水果分选机的研究状况和发展状况

《水果分选机的研究状况和发展状况》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

水果自动分级技术的现状与发展摘要：我国是一个水果生产大国，自动分级技术对提高我国鲜食水果的市场竞争力和利润水平有重要的意义。本文综述了国内外水果自动分级技术的研究进展和产品化现状；同时，对国内水果自动分级技术研究的现状及发展前景做了概括。关键词：柑橘；自动分级；发展；现状我国是水果生产大国，特别是90年代以来发展更为迅速。据国家统计局统计，2004年我国水果总产量已经达到15243万吨，比2003年增长5%，占世界总产量的12.7%。水果产业已经成为我国南方主产区农村经济的一大支柱产业，为促进农民增收、扩大城乡居民就业和改善生态环境作出了积极贡献。虽然我国水果产量很大，但国内水果价格低，“卖果难”问题经常出现，水果生产快速发展的势头受到抑制。而且中国水果以本国消费为主，参与国际贸易的比例一直很低，出口量不到国际水果贸易的3%。其中一个重要原因就是采后商品化处理落后，外观质量较差，导致水果的市场竞争力比较弱。根据水果产销趋势可以发现，水果产值的大部分是由产后处理和产后加工创造来的。水果的产后商品化处理包括清洗、打蜡、分级、包装。分级是果品商品化处理的重要环节，它在技术方面发展最快并在最近几年发生了根本的变化。目前我国国内水果商品化处理过程中的清洁、打蜡设备已经比较成熟，关键在于分级技术还比较落后。水果的分级指标包括外部品质和内部品质两个方面。水果外部品质的主要分级指标是水果的果形、大小、色泽、表面质量和颜色等。其中水果的表面质量可以通过表面光洁度、表面缺陷(斑点、污点、烂坏)、损伤来描述。内部品质指糖度、硬度、酸度、可溶性固形物等指标。本文主要综述最近十年与水果自动分级研究相关的内容。1研究现状1.1国外的研究现状国外早期的水果自动分级方法主要通过CCD相机，采用无损检测、计算机分析处理等手段对水果逐一进行分析判别后得出综合结论。利用机器视觉技术实现农产品内部品质无损检测是目前国际上正在研究的热点课题。除了使用高效的信息处理技术，水果的质量无损检测手段包括近红外线、红外线检验等光学检验方法和高光谱、多光谱技术等。人工神经网络技术是模仿生物大脑结构和功能而构成的信息处理技术，在机器视觉系统中应用可提高品质识别的智能性。Kavdir等使用神经网络算法对柑橘进行分级，把缺陷和物理特征作为神经网络分类器的输入参数，对柚子和橙子的分级准确率为98.5%，对橘子的分级准确率为98.3%。使用神经网络分类，训练好网络后，利用ANN的泛化功能，对橙子的彩色RGB图像，结合颜色和果形分析，获得鲁棒性、实时性的分类结果。红外线波段是人眼不可视波段，在水果的检测中，有许多优良的性能，比如碳氢化合物(糖、酸、水、维生素等)在近红外波段有不同的吸收峰，可作为检测的依据，是近年来发展起来的水果内部品质检测技术极佳的检测手段。Miller采用彩色电视摄像机和近红外线扫描摄像机获得桃子、柑橘等水果图像进行较深入的研究，对桃子表面的灰度图象进行阴影校正、图象分割和边缘检测，然后用灰度和色度阈值及区域增长法求得损伤表面面积，与人工测得的结果相关系数达0.56。Miller使用红外技术测量柚子和蜜桔的糖度，并建立了近红外和糖度Brix 测度的线性关系。机器视觉系统数据的提取需要高质量的图像，采用高光谱和多光谱技术可以快速得到高精度的图像。高光谱图像的光谱分辨率相当高，能够精确获得果品缺陷、污点等的特征光谱段，最近这方面的研究较多。而多光谱利用高光谱的分析结果，能够快速、实时采集信息，降低了软件识别的不确定性。Kim等使用450～851nm波段的高光谱图像识别苹果表皮的肥料残留物，研究表明，污秽的识别可使用3波段法(绿、红、近红外)或2波段法(近红外区域的两端)，前者可用于商业分级设备。高光谱还可用于成熟度分级，波长范围从396～736nm(间隔1.3nm)。用配置多滤光片的多光谱相机(740nm、950nm和可见光段)，干涉滤光片放置在光路上产生不同的波长可以对柑橘进行缺陷检测。西班牙的Aleixos使用多光谱相机检测柑橘，图像在两块DSP中并行运算，视觉系统检测的参数为尺寸、颜色、缺陷，检测速度大于5个/s。中国柑橘的颜色识别正确率为94%，柠檬和中国柑橘的缺陷识别正确率分别为93%和94%。X射线、核磁共振、热红外图像等手段在水果损伤和成熟度检测上也有应用。X射线可用于识别苹果的水芯。实验表明空间特征(面积、灰度)比变换域系数的特征更明显，因此用水果的面积、水果的平均灰度、DCT变换的第10个谐波作为Bayesian分类器的输入量，判断准确率为79%。X射线还可以检测损伤的新旧程度。Pathaveerat等使用高速单脉冲核磁共振技术作为油梨在线分级的工具，一个单脉冲NMR获得质子的的自衰变，把这个自衰变作Foruier变化，测量油梨的成熟度。这种方法测定油梨成熟度快速准确，具有很大发展潜力。由于损伤处和正常处的热辐射不同，用热红外图像对损伤的判别准确率达100%。实验表明，在损伤30～180s后，擦伤处和正常处至少有1～20℃的温差。但热红外图像必须在环境温度变化下才可检测。1.2国内的研究现状国内的水果自动分级研究起步较晚，主要在水果外在品质检测展开研究。针对水果的内部品质检测的研究还不多。李庆中等在实数域分形盒维数计算方法的基础上，提出了双金字塔数据形式的盒维数快速计算方法。对于待识别水果图像的可疑缺陷区，提出用5个分形维数作为描述该区域粗糙度和纹理方向性的特征参数，并用所提出的快速计算方法进行计算，然后利用人工神经网络(BP)作为模式识别器，区分水果表面的缺陷区和梗萼凹陷区，识别的准确率为93%，一个可疑缺陷区的判别时间为4～7ms。李庆中等还介绍了苹果颜色自动分级系统的硬件组成，确定了苹果颜色特征的提取方法，利用遗传算法实现了多层前馈神经网络识别器的学习设计，实现了苹果颜色的实时分级，并通过实验验证了该方法的有效性。试验结果表明，颜色分级识别准确率在90%以上，分级一个苹果所用的时间为150ms。籍保平、李永华提出了基于计算机视觉的苹果形状和尺寸识别的方法。在对苹果图像进行形状和尺寸识别时，首先通过中值滤波和阈值法去除图片中的噪音和背景信息，并转换成二值图像，然后进行边缘提取。获取的苹果边缘中包括果柄的边缘点，必须给以剔除，最后针对剔除果柄后的苹果边缘进行快速傅立叶变换(或通过几何参数法)来提取包含形状和尺寸信息的傅立叶系数(或几何参数)，用来作为苹果形状和尺寸分级的依据。应义斌、景寒松等利用机器视觉采集黄花梨图像，研究了不规则果品的形状描述方法，提出在黄花梨的分级过程中采用傅立叶变换与傅立叶反变换来描述果形，开发了基于人工神经网络的果形识别软件。利用红、绿色彩分量在坏损与坏损交界处的突变,求出可疑点,再经区域增长突出整个受损面。研究发现，该傅立叶的前16个谐波的变化特性足以代表梨体的主要形状，采用傅立叶描述与人工神经网络相结合的方法进行果形识别的精确率可达90 %，而且傅立叶描述子可以进行平移、旋转和缩放，并具有很强的水果外形重建功能。应义斌等利用机器视觉技术对黄花梨的表面缺陷进行检测。黄花梨梨体的正常部分和缺陷部分的光反射率在可见光域内有很大差异，即梨体的正常部分与缺陷部分呈现为不同的颜色，因而在可见光域内可以对果面缺陷进行检测。在检测果面缺陷时，提出利用红(R)、绿(G)色彩分量在坏损交界处的突变，求出可疑点，再经区域增长定出整个受损面积。何东健等以计算机视觉自动检测果实表面着色度并进行分级为目的，建立了室内计算机视觉系统获取苹果果实的彩色图像，并将RGB值转换成HLS值；在分析苹果颜色特性的基础上，确定了用适当色相值下累计着色面积百分比进行颜色分级的方法。试验表明，利用建立的准则和方法，计算机视觉分级与人工分级的一致度在88%以上。何东健等在分析果实表面颜色色相分布特性的基础上，又提出将果实色相分布曲线作为模式处理，用人工神经网络技术进行果实表面颜色分级。结果表明，用人工神经网络技术分级与人工分级的一致度在94%以上。冯斌通过对不同着色等级的水果分析，以各色度在水果表面分布的分形维数为特征进行分级，该特征值不仅考虑了各色度点的累计特性，而且考虑了色度点空间分布特性，使颜色分级更符合实际情况。将各色度域分形维数作为模式处理，建立了人工神经网络识别模型。学习后的模型分级正确率为95%。赵静等在综合分析果形的基础上，提出用半径指标、连续性指标等6个特征参数表示果形。首次将参考形状分析法用于果形判别，并利用人工神经网络对果形进行识别和分级。结果表明，用提取的特征参数和果形识别技术，计算机视觉与人工分级的平均一致率在93%以上。应义斌，饶秀勤等以表面色泽与固酸比为柑橘成熟度指标，建立了用于柑橘成熟度检测的机器视觉系统，确定了适宜的背景颜色，进行了柑橘的分光反射试验，发现绿色柑橘表面与桔黄色表面的反射率在700nm时反射率相差最大，约达53%，且各自的反射率都较大，700nm是获得高质量的柑橘图像的较佳中心波长。建立了利用协方差矩阵和样本属于桔黄色和绿色的概率来判断柑橘成熟度的判别分析法，并以实测的固酸比值作为对照，对72枚柑橘样本进行了试验，柑橘成熟度的判别准确率达到91.67%。这表明柑橘果实的表皮颜色与成熟度之间具有相关性。李公平等利用核磁共振原理测甜菜含糖量，通过大量实验，在借用对甜菜含糖量折光计分析法的基础上，建立了核磁共振方法中甜菜的含糖量模型。原理适用于所有水果含糖量测定的研究。2水果自动分级设备的产品化状况2.1国外公司产品状况国外公司较早开始对水果自动分级的研究进行产品化。1995年美国研制成功的Merling高速高频计算机视觉水果分级系统，生产率约为40t/h，美国每年有50%以上的苹果经过该设备处理。美国Penwalt公司Decco型分级机是按重量分级的果实分级机，利用杠杆原理进行工作，采用最新电子仪器测定重量，可按需选择准确的分级基准，分级精度高。具有速度快、性能好、通用性强的特点。日本开发了可见光和近红外线测定梨、苹果成熟度的传感器，又研制了快速判别水果成熟度和色泽的选果装置，并将此技术用于自动化选果线上，把成熟度、色彩传感器与自动化分级、包装线连在一起，率先实现了高度自动化的无损伤检测选果。日本三菱电器公司研制的水果成熟度分级机，就是利用传感器综合测出梨的表面颜色、对特定光的透光率、形状和大小，并与事先贮存在计算机中的优良梨的数据进行对比，推算出成熟度和糖份。美国俄勒冈州的AlleElectronics公司的研制成果能够分选果实、蔬菜、果仁及各种小食品的 “Inspecttronic”装置。该装置采用高晰像度的CCD摄像机，能识别以每分钟580英尺速度在传送带上移动的产品的仅1mm大小的变色部分和缺陷部分。该分选装置能按产品的色泽或大小进行分选，并能将特定产品分选内容参数编成程序预先储存在存储器内.美国Autoline公司的水果分级设备在世界上处于领先地位，其产品已经系列化(5个型号)，能够按照重量、颜色、形状分级，传送通道可以多达9道，分级出口可达60个，每道的最高传送速率为12个/s，其传输系统可以容纳不同尺寸的水果，Model6型机器视觉水果分级机采用双CCD，其中一个装有RGB颜色传感器，另一个装有近红外传感器，可以同时进行形状、尺寸大小、体积、颜色和缺陷分级。其所有的控制可以通过台式中央计算机控制完成，操作员可对设备进行分级、选择，可以根据用户需要进行定量包装、统计。韩国SEHAN―TECH株式会社是生产果蔬分选机的专业生产厂家。主要生产中小型和大型水果分选设备，产品包括多通道分选机、单通道分选机和小型分选机等。能够进行重量、大小、颜色、缺陷和含糖量的分选。其中多通道分选机拥有8通道预选线，计算机分析系统能够提供水果分选的各种信息，包括大小的比例情况，每小时的处理量，水果的优质度等。在我国江苏、深圳、湖北等地都有厂家使用它的产品进行柑橘的分级生产。2.2国内公司产品状况国内目前能生产的水果分级设备基本还限于机械分级阶段，主要进行大小、重量的分级。目前我国研制的6GF—1.0型水果大小分级机，采用先进的辊、带间隙分级原理，工作时分级辊作匀速转动，输送带作直线运动，当果实直径小于分级辊与输送带之间的间隙时，则顺间隙掉入水果槽实现。山东省栖霞茂源机械设备生产的GXJ-W系列卧式果蔬分选机是一种将类似球形的水果或蔬菜(例梨、苹果、柿子、桃子、柠檬、石榴、番茄、柑橘、土豆等)按重量分级的一种高效自选设备。我国国内的自动分级设备基本还处于实验室阶段。我国水果质量检测中使用的水果品质自动检测生产线多为进口设备，这种进口设备是针对大农场生产所设计的，在我国小农户产品的检测中并不实用。中国农业大学食品科学与营养工程学院籍保平教授等针对我国水果生产现状研发了一条机器视觉水果分级系统，可以对水果的外部缺陷、色泽、尺寸和形状进行全面的检测，在此基础上，对水果进行高速和精确的分级。它在水果的尺寸大小、颜色的表达中采用了简单算法，提高了分级速度，缺陷检测采用果面合成技术和近红外技术，保证了检测的精度和速度。分级基准和级数可以根据用户的要求或市场的需要任意调整。通过增减通道数，可以调整系统的处理量。该生产线目前已经申请发明专利4项，实用新型专利1项，并于2004年初与江苏牧羊集团签订了成果转让协议，目前产品已经投放市场。2004年浙江大学通过一套水果品质智能化实时检测与分级生产线，由浙江大学生物系统工程与食品科学学院应义斌等主持的课题组研制开发。它可以按照不同水果的国家分级标准所需的外部特征信息进行分等、分级，生产率可达3～5t/h。这一系统生产线由计算机视觉系统，能完成水果的单列化并均匀翻转的水果输送系统，和精确地实施分级的高速分级机构和自动控制系统等部分组成，实现了检测指标的多元化，果品大小、形状、色泽、果面缺陷等多项检测一次完成。广东包装食品机械研究所的张聪用非接触式的测量光幕用于水果分级。测量光幕是相互分离相对放置的发射器和收光器组成的，以光线阵列扫描，检测水果的外形尺寸。3结束语 由于国内对水果品质检测及自动分级研究时间不长，虽然有一些成功的研究，但远谈不上大规模推广应用。因此，还存在许多需要继续解决的问题。如国内研究的对象大多在静态的状态下进行，另外以前对水果研究主要的是单渠道单指标的分级，对水果的多个品质指标进行检测时，处理速度较慢。对水果品质进行快速、全量检测，多渠道同时并行，还是国内学者需要继续研究与攻克的难题之一。同时，理论和实际还有很大的距离。目前我国水果所用的分级设备还仅限于机械分级法，即利用重量和大小分级设备进行分级；机器自动分级设备主要依靠于进口，应用并不广泛。所以，我们需要在跟踪国际最新动态、充分利用国外已取得研究成果的基础上，探索新的理论和方法，并大力发展新型自动分级硬件设备，大幅度提高处理速度。同时，应加大力度将新技术应用于实际生产中，这对提高我国国产水果的品质，增强参与国际竞争的能力，降低工人的劳动强度，具有重要的理论意义和实际意义，并能创造巨大的经济效益和社会效益。参考文献：[1]张方明,应义斌.水果分级机器人关键技术的研究和发展[J].机器人技术与应用,2004,(1):34-37.[2]MillerBK,etal.Peachdefectdetectionwithmachinevision[J].TransactionoftheASAE,1991,34(6):2588-2597.[3]李庆中,汪懋华.基于分形特征的水果缺陷快速识别方法[J].中国图像图形学学报,2000,5(2):144-148.[4]李庆中,张漫,汪懋华.基于遗传神经网络的苹果颜色实时分级方法[J].中国图像图形学学报,2000,5(9):779-784.[5]籍保平,吴文才.计算机视觉苹果分级系统[J].农业机械学报,2000,31(6):118-121.[6]何东健,杨青,薛少平,等.果实表面颜色计算机视觉分级技术研究[J].农业工程学报,1998,14(3):202-205.[7]何东健.用人工神经网络进行果实颜色分级技术研究[J].西北农业大学学报,1998,16(6):109-112.[8]冯斌,汪懋华.基于颜色分形的水果计算机视觉分级技术,2002,20(2):144-147.[9]赵静,何东健.果实形状的计算机识别方法研究[J].农业工程学报,2001,17(2):165-167.[10]应义斌,饶秀勤,马俊福.柑橘成熟度机器视觉无损检测方法研究[J].农业工程学报,2004,20(2):144-147.[11]李公平,柳纪虎,施援平,等.用核磁共振原理测甜菜含糖量探讨[J].甘肃科技,2000,(3):33.[12]应义斌,饶秀勤,黄永林,等.运动水果图像的实时采集方法与系统研究[J].农业机械学报,2004,35(3):179-183.