視覺檢測技術(shù)在食品行業(yè)的應(yīng)用研究

陶春 周振中 杜康

摘要：視覺檢測是一種結(jié)合圖像處理和模式識別的新生技術(shù)，具有檢測速度快、檢測結(jié)果準(zhǔn)確等特點。近些年來，隨著計算機性能的提高和計算機視覺檢測技術(shù)的飛速發(fā)展，視覺檢測技術(shù)廣泛應(yīng)用于食品檢測行業(yè)，將來，有很大的可能取代人工檢測的方法。本文主要介紹了視覺檢測的相關(guān)技術(shù)和檢測原理，并詳細綜述了該技術(shù)在食品行業(yè)的應(yīng)用研究。

關(guān)鍵詞：機器視覺;圖像分析;食品行業(yè);品質(zhì)檢測

1視覺檢測原理

通常，計算機視覺檢測系統(tǒng)主要由以下幾個部分組成：照明設(shè)備、檢測箱、CCD圖像傳感器、圖像采集卡和計算機軟件系統(tǒng)等，具體見圖1所示。主要任務(wù)是圖像的采集、處理和分析識別。系統(tǒng)在對采集的圖形進行特征提取和分析時，根據(jù)不同的需求利用不同的算法進行分析，最后得出所需的結(jié)果。

計算機視覺檢測系統(tǒng)主要的步驟為圖像數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征降維和圖像識別與分類。

1.1圖像數(shù)據(jù)采集

圖像采集是使用相應(yīng)的傳感器將模擬信號轉(zhuǎn)換為數(shù)字信號的過程，其中光源是至關(guān)重要的區(qū)域，關(guān)照強度會影響到圖片的質(zhì)量，直接導(dǎo)致后續(xù)的檢測結(jié)果不準(zhǔn)確，因此光照強度必須適中且能夠自由控制。通常圖像采集是利用攝像機、紅外成像等工具，好的設(shè)備能夠保證圖像的原始信息不會丟失。

1.2圖像預(yù)處理

圖像預(yù)處理是通過減少圖像中的噪聲來實現(xiàn)目標(biāo)信息的可檢測性，從而改進特征提取、圖像識別與分類的準(zhǔn)確性。其中圖像平滑是圖像預(yù)處理中最常用的方法之一，是通過突出低頻信息和抑制高頻信息的過程，目的是減少圖像的梯度，改善圖像質(zhì)量。

1.3圖像特征降維

圖像的特征降維是利用降維等相關(guān)方法將其維度降到可控范圍之類，利用降維后的目標(biāo)特征表示整個圖像的信息。為了提高算法的運行速度，將所有的特征向量化，且每一個特征向量能夠唯一確定相對于的對象特點。圖像經(jīng)過降維處理之后，能夠有效提高檢測準(zhǔn)確率。

1.4圖像識別與分類

圖像識別與分類是視覺檢測技術(shù)中最復(fù)雜的過程，其中需要應(yīng)用各種機器學(xué)習(xí)和人工智能算法，能夠自動模擬人眼識別并將不同的目標(biāo)進行分類。

現(xiàn)在，已有多種分類和識別算法，例如：K-近鄰算法、決策樹、神經(jīng)網(wǎng)絡(luò)等。

視覺檢測技術(shù)可以根據(jù)降維后的目標(biāo)特征生成準(zhǔn)確的數(shù)據(jù)，無須人工進行計算，運行速度快，減速了大量人力和物力的消耗，大大提高了生產(chǎn)效率和自動化程度。

2視覺檢測技術(shù)在食品檢測方面的應(yīng)用

食品是人們生活中必不可少的物質(zhì)，檢測食品的優(yōu)劣成了現(xiàn)在急需解決的問題。而視覺檢測技術(shù)的出現(xiàn)填補了這方面的空白，為食品的安全提供了保障。

2.1食品形狀檢測

各種食品具有不同的形狀特征，有些形狀規(guī)則，有些外觀天然不規(guī)則，使得食品檢測與評估變得異常復(fù)雜。在形狀檢測過程中，主要根據(jù)食品的面積、周長等來衡量產(chǎn)品的形狀，而各種不同特征可以通過計算機視覺檢測技術(shù)進行區(qū)分。通過計算圖像中目標(biāo)樣本區(qū)域的像素個數(shù)來獲取被測物體的面積和周長等，進而實現(xiàn)食品的自動檢測。Ohali等人研發(fā)了一套視覺檢測系統(tǒng)，通過計算目標(biāo)區(qū)域來評估食品的尺寸及形狀，檢測結(jié)果的準(zhǔn)確率達到了80%。但是目前的視覺檢測技術(shù)都不能百分百的檢測正確，因此，為了提高識別準(zhǔn)確性，許多學(xué)者利用海量的食品數(shù)據(jù)圖像對檢測算法進行訓(xùn)練，達到設(shè)定目標(biāo)之后才應(yīng)用。孫彥龍等人研究了馬鈴薯的檢測方法，利用人工神經(jīng)網(wǎng)絡(luò)模型對其視圖的特征進行融合，最終的分類準(zhǔn)確率達到96%。

2.2食品顏色檢測

顏色是評估食品質(zhì)量的一個重要特征，尤其是水果等食品，顏色在很大程度上直接反映水果的新鮮程度和質(zhì)量。目前，傳統(tǒng)的檢測手段都是通過人工篩選，但是這些方法會導(dǎo)致人眼疲勞且選出來的產(chǎn)品差異性較大，不能準(zhǔn)確檢查出食品腐敗變質(zhì)等問題。因此利用視覺檢測技術(shù)可以根據(jù)產(chǎn)品各部分的顏色對其做出相應(yīng)判斷，進而完成食品的自動篩選，解決了傳統(tǒng)方式的缺陷。梁煒等人提出了一種基于視覺檢測的顏色識別算法，利用相差法對顏色進行識別，提高了算法的運行速度。wan等人在檢測番茄成熟度的實驗中，將番茄圖像劃分為5個區(qū)域，然后使用顏色分類的平均值作為特征向量，利用BP神經(jīng)網(wǎng)絡(luò)檢測番茄的顏色深度，從而確定其成熟情況，準(zhǔn)確率達到了99.3 1%。顏色檢測過程中最常用的方法是顏色直方圖、色彩空間轉(zhuǎn)化等，但是這些方法都有其局限性，模型的準(zhǔn)確率還有待提高。

3結(jié)束語

本文總結(jié)了視覺檢測技術(shù)的原理以及相關(guān)技術(shù)在食品檢測方面的應(yīng)用。隨著視覺檢測算法的深入研究，更多的算法被開發(fā)用來滿足現(xiàn)階段食品安全檢測。通過視覺檢測技術(shù)對食品進行檢測具有人工無法比擬的檢測效率和準(zhǔn)確率，是食品檢測實現(xiàn)自動化的一個重要研究方向。