全文总字数：3620字

基于机器视觉的水果图像采集系统文献综述

关键词：图像处理 深度学习 机器视觉

1、引言

一套成熟完善的农产品生产销售体系往往包含高度机械化、自动化、集中化的生产环节，分拣包装和冷链运输模块。相较于欧美成熟的农产品采摘及二次加工体系，我国已初步具备成规模的现代化农业生产条件和可靠的冷链运输体系，但掣肘于水果分拣包装以及再加工技术的不成熟，虽然目前我国水果的总产量很高，水果的品质也因为嫁接等技术的进步有所提升，接近于国际先进水平，但是我国水果的整体竞争力却始终比较低，在国际贸易份额中所占比例始终低于 3％。本文拟设计一套基于机器视觉，普适性广，成本可控，针对主流水果（如苹果、柑橘等）的水果图像采集系统以填补相关技术的空白，并着手解决实际设计过程中可能面对的问题。

1. 国内同类研究现状

水果图像采集系统的核心技术是机器视觉技术。早在本世纪初，机器视觉的概念就已引入中国自动化生产加工领域，但在相当长的一段时间内，机器视觉技术碍于成本控制及国内技术空白的限制难以普及。相较于国外先进的机器视觉技术，国内机器视觉技术仍有不小的差距，这种差距主要表现为软硬件的组态集成开发能力弱导致的开发成本高、效率降低等问题。我国机器视觉技术的应用主要集中在了工业、农业及医学三个领域。近几年随着机器视觉研究的推进，其在农业方面的应用成果也变得层出不穷。早在1998 年，杨秀坤^[1]等人在水果表面缺陷自动检测系统研究时就已经将自适应聚类神经网络和模糊加权决策树结合起来用于提高缺陷检测的准确率。1999 年应义斌^[2]等人使用机器视觉技术在对黄花梨的研究中取得了一定的成果，分别利用细化及膨胀算法、傅里叶变换及人工神经网络实现了对梨梗及果形的分辨。2000 年，李庆中^[3]在博士论文中对机器视觉用于苹果自动分级的研究做了全面阐述。该文章从提高图像信息处理的 速度与产业化生产的方向出发，利用类别方差和信息熵的图像分割加之人工神经网络的方法，实现了苹果分级。朱伟华和曹其新^[4]在 2003 年对西红柿的缺陷检测研究中使用模糊彩色聚类的方法，将三通道的 RGB 彩色图像转换为 HSL 图像模型，用色度隶属度函数建立模糊集分割西红柿缺陷，实现了对西红柿缺陷的检测。刘禾等人^[5]（2004 年）在对苹果表面缺陷自动分辩的研究中成功的将二叉树分类、人工神经网络与阈值判别方法结合，实现了对苹果表面的压伤、刺伤、裂果、病虫果和虫伤等缺 陷的判别。饶秀勤^[6]（2007 年）在其学位论文中提出了水果表面积检测的球带计算法和数字图像线段描述方法，缩短了水果表面积计算和检测时间。同时使用光度学模 型及 F 检验和 T 检验的方法对不同通道水果的方差齐性和均值一致性进行了分析， 率先研制出了用于水果质量检测与分级的机器视觉系统。侯大军^[7]（2010 年）在其学位论文中从理论的角度对苹果自动分级的预处理、特征提取与选择、分类识别等操作做了详细的描述，并提出了一种改进的并行 PSO（粒子集群优化）特征选择算法和用最小二乘支持向量机(LSSVM)分类器对最优特征子集进行分类，最终使用 DM643 （实时高清处理 DSP 开发板）设计出了苹果的分级系统。王国栋^[8]（2011 年）以提高水果分拣实时性为目的，选择使用具有大量流水线结构和并行单元的 FPGA 为开发平台实现了对甜瓜进行分级的硬件设计。龚爱平^[9]（2012 年）在嵌入式系统基础上运用 Linux 和 Android 系统开发了一套用于簇生水果数量判别的硬件机器视觉系 统。李彦峰^[10]等人（2013 年）发表的水果表面缺陷检测论文中以 LabVIEW 为开发平台结合 IMAQ Vision 和 NI VisionAssistant 专业机器视觉软件包，完成了水果缺陷检 测工作。项辉宇^[11]等人（2015-2016 年）使用德国 MVTce 公司开发的专业图像处理软件包——HALCON 图像处理软件，开发出了用于苹果质量检测的系统。2018年，李梅^[12]等人结合当前国内外水果分拣技术和水果分拣产品的研究现状,提出了我国水果分拣技术发展的方向,一是电子称重、图像识别、近红外光谱分析技术的智能分拣;二是在上料、卸料、分选、装箱、包装、码垛整个过程中实现全面自动化分拣.

1. 国外同类研究现状

机器视觉作为计算机学科的一个重要分支，从其产生到发展至今在国外取得了相当大的进展。2003 年 Blasco J, Aleixos N^[13]利用 Valenciano de Investigaciones Agrarias 研究所开发的机器视 觉技术发表论文，该技术使用了贝叶斯分类方法检测了苹果和桃子的大小、颜色、茎的位置和外部瑕疵。在 2005 年 Yimyam P 等人^[14]通过图像处理技术完成了对芒果的大小、形状、表面积和颜色等特征的检测。2007 年 D.Unay 等人^[15]利用机器视觉技术对乔纳金苹果的果梗和花萼部分进行了识别。该研究首先用阈值分割技术提取出目标的形状和纹理特征值，然后通过模式识别中的支持向量机（SVM ）算法实现分类。 此研究中果梗分辨的准确率为 99%，花萼分辨的准确率为 100%。

1. 结语

从各时期的科研成果中不难看出，国外的研究方向往往注重于对某一特定水果的特定特征进行深入研究以实现对该特征的差异化处理，虽然其技术较成熟，但往往不具备普适性，即使对不同水果的同一特征往往也需要开发新的图像采集系统。而国内运用了许多别出心裁的研究方法实现了对大多数难以有效采集的图像指标的采集，但这些方法没有得到有效整合，导致其适用面单一，本课题意在选择一种简单易行的图像采集思路并着重于拓宽其应用范围，设计一套标准化，模块化，可替换的图像采集系统，根据不同水果的不同采集对象可以通过更换某一模块实现图像采集。