农产品外部品质无损检测中高光谱成像技术的应用研究进展

高光谱成像技术是一种传统图像及光谱的融合技术,可以同时获取研究对象的空间及光谱信息。由于图像数据能反映农产品的外部特征、表面缺陷及污斑情况,而光谱数据又可以对物体内部物理结构及化学成分进行分析。因此,近几年在农产品品质无损检测中引起越来越多的关注,成为一个研究热点。为了跟踪国内外的最新研究成果,对高光谱反射及荧光成像技术应用于农产品(水果、蔬菜、肉类、谷物等)的外部品质检测进行了分类综述,以期为高光谱技术在农业方面更广阔的应用提供参考。

鸡蛋外部品质与其呼吸强度的相关关系

鸡蛋贮藏保鲜问题一直是蛋品行业研究的重点,已有研究表明鸡蛋品质与其呼吸强度存在密切联系。为了更进一步明确鸡蛋品质与其呼吸强度之间的关系,本研究选取同一品种但不同外部品质指标的鸡蛋作为实验样品,利用呼吸测定仪测量鸡蛋的呼吸强度,分析鸡蛋品质与其呼吸强度之间的关联。通过SPSS 19.0软件分别比较分析鸡蛋质量、蛋形指数、蛋比重、蛋壳质量、蛋壳厚度、蛋壳比例(蛋壳质量与鸡蛋质量百分比)以及蛋壳强度对鸡蛋呼吸强度的影响。结果表明:鸡蛋质量和蛋形指数与呼吸强度之间显著正相关(P<0.05);蛋壳厚度和蛋壳比例与呼吸强度之间显著负相关(P<0.05);而蛋壳强度、蛋壳质量以及蛋比重与呼吸强度间相关性不显著(P>0.05);此外,蛋比重与蛋壳强度、蛋壳厚度以及蛋壳比例均极显著正相关(P<0.01);蛋壳厚度与蛋壳强度极显著正相关(P<0.01)。总之,在鸡蛋外部品质中,鸡蛋质量、蛋形指数、蛋壳厚度及蛋壳比例对鸡蛋呼吸强度影响最大。

基于残差网络和图像处理的干制哈密大枣外部品质检测

针对目前红枣分级装置检测指标单一,难以实现外部品质综合判别的问题,设计了一款基于残差网络结合图像处理的干制哈密大枣外部品质检测系统。首先,通过深度学习图像分类实现裂纹、鸟啄和霉变缺陷检测,为克服当前残差网络计算量大、复杂度高以及信息丢失的问题,提出了一种改进深度残差网络图像分类方法;其次,根据尺寸与纹理数量的等级差异性,提出了一种阈值检测方法,通过提取干制哈密大枣图像面积、周长、拟合圆半径及纹理数量特征,实现尺寸及褶皱检测。试验结果表明缺陷识别模型和尺寸、褶皱检测模型测试准确率分别达到97.25%、93.75%和93.75%。综合缺陷、尺寸和褶皱3种外部品质指标,通过在线采集图像验证系统测试,外部品质综合检测准确率为93.13%,可初步满足干制哈密大枣品质在线检测装备的生产需求。

基于图像处理-深度学习的孵前种鸭蛋外部品质在线无损检测

种鸭蛋的品质影响着孵化率和健雏率,挑选优质种鸭蛋孵化不仅可以减少孵化占用的资源,还可以及时将不适宜孵化的种鸭蛋筛选出另做它用,避免其孵化失败造成浪费。为了对不同外部品质的孵前种鸭蛋进行检测分级,该研究设计了一种基于图像处理和深度学习的种鸭蛋外部品质检测系统。在传送轨道上获取种鸭蛋的透射图像后,选取多张鸭蛋图像中的最大长轴计算形状特征,通过交错值衡量大小头相似度;在伽马变换平衡图像颜色后,使用HSV分割提取脏污特征图来计算脏污面积;采用自适应阈值分割和脏污特征图掩膜对图像样本数据进行预处理,搭建裂纹识别网络CrackNet来识别脏污鸭蛋的裂纹。结果表明,该检测系统可计算种鸭蛋的大小、蛋形指数、脏污面积和大小头相似度,检测表面裂纹,计算所得长轴和蛋形指数的均方误差仅0.2202 mm^(2)和0.000058,CrackNet的裂纹识别准确率为98.03%,研究结果可为入孵前种鸭蛋的筛选工作提供技术支持。

基于机器视觉的红枣外部品质检测技术研究进展

近年来,具有快速、准确、客观和无损等特点的机器视觉技术已经被广泛用于农产品外部品质检测,以解决人工检测中存在的人力成本高、标准不统一和效率低等问题。在红枣加工和销售过程中,外部特征是影响其品质的重要因素,快速准确地对红枣外部品质检测能有效保障食品品质及安全、提高企业生产效率。本文综述了机器视觉技术在红枣外部品质检测中的应用,针对缺陷、大小、纹理、颜色和综合外部品质等指标总结了机器视觉检测方法的特点、存在的问题并阐明了其发展趋势,为我国红枣高效、快速检测分级装备的研发提供参考。

基于DXNet模型的富士苹果外部品质分级方法研究

针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法(多卷积神经网络融合DXNet模型)。首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合。试验评估采用15000幅图像进行训练、4500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84%,验证了本文方法用于苹果外部品质分级的有效性。

基于计算机视觉的马铃薯外部品质检测的应用研究

计算机视觉具有实时、客观、无损的优点,能对马铃薯的表面外部品质进行快速有效的检测。本文阐述了应用计算机视觉技术对马铃薯进行外部品质检测的必要性,并对基于计算机视觉的马铃薯的大小检测、形状检测以及表面缺陷检测的应用进行了研究。

计算机视觉在农产品外部品质检测中的应用研究

计算机视觉技术是一种无损、快速、经济的检测技术,是有可能取代人工(视觉)检查方法,在农产品质量检测中得到广泛认可。外观是农产品非常重要的感官属性,它会直接影响农产品的市场价值和消费者的选择,还在某种程度上影响其内在品质。本文介绍了计算机视觉系统的非接触式布置和高照明系统组件、图像处理和图像分析技术;在此基础上,详细综述了计算机视觉在农产品外部品质检测领域的应用研究,重点讨论计算机视觉技术在此领域的优势与不足,旨在为农产品外部品质检测提供技术支撑,并保障消费者的食用安全。

农产品外部品质无损检测中高光谱成像技术的应用研究进展

高光谱成像技术能够将传统的城乡技术和高光谱进行有效的融合,能够在使用的过程中一次性获得研究对象的空间和相应的光谱信息,这种技术所提供的图像数据能够很好的反映出农产品在外部形式上的特征,所以在近几年的农产品无损检验当中已经有了较为普遍的应用,本文主要对农产品外部品质无损检测中高光谱成像技术的应用研究进展进行简要的阐述,希望该技术能够更好的促进我国农业的发展。

基于机器视觉的类球形水果外部品质分级方法研究

针对传统方法在水果品质分级中存在的人工成本高、分级精度低等问题,开发了一种基于机器视觉的类球形水果外部品质分级方法。通过预处理获得采集目标的前景图像,采用最小外接矩阵表征果形指数,结合形态学区域填充分析果面缺陷,同时根据两特征参量大小实现对类球形水果的外部品质分级。利用设计的类球形水果外形尺寸检测系统对脐橙开展了在线检测和分级实验。结果表明,对5个抽样脐橙进行横径检测中,检测值与实际测量值的最大相对误差低于0.8%,对100个脐橙进行品质分级中,总体平均识别率高达94.4%,验证了该方法可应用于类球形水果的外部品质分级。

使用网络分析仪测量外部品质因子

外部品质因子是设计谐振滤波器的重要参数,测量出外部品质因子对于获得所需要的滤波特征至关重要。本文描述了使用网络分析仪来测量外部品质因子的方法。文中讨论了单端口,双端口情况下如何测量外部品质因子,并推导了相关的测量公式。

外部产品质量事件影响乳制品企业资本市场表现的实证研究

根据产品质量事件的发生主体是否是企业自身,将其分为内部产品质量事件和外部产品质量事件。二者相互关联、相互转化。以乳制品行业为例,运用因子分析和线性回归分析方法,对产品质量事件发生后的累积异常收益率的影响因素进行识别和机理分析。结果表明:主营与否、企业规模等对累积异常收益率有显著的负效应,而上市年龄、资产负债率则有显著的正效应。

计算机视觉在禽蛋品质检测中的应用研究进展

针对基于计算机视觉技术的蛋品分级技术进行了综述。禽蛋品质检测一般分外部品质检测和内部品质检测两大部分。主要基于小波的轮廓特征提取算法、基于边缘算子技术等图像识别方法检测禽蛋外部品质;利用图像亮度、声学特性检测技术对裂纹禽蛋进行检测,主要有基于阈值、区域和梯度等图像分割技术、基于小波变换的图像增强算法、声学脉冲共振特性等;基于透射光谱技术、荧光光谱图像、磁共振成像技术等非破坏性技术检测禽蛋内部品质;利用贝叶斯判别原理、神经网络及其改进算法对进行分级。但目前研究多数是静态的,动态检测识别准确率偏低,因此改进识别方法提高检测准确精度是今后的主要研究方向。

苹果外部缺陷全表面在线检测分选装置研发

中国是水果消费大国,但在水果产后检测装备方面相对滞后。针对目前在线检测装置无法采集苹果全表面图像信息且无法精确计算缺陷面积的问题,该研究以表面缺陷面积的快速检测为主要目标,提出苹果全表面图像合成算法,设计了一套苹果外部品质在线检测及分级装置。该研究以苹果为例,基于球模型提出苹果全表面图像合成算法、缺陷面积校正算法精确计算苹果的表面缺陷面积。通过试验验证,对苹果表面图像进行分割合成后,整体的图像的漏检率为0。提出缺陷面积校正算法,可以计算图像中位于任意位置的苹果缺陷真实面积,选取了120个样本进行验证,其中擦伤样本、碰伤样本、痘斑病样本、表面腐败样本各30个。4种表面损伤面积的预测值和真实值的决定系数R^(2)均在0.97以上,均方根误差(Root Mean Squared Error,RMSE)在4 mm^(2)以下。在偏角试验中,4种表面损伤面积的预测值和真实值的决定系数R^(2)均在0.9742以上,RMSE在6.3044 mm^(2)以下。装置检测苹果的速度为2个/s,评级准确率为95%。研究结果表明,检测与苹果评级精度较高,工作较为稳定,实现了苹果外部缺陷的检测与分级评价,可为苹果的外部品质检测提供技术支撑。

高光谱成像技术在水果多品质无损检测中的应用

简介高光谱成像系统的原理及优势,综述国内外高光谱技术在水果内部和外部品质检测方面的应用,分析其在相关检测中存在的主要不足,展望其未来发展方向,为提高高光谱成像技术在水果多品质无损检测中的检测准确性提供参考。

基于机器视觉的水果品质分级方法综述

为促进水果品质分级检测技术的发展,对国内外基于机器视觉的水果品质分级研究现状进行综述,并对水果的外部品质分级方法进行概述,提出了现阶段水果分级方法存在的问题和研究方向。水果分级是保证水果品质的重要前提。基于机器视觉的水果品质分级相比于人工与简易机械分级,具有分级准确、分级效率高、无损伤接触等特点,能够满足水果分级的市场要求。

高光谱技术在苹果品质检测中的应用

高光谱技术作为新一代的光电无损检测技术,广泛应用于农产品快速无损品质检测。高光谱技术在苹果品质检测方面主要有2个方向,结合化学计量学方法进行苹果内部品质检测以及结合机器视觉进行苹果损伤、病害等外部指标的外部品质检测。该文介绍了高光谱技术在苹果品质检测中的应用,提出了高光谱技术在苹果品质检测中存在的问题。

杏仁品质无损检测研究现状

随着我国杏仁产业的发展,外观与内部品质的检测已成为其提质增效的瓶颈问题。本文分别介绍了国内外杏仁内外部品质检测的研究现状,旨在为杏仁的智能分级提供理论参考。

不同浅褐壳蛋鸡配套组合商品代中后期蛋品质研究

为研究不同杂交组合商品代后期蛋品质,筛选符合市场要求的最佳配套组合,试验利用A、B、C、D四个蛋用型纯系组成三个不同的浅褐壳蛋鸡配套杂交组合(组合1:A♂×(C×D)♀,组合2:A♂×(D×C)♀,组合3:(A×B)♂×(C×D)♀),对三个组合中后期44、56、72和80周龄蛋品质进行测定和分析。结果显示:44、56、72周龄蛋壳光泽度组合2显著高于组合3(P<0.05),72、80周龄蛋壳厚度组合2显著高于组合1、组合3(P<0.05),56、80周龄蛋壳强度组合2显著高于组合1、3(P<0.05),56、80周龄哈氏单位组合2显著高于组合1、3(P<0.05),且80周龄产蛋总数和产蛋总重组合2最高。提示组合2中后期蛋品质最佳,符合市场要求,为最佳配套组合。

高光谱成像技术在果蔬品质检测中的应用

高光谱成像技术结合了传统成像和光谱学技术的优点,可以同时获取反映待测物内外部品质的光谱信息与空间信息,近年来在果蔬品质无损检测中得到广泛应用。本文从高光谱成像技术的基本原理与其在果蔬品质无损检测中的探索与应用出发,阐述了高光谱成像技术在该领域的最新研究进展。