李 聰，李玉潔，李小占，喻國威，劉 鑫，馬本學(xué),2,

（1.石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆石河子 832003；2.農(nóng)業(yè)農(nóng)村部西北農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室，新疆石河子 832003）

紅棗是原產(chǎn)中國的傳統(tǒng)名優(yōu)特產(chǎn)品，被列為“五果”（栗、桃、李、杏、棗）之一，富含維生素C、蛋白質(zhì)、脂肪、胡蘿卜素等營養(yǎng)成分，種植面積遍布全國。據(jù)統(tǒng)計(jì)，2009～2018 年中國紅棗產(chǎn)銷量在逐年增加，但出口量并不大，約占年產(chǎn)量的千分之一。紅棗產(chǎn)后分級(jí)是其包裝銷售和深加工前的一個(gè)重要工序，亦是實(shí)現(xiàn)紅棗優(yōu)質(zhì)優(yōu)價(jià)，提高其經(jīng)濟(jì)價(jià)值的關(guān)鍵。

紅棗外部品質(zhì)分級(jí)一般是通過顏色、質(zhì)地、大小和質(zhì)量等外部品質(zhì)標(biāo)準(zhǔn)在工業(yè)分級(jí)機(jī)上自動(dòng)完成的，但是根據(jù)其他外觀標(biāo)準(zhǔn)對(duì)紅棗進(jìn)行分級(jí)，如擦傷、腐爛和裂紋等一些不明顯的缺陷，這些缺陷對(duì)健全的果皮呈現(xiàn)相同的顏色和質(zhì)地，或者總是與果梗和花萼混淆，效率較低，因此仍然是通過人工分選。人工分選存在主觀性較強(qiáng)、耗時(shí)、分選不一致等缺點(diǎn)，并且容易受到周圍環(huán)境的影響，開發(fā)一種自動(dòng)化的外部品質(zhì)質(zhì)量檢測(cè)分級(jí)系統(tǒng)代替人工分選是十分迫切和必要的。

紅棗種植地主要在我國，國外對(duì)紅棗分級(jí)機(jī)的研究較少。目前紅棗的分級(jí)裝備主要包括機(jī)械式、光電式和機(jī)器視覺式3 種，其主要特征見表1 所示。現(xiàn)階段我國主要以機(jī)械式為主，大多以大小尺寸作為分級(jí)標(biāo)準(zhǔn)，分級(jí)標(biāo)準(zhǔn)單一。基于機(jī)器視覺的分級(jí)裝備可以滿足多特征檢測(cè)分級(jí)，但現(xiàn)階段國內(nèi)基于機(jī)器視覺的紅棗分級(jí)技術(shù)還不成熟。迫于市場(chǎng)壓力，部分紅棗經(jīng)銷商從國外進(jìn)口基于機(jī)器視覺的紅棗分級(jí)設(shè)備，其利用圖像處理技術(shù)，通過獲取棗的彩色照片，進(jìn)行圖像的處理，獲取棗的大小、顏色以及表面缺陷等方面的信息，從而可以判斷棗的品質(zhì)，但價(jià)格極其昂貴，維護(hù)費(fèi)用高。因此研究紅棗的無損檢測(cè)分級(jí)技術(shù)，生產(chǎn)基于機(jī)器視覺的紅棗檢測(cè)分級(jí)機(jī)有利于提高紅棗的產(chǎn)后處理效率，降低分級(jí)時(shí)造成的損傷，對(duì)提高紅棗在國內(nèi)和國際市場(chǎng)上的經(jīng)濟(jì)價(jià)值和競(jìng)爭(zhēng)力具有重要意義。本文擬通過介紹機(jī)器視覺技術(shù)在紅棗外部品質(zhì)檢測(cè)中的研究現(xiàn)狀與應(yīng)用，以促進(jìn)我國紅棗在線檢測(cè)裝備的研制。

表1 不同類別紅棗分級(jí)裝備主要特征Table 1 Main characteristics of different types of jujube grading equipment

1 機(jī)器視覺技術(shù)

機(jī)器視覺系統(tǒng)一般包括光源系統(tǒng)、圖像捕捉系統(tǒng)、圖像處理系統(tǒng)、圖像數(shù)字化模塊和控制執(zhí)行模塊。首先通過CCD（CMOS）攝像機(jī)獲取圖像，經(jīng)采樣量化后將模擬圖像轉(zhuǎn)換為數(shù)字影像或數(shù)字信號(hào)傳遞給圖像處理系統(tǒng)。圖像處理系統(tǒng)采用各種運(yùn)算對(duì)信號(hào)進(jìn)行目標(biāo)特征提取，如目標(biāo)的大小、位置和顏色等，最后根據(jù)預(yù)定的標(biāo)準(zhǔn)輸出所需結(jié)果、顯示數(shù)據(jù)或控制執(zhí)行模塊完成預(yù)定操作。圖1 所示為典型的紅棗機(jī)器視覺檢測(cè)分級(jí)系統(tǒng)示意圖，一般是通過CCD相機(jī)將被拍攝的紅棗轉(zhuǎn)換成圖像信號(hào)，傳送給圖像處理系統(tǒng)，得到紅棗的外部表面信息，將獲取的紋理、大小、缺陷和顏色等信息轉(zhuǎn)變成數(shù)字化信號(hào)，圖像系統(tǒng)對(duì)信號(hào)進(jìn)行各種運(yùn)算提取目標(biāo)特征，根據(jù)目標(biāo)特征結(jié)合機(jī)器學(xué)習(xí)或深度學(xué)習(xí)對(duì)紅棗的優(yōu)劣進(jìn)行分級(jí)。

圖1 紅棗機(jī)器視覺檢測(cè)分級(jí)系統(tǒng)Fig.1 Jujube machine vision inspection grading system

馬學(xué)武等利用鏈輪輸送機(jī)構(gòu)，當(dāng)紅棗經(jīng)過黑箱區(qū)域時(shí)觸發(fā)光電開關(guān)，此時(shí)信號(hào)被傳送給計(jì)算機(jī)，計(jì)算機(jī)接收到信號(hào)觸發(fā)圖像采集卡采集圖像，通過圖像處理算法提取紅棗的特征（顏色，直徑，面積等），并記錄紅棗的實(shí)時(shí)位置，當(dāng)?shù)竭_(dá)分級(jí)位置時(shí)利用光電開關(guān)實(shí)現(xiàn)對(duì)紅棗的分級(jí)。由于單表面檢測(cè)會(huì)造成信息遺漏，導(dǎo)致分級(jí)準(zhǔn)確率不高。田緒順等采用兩個(gè)攝像機(jī)對(duì)紅棗進(jìn)行拍攝取照實(shí)現(xiàn)雙面檢測(cè)，并指出利用物料本身滑動(dòng)摩擦力結(jié)合吸振能力較好的材料，采用分步檢測(cè)的機(jī)理，能夠?qū)崿F(xiàn)紅棗及其他橢球形水果的單體化喂入、全表面呈現(xiàn)等功能。

考慮兩個(gè)相機(jī)的檢測(cè)裝置比較復(fù)雜，效率比較低，為了實(shí)現(xiàn)紅棗全表面檢測(cè)，王麗麗利用PVC帶作為傳輸裝置，通過調(diào)節(jié)傳送帶的速度來實(shí)現(xiàn)單列化均勻上料，利用翻轉(zhuǎn)傳輸裝置實(shí)現(xiàn)哈密大棗外部品質(zhì)全表面檢測(cè)。王松磊等設(shè)計(jì)了基于機(jī)器視覺技術(shù)的紅棗快速無損檢測(cè)分級(jí)機(jī)，采用間歇式凸輪機(jī)構(gòu)結(jié)合輥輪輸送鏈板實(shí)現(xiàn)紅棗單體化排布輸送，利用相機(jī)與STM32 嵌入式系統(tǒng)結(jié)合正面和背面光源實(shí)現(xiàn)紅棗多表面圖像采集，最后采用高壓噴氣裝置完成紅棗的分級(jí)。從單面檢測(cè)到雙面檢測(cè)再到全表面檢測(cè)，檢測(cè)可靠性不斷提升，但是紅棗檢測(cè)裝置的復(fù)雜性有所提升，檢測(cè)速度有所下降，在提升檢測(cè)準(zhǔn)確率的同時(shí)優(yōu)化檢測(cè)裝置結(jié)構(gòu)是實(shí)現(xiàn)紅棗在線檢測(cè)的難題。

目前機(jī)器視覺技術(shù)已經(jīng)發(fā)展成為一門涉及人工智能、圖像處理、計(jì)算機(jī)科學(xué)、模式識(shí)別等諸多領(lǐng)域的交叉學(xué)科，相比于其他檢測(cè)技術(shù)，機(jī)器視覺技術(shù)具有高效、無損、分級(jí)指標(biāo)多，檢測(cè)結(jié)果客觀準(zhǔn)確等優(yōu)點(diǎn)，是一種無損的檢測(cè)方法。近年來獲得廣泛地研究和應(yīng)用，已成為農(nóng)產(chǎn)品品質(zhì)檢測(cè)的重要技術(shù)手段之一，在紅棗、柑橘、蘋果、馬鈴薯等農(nóng)產(chǎn)品品質(zhì)檢測(cè)中有很大的應(yīng)用前景。隨著基于統(tǒng)計(jì)學(xué)模型的機(jī)器學(xué)習(xí)的快速發(fā)展，各種淺層機(jī)器學(xué)習(xí)模型相繼被提出。結(jié)合機(jī)器學(xué)習(xí)相關(guān)統(tǒng)計(jì)學(xué)特征的算法使得機(jī)器視覺系統(tǒng)的精度和效率都有了很大提升。近年來，深度學(xué)習(xí)在特征提取方面表現(xiàn)出來的獨(dú)特優(yōu)勢(shì)，成為人工智能領(lǐng)域最熱門的學(xué)習(xí)方法。與傳統(tǒng)的機(jī)器學(xué)習(xí)相比，深度學(xué)習(xí)提倡采用端到端的方式來解決問題，即直接將圖像特征提取與模式分類集合在一起，然后根據(jù)具體的模式分類目標(biāo)損失函數(shù)（如交叉熵?fù)p失、Hinge 損失函數(shù)等）從數(shù)據(jù)中自動(dòng)地學(xué)習(xí)到有效的特征并實(shí)現(xiàn)模式分類，學(xué)習(xí)能力強(qiáng)。因此深度學(xué)習(xí)在計(jì)算機(jī)視覺、人臉識(shí)別、語音識(shí)別、行人檢測(cè)等領(lǐng)域取得了巨大成功。深度學(xué)習(xí)也存在缺少完善的理論支持、模型正確性驗(yàn)證復(fù)雜且麻煩、需要大量訓(xùn)練樣本、計(jì)算量大等問題。相信隨著深度學(xué)習(xí)研究的不斷深入，將為機(jī)器視覺帶來更廣闊的發(fā)展空間。

2 機(jī)器視覺技術(shù)在紅棗外部品質(zhì)檢測(cè)中的研究現(xiàn)狀

2.1 缺陷檢測(cè)

目前大部分紅棗經(jīng)大小分級(jí)機(jī)分選后直接流入市場(chǎng)，若不進(jìn)行初步的品質(zhì)分級(jí)，缺陷棗流入市場(chǎng)，將影響紅棗的附加值。針對(duì)紅棗缺陷分類問題，研究人員通過使用不同顏色空間對(duì)紅棗進(jìn)行分析。趙杰文等在HIS 顏色空間中提取H 的均值和均方差作為特征值，利用支持向量機(jī)建立缺陷紅棗識(shí)別模型，對(duì)表面顏色呈現(xiàn)較暗的霉?fàn)€、漿頭、油頭果識(shí)別準(zhǔn)確率可達(dá)到96.2%。海潮等在HSV 顏色空間中提取H 分量和S 分量，并采用Blob 分析算法進(jìn)行紅棗與背景的分離以及紅棗表面缺陷的識(shí)別，缺陷果識(shí)別的準(zhǔn)確率可達(dá)到90%以上。根據(jù)紅棗表面差異，李運(yùn)志等依據(jù)半干棗在病害和非病害區(qū)域色調(diào)值差異提取病害區(qū)域，提出了一種以機(jī)器視覺為基礎(chǔ)的缺陷識(shí)別方法，用提取的病害區(qū)域與棗表面積的比作為閾值來確定識(shí)別精度，以識(shí)別病害和裂痕棗。張萌等針對(duì)紅棗表面灰度不均勻提出了一種亮度快速矯正算法，解決了表面缺陷難以快速定位的問題。顯著地增強(qiáng)了果面缺陷特征，提高了紅棗自動(dòng)分級(jí)的實(shí)時(shí)性。這些傳統(tǒng)的基于機(jī)器學(xué)習(xí)的機(jī)器視覺方法雖然可以較好的識(shí)別缺陷棗果，但需要人工提取缺陷特征，費(fèi)時(shí)費(fèi)力，且局限于如裂紋、破頭、病蟲害等缺陷特征明顯的棗果。對(duì)于缺陷特征不明顯的棗果難往往以達(dá)到預(yù)期效果。此外，基于機(jī)器視覺的高光譜成像技術(shù)也被用于紅棗缺陷檢測(cè)，這種檢測(cè)技術(shù)增加了圖像的光譜信息，檢測(cè)精度高，但速度慢，成本高。WU 等通過使用高光譜成像技術(shù)獲取反射圖像，以實(shí)現(xiàn)常見缺陷如裂紋、蟲害和淤傷的識(shí)別。WANG等采用在400～720 nm 光譜區(qū)域內(nèi)的高光譜反射率成像方法檢測(cè)鮮棗果實(shí)的外部損傷和昆蟲缺陷。

隨著互聯(lián)網(wǎng)時(shí)代大數(shù)據(jù)的爆發(fā)，深度學(xué)習(xí)已經(jīng)廣泛應(yīng)用于人臉識(shí)別、語音識(shí)別和行人檢測(cè)等。楊志銳等提出一種基于網(wǎng)中網(wǎng)卷積神經(jīng)網(wǎng)絡(luò)對(duì)紅棗進(jìn)行缺陷檢測(cè)的方法，試驗(yàn)結(jié)果表明該方法優(yōu)于基于常規(guī)SVM（Support Vector Machine）的視覺檢測(cè)方法和基于AlexNet 網(wǎng)絡(luò)的分類方法。方雙等采取多尺度卷積神經(jīng)網(wǎng)絡(luò)對(duì)黃皮棗、霉變棗、破頭棗和正常棗進(jìn)行了檢測(cè)，模型在AlexNet 卷積神經(jīng)網(wǎng)絡(luò)上進(jìn)行了改進(jìn)，增加了深度和寬度，提高了模型的檢測(cè)準(zhǔn)確率。在生產(chǎn)中，由于自然條件或工藝流程的不同，一個(gè)單一的產(chǎn)品往往可能表現(xiàn)出不止一種類型的缺陷，而且典型的卷積神經(jīng)網(wǎng)絡(luò)在提取特征時(shí)傾向于將圖像視為不可分離的實(shí)體和單個(gè)實(shí)例。針對(duì)此問題，XU 等提出了一種基于特征關(guān)注度的多標(biāo)簽棗缺陷分類關(guān)系網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)同一紅棗多種缺陷類別的檢測(cè)與識(shí)別。為實(shí)現(xiàn)缺陷紅棗的精準(zhǔn)定位與實(shí)時(shí)檢測(cè)，曾窕俊等提出一種基于幀間最短路徑搜索的目標(biāo)定位方法和集成卷積神經(jīng)網(wǎng)絡(luò)模型，通過建立圖像坐標(biāo)系及圖像預(yù)處理操作，獲得圖像中單個(gè)紅棗目標(biāo)的位置坐標(biāo)，將其映射到空間坐標(biāo)系中，結(jié)合幀間最短路徑判定規(guī)則，實(shí)現(xiàn)對(duì)紅棗位置坐標(biāo)的更新與傳遞，從而實(shí)現(xiàn)對(duì)視頻中紅棗的定位與跟蹤。以上研究表明了深度學(xué)習(xí)目前已可以較好的應(yīng)用于紅棗缺陷的識(shí)別與檢測(cè)。表2 詳細(xì)總結(jié)了使用不同機(jī)器視覺系統(tǒng)對(duì)各類紅棗進(jìn)行缺陷檢測(cè)的研究。

表2 紅棗缺陷檢測(cè)研究綜述Table 2 Summary of research on red jujube defect detection

2.2 大小檢測(cè)

大小是紅棗分級(jí)的重要依據(jù)之一，按紅棗大小進(jìn)行檢測(cè)分級(jí)，選出大小基本一致的紅棗，有利于包裝儲(chǔ)存和加工處理。尺寸檢測(cè)可以用傳統(tǒng)的機(jī)器視覺進(jìn)行，目前用于測(cè)算紅棗大小的特征有面積、周長、擬合圓半徑、橫縱徑、體積和質(zhì)量，通過提取紅棗大小特征，進(jìn)行數(shù)據(jù)擬合得到預(yù)測(cè)函數(shù)。李景彬等提出一種基于機(jī)器視覺的干制紅棗大小分級(jí)方法，對(duì)紅棗樣本圖像進(jìn)行預(yù)處理，提取紅棗的外形尺寸和質(zhì)量等特征，采用最小外接矩形法獲取紅棗的長徑和短徑當(dāng)量值，應(yīng)用線性回歸得到擬合函數(shù)分別求得紅棗縱徑值和質(zhì)量值，采用句法模式識(shí)別對(duì)數(shù)據(jù)進(jìn)行紅棗大小分級(jí)，分級(jí)準(zhǔn)確率達(dá)到85%。單個(gè)表面的紅棗圖像難以反應(yīng)紅棗的整體大小，利用紅棗單側(cè)圖像對(duì)紅棗進(jìn)行分級(jí)準(zhǔn)確率不高，針對(duì)此問題，QI等通過提取哈密大棗的投影面積、橫向直徑和縱向直徑，建立BP 神經(jīng)網(wǎng)絡(luò)分類模型，測(cè)試準(zhǔn)確率達(dá)到91.43%，平均檢測(cè)時(shí)間為80 ms，可滿足大小尺寸的實(shí)時(shí)檢測(cè)。王艷等利用圖像處理技術(shù)提取鮮駿棗的平均面積、周長、長軸、短軸幾何特征，與實(shí)際質(zhì)量擬合建立回歸模型，預(yù)測(cè)鮮駿棗的質(zhì)量，最后采用判別分析法對(duì)大小進(jìn)行分選。結(jié)果表明機(jī)器視覺技術(shù)能夠較為準(zhǔn)確地實(shí)現(xiàn)對(duì)質(zhì)量與大小的預(yù)測(cè)和分選。

現(xiàn)階段對(duì)紅棗大小檢測(cè)原理主要是利用最小外接矩形法或者利用邊緣檢測(cè)提取紅棗大小特征進(jìn)行對(duì)紅棗大小分級(jí)，但平面信息不能準(zhǔn)確地判定紅棗的大小，針對(duì)此問題，程子龍等提出一種用雙目視覺測(cè)量物體大小的方法，先進(jìn)行雙目標(biāo)定、立體匹配，獲得景深圖后，對(duì)物體輪廓進(jìn)行檢測(cè)，用最小四邊形框出物體的輪廓，通過計(jì)算四邊形四個(gè)頂點(diǎn)的坐標(biāo)得到物體中心點(diǎn)的像素坐標(biāo)，通過雙目測(cè)距的原理獲得物體中心點(diǎn)距離攝像頭的距離。根據(jù)三角形原理，計(jì)算出物體的寬度和高度，實(shí)現(xiàn)物體大小的測(cè)量。利用雙目視覺技術(shù)結(jié)合機(jī)器視覺測(cè)量紅棗體積以獲取空間信息，實(shí)現(xiàn)紅棗品質(zhì)分級(jí)將是未來的一個(gè)研究方向。

2.3 紋理檢測(cè)

紅棗的表面紋理特征是衡量紅棗外部品質(zhì)的重要指標(biāo)，一般紋理比較多的紅棗果肉較少，水分含量低，含糖量低，在銷售時(shí)要將其剔除。在紅棗紋理檢測(cè)過程中，通常首先提取紅棗紋理特征，然后通過機(jī)器學(xué)習(xí)算法建立分級(jí)模型實(shí)現(xiàn)紅棗的品質(zhì)分級(jí)。針對(duì)目前紅棗分級(jí)效率低，漏檢率高，勞動(dòng)強(qiáng)度大等問題，柴春花等以紅棗的紋理作為分級(jí)指標(biāo)，提出了一種基于機(jī)器視覺紅棗紋理分級(jí)方法，通過提取紅棗圖像的均值、標(biāo)準(zhǔn)差、平滑度、三階矩、一致性和熵6 個(gè)紋理特征，采用BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行紅棗紋理分級(jí)，試驗(yàn)結(jié)果表明，一級(jí)紅棗識(shí)別率為100%，二級(jí)紅棗識(shí)別率為80%，三級(jí)紅棗識(shí)別率為100%，綜合識(shí)別率為93.33%。張靈通等采用灰度共生矩陣提取南疆紅棗的紋理特征，根據(jù)紅棗紋理特征參數(shù)的區(qū)分度，實(shí)現(xiàn)南疆紅棗的外觀品質(zhì)分級(jí)檢測(cè)。由于紅棗的褶皺在白色光源下不明顯，導(dǎo)致檢測(cè)效果比較差，ZHANG 等通過調(diào)節(jié)光源的顏色，改變光源強(qiáng)度，對(duì)紅棗圖片灰度均值方差和灰度信息熵進(jìn)行數(shù)據(jù)擬合，發(fā)現(xiàn)在光強(qiáng)35800 lx 下的綠+藍(lán)圖片紅棗的褶皺最清晰，并提出一種自動(dòng)分水嶺分割算法實(shí)現(xiàn)棗果褶皺分級(jí)，結(jié)果表明該算法得到的褶皺分級(jí)準(zhǔn)確率為92.11%。但以上紋理特征提取均需要人工提取，費(fèi)時(shí)費(fèi)力。針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)方法需要人工提取紋理特征并對(duì)圖片進(jìn)行預(yù)處理等問題，羅秀芝等提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的哈密大棗紋理分級(jí)方法，使用卷積核自動(dòng)提取紋理特征，相對(duì)于用灰度共生矩陣提取紋理信息，再分別用BP 神經(jīng)網(wǎng)絡(luò)或SVM 來分類，用卷積神經(jīng)網(wǎng)絡(luò)對(duì)哈密大棗紋理進(jìn)行分類準(zhǔn)確率高并且試驗(yàn)過程更簡(jiǎn)單。上述研究表明，深度學(xué)習(xí)較傳統(tǒng)的機(jī)器學(xué)習(xí)方法，在紅棗褶皺分級(jí)上更有優(yōu)勢(shì)。

2.4 顏色檢測(cè)

紅棗表面顏色受天氣、土壤、水分等環(huán)境的影響，個(gè)體之間會(huì)有很大的差異，影響到紅棗品質(zhì)，為滿足消費(fèi)者對(duì)紅棗品質(zhì)的需求，進(jìn)行紅棗表面顏色的檢測(cè)和分級(jí)至關(guān)重要。馬翔等開發(fā)了一種基于嵌入式 STM32F407 處理器結(jié)合機(jī)器視覺技術(shù)的紅棗顏色檢測(cè)分級(jí)系統(tǒng)，首先通過CMOS 圖像傳感器獲取鮮棗圖像，經(jīng)圖像預(yù)處理后，利用顏色閾值算法實(shí)現(xiàn)鮮棗顏色分級(jí)，經(jīng)驗(yàn)證表明該系統(tǒng)具有分級(jí)速度快、檢測(cè)識(shí)別精度高、制作成本低等優(yōu)點(diǎn)，在紅棗顏色分級(jí)方面有較高的實(shí)用價(jià)值。孫中國等以表面顏色為生熟判別指標(biāo)，建立了基于機(jī)器視覺技術(shù)的冬棗成熟度檢測(cè)系統(tǒng)，利用 HIS 模型中H 分量在冬棗表面圖像中含量的百分比進(jìn)行生熟判別，實(shí)現(xiàn)了對(duì)冬棗的自動(dòng)化分揀。詹映等通過對(duì)采集的紅棗圖像進(jìn)行預(yù)處理后，提取紅棗的顏色特征參數(shù)為BP 神經(jīng)網(wǎng)絡(luò)輸入層，實(shí)現(xiàn)紅棗品質(zhì)分級(jí)。結(jié)果表明BP 人工神經(jīng)網(wǎng)絡(luò)分級(jí)與人工分級(jí)的一致度達(dá)到了91.6%。上述研究表明，相比于其他特征檢測(cè)方法，顏色特征提取后往往被用于缺陷、紋理和成熟度的檢測(cè)，僅靠顏色特征往往難以直接實(shí)現(xiàn)外部品質(zhì)的分級(jí)。

2.5 綜合外部品質(zhì)檢測(cè)

依據(jù)單因素對(duì)紅棗檢測(cè)不足以全面實(shí)現(xiàn)紅棗品質(zhì)檢測(cè)分級(jí)，綜合多種外部特征對(duì)紅棗進(jìn)行檢測(cè)有利于提高檢測(cè)準(zhǔn)確率。針對(duì)紅棗果形大小、表面質(zhì)量和紋理等表面綜合信息，研究人員通常使用機(jī)器學(xué)習(xí)算法建立模型，集成各種模型進(jìn)行外部品質(zhì)檢測(cè)。鐘小華等提出了一種基于機(jī)器視覺技術(shù)的紅棗全表面信息無損分揀方法，依據(jù)果形大小、表面質(zhì)量、紋理等表面信息分別建立對(duì)應(yīng)模型，實(shí)現(xiàn)紅棗無損自動(dòng)分級(jí)，系統(tǒng)驗(yàn)證表明分級(jí)準(zhǔn)確率達(dá)到90%以上，可以解決高速運(yùn)輸狀態(tài)下無法在線呈現(xiàn)紅棗全表面信息的難點(diǎn)。GANBOLD 等提出一種基于圖像邊緣檢測(cè)的紅棗分級(jí)方法，通過圖像預(yù)處理、濾波及增強(qiáng)、梯度算法處理和自適應(yīng)Canny算法實(shí)現(xiàn)紅棗大小、形狀、顏色、表面輪廓的檢測(cè)與分級(jí)，綜合準(zhǔn)確率可達(dá)96.52%，已經(jīng)可滿足紅棗分級(jí)的要求。但是在紅棗實(shí)際分級(jí)過程中，往往需要先篩選缺陷棗果，否則缺陷棗混入正常棗中，會(huì)影響紅棗的附加值。針對(duì)此問題李運(yùn)志以大小、褶皺、缺陷作為分級(jí)指標(biāo)，采用最小直線法擬合短軸的真實(shí)值與檢測(cè)的像素值的函數(shù)關(guān)系，建立大小分級(jí)模型。采用灰度共生矩陣提取紋理特征建立基于BP 神經(jīng)網(wǎng)絡(luò)和SVM 的褶皺分級(jí)模型。提取病害區(qū)域與棗表面積的比作為閾值，建立基于SVM 的缺陷識(shí)別模型，實(shí)現(xiàn)駿棗外觀品質(zhì)自動(dòng)分級(jí)。其中缺陷識(shí)別準(zhǔn)確率為95.79%，大小與褶皺分級(jí)準(zhǔn)確率分別為95.65%和95.23%。可以滿足紅棗實(shí)際分級(jí)需求。但這種方法需要人工提取特征，費(fèi)時(shí)費(fèi)力。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，可以從數(shù)據(jù)中自動(dòng)學(xué)習(xí)特征，比傳統(tǒng)機(jī)器學(xué)習(xí)方法具有更強(qiáng)大的特征學(xué)習(xí)和特征表達(dá)能力。文懷興等以表面缺陷和紋理為分級(jí)指標(biāo)，提出了一種基于深度殘差網(wǎng)絡(luò)對(duì)紅棗表面缺陷以紋理識(shí)別的分類算法，通過結(jié)合機(jī)器視覺與深度學(xué)習(xí)，實(shí)現(xiàn)紅棗在線檢測(cè)，研究結(jié)果表明，該分類方法準(zhǔn)確率達(dá)96.11%，檢測(cè)效率約為120 個(gè)/min。上述研究表明，綜合多種外部特征融合檢測(cè)方法可以提高檢測(cè)準(zhǔn)確率，但各指標(biāo)需要建立不同的識(shí)別與分級(jí)模型，系統(tǒng)驗(yàn)證需要綜合各種模型進(jìn)行結(jié)果輸出。

3 結(jié)語與展望

在紅棗加工和流通過程中，紅棗品質(zhì)檢測(cè)是不可缺少的一環(huán)，顏色、褶皺、大小、形狀和缺陷的種類，是紅棗最重要的外部感官質(zhì)量屬性?？焖?、準(zhǔn)確地對(duì)紅棗外部品質(zhì)檢測(cè)能有效保障食品安全、提高企業(yè)生產(chǎn)效率。機(jī)器視覺有快速、準(zhǔn)確、客觀和無損檢測(cè)等優(yōu)點(diǎn)，已經(jīng)被廣泛用于食品和農(nóng)產(chǎn)品的質(zhì)量檢測(cè)，以取代人工檢測(cè)。本文綜述了機(jī)器視覺系統(tǒng)分別在紅棗缺陷檢測(cè)、大小檢測(cè)、褶皺檢測(cè)、顏色檢測(cè)以及特征融合檢測(cè)中的應(yīng)用。研究發(fā)現(xiàn)傳統(tǒng)的機(jī)器視覺系統(tǒng)是檢測(cè)顏色、紋理、尺寸、形狀和一些相對(duì)明顯缺陷的有力工具，但在檢測(cè)不明顯的缺陷方面效率較低。隨著人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)算法在農(nóng)產(chǎn)品檢測(cè)中得到越來越廣泛的應(yīng)用。利用機(jī)器視覺結(jié)合深度學(xué)習(xí)對(duì)紅棗外部品質(zhì)進(jìn)行檢測(cè)與分級(jí)已成為熱點(diǎn)，但在紅棗外部品質(zhì)實(shí)際檢測(cè)中，還需進(jìn)一步完善和發(fā)展。

一個(gè)紅棗可能存在多種缺陷，有些缺陷部位往往難以被檢測(cè)到。目前深度學(xué)習(xí)中物體檢測(cè)技術(shù)可以實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)檢測(cè)與定位。因此，將物體檢測(cè)技術(shù)（Faster RCNN、SSD、YOLO 等）應(yīng)用于紅棗外部品質(zhì)檢測(cè)，可以實(shí)現(xiàn)紅棗全表面檢測(cè)，提高紅棗實(shí)時(shí)檢測(cè)效率。目前的機(jī)器視覺紅棗檢測(cè)設(shè)備往往只針對(duì)某一特定品種的紅棗進(jìn)行檢測(cè)分級(jí)，對(duì)于其他品種的紅棗需要單獨(dú)開發(fā)檢測(cè)設(shè)備和軟件，相應(yīng)地增加了檢測(cè)成本，因此有必要開發(fā)一種適用于不同種類紅棗的機(jī)器視覺檢測(cè)設(shè)備。結(jié)合機(jī)器視覺與多種光譜技術(shù)（近紅光光譜、高光譜成像技術(shù)和拉曼光譜等），開展對(duì)紅棗內(nèi)外部品質(zhì)指標(biāo)綜合評(píng)價(jià)技術(shù)及裝備的研究，將成為紅棗品質(zhì)無損檢測(cè)的研究熱點(diǎn)。