水果表面全真圖像采集技術(shù)研究進(jìn)展

劉 婷，張紹英，王葉群

(中國(guó)農(nóng)業(yè)大學(xué) 工學(xué)院，北京 100083)

水果表面全真圖像采集技術(shù)研究進(jìn)展

劉 婷，張紹英，王葉群

(中國(guó)農(nóng)業(yè)大學(xué) 工學(xué)院，北京 100083)

水果表面信息既反映外觀和結(jié)構(gòu)特征，在一定程度上還反映內(nèi)在品質(zhì)，常作為機(jī)器視覺(jué)分級(jí)的依據(jù)，獲取水果表面全真信息是保障機(jī)器視覺(jué)分級(jí)效果的基礎(chǔ)和關(guān)鍵。為此，對(duì)水果表面信息特點(diǎn)及成像要求、現(xiàn)有水果表面信息采集方法、技術(shù)原理及采集信息質(zhì)量進(jìn)行了分析，并針對(duì)水果的生物學(xué)特性和分級(jí)作業(yè)要求，對(duì)表面信息采集環(huán)節(jié)亟待解決的信息缺失和失真問(wèn)題提出了進(jìn)一步的建議和設(shè)想。

水果分選；機(jī)器視覺(jué)；表面圖像

0 引言

水果銷售及加工前的分選不僅能夠提高水果商品價(jià)值，更有助于從源頭控制食品安全[1]。根據(jù)生長(zhǎng)、貯運(yùn)過(guò)程特有的生物學(xué)規(guī)律，水果表面圖像中既包含有外觀信息，同時(shí)還反映內(nèi)部品質(zhì)，故水果表面圖像常作為機(jī)器視覺(jué)分級(jí)的依據(jù)。利用特定光學(xué)成像及機(jī)器視覺(jué)技術(shù)進(jìn)行的水果分級(jí)，可兼顧辨識(shí)水果的幾何、物理及生化特性差異，應(yīng)用前景廣闊。

1 水果表面信息特點(diǎn)及對(duì)成像的要求

水果生長(zhǎng)過(guò)程中，外部環(huán)境干涉和內(nèi)部發(fā)育狀態(tài)會(huì)在水果表面留下特殊的印記；而隨后的貯運(yùn)過(guò)程中，受外力損傷、生物污染及自身采后生理變化過(guò)程的影響，進(jìn)一步導(dǎo)致表面形態(tài)的整體或局部的質(zhì)地和形狀變化。大多數(shù)情況下，品質(zhì)缺陷反映應(yīng)為質(zhì)地和形狀局部變化，具體表現(xiàn)為異色缺陷斑塊或損傷缺陷斑塊。缺陷斑塊通常會(huì)以不規(guī)則形狀散布在水果的表面上，有些可通過(guò)可見(jiàn)光環(huán)境下的直接成像發(fā)現(xiàn)，有些則可利用特定波長(zhǎng)激發(fā)光的成像獲得。由此可見(jiàn)，機(jī)器視覺(jué)分級(jí)過(guò)程實(shí)質(zhì)上是利用特定成像條件發(fā)現(xiàn)缺陷斑塊的過(guò)程。

作為大宗農(nóng)產(chǎn)品，水果資源總量大、個(gè)體多樣，基于表面成像進(jìn)行的機(jī)器視覺(jué)分選需要逐個(gè)甄別，獲取個(gè)體表面圖像力求實(shí)時(shí)、快速。由于缺陷斑塊在水果表面隨機(jī)分布的特性，要求成像覆蓋水果的全部表面。根據(jù)圖像進(jìn)行分析時(shí)，常以缺陷斑塊的幾何閾值進(jìn)行判斷，圖像中應(yīng)真實(shí)體現(xiàn)缺陷斑塊形狀、尺寸。利用機(jī)器視覺(jué)進(jìn)行水果分級(jí)時(shí)，圖像采集應(yīng)兼顧快速、全面、準(zhǔn)確。

2 水果表面全真采像技術(shù)的研究及應(yīng)用

基于表面成像的機(jī)器視覺(jué)分選作業(yè)效果主要受兩方面因素制約：一是全面、準(zhǔn)確地獲得水果表面圖像；二是對(duì)表面圖像所包含的信息進(jìn)行科學(xué)、正確的解讀和判斷。前者主要受制于相機(jī)與水果相對(duì)位置、相機(jī)與水果相對(duì)運(yùn)動(dòng)、輔助成像條件的配置，后者則仰仗表面信息與品質(zhì)指標(biāo)的關(guān)聯(lián)規(guī)律、特征信號(hào)挖掘轉(zhuǎn)換及圖像處理算法。

現(xiàn)有基于機(jī)器視覺(jué)技術(shù)的水果外觀品質(zhì)檢測(cè)[2-6]相關(guān)研究多集中在圖像處理算法和數(shù)據(jù)-指標(biāo)關(guān)系建模算法[7]。其中，圖像處理算法包括濾波去噪、圖像分割和特征提取等[8-11]。數(shù)據(jù)-指標(biāo)關(guān)系建模則大多采用非線性算法，如二次多項(xiàng)式擬合、偏最小二乘回歸、模糊聚類和神經(jīng)網(wǎng)絡(luò)等[12-15]。目前，水果表面信息采集主要采用多機(jī)位固定成像、旋轉(zhuǎn)多次成像及面鏡反射固定成像等方法進(jìn)行，獲取的表面信息多存在缺失和失真。

大多數(shù)水果表面呈曲面，快速獲得其表面全部、真實(shí)影像具有一定難度，而表面信息的缺失及失真將直接影響運(yùn)算、判斷和分級(jí)的準(zhǔn)確性。因此，對(duì)水果表面的全真信息采集技術(shù)研究也成為保障機(jī)器視覺(jué)分級(jí)效果的基礎(chǔ)和關(guān)鍵。

2.1 水果靜止成像

水果靜止成像是指以固定機(jī)位對(duì)靜止水果進(jìn)行的成像，分為水果靜置成像和水果間歇運(yùn)動(dòng)靜止成像兩種情況。水果靜止成像系統(tǒng)一般包括相機(jī)、光源和水果承托裝置，配置要求低，明顯優(yōu)勢(shì)是成像質(zhì)量高，但處理能力低，故多用于試驗(yàn)平臺(tái)。

2.1.1 單機(jī)位靜止采像

Blasco等(2003)[16]將相機(jī)布置于水果正上方，利用真空果杯吸附固定水果后，首先調(diào)整水果軸線與CCD相機(jī)光軸成一定夾角后采集第1幅圖像；然后，使水果沿其軸線分兩次各轉(zhuǎn)過(guò)120°，采集第2、3幅圖像；最后，二次吸附固定水果，對(duì)吸盤遮蓋區(qū)域進(jìn)行補(bǔ)充成像，從而用4幅圖像(見(jiàn)圖1)獲得高重復(fù)率的全部表面信息。

圖1 Blasco等采用的水果定向檢測(cè)系統(tǒng)Fig.1 Detection system of fruits orientation from Blasco

Niigaki等(2009)[17]將水果放置在間歇定軸旋轉(zhuǎn)的轉(zhuǎn)臺(tái)上，CCD相機(jī)固定在蘋果側(cè)上方，光軸與蘋果形心相交，多次釆集蘋果不同方位的圖像，如圖2所示。

圖2 Niigaki等采用的水果表面圖像采集裝置Fig.2 Acquisition device of fruit surface image in Niigaki’s study

高云(2010)[18]則將相機(jī)水平布置于繞鉛垂軸間歇旋轉(zhuǎn)的水果托盤側(cè)面進(jìn)行單機(jī)位多次采像，來(lái)獲取水果全部表面信息。

朱蓓(2013)[19]將水果固定在水平軸心旋轉(zhuǎn)臺(tái)的正中心位置，相機(jī)布置于水果正上方且光軸與旋轉(zhuǎn)臺(tái)軸心垂直相交，通過(guò)水果在繞水平軸轉(zhuǎn)過(guò)不同角度時(shí)，相機(jī)在“單幀采集”的模式下，多次采集水果的靜態(tài)圖像來(lái)獲得水果的全表面圖像信息。

上述方法盡管可利用運(yùn)動(dòng)間歇實(shí)現(xiàn)單幅靜止采像，得到的圖像品質(zhì)較高；但受制于定軸旋轉(zhuǎn)、承托裝置遮擋及固定單機(jī)位視野局限，采集到的多幅圖像合并信息仍不能保證對(duì)蘋果表面的全覆蓋，且單個(gè)水果表面信息采集耗時(shí)長(zhǎng)、效率低，不宜用于大規(guī)模分選。

2.1.2 多機(jī)位靜止采像

Shiraishi等(2011)[20]提出一種采用6個(gè)相機(jī)同時(shí)獲取處于靜止?fàn)顟B(tài)的橢球形果蔬的全部表面圖像的方法，如圖3所示。當(dāng)單個(gè)果蔬被送至采像工位，間歇輸送停止，水果周圍的LED光源點(diǎn)亮，3對(duì)兩兩垂直分別布置于3個(gè)垂直方向的CCD相機(jī)同時(shí)采像，用6幅圖像反應(yīng)果蔬的表面信息。

圖3 Shiraishi等采用的圖像采集裝置Fig.4 Acquisition device of fruit surface image from Shiraishi

采用多幅靜止圖像從不同角度反映水果弧形表面的信息，盡管理論上所采集的多幅圖像可實(shí)現(xiàn)對(duì)全部表面的覆蓋；但由于圖像數(shù)量有限，當(dāng)需要對(duì)失真要求較高時(shí)，剔除圖像中的高誤差邊緣區(qū)域后，剩余的有效采集區(qū)域常不能覆蓋水果的全部表面，易產(chǎn)生表面圖象信息的缺失，且失真度較高。

2.1.3 光學(xué)輔助裝置靜止采像

李慶中等(2002)[21]利用光學(xué)輔助系統(tǒng)和兩個(gè)不同相機(jī)進(jìn)行了獲取水果全部表面信息的嘗試。在水果的正上方安裝1個(gè)雙CCD相機(jī)，彩色CCD用于采集水果的彩色圖像信息，黑白CCD則采集近紅外波段的圖像信息。水果利用無(wú)底果杯傳輸，在水果的下方安裝1個(gè)黑白CCD相機(jī)采集水果下表面的圖像信息。為了盡可能多地獲取水果的全表面圖像信息，在水果的兩側(cè)分別安裝一面平面鏡，則處于水果正上方的雙CCD相機(jī)可以同時(shí)獲取水果的3幅圖像，從而兩CCD相機(jī)可獲取水果的多表面圖像信息。由于平面鏡中水果圖像存在的畸變及圖像背景混亂，后續(xù)運(yùn)算中除進(jìn)行幾何修正外，還需要設(shè)計(jì)不同的背景分割算法，增加了運(yùn)算量。

Reese等(2008,2009)[22-23]嘗試?yán)苗R子克服采像過(guò)程中區(qū)域缺失的問(wèn)題，如圖4所示。研究發(fā)現(xiàn)：在置于兩條平行纜線上的蘋果兩側(cè)放置兩凸面鏡時(shí)，可以獲取蘋果接近100%的表面圖像。尤其是當(dāng)蘋果軸線恰與兩纜線所在平面垂直，或蘋果軸線與兩纜線平行時(shí)，獲取蘋果表面圖像信息最多。

圖4 Reese等采用平面鏡和凹面鏡的獲取圖像Fig.4 Images acquired using flat or concave mirrors from Reese

由于光學(xué)輔助成像多用面鏡反射原理獲取背向相機(jī)一側(cè)的圖像，不僅圖像背景混亂，還易產(chǎn)生面鏡中圖像畸變嚴(yán)重的問(wèn)題，需附加校正運(yùn)算，進(jìn)一步提高了算法的復(fù)雜程度，降低了運(yùn)算速度。

2.2 水果運(yùn)動(dòng)成像

水果運(yùn)動(dòng)成像是指以固定機(jī)位對(duì)運(yùn)動(dòng)過(guò)程中的水果的成像，包括對(duì)受控運(yùn)轉(zhuǎn)和自由運(yùn)動(dòng)兩種過(guò)程中的水果進(jìn)行成像兩種情況。水果運(yùn)動(dòng)成像一般由光源、過(guò)程運(yùn)動(dòng)調(diào)控系統(tǒng)或初始運(yùn)動(dòng)調(diào)整系統(tǒng)和相機(jī)組成，水果運(yùn)動(dòng)調(diào)整、調(diào)控系統(tǒng)復(fù)雜，要求相機(jī)感光靈敏度高，其明顯優(yōu)勢(shì)是圖象采集效率高，處理能力低，故廣泛應(yīng)用于實(shí)際生產(chǎn)。

2.2.1 運(yùn)動(dòng)控制成像

運(yùn)動(dòng)控制成像是指采取強(qiáng)制措施控制水果的運(yùn)動(dòng)狀態(tài)后，對(duì)受控運(yùn)動(dòng)過(guò)程中的水果進(jìn)行成像的采像方法。運(yùn)動(dòng)控制成像突出的優(yōu)勢(shì)為可有效控制獲取圖像對(duì)水果表面的全面覆蓋，但圖像處理時(shí)仍需進(jìn)行無(wú)效影響分割。

為了改善靜止成像中水果表面信息缺失和失真問(wèn)題，目前常用的方法是利用旋轉(zhuǎn)托輥帶動(dòng)水果平動(dòng)和翻滾，在水果運(yùn)動(dòng)過(guò)程中用單機(jī)位、多次成像采集多個(gè)位置的表面圖像信息[24-30]。

謝國(guó)俊等(2007)[31]將水果放置于連續(xù)平動(dòng)的傳送帶上的托盤中，3個(gè)CCD相機(jī)布置在與水果運(yùn)動(dòng)方向垂直的豎直面內(nèi)。其中，1只相機(jī)位于傳送帶的上方，光軸與水果形心的運(yùn)動(dòng)軌跡垂直相交；另兩只CCD相機(jī)分別布置于傳送帶兩側(cè)，光軸與傳送帶的上方CCD相機(jī)的光軸交于水果形心，交角均為60°，3個(gè)CCD相機(jī)具有一定的重疊采集區(qū)域。當(dāng)水果形心與相機(jī)3光軸所在平面重合時(shí)，3個(gè)CCD相機(jī)同時(shí)在不同的方位上采集水果表面的大部分信息。

Troop等(2005)[32-34]首先利用蘋果對(duì)稱軸線將蘋果定位于輸送鏈的托盤上(見(jiàn)圖5)，托盤內(nèi)環(huán)可自由旋轉(zhuǎn)，每個(gè)托盤一側(cè)布置兩個(gè)與蘋果軸線平行的豎直塑料托輪；當(dāng)蘋果進(jìn)入采像工位時(shí)，由于托盤翻轉(zhuǎn)帶動(dòng)托輪及蘋果在與輸送鏈運(yùn)動(dòng)方向垂直的平面內(nèi)傾斜45°并使蘋果軸線與相機(jī)光軸垂直；此時(shí)蘋果繼續(xù)向前輸送時(shí)，與托輪之間的摩擦帶動(dòng)蘋果沿自身軸線按設(shè)定的角速度轉(zhuǎn)動(dòng)360°，蘋果每旋轉(zhuǎn)30°相機(jī)采像一次，用12幅圖像獲取蘋果的全表面信息。

圖5 Troop等采用的水果定向機(jī)械裝置Fig.5 Mechanism for fruits orientation in Troop’s study

Kondo (2010)[35]在檢測(cè)橘子的外部特征時(shí)，利用在不同方位布置的6只固定CCD相機(jī)，即可使橘子平動(dòng)過(guò)程中產(chǎn)生滾轉(zhuǎn)的特殊輸送帶來(lái)檢測(cè)橘子表面信息。在第1個(gè)采像工位，4只相機(jī)在傳輸帶兩側(cè)兩兩相對(duì)、交叉布置于水平面，從4個(gè)方向檢測(cè)橘子的側(cè)面信息。第2、3個(gè)采像工位，各有1只相機(jī)垂直布置于傳輸帶正上方，由第2采像工位轉(zhuǎn)換至第3采像工位過(guò)程中，橘子沿水平軸旋轉(zhuǎn)180°，用于采集第1采像工位為覆蓋的頂部和底部信息，用順序獲取的6幅圖像反映橘子的全部表面信息。

李偉等(2006)[36]利用特殊輸送鏈控制蘋果作平動(dòng)加滾轉(zhuǎn)運(yùn)動(dòng)，CDD相機(jī)固定于圖像采集區(qū)的上方。蘋果經(jīng)過(guò)采集區(qū)域時(shí)， CDD相機(jī)以適當(dāng)時(shí)間間隔采集3幅圖像，即可覆蓋蘋果90%以上表面信息。

鄒小波等(2010)[37]利用3個(gè)相互獨(dú)立的成像系統(tǒng)進(jìn)行蘋果表面信息采集。3個(gè)成像系統(tǒng)所屬3相機(jī)布置在采像工位的上方；3相機(jī)光軸均位于蘋果運(yùn)動(dòng)方向的鉛垂面內(nèi)，且與采像工位的蘋果的形心相交；3相機(jī)光軸間具有一定夾角。蘋果在輸送鏈承托下進(jìn)入采像區(qū)域受托輥驅(qū)動(dòng)開(kāi)始旋轉(zhuǎn)，到達(dá)采像工位后同時(shí)觸發(fā)3只相機(jī)，通過(guò)與運(yùn)動(dòng)參數(shù)的匹配，3只相機(jī)完成3次同步采像，用9幅圖像全面反映蘋果表面圖像信息。

上述幾種水果運(yùn)動(dòng)控制方法有利于獲取水果的全表面信息，但仍然存在不同程度的漏采，且其圖像質(zhì)量欠佳。同時(shí)，多次采像造成的冗余信息加重了運(yùn)算負(fù)荷。

2.2.2 運(yùn)動(dòng)干預(yù)成像

運(yùn)動(dòng)干預(yù)成像是指采取強(qiáng)制措施調(diào)整水果的初始運(yùn)動(dòng)狀態(tài)后解除干預(yù)，對(duì)在重力場(chǎng)中自由運(yùn)動(dòng)過(guò)程中的水果進(jìn)行成像的采像方法。運(yùn)動(dòng)干預(yù)成像的突出優(yōu)勢(shì)是可獲得“無(wú)背景”圖像，簡(jiǎn)化了圖像分割，可有效提高分析、運(yùn)算速度，但需進(jìn)行水果的初始運(yùn)動(dòng)狀態(tài)及運(yùn)動(dòng)軌跡和成像系統(tǒng)的精準(zhǔn)配置。

Raytec Vision SpA公司研發(fā)的Raynbow系列分選設(shè)備中，采用了對(duì)拋落過(guò)程中自由運(yùn)動(dòng)物料進(jìn)行空中成像技術(shù)。物料在離開(kāi)輸送帶轉(zhuǎn)入自由下落過(guò)程中，布置于拋物線軌跡一側(cè)(或兩側(cè))相機(jī)對(duì)下落物料進(jìn)行多次、多角度采像。由于飛行過(guò)程瞬間成像，可得到無(wú)背景圖像，在配備可高速成像高像素相機(jī)及高速運(yùn)算系統(tǒng)時(shí)，可用于大規(guī)模的分選作業(yè)。

該方法的優(yōu)勢(shì)在于如下：對(duì)自由運(yùn)動(dòng)物體多次、瞬間成像可快速獲得巨量樣本的信息，如能對(duì)自由運(yùn)動(dòng)物體初始運(yùn)動(dòng)狀態(tài)進(jìn)行主動(dòng)調(diào)整，使之適應(yīng)獲得物料表面全真信息的要求，將為依據(jù)水果表面信息進(jìn)行分選作業(yè)提供全面、精準(zhǔn)的信息來(lái)源。

3 存在的問(wèn)題

1)對(duì)已有研究和技術(shù)分析可知：受制于水果曲面形狀，無(wú)論是靜止采像或運(yùn)動(dòng)采像，均存在不同原因?qū)е碌牟煌潭缺砻嫘畔⒌穆┎珊褪д妗２捎枚嘞鄼C(jī)、多工位或多圖幅采像，盡管可解決表面信息的漏采問(wèn)題，但在有限的圖像中真實(shí)反映任意表面區(qū)域的圖像信息，尤其是獲取大量個(gè)體的低失真度的表面信息十分困難。

2)在大批量分選作業(yè)中，當(dāng)要求高精度分選時(shí)，即便能夠不計(jì)代價(jià)地獲取水果表面的全真信息，海量的數(shù)據(jù)及運(yùn)算量還將產(chǎn)生很高的數(shù)據(jù)分析、判斷系統(tǒng)硬件配置費(fèi)用，使分選設(shè)備性價(jià)比下降，與現(xiàn)有的人工分選相比無(wú)優(yōu)勢(shì)可言。

4 展望

隨著對(duì)食品安全要求的提升，對(duì)水果分級(jí)精度的要求勢(shì)必越來(lái)越高，研究作為大宗農(nóng)產(chǎn)品的水果表面全真信息的快速采集技術(shù)，有助于水果分級(jí)技術(shù)水平的提高，將成為今后一個(gè)重點(diǎn)研究方向。

對(duì)于以不破壞整體性、不改變外觀為前提的水果分級(jí)作業(yè)，以表面信息為分析判斷基礎(chǔ)和定級(jí)依據(jù)，在目前及今后仍不失為一種行之有效的作業(yè)方法。針對(duì)水果資源特點(diǎn)及分選要求，快速獲得巨量個(gè)體的全面、真實(shí)的表面信息，是保證分選效果的基礎(chǔ)和保障。

鑒于水果外表面復(fù)雜的幾何、物理特性，全面、精確獲取其表面信息技術(shù)難度高，盡管投入了高速度的數(shù)據(jù)采集、傳輸及運(yùn)算系統(tǒng)，開(kāi)發(fā)了數(shù)學(xué)校正、圖像識(shí)別算法，大多對(duì)問(wèn)題的解決事倍功半。依據(jù)表面信息進(jìn)行水果分級(jí)作業(yè)效果的提高，一方面應(yīng)針對(duì)不同水果的生物特性、質(zhì)量要求、作業(yè)要求，合理規(guī)劃表面信息采集方法及流程，粗精分流，提升效率和準(zhǔn)確性；另一方面，解決水果表面圖像采集及分選應(yīng)考慮多種技術(shù)集成的應(yīng)用研究，應(yīng)重點(diǎn)開(kāi)發(fā)或集成針對(duì)空間自由運(yùn)動(dòng)物體的快速、高保真曲面立體(掃描)成像的技術(shù)和裝備，采用機(jī)械、光學(xué)及運(yùn)算相結(jié)合的水果運(yùn)動(dòng)調(diào)整、光環(huán)境配置、圖像合成及模糊速算技術(shù)，兼顧水果的幾何特征和生物特性，同時(shí)簡(jiǎn)化采集圖像的背景信息，從根本上解決水果分級(jí)作業(yè)中復(fù)雜表面全真信息的來(lái)源問(wèn)題。

[1] 趙卓,于冷.質(zhì)量分級(jí)促進(jìn)農(nóng)業(yè)現(xiàn)代化的理論與現(xiàn)實(shí):國(guó)外文獻(xiàn)綜述[J].西北農(nóng)林科技大學(xué)學(xué)報(bào):社會(huì)科學(xué)版,2009(4):29-34.

[2] 劉國(guó)敏,鄒猛,劉木華,等. 臍橙外部品質(zhì)計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)初步研究[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào), 2008,10(4):100-104.

[3] 梁偉杰,鄧?yán)^忠,張?zhí)X.梨果面壞損區(qū)域的計(jì)算機(jī)視覺(jué)檢測(cè)方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2005,36(7):101-103.

[4] Brosnan T, Sun D W. Inspection and grading of agricultural and food products by computer vision systems-a review[J]. Computers & Electronics in Agriculture,2002,36(2-3):193-213.

[5] 劉佳男.基于機(jī)器視覺(jué)的水果表面缺陷識(shí)別方法的研究[D].無(wú)錫：江南大學(xué),2012.

[6] 韓偉,曾慶山.基于計(jì)算機(jī)視覺(jué)的水果直徑檢測(cè)方法的研究[J].中國(guó)農(nóng)機(jī)化,2011(5):108-111.

[7] 黃偉鋒,唐宇,姚鑫,等.基于可見(jiàn)光波段成像的水果品質(zhì)檢測(cè)方法研究進(jìn)展[J].仲愷農(nóng)業(yè)工程學(xué)院學(xué)報(bào), 2016(1):67-71.

[8] 王曉虹,韋英華.結(jié)合Ridgelet 變換與Wiener濾波的蘋果圖像去噪算法[J].江蘇農(nóng)業(yè)科學(xué),2013,41(10):373-375.

[9] 王福杰,饒秀勤,應(yīng)義斌.蘋果圖像的背景分割與目標(biāo)提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(1):196-199,210.

[10] 郭艾俠,鄒湘軍,朱夢(mèng)思,等.基于探索性分析的荔枝果及結(jié)果母枝顏色特征分析與識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(4):191-198.

[11] 宋懷波,張衛(wèi)園,張欣欣,等.基于模糊集理論的蘋果表面陰影去除方法[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(3):135-140.

[12] 陳浩磊,陳厚彬,劉財(cái)興.桂味荔枝果頂形狀與種核質(zhì)量的關(guān)系研究[J].西南大學(xué)學(xué)報(bào)：自然科學(xué)版,2012,34(4):20-26.

[13] 熊俊濤,鄒湘軍,陳麗娟,等.基于機(jī)器視覺(jué)的自然環(huán)境中成熟荔枝識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(9):162-166.

[14] 全燕鳴,黎淑梅,成喜春,等.基于機(jī)器視覺(jué)的果肉多類型異物識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(3):162-166.

[15] 梁明,孟大偉.多特征圖像融合的蘋果分級(jí)方法應(yīng)用研究[J].計(jì)算機(jī)仿真,2012,29(7):256-259.

[16] Blasco J, Aleixos N, Moltó E. Machine Vision System for Automatic Quality Grading of Fruit[J].Biosystems Engineering, 2003, 85(4):415-423.

[17] Niigaki H, Fukui K. Classification of Similar 3D Objects with Different Types of Features from Multi-view Images[Z].Tokyo: PSVIT, 2009, 5414:1046-1057.

[18] 高云,李盼,周明,等.一種水果圖像獲取裝置:中國(guó)，G01B11/08(2006．01)I[P]．2011-06-22．

[19] 朱蓓.蘋果全表面圖像信息獲取方法的研究[D].杭州：浙江大學(xué), 2013.

[20] Shiraishi Y, Takeda F. Proposal of whole surface inspection system by simultaneous six-image capture of prolate spheroid-shaped fruit and vegetables[Z].Kuala Lumpur:IEEE, 2011:1-5.

[21] Li Q,Wang M,Gu W.Computer vision based system for apple surface defect detection[J].Computers and Electronics in Agriculture,2002,36(2-3):215-223．

[22] Reese, D Y, Lefcourt, A M, Kim, M S,et al. Whole surface image reconstruction for machine vision inspection of fruit[Z].Boston, Mass: SPIE, 2007, 6761.

[23] Reese D, Lefcourt A M, Kim M S, et al. Using parabolic mirrors for complete imaging of apple surfaces[J]. Bioresource Technology, 2009,100(19):4499-4506.

[24] Xu L M, Zhao Y C, Li D L. Automated strawberry grading system based on image processing[J].Computers & Electronics in Agriculture, 2010, 71(1):S32-S39.

[25] Sun T,Huang K Xu H,et a1.Research advances in nondestructive determination of internal quality in watermelon/melon：A review[J]．Journal of Food Engineering，2010，100(4)：569-577.

[26] Al Ohali Y.Computer vision based date fruit grading system:Design and implementation[J].Journal of King Sand University-Computer and Information Sciences,2011,23(1):29-36．

[27] Al-Mallahi A,Kataoka T,Okamoto H,et a1.An image processing algorithm for detecting in-line potato tubers without singulation [J].Computers and Electronics in Agriculture,2010,70(1):239-244.

[28] Elmasry G, Cubero S, Moltó E, et al. In-line sorting of irregular potatoes by using automated computer-based machine vision system[J]. Journal of Food Engineering, 2012,112(1-2):60-68.

[29] Unay D,Gosselin B,Kleynen O,et a1.Automatic grading of Bi-colored apples by multispectral machine vision[J].Computers and Electronics in Agriculture,2011,75(1):204-212．

[30] Sun T,Huang K, Xu H,et a1.Research advances in nondestructive determination of internal quality in watermelon/melon:A review[J].Journal of Food Engineering,2010,100(4):569-577.

[31] 謝國(guó)俊,曹其新,劉建政,等.基于多方位視覺(jué)的果實(shí)形狀特征的提取研究[J].農(nóng)業(yè)工程學(xué)報(bào),2007,23(7): 127-132.

[32] Throop J A, D J Aneshansley, W C Anger,et al.Conveyor design for apple orientation[Z].Las Vegas :ASAE. 2003a, 036123.

[33] Throop, J. A., D. J. Aneshansley, W. C. Anger, D. L. Peterson. Quality evaluation of apples based on surface defects-an inspection station design[Z].Las Vegas :ASAE, 2003b, 036161.

[34] Bennedsen B S,Peterson D L,Tabb A.Identifying defects in images of rotating apples[J].Computers & Electronics in Agriculture, 2005, 48(2):92-102.

[35] Kondo N.Automation on fruit and vegetable grading system and food traceability[J]. Trends in Food Science & Technology, 2010, 21(3):145-152.

[36] 李偉,康晴晴.基于機(jī)器視覺(jué)的蘋果表面紋理檢測(cè)方法[J].吉林大學(xué)學(xué)報(bào)：工學(xué)版,2008,23(5):1111-1113.

[37] Zou X B, Zhao J W, Li Y X, et al. In-line detection of apple defects using three color cameras system[J].Computers & Electronics in Agriculture, 2010, 70(1):129-134.

Research Progress of the Whole and Precise Image Acquisition Technology of Fruit Surface

Liu Ting, Zhang Shaoying, Wang Yequn

(College of Engineering, China Agricultural University, Beijing 100083, China)

Fruit surface information reflects both the appearance and the structure, to some extent, also reflects internal quality. It’s often used as a basis for classification based on machine vision. It’s the basic and key to acquire the full and precise information to guarantee the effects of fruit surface grading based on the machine vision. This paper presents a analysis on the characteristics of the fruit surface and requirements for imaging, the existing methods of acquiring the fruit surface information,principles and the quality of the collected information. And based on the biological characteristics of the fruits and classification requirements, some further suggestions and ideas of missing and distortion unsolved are suggested.

fruit grading; machine vision; surface image

2016-12-06

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFD0400305)

劉 婷(1991-),女，四川綿陽(yáng)人，博士研究生，(E-mail) liuting_6542@163.com。

張紹英(1961-)，男，河北辛集人，教授，博士生導(dǎo)師，(E-mail)cauzsy@cau.edu.cn。

S233.74

A

1003-188X(2018)02-0001-06