王茂森

(山東省產(chǎn)品質(zhì)量檢驗(yàn)研究院，山東 濟(jì)南 250102）

農(nóng)產(chǎn)品質(zhì)量檢測(cè)方法分為人工抽檢、半自動(dòng)檢測(cè)及全自動(dòng)檢測(cè)三類。按照產(chǎn)品質(zhì)量區(qū)分，可分為分級(jí)檢測(cè)、光電分選、大小分級(jí)檢測(cè)等。相比傳統(tǒng)檢測(cè)方式，計(jì)算機(jī)視覺具有更為廣闊的應(yīng)用場(chǎng)景，可快速定位、精準(zhǔn)抓取及有效評(píng)價(jià)目標(biāo)信息。依托圖像處理及模式識(shí)別技術(shù)，可顯著提高農(nóng)產(chǎn)品質(zhì)量檢測(cè)效果。目前，計(jì)算機(jī)視覺技術(shù)適用于農(nóng)產(chǎn)品顏色檢驗(yàn)、紋理檢驗(yàn)、新鮮度檢驗(yàn)、缺陷檢驗(yàn)、大小檢驗(yàn)、形狀檢驗(yàn)等多個(gè)方面，具有普適性強(qiáng)且易于上手的優(yōu)勢(shì)[1]。

1 計(jì)算機(jī)視覺技術(shù)

計(jì)算機(jī)視覺技術(shù)指在人類設(shè)計(jì)的基礎(chǔ)上，依托計(jì)算機(jī)環(huán)境，再現(xiàn)或模擬人類視覺功能的技術(shù)，涉及印刷、手寫、文字識(shí)別、圖像識(shí)別、三維形狀判別、距離識(shí)別、速度感知等功能。計(jì)算機(jī)視覺技術(shù)匯集了多個(gè)學(xué)科知識(shí)，包括數(shù)學(xué)、生理學(xué)、物理學(xué)、光學(xué)、信息處理及計(jì)算機(jī)等學(xué)科。計(jì)算機(jī)視覺技術(shù)大多應(yīng)用在圖像處理領(lǐng)域，其與圖像處理及模糊識(shí)別有顯著關(guān)聯(lián)。目前，計(jì)算機(jī)視覺技術(shù)在多個(gè)領(lǐng)域得到廣泛應(yīng)用，如醫(yī)學(xué)領(lǐng)域的輔助診療、天文領(lǐng)域的衛(wèi)星圖解、軍事領(lǐng)域的地形勘察、農(nóng)產(chǎn)品質(zhì)量篩查等。伴隨著對(duì)計(jì)算機(jī)視覺技術(shù)研究的愈加深入，該項(xiàng)技術(shù)在各個(gè)領(lǐng)域的應(yīng)用方案更加成熟，成為不可或缺的一部分[2]。

2 計(jì)算機(jī)視覺技術(shù)在農(nóng)產(chǎn)品質(zhì)量檢測(cè)中的宏觀應(yīng)用

2.1 在農(nóng)產(chǎn)品外形尺寸檢測(cè)中的應(yīng)用

農(nóng)產(chǎn)品質(zhì)量檢測(cè)中最重要的環(huán)節(jié)就是產(chǎn)品分級(jí)，即按照不同指標(biāo)將產(chǎn)品分成多個(gè)等級(jí)，不同等級(jí)售價(jià)不同。以計(jì)算機(jī)視覺技術(shù)在羊絨細(xì)度檢測(cè)的應(yīng)用為例，借助計(jì)算機(jī)視覺技術(shù)處理圖像，可得到羊絨半徑，解決人工測(cè)量誤差大的問題，同時(shí)顯著提高工作效率，保證測(cè)量的經(jīng)濟(jì)性及準(zhǔn)確性。再如，在煙葉質(zhì)量檢測(cè)中，利用計(jì)算機(jī)視覺技術(shù)可對(duì)煙葉質(zhì)量進(jìn)行分級(jí)篩選，原理是將煙葉各類參數(shù)輸入到計(jì)算機(jī)中，通過計(jì)算機(jī)系統(tǒng)對(duì)光感度進(jìn)行控制。操作流程是：選取特征參數(shù)，將其作為煙葉質(zhì)量檢測(cè)的向量，去除標(biāo)準(zhǔn)樣本中含有的奇異樣本。煙葉特征涉及長(zhǎng)度、面積、殘傷情況及煙葉輪廓線展開后的分布情況。利用計(jì)算機(jī)視覺系統(tǒng)一方面可模擬人類篩選流程，另一方面可提高檢測(cè)的精度。

2.2 在農(nóng)產(chǎn)品顏色檢驗(yàn)中的應(yīng)用

在農(nóng)產(chǎn)品及食品品質(zhì)檢驗(yàn)中色澤是尤為重要的指標(biāo)。在產(chǎn)品顏色檢驗(yàn)中應(yīng)用計(jì)算機(jī)視覺技術(shù)可精準(zhǔn)評(píng)價(jià)各部分顏色，并做出相應(yīng)判斷，可有效減少人眼判斷帶來(lái)的誤差。以果蔬質(zhì)量檢驗(yàn)為例，顏色可判斷果蔬是否成熟或是否潰爛，利用計(jì)算機(jī)視覺技術(shù)可避免人為定性帶來(lái)的誤差。目前，有學(xué)者研制出可搜索的農(nóng)產(chǎn)品質(zhì)量視覺檢測(cè)系統(tǒng)，用于農(nóng)產(chǎn)品質(zhì)量檢驗(yàn)，通過圖像色彩飽和度判斷產(chǎn)品是否成熟。飽和度越小，色調(diào)直方圖的峰值像素和峰值左側(cè)的像素之比越小。如果產(chǎn)品成熟度低，那么色調(diào)直方圖中的峰值像素和峰值左側(cè)的像素的比例越大。相比人工成熟度檢測(cè)，利用計(jì)算機(jī)視覺技術(shù)可提高檢測(cè)效率。

2.3 在農(nóng)產(chǎn)品形狀識(shí)別中的應(yīng)用

農(nóng)產(chǎn)品形狀是一項(xiàng)重要質(zhì)檢要素，果形識(shí)別在質(zhì)量檢測(cè)中發(fā)揮著重要作用。農(nóng)產(chǎn)品成熟后，其外形發(fā)生變化，很難通過數(shù)學(xué)方式甄別。利用計(jì)算機(jī)視覺技術(shù)可分析農(nóng)產(chǎn)品外形輪廓曲線，依托結(jié)構(gòu)分析法判斷果實(shí)是否成熟。與此同時(shí)，基于計(jì)算機(jī)視覺技術(shù)，以數(shù)字圖像分析技術(shù)為基礎(chǔ)，依照農(nóng)產(chǎn)品形狀、尺寸及表面缺陷進(jìn)行分類，結(jié)合灰度梯度曲線，對(duì)農(nóng)產(chǎn)品缺陷位置進(jìn)行定位，以此完成農(nóng)產(chǎn)品質(zhì)量分級(jí)。R.R.Wolfe等人研究了番茄定向質(zhì)檢方案，結(jié)合計(jì)算機(jī)視覺技術(shù)判斷番茄花萼及缺陷位置，研制出具備照明功能及定向機(jī)構(gòu)的機(jī)器視覺番茄品質(zhì)分級(jí)裝置。結(jié)論表明，應(yīng)用計(jì)算機(jī)視覺技術(shù)后，質(zhì)檢誤差顯著減少，同時(shí)遠(yuǎn)超人工檢測(cè)精度。

2.4 在產(chǎn)地檢測(cè)的應(yīng)用

常規(guī)條件下，農(nóng)產(chǎn)品成熟度、色度、新鮮度檢測(cè)會(huì)使用計(jì)算機(jī)視覺技術(shù)，并且已經(jīng)建立了快速檢測(cè)方法。在信息技術(shù)的高速發(fā)展下，計(jì)算機(jī)視覺技術(shù)不再局限于可見光區(qū)域，延伸至紅外線、遠(yuǎn)紅外線領(lǐng)域。例如，高光圖譜屬于新型的計(jì)算機(jī)視覺技術(shù)，檢測(cè)精度達(dá)到納米級(jí)標(biāo)準(zhǔn)。針對(duì)農(nóng)產(chǎn)品產(chǎn)地檢測(cè)，其歸屬于環(huán)境檢測(cè)，屬于農(nóng)產(chǎn)品質(zhì)量檢測(cè)的一環(huán)。在農(nóng)產(chǎn)品產(chǎn)地檢測(cè)中應(yīng)用高光圖譜進(jìn)行檢測(cè)可分析土壤養(yǎng)分。依托計(jì)算機(jī)視覺技術(shù)建立分析鑒別模型，以可溶性固形物含量作為產(chǎn)地判別基礎(chǔ)，可為農(nóng)產(chǎn)品種植提供保障，是提高農(nóng)產(chǎn)品質(zhì)量的重要手段。

2.5 在農(nóng)產(chǎn)品農(nóng)藥殘留檢測(cè)中的應(yīng)用

農(nóng)產(chǎn)品采摘后有多種化學(xué)物質(zhì)殘留，這是因?yàn)槠浞N植過程中需投入農(nóng)藥、化肥、生長(zhǎng)調(diào)節(jié)劑、添加劑。目前，農(nóng)產(chǎn)品農(nóng)藥殘留檢測(cè)方法分為兩種，一種是農(nóng)業(yè)投入品殘留研究，第二種是農(nóng)產(chǎn)品投入品質(zhì)量判別，已經(jīng)投入的檢測(cè)方法為氯氰菊酯檢測(cè)法，可判斷農(nóng)藥殘留與紅外光譜的關(guān)系。此外，還可利用計(jì)算機(jī)視覺技術(shù)中的傅里葉變換模型減全反射法檢測(cè)農(nóng)產(chǎn)品殘留農(nóng)藥比率，該方法具有較高的檢測(cè)精度。在未來(lái)發(fā)展中，在農(nóng)產(chǎn)品農(nóng)藥殘留檢測(cè)中紅外光譜技術(shù)將得到廣泛應(yīng)用。通過農(nóng)藥殘留檢測(cè)，可為提升食品安全性奠定基礎(chǔ)。

3 計(jì)算機(jī)視覺技術(shù)在農(nóng)產(chǎn)品質(zhì)量檢測(cè)中的具體應(yīng)用

3.1 在水果質(zhì)量檢測(cè)中的應(yīng)用

水果質(zhì)量檢測(cè)重點(diǎn)關(guān)注大小、形狀、顏色及缺陷四個(gè)關(guān)鍵性指標(biāo)，水果質(zhì)量檢測(cè)決定著售價(jià)及受眾。在評(píng)價(jià)水果質(zhì)量時(shí)，可利用計(jì)算機(jī)視覺無(wú)損檢測(cè)技術(shù)對(duì)水果進(jìn)行分類。以蘋果和橘子質(zhì)量檢測(cè)為例。蘋果與柑橘是我國(guó)產(chǎn)量最大的水果之一，對(duì)其質(zhì)量檢測(cè)時(shí)可利用計(jì)算機(jī)視覺技術(shù)的自動(dòng)分級(jí)技術(shù)，對(duì)產(chǎn)品進(jìn)行自動(dòng)分級(jí)。Moallem等人研究了計(jì)算機(jī)視覺技術(shù)在蘋果質(zhì)量檢測(cè)的應(yīng)用，擇取120個(gè)蘋果樣本，進(jìn)行健康與非健康2類分級(jí)檢測(cè)，檢測(cè)準(zhǔn)確率約92%。目前，在計(jì)算機(jī)視覺技術(shù)分級(jí)系統(tǒng)的持續(xù)開發(fā)下，可通過捕獲流水線狀態(tài)的方式，擇取最大果徑、二維傅里葉動(dòng)態(tài)變換、色度圖像及缺陷點(diǎn)像素面積，判斷蘋果的大小、形狀、色度及完整度，檢測(cè)速度可達(dá)到每秒五個(gè)，且準(zhǔn)確率極高。蘋果作為我國(guó)水果的核心品類，計(jì)算機(jī)視覺技術(shù)在該領(lǐng)域的應(yīng)用較為成熟，并且延伸到蘋果采摘期。為確定蘋果園蘋果的采摘時(shí)期，應(yīng)克服蘋果樹上蘋果識(shí)別及定位的問題，避免果園環(huán)境及枝葉遮擋對(duì)分支機(jī)構(gòu)帶來(lái)的影響。蘋果采摘期質(zhì)量檢測(cè)可利用形狀特征的算法來(lái)檢測(cè)及定位紅色及雙色蘋果，可檢測(cè)遮擋蘋果成熟度。針對(duì)柑橘質(zhì)量檢測(cè)，與消費(fèi)者判別類似，關(guān)注果實(shí)大小、表面缺陷、表皮厚度及色度。在柑橘質(zhì)量檢測(cè)中應(yīng)用計(jì)算機(jī)視覺技術(shù)主要判斷果實(shí)表面的粗糙度及厚度間的關(guān)聯(lián)性。柑橘自動(dòng)分級(jí)系統(tǒng)中，依托神經(jīng)網(wǎng)絡(luò)及支持向量建立柑橘表面紋理及顏色分級(jí)模型，從而對(duì)柑橘質(zhì)量進(jìn)行智能分級(jí)，可顯著提高檢測(cè)效率[3]。

3.2 在水產(chǎn)品質(zhì)量檢測(cè)中的應(yīng)用

計(jì)算機(jī)視覺技術(shù)在水產(chǎn)品質(zhì)量檢測(cè)中發(fā)揮著重要作用。傳統(tǒng)水產(chǎn)品質(zhì)量檢測(cè)采用羅氏標(biāo)準(zhǔn)比色卡的人工分級(jí)法，通過多顏色模型對(duì)大西洋鮭魚肉色進(jìn)行分級(jí)檢測(cè)，但人工檢測(cè)效率較低，且分級(jí)效果不明顯。利用計(jì)算機(jī)視覺技術(shù)檢測(cè)水產(chǎn)品質(zhì)量，可提高檢測(cè)效率及準(zhǔn)確性。例如，在檢測(cè)皮皮蝦、三文魚等半透明水產(chǎn)品時(shí)，可將其與背景顏色分離開來(lái)，借助計(jì)算機(jī)視覺成像判斷水產(chǎn)品含水率及透明度的變化情況。伴隨水產(chǎn)品變干燥，樣本明度值會(huì)顯著下降。所以，可利用二次回歸模型對(duì)干燥中的樣本參數(shù)進(jìn)行評(píng)估，確定最佳干燥時(shí)間，為水產(chǎn)品貯存提供最適宜的環(huán)境。

3.3 在肉制品檢測(cè)中的應(yīng)用

在肉制品檢驗(yàn)中新鮮度是重要的評(píng)價(jià)指標(biāo)，隨著放置時(shí)間的增長(zhǎng)，肉的顏色隨之變化，同時(shí)肉的彈性降低。傳統(tǒng)肉制品質(zhì)量檢測(cè)中采用色差儀比對(duì)，但評(píng)估效果不理想。在肉制品質(zhì)量檢測(cè)中應(yīng)用計(jì)算機(jī)視覺技術(shù)生成的肉圖像接近于真實(shí)的肉，可有效評(píng)估肉的新鮮度。除此之外，應(yīng)用RGB及HIS顏色空間模型可獲取肉的顏色參數(shù)，提取樣本表面的質(zhì)構(gòu)特征，鑒別肉的新鮮度。例如，在牛肉新鮮度檢測(cè)中，可依托計(jì)算機(jī)視覺技術(shù)，觀察牛肉表面的大理石花紋及肌肉間脂肪分布，判斷牛肉的適口性及價(jià)值。借助計(jì)算機(jī)視覺技術(shù)，研究牛胴體6～7肋橫斷面圖像，提取牛肉眼肌總面積比、脂肪分布均勻度及肉質(zhì)色度，借助特征參數(shù)判斷肉質(zhì)。常規(guī)而言，眼肌面積及圓度越大、肌肉及脂肪色度越高、大理石紋分布均勻的牛肉品質(zhì)最好，如和牛。針對(duì)羊肉貯存，可借助RGB與HIS顏色空間的特征分量，依托神經(jīng)網(wǎng)絡(luò)建立羊肉新鮮度分級(jí)模型，可提高羊肉新鮮度檢測(cè)準(zhǔn)確率。針對(duì)豬肉新鮮度檢測(cè)，可利用計(jì)算機(jī)視覺技術(shù)的RGB成像中的紅色分成區(qū)分，紅色分層顏色區(qū)域比和豬肉新鮮度有較高關(guān)聯(lián)度。通過確定顏色分類閾值的方式判斷豬肉新鮮度，如果大于閾值為新鮮豬肉，如果小于閾值則為腐敗豬肉，可有效評(píng)估豬肉新鮮度，確定豬肉價(jià)值。豬肉新鮮度檢測(cè)還可以利用RGB-HIS顏色特征參數(shù)組合，依托BP神經(jīng)網(wǎng)絡(luò)及支持向量機(jī)構(gòu)造豬肉新鮮度等級(jí)預(yù)測(cè)模型，依托神經(jīng)網(wǎng)絡(luò)及支持向量機(jī)，豬肉新鮮度檢測(cè)精準(zhǔn)度可達(dá)到90%左右。

3.4 在蔬菜質(zhì)量檢測(cè)中的應(yīng)用

蔬菜質(zhì)量檢測(cè)重點(diǎn)與水果類似，關(guān)注大小、形狀、顏色及缺陷四個(gè)關(guān)鍵性指標(biāo)，依托計(jì)算機(jī)視覺技術(shù)對(duì)蔬菜進(jìn)行分級(jí)，如常見的精品蔬菜區(qū)與折扣蔬菜區(qū)就是不同級(jí)別的蔬菜產(chǎn)品。在蔬菜質(zhì)量檢測(cè)中最具代表性的就是土豆與胡蘿卜。針對(duì)土豆質(zhì)量檢測(cè)，重點(diǎn)判斷大小、形狀及規(guī)整度，利用計(jì)算機(jī)技術(shù)將不規(guī)則的土豆進(jìn)行分級(jí)。具體流程是：①建立土豆圖片數(shù)據(jù)庫(kù)，提取特征物理量，涉及周長(zhǎng)、質(zhì)心、慣性矩、面積、長(zhǎng)寬；②通過2次篩選對(duì)土豆進(jìn)行分級(jí)。在土豆自動(dòng)分級(jí)系統(tǒng)中單幅圖片處理時(shí)間僅為1.5秒，每分鐘可篩選40個(gè)土豆。除此之外，利用計(jì)算機(jī)視覺技術(shù)還可以觀測(cè)土豆綠皮、內(nèi)部發(fā)芽及發(fā)芽狀態(tài)，依托計(jì)算機(jī)視覺技術(shù)，利用感知器學(xué)習(xí)算法、K-最近鄰分類算法及角點(diǎn)檢測(cè)法與長(zhǎng)短周比值，自動(dòng)觀測(cè)土豆綠皮、發(fā)芽及損失情況，相比人工觀測(cè)具有誤差小且效率高的優(yōu)勢(shì)。針對(duì)胡蘿卜質(zhì)量檢測(cè)，主要判斷胡蘿卜的青頭、開裂、須根、彎曲、斷折情況。在胡蘿卜質(zhì)量檢測(cè)中應(yīng)用計(jì)算機(jī)視覺技術(shù)可通過骨架檢測(cè)點(diǎn)數(shù)、r分量上二值化、s分量結(jié)合區(qū)域標(biāo)記法對(duì)胡蘿卜質(zhì)量進(jìn)行篩選評(píng)估。

3.5 在蛋類質(zhì)量檢測(cè)中的應(yīng)用

伴隨我國(guó)蛋雞養(yǎng)殖業(yè)的迅速崛起，一方面推動(dòng)了行業(yè)發(fā)展，另一方面引發(fā)了產(chǎn)量與雞蛋深加工斷層的問題，即蛋類產(chǎn)量達(dá)到現(xiàn)代化水平，但生產(chǎn)流程未達(dá)到工業(yè)化水平，分級(jí)精度欠佳，導(dǎo)致我國(guó)雞蛋出口率較低。雞蛋含有大量蛋白質(zhì)，而蛋白質(zhì)由大量氨基酸通過氨基和羧基形成的肽鍵連接而成，主成分是氨基團(tuán)?？衫糜?jì)算機(jī)視覺技術(shù)對(duì)氨基團(tuán)進(jìn)行檢驗(yàn)，這是因?yàn)榘被鶊F(tuán)在近紅外區(qū)域表現(xiàn)出較強(qiáng)的吸收譜帶特性，可利用計(jì)算機(jī)視覺技術(shù)對(duì)其進(jìn)行檢驗(yàn)，判斷雞蛋與氨基團(tuán)的關(guān)系，即蛋黃指數(shù)、蛋白高度、蛋黃高度等核心指標(biāo)。除此之外，可利用傅里葉變換近紅外光譜儀采集不同存儲(chǔ)條件下的雞蛋的漫透射光譜，對(duì)雞蛋進(jìn)行質(zhì)量檢測(cè)，涉及蛋白pH值、蛋白高度、蛋形指數(shù)等，此類核心參數(shù)隨著雞蛋存儲(chǔ)天數(shù)增加而變化，以雞蛋蛋白高度而言，存儲(chǔ)天數(shù)增加后，蛋白高度逐漸下降，同時(shí)蛋白pH值上升，最后趨于平衡，此類參數(shù)均可通過計(jì)算機(jī)視覺技術(shù)觀測(cè)。

4 結(jié)束語(yǔ)

計(jì)算機(jī)視覺技術(shù)依托圖像采集、識(shí)別與預(yù)處理，可對(duì)農(nóng)產(chǎn)品大小、缺陷、色度、紋理、形狀、農(nóng)藥殘留、新鮮度等進(jìn)行檢測(cè)，從而對(duì)農(nóng)產(chǎn)品進(jìn)行分級(jí)處理。相比傳統(tǒng)質(zhì)量檢測(cè)技術(shù)，計(jì)算機(jī)視覺技術(shù)具有高效率、高精準(zhǔn)度的優(yōu)勢(shì)。同時(shí)，計(jì)算機(jī)視覺技術(shù)可結(jié)合紅外光譜等無(wú)損檢測(cè)技術(shù)對(duì)農(nóng)產(chǎn)品內(nèi)部及外部進(jìn)行檢測(cè)，一方面擴(kuò)大計(jì)算機(jī)視覺技術(shù)適用范圍，另一方面為農(nóng)產(chǎn)品質(zhì)量多維度檢測(cè)提供有力的技術(shù)支持?！?/p>