机器视觉技术在获取待测对象外部品质参数中具有独特优势,能够快速无损地获取果蔬对象的尺寸、颜色和表面缺陷等参数
[3],结合特征信息提取和处理算法鉴别果蔬品质。例如,王红军等
[4]探讨了利用机器视觉结合主成分分析法和多元线性回归方法,筛选出权重系数大的图像特征数据,建立了马铃薯质量和形状分级预测模型。王风云等
[5]选用双孢蘑菇菌盖直径作为尺寸分级的特征参数,结合全局阈值分割法与寻找最大熵阈值分割法、Canny算子、闭运算、分水岭算法去除图像中阴影部分和柄部干扰,采用最小外接矩形法求得了菌盖直径。黄辰和费继友
[6]提出了改进的三层Canny边缘检测算法来提取苹果轮廓,并根据标准矩形工件尺寸来标定像素当量,进而测量果径、面积等特征。Roscher等
[7]通过采集自然环境下的葡萄图像,采用Hough检测圆的方法检测所有可能的类球型葡萄,通过颜色、纹理等信息设计分类器,检测出葡萄的数量与果径大小,与人工测量相比,测得的果径平均差值约为1 mm,平均浆果大小与人工测量之间的相关性为0.88,同时可有效降低检测错误率。Oo等
[8]将草莓形状简化为风筝(kite),从水果的边界中识别出上、下、左、右四个顶点及任意两个向量之间的夹角,以果实顶点与顶点之间的垂直距离作为草莓的长度,以两侧点之间的距离作为果实的直径。Arendse等
[9]利用X射线计算机断层扫描技术将石榴果实生成二维放射图像,通过三维重建,实现对果实长度、直径、果皮厚度等参数的估计。上述研究都是利用果实直径、长度、面积等参数对果实形状进行估计,而果实的果形特征一般凭借人工的经验去判别,果实类型不同判别方法也有很大差别,故而检测果形的方法实现难度较大,相关研究也相对较少。目前较常见的果形特征判别方法有提取轮廓线和三维重建法等。罗陆锋等
[10]利用改进K-means聚类方法对葡萄图像进行分割,提取轮廓边缘轮廓和左右轮廓的类圆中心,以中心点为原点建立基于轮廓分析的叠贴葡萄串分界线几何求解和计算模型,通过求解两叠贴葡萄边缘轮廓交界处拐点来实现对双串叠贴葡萄目标分别提取。吴明清等
[11]通过提取红枣的二维轮廓特征,由二维图像的轮廓构建三维多轮廓模型,以此检测红枣的形状。Olatunji等
[12]利用条件生成对抗网络对生成的大量猕猴桃形状信息进行训练,来真实地重建封闭和完整的猕猴桃表面。