水果品質(zhì)自動分級的機(jī)器視覺系統(tǒng)外文翻譯（中文）

1、水果品質(zhì)自動分級的機(jī)器視覺系統(tǒng)原文來源：J. Blasco; N. Aleixos; E. Molt.Machine Vision System for Automatic Quality Grading of Fruit. Biosystems Engineering (2003) 85 (4), 415–423；摘要水果和蔬菜，通常以批次的形式提供給消費者消費。而水果的均勻性和外觀對消費者的決策有著重大的影響。由

2、于這個原因，農(nóng)農(nóng)產(chǎn)品的展現(xiàn)無論是在田地里還是在最后流向消費者的不同階段，都會被處理，而且通常是朝著同類產(chǎn)品的清洗和分類方面來進(jìn)行的。該項目的ESPRIT3，參考9230。集處理，檢查和包裝水果和蔬菜于一體的綜合系統(tǒng)（英文簡寫 SHIVA）形成了一種自動、無損檢測和處理的水果的機(jī)器人系統(tǒng)。本文的目的是報告在 Valenciano de Investigaciones Agrarias 研究所研究的對桔子，桃子，蘋果品質(zhì)進(jìn)行實時測評而發(fā)展

3、起來的機(jī)器視覺技術(shù)，并評估該技術(shù)在下列質(zhì)量屬性：大小，顏色，莖的位置及外部瑕疵檢測中的效率。此種分解研究，在貝葉斯判別分析的基礎(chǔ)上，使用并且允許水果因背景不同而精確的進(jìn)行區(qū)分。因此，尺寸的確定性恰當(dāng)?shù)牡玫搅私鉀Q。水果由此系統(tǒng)測出的顏色，和目前被用作標(biāo)準(zhǔn)的色度指標(biāo)值非常吻合。在莖塊的定位和瑕疵的檢測中也取得了良好的效果。該系統(tǒng)在用大批量蘋果進(jìn)行在線測試分級后也取得了很不錯的表現(xiàn)，并且并在缺陷檢測和規(guī)模估計中分別取得了86％和93％的重復(fù)一

4、致性。此系統(tǒng)的準(zhǔn)確性和可重復(fù)性和人工分級幾乎一樣。1.簡介機(jī)器視覺在水果和蔬菜檢驗中的應(yīng)用在最近幾年有所增加。如今，世界各地的一些制造商生產(chǎn)按水果大小，顏色和重量進(jìn)行水果前期分級的分揀機(jī)。然而，市場不斷地要求更高質(zhì)量的產(chǎn)品，因此，其他功能已經(jīng)發(fā)展來提高機(jī)器視覺檢測系統(tǒng)（例如莖定位，確定主，副皮膚的顏色，檢測污點） 。大小，是第一個與質(zhì)量有關(guān)的參數(shù)，已經(jīng)通過使用機(jī)器視覺測量周長或直徑其中任一種得到了測量（陶等，1990;Varghese

5、等，1999） ，周長（薩卡＆沃爾夫，1985）或直徑（布羅迪等。 ，1994） 。顏色也是一個重要的品質(zhì)因素，已被廣泛研究（Singh 等人，1992年，1993年。哈恩，2002年;多布然斯基和 Rybczynski，2002） 。有些水果有一種顏色均勻分布在皮膚表面，我們稱之為主色。該平均表面顏色對這些水果來說是一個很好的質(zhì)量指標(biāo)。然而，一些其他水果（例如桃子，蘋果，西紅柿）有次要顏色可作為一種成熟的良好指標(biāo)。在這種情況下，它是不

6、可能完全只把全球面色彩作為質(zhì)量參數(shù)的。在桔子，桃子，蘋果這些水果中，有必要進(jìn)行長莖檢測，以避免損害其他水果，或者是因為沒有他們可能意味著質(zhì)量損失。已經(jīng)有若干解決方案被提出了來確定莖的位置，如：使用結(jié)構(gòu)的照明檢測蘋果凹陷（楊，1993）;顏色分割技術(shù)來區(qū)分柑橘有時候，莖容易混淆成皮膚上的缺陷或瑕疵。損傷和擦傷檢測是質(zhì)量評價的一個關(guān)鍵因素。眾多蘋果擦傷檢測方法中有一種是基于對干擾過性濾器的使用（Rehkugler＆斯魯普，1986年） 。其

7、他研究同時進(jìn)行瑕疵處理和顏色評定這兩項。 （米勒和 Delwiche，1989年;勒費弗爾等，即是是在同一種水果里，也可以因為許多因素而略有不同。由于此分割方法極大地依賴于每個水果的像素顏色，它是對這些變化非常敏感。出于這個原因，該系統(tǒng)需要進(jìn)行測試，并且對每個測試期都要創(chuàng)建一個新的表格。圖1（a）第一圖像的采集（b）第二個圖像的采集-杯1旋轉(zhuǎn)水果120°（c）第三個圖像的采集-杯1將水果再旋轉(zhuǎn)120°（d）第四圖像的

8、采集-杯2抓住水果并旋轉(zhuǎn)180°在線操作最先要獲取第一幅圖像，并利用上面提到的表格將其按先前定義的類進(jìn)行分類（圖.2（a） ）。圖2 (a) 照相機(jī)拍攝的原始圖像（b）分割圖像顯示完好皮膚，褐色化度，莖塊和損壞區(qū)域（c）除了莖和背景以外的所有區(qū)域，用來計算的大小類別（d）展示了大小如何估計的圖像 同一種類的八個相連的像素中的每一份被認(rèn)為是相互獨立的區(qū)域。然后，為了加快輪廓提取的進(jìn)程，基于模濾波器的緩和程序被應(yīng)用到了分段的圖像，

9、以便平緩圖像之間的毗鄰地區(qū)及消除孤立的不良分類像素[圖. 2（b）]第二步由提取特性來將水果按大小進(jìn)行分類構(gòu)成。單值圖像中的前景是水果的圖像，認(rèn)為是各區(qū)域形成的，除了那些被視為背景或莖塊的區(qū)域。然而莖塊并不認(rèn)為是水果的一部分，因為較長的莖塊可能導(dǎo)致錯誤的測量尺寸（圖. 2（c） ） 。 然后，對水果區(qū)域邊界進(jìn)行提取并編纂通過用鏈碼為基礎(chǔ)的算法 （弗里曼，1961年）來計算量做慣性主軸的長度面積和尺寸（圖. 2（d） ） 。在第三步中