò)程和品質(zhì)的無(wú)損監(jiān)測(cè)。

（2）高光譜技術(shù)未來(lái)發(fā)展趨勢(shì)是通過(guò)設(shè)計(jì)合適的光譜圖像采集系統(tǒng)，結(jié)合光譜預(yù)處理、數(shù)據(jù)降維、特征波長(zhǎng)篩選和模型建立等方法，研究基于被測(cè)對(duì)象特征的最佳算法和模型，這樣可降低成本和提高檢測(cè)效率。

（3）機(jī)器視覺(jué)技術(shù)未來(lái)可用于瓜果生長(zhǎng)過(guò)程的無(wú)損監(jiān)測(cè)，從哈密瓜種植、初加工、貯藏和分選等階段加大機(jī)器視覺(jué)技術(shù)的應(yīng)用程度。

（4）利用介電特性可實(shí)現(xiàn)對(duì)哈密瓜成熟度的無(wú)損檢測(cè)，但是很少有學(xué)者深入研究哈密瓜介電特性的機(jī)理和哈密瓜采后生理變化對(duì)其介電特性的影響機(jī)理。未來(lái)應(yīng)加強(qiáng)聲學(xué)和介電檢測(cè)設(shè)備的研發(fā)，為哈密瓜的無(wú)損檢測(cè)提供裝備和技術(shù)方面支持。

（5）在研發(fā)哈密瓜的分級(jí)裝置過(guò)程中，可以融合機(jī)器視覺(jué)和光譜分析技術(shù)，綜合分析哈密瓜內(nèi)、外部品質(zhì)，實(shí)現(xiàn)在線快速檢測(cè)、精準(zhǔn)分級(jí)。同時(shí)，分級(jí)裝置的研發(fā)還可將無(wú)損檢測(cè)技術(shù)和機(jī)械系統(tǒng)技術(shù)、信息處理技術(shù)、電子控制技術(shù)及液壓氣動(dòng)技術(shù)結(jié)合起來(lái)，搭建自動(dòng)化和智能化的分選裝置，利用光學(xué)成像原理技術(shù)、圖像處理技術(shù)、模式識(shí)別技術(shù)及各類算法，快速準(zhǔn)確實(shí)現(xiàn)哈密瓜的分選。

4 結(jié)語(yǔ)

綜上所述，無(wú)損檢測(cè)技術(shù)應(yīng)用于哈密瓜的生長(zhǎng)監(jiān)測(cè)、品質(zhì)檢測(cè)和分級(jí)，可以實(shí)現(xiàn)對(duì)哈密瓜的精準(zhǔn)管理、提高品質(zhì)和產(chǎn)量、實(shí)現(xiàn)精準(zhǔn)快速分級(jí)，避免造成品質(zhì)的良莠不齊，幫助瓜農(nóng)增產(chǎn)增收。基于無(wú)損檢測(cè)技術(shù)的哈密瓜分級(jí)裝置能實(shí)現(xiàn)對(duì)哈密瓜的在線檢測(cè)和分級(jí)，實(shí)現(xiàn)機(jī)械化和自動(dòng)化作業(yè)。今后，還需要加大對(duì)哈密瓜無(wú)損檢測(cè)方法和檢測(cè)機(jī)理的研究，開(kāi)發(fā)更高效的算法模型和更先進(jìn)便攜的檢測(cè)設(shè)備，并融合多種檢測(cè)技術(shù)，研制自動(dòng)化程度高、安全環(huán)保和易于實(shí)現(xiàn)產(chǎn)業(yè)化的分級(jí)裝備，為哈密瓜產(chǎn)業(yè)的快速健康發(fā)展提供技術(shù)和裝備上的支持。