（农产品加工及贮藏工程专业论文）红毛丹品质的机器视觉检测技术研究.pdf

中国农业大学博士学位论文 摘要 摘要 本文应用可见光图像、x 射线图像、x 射线c t 图像技术研究了红毛丹色泽、外形尺寸、果 肉可食率、可溶性固形物及衰减系数。 i 、分析了x 射线成像的过程并结合实验讨论了线阵探测器用于x 射线水果检测应用成像条纠： 的优化和图像的校正方法。建立了能够准确预测本线阵探测器的在不同管电压、管电流和积分时 间条件参数下x 射线图像像素数值的数学模型，模型拟合度达到0 9 9 6 5 ，为系统在自动分辨目标， 去除图像背景奠定了基础。 2 、利用x 射线图像，分别研究了果实、果皮、果肉、果仁的x 射线衰减系数，试验证明其衰 减系数的大小不仅与厚度有关，同时也与密度有关；样品厚度与射线强度i 的对数呈高度线性负 相关，果实的衰减系数与果皮、果肉、果仁的衰减系数呈线性关系。 3 、研究了利用x 射线检测红毛丹可食率的图像处理及模式识别方法。应用x 射线研究红毛 丹可食率时，首先用闽值分割法去除红毛丹背景，然后用模糊c 均值聚类方法来分割果肉区域。 红毛丹可食率以分割出的果肉区域像素个数与整个果实区域像素个数之比来表征，实验结果表 明，误判率小于1 0 。 应用x 射线c t 来研究红毛丹可溶性固形物时，首先用闽值法去除图像背景，然后面积蚓值 法来提取果肉区域。红毛丹可溶性固形物含量的x 射线c t 值预测的相关系数达9 2 。 4 、分别用可见光图像和x 射线图像检测红毛丹的外形尺寸，结果表明采用x 射线图像检测 技术能较准确地预测红毛丹的外形尺寸。 5 、描述了红毛丹可见光图像获取装置及实验方法。研究了评定红毛丹色泽的图像处理和模 式识别方法。红毛丹可见光图像通过c c d 获取，经o s t u 分割算法分割图像背景后，采用面积标 记算法得到去除长穗梗区域的红毛丹图像，然后提取基于色度的红毛丹图像的彩色纹理特征， 并用多分类支持向量机的模式识别方法来识别红毛丹色泽等级，该模型对4 个色泽等级的红毛 丹的正确分类率分别是9 4 ，8 8 ，8 9 ，9 5 。并与b p 人工神经网络方法在运算速度和准确率 进行比较，结果表明，无论从运算速度、还是泛化能力，s 方法都表现出了良好的性能。 6 、建立以红毛丹分级为目的的软硬件系统，硬件系统完成红毛丹的传输和捕获图像。软件 系统包括红毛丹外观品质以及可食率的分级功能。 关键词：红毛丹，品质，机器视觉，x 射线 a b s t r a c t t h ee v a l u a t i o nm e t h o d so fc o l o r ) d e f e c t s ，e d i b l ep e r c e n t a g ea n ds u g a rc o n t e n t so fr a m b u t a n f l e s hw e r es t u d i e du s i n gv i s i b l ei m a g e ，x - r a yi m a g ea n dc ti m a g e a c t u a l i t yo fr a m b u t a na n da g r i c u l t u r a lp r o d u c tq u a l i t yi n s p e c t i n gu s i n gm a c h i n ev i s i o nw a s d e s c r i b e d t h em e t h o d si n s p e c t i n gd e f e c t s , s i z e ，c o l o r , s t e mb a s e do bm a c h i n ev i s i o nw e r ee x p l a i n e d ， a n di n t e rq u a l i t yi n s p e c t i n go fa g r i c u l t u r a lp r o d u c tb a s e do nxr a ya n dc ti m a g ew a sd i s c u s s e d e m p h a s i z e t h ei m a g ea c q u i r i n gd e v i c e sa n de x p e r i m e n t sw e r ei n t r o d u c e d t h ei m a g ep r o c e s s i n ga n dp a t t e r n r e c o g n i z em e t h o d sf o re v a l u a t i n gr a m b u t a nc o l o rg r a d ew e r es t u d i e d t h e r a m b u t a ni m a g ew a s c a p t u r e du s i n gc c dc a m e r a i m a g eb a c k g r o u n da n ds t e ma r e aw e r er e m o v e db yo s t u t h ec o l o r t e x t u r ef e a t u r eo fi m a g ew e r ee x t r a c t e d ，s o r t i n gm o d e lo fc o l o rw e r es e tu pb a s es v m t h e c o r r e c t n e s so f s o r t i n g m o d e l w e r e9 4 ，8 8 ，8 9 , 9 5 f o r g r a d e1 , 2 ，3 ，4 t h er a d i o g r a o h yc o n r s eo fl i n e - s c a nd e t e c t o rw a sa n a l y z e d t h e nf a c t o ro fi m a g i n gs u c ha s r e d u c i n gn o i s e ，c h o o s i n gs u i t a b l ev o l t a g ea n dc u r r e n yf o ri m a g i n gw a ss t u d i e dt oi m p r o v ei m a g e q u a l i t y ar e g r e s s i o nm o d e lw a sd e v e l o p e dt oe s t i m a t eb l a n ki m a g ei n t e n s i t y a th i g h e rv o l t a g e sa n d c u r e e n t s a d u s t e dr 2v a l u ew a sh i g h e rt h a n0 9 9f o rn o n l i n e a rf i tr e g e s s i o n t h ep r e d i c t i o nm e t h o do fe d i b l er a t i oa n ds u g a rc o n t e n tw e r es t u d i e db a s exr a ya n dc ti m a g e xr a yi m a g eo fr a m b u t a ni n c l u d es t e m ，f l u i f , s h e l l ，f l e s h ，k e r n e l c ti m a g eo fr a m b u t a ns h o w e d s e c t i o ni m a g eo ff r u i t t h es h e l l ，f l e s h ，k e r n e lc a nb es e e nc l e a r l yi ni m a g e t h es e g m e n ta n df u s s yc - m e a nw e r ea p p l i e dt oxr a yi m a g ei no r d e rt og e tf l e s ha r e a t h ef a l s e o fe d i b l er a t i op r e d i c t i o nb yx r a yi m a g ew a sl e s s1 0 t h er e l a t i o nc z e f f i d e n to fm o d e lt h a tp r e d i c t s u g a rc o n t e n tb a s e dl i n e a rr e g r e s s i o nw a s9 2 ah a r d w a r ea n ds o f t w a r es y s t e mf o ra p p l eg r a d i n gw a sd e v e l o p e d t h eh a r d w a r es y s t e mc a n p e r f o r mr a m b u t a nt r a n s p o r ta n di m a g ec a p t u r ef u n c t i o n ；a n dt h es o f t w a r ec a nb eu s e df o ro nl i n e r a m b u t a ng r a d i n gq u a l i t ya n dd e f e c t k e yw o r d s ：r a m b u t a n ，q u a l i t y , m a c h i n ev i s i o n ，xr a y i i 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰 写过的研究成果，也不包含为获得中国农业大学或其它教育机构的学位或证书而使用过 的材料。与我一h t 作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并 表不了谢意。 躲砀猫乡年帆嘶伯伽 关于论文使用授权的说明 本人完全了解中国农、i k 大学有关保留、使用学位论文的规定，即：学校有权保留送 交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复制手 段保存、汇编学位论文。同意中国农业大学可以用不同方式在不同媒体一卜发表、传播学 位论文的全部或部分内容。 ( 保密的学位论文在解密后应遵守此协议1 研究生签名 导师签名： 筘之争 时间：g 场种月廖h 硝阚：妒i1 1 旯，l 婿 中国农业大学博士学位论文 第一章绪论 1 ，i 研究目的和意义 第一章绪论 民以食为天，食品与农产品加工业是国民经济的基础和支柱产业，经过近几十年的发展，已 从传统作坊式的加工制作，向着现代化、自动化和智能化方向转变。由于食品与农产晶在生长过 程中受到诸如种子、地域、气候、土壤、营养、病虫害等因素的制约，使得不管是在外观形状、 表面色泽还是内在营养成分的分布、物理缺陷以及病虫害造成的伤害等方面均产生了各种差异， 给其商品价值的定位带来了不利的影响，同时给后期的继续加工造成困难，因此需要及时对食品 与农产品品质进行检测。为了实现全数、实时在线检测就必须要有快速无损的检测技术作为保证。 无损检测的概念由来已久，但在食品与农产品加工业中还是在2 0 世纪8 0 年代以后出现的，近年 来该技术得到快速的发展，己形成了食品与农产品加_ 亡业最具有活力的一个研究方向，特别是食 品与农产品安全问题对该技术提出了更高的要求。品质是反映某一物体的某些性质的一个模糊概 念。通常食品与农产品的品质有三个方面的内容：一是反映物体外表特征的外表品质：一：是反映 物体基本物理性质的品质；三是反映物体内部特征的内在品质。 食品与农产品的外观品质主要有表面颜色、表面光泽、表面平整度、物体的外表形状以及尺 寸大小等内容；物体基本物理性质的品质主要有物体的质量、密度、弹性、硬度和粘度等内容； 食品与农产品内在品质主要有安全性、成熟度、新鲜度、营养成分的组成、味觉、口感、病虫害 的检测等内容。在三个类型的品质中，随着人们对食品与农产品的需求从数犀到质量的转变，反 映食品与农产品内部特征的内在品质指标越来越被人们重视。内在晶质的各项指标与人们身体健 康息息相关，要实现快速无损检测也较困难，各种先进的无损检测技术和方法有待人们不断开发。 1 1 1 无损检测的特征 无损检测即非破坏性检测，就是在不破坏待测物原来的状态、化学性质等前提f ，为了获取 与待澳4 物的品质有关的内容、性质或成分等物理、化学信息所采用的检查方法。 随着无损检测技术的发展，以及各种新学科、新方法的诞生和出现，无损检测技术的应用领 域不断向各行各业延伸。除传统的机械行业外，在航空与航天、石油加工、有机与无机化工、农 业生产、食品与农产品加工、制药工程、环境检测等行业也得到迅速推广。随着电子丁业的飞跃 发展，以及各种高精度的传感器、探测器和高性能的计算机在食品与农产品加工行业愈来愈多的 应用，对食品与农产品品质进行快速检测己从需要变成可能。生产的高度自动化、高效率化也要 求在各个环节尽量实现用全数检测的形式取代以往的抽样捡查品质的管理统计方法，无损检测技 术为上述要求提供了充分的技术支持。 无损检测作为一项工业技术，从应用的角度来说，主要有三种应用形式。一是在生产过程质 量控制中的无损检测，即应用于产品的质量管理。它可以易4 除每道生产工序中的不合格产品，并 把检测结果反馈到生产工艺中去，指导和改进生产，监督产品的质量。二是用：r 成品的质量控制， 即用于出厂前的成品检验和消费者( 包括中间流通者) 的验收检验。它主要是检验产品是否符合 中国农业大学博士学位论文第一章绪论 国家或行业的质量标准，保证食晶和农产品的安全性。三是在产品流通和贮藏过程中的品质监测， 特别是在规定的保质期、保存期中的品质监控，同时也为及时发现伪劣产晶，打击制假和不合格 产品提供科学的依据。 无损检测有如下特征： ( 1 ) 与现行的理化分析法不同，无损检测的方法无需大量的试剂、溶剂等化学药品，所以 不仅可减少经费，而且无环境污染之虞。 ( 2 ) 无损检测的方法不需要分析的前处理工作，试剂制作简单，可迅速分析，且分析精度 高：测试技术简单，不需要特别熟练的技术人员。 ( 3 ) 同一样品可反复使用。当需对样品进行跟踪连续测定时，例如在食品贮藏过程中品质变 化规律的试验，该方法可消除样品之间存在的个体著异，对同一样品连续多次测定。 ( 4 ) 无损检测的方法因能即时检测，适用于在线检测( 即在流水线上检测) 。检测的在线化， 不仅可对产品全数检查，使品质管理更加合理化，而且为生产过程的自动化创造了条件。 ( 5 ) 无损检测的方法检测时无需特别的称重过程，所以，即使在室外等环境中。也同样能完 成检测过程。 ( 6 ) 无损检测的方法可以在单元操作下获得多个信息，因而，能够检测食品与农产品的综合 信息，如多个反映品质的特性等。 1 。1 2 无损检测技术方法 随着现代物理学、材料科学、微电子学和计算机技术的发展，无损检测技术也随之迅猛发展 起来。各种无损检测方法的基本原理几乎涉及现代物理的各个分支。人们按照不同的原理和不同 的探测及信息处理方法，详细地统计了已经应用和正在研究的各种无损检测方法，总共达7 0 余 种。主要包括射线检测( x 射线法、y 射线法，高能x 射线法、中子射线法、质子和电子射线法 等) 、声和超声检测( 声撞击法、超声脉冲反射法、超声透射法、超声共振法、超声成像法、超 声频谱法、声发射和电磁超声法等) 、电学和电磁检测( 电阻法、电位法、涡流法、录磁和漏磁 法、磁粉法、核磁共振法、微波法、外激电子发射法等) 、力学和光学检测( 目视法和内窥镜法、 荧光法、着色法、脆性涂层法、光弹性覆膜法、激光全怠摄影干涉法、泄漏检定法、应力测试法 等) 、热力学方法( 热电动势法、液晶法、红外线热量法等) 和化学分析方法( 电解检测法、激 光检测法、离子散射检测法、俄歇电子分析法等) 。现代无损检测技术还应包括计算机数据和图 像处理、图像地识别与合成以及自动化检测技术等。 在食品与农产品加工行业虽常使用的无损检测技术主要有力学方法、电磁学方法、光学方法、 放射线法、计算机图像处理技术和电子气味检测法( 电子鼻) 等。 ( t ) 力学方法力学方法是利用食品与农产品的力学特性( 如振动频率、振动的吸收、硬 度、弹性等特性) 进行检测的方法。利用声波和振动可测出食品的品质指标( 硬度、粘度等) 和 检查待测物内部的组织状态。例如利用声波透射法测定牛乳中脂肪含量及大豆的水分；用超声波 在物体中密度有差异处的反射波测定法，检查家禽的肉质、脂肪层厚度、里脊肉断面等；利用激 振法或打击反响音法测定苹果、西瓜等的成熟度和内部缺陷，以及测定禽蛋和罐头食鼎的新鲜度 2 中国农业大学博十学位论文 第一章绪论 菩。 ( 2 ) 电磁学方法l h 磁法分为主动特性法和被动特性法两种。主动特性法是利用待测物自 身所具有的某种电磁特性( 如生物电等) 的测量方法：被动特性法是将待测物置于电磁场内，利 用其电磁影响后反过来对外部环境施加影响的特性的测量方法，例如核磁共振( n m r ) 和电子自 旋共振( e s r ) 等。利用食品含水率与其本身电阻、介电常数的相关性，已开发了多种快速水分 测定装置，如交流电阻式、直流电阻式、高频电阻式、高频电容式水分测定装置等。n 躲对于在 液体中能溶解的物质，具有较高的灵敏度；对于固体和糊状物在液态存在的情况下，也能获得较 高的灵敏度；对于水果的食味成分等测定具有应用前景。e s r 对于测定自由基和自由金属离子较 方便，适于测定油脂的自动氧化初期生产的含有过氧化物的反应中间物质。 ( 3 ) 光学方法光学方法是利用紫外光、可见光、红外光等光线和物体的相互作用而产生 的透射、反射和吸收等现象进行检测的方法。光和待测物相互作用过程中，从紫外光到可见光范 围内的光线能使组成食品与农产品物质的电子产生激励；近红外和中红外区域的光线能使物质的 分子间的振动能和网转能产生激励。总之物质受光作用后，其能量状态向高能量状态变化，其现 象是光被吸收。反之，物质的电子扶高能级向低能级状态变化，可以看到光辐射( 反射、漫射) 。 而吸收的辐射光的频率与物质的原子和分子的种类及性质的关系是具有高度选择性的。因此，根 据物料的吸收和反射光谱可以鉴定物质的性质。例如利用紫外光作激励光源照射食品与农产品表 面获得荧光辐射，根据荧光的强度可以判别食品与农产品上附着的微生物的代谢物( 主要是霉菌) 如花生类干果上附着的微生物及其代谢物( 如黄曲霉素会发出荧光) 。用可见光作激励光源，加 上代替人眼的色彩传感器，测定待测物的反射光或透射光，可用于果品成熟度的判断和谷类种子、 稻米、水果的分选等作业领域。利用待测物的延时发光( d l e ) 特性，可以对水果和蔬菜的叶绿 索作定量判定、识别新茶和陈茶、进行黄瓜的低温损害的测定等。近红外线( 波长0 8 2 5 m ) 法是利用红外光谱分析技术测定食品与农产品的成分含量，可在4 0 s 内实时测定水分、碳水化台 物、蛋白质、脂肪等9 种食品的主要成分。如日本生产的稻米食昧计就是近红外分光分析仪装置 和计算机系统结合的研究成果。利用红外照射，能获得与温度有关的信息，国外已有用红外识别 有精和i 无精的禽蛋、判断甜瓜成熟度的报道。 ( 4 ) 放射线法x 射线、b 射线和可见光一样具有透射、反射和漫射等性质。x 射线用丁测 定物体的密度差、辨别内部缺陷和异物检出。例如判定球形瓜果类食品中的空洞( 如西瓜的空洞) 、 判定生菜的缩球度、测定已损伤苹果及柑橘类水果的内在品质、测定罐头装填量等。b 射线在美 阔用于火鸡育种中的卵壳厚度的测定，从而高精度判别卵壳强度及壳中钙的含量嚣。用y 射线的 透过性测定肉糜中脂肪含量，其测定精度与例行的化学分析法比较，其标准偏差在1 以内，而 测定时问仅为5 1 0 s 。 ( 5 ) 化学发光方法及其它方法由丁- 食品的氧化等反应过程中会产生光屯予，新鲜果品发 出的光电子与其活性之间具有较大的相关性，所以，用光电子计数器直接统计光电子数，可以测 定食品的氧化过程以及果晶的新鲜度。 ( 6 ) 计算机图像处理技术视觉图像信息约占人类获取的总信息量的7 5 。可见，图像是 人类获取信息、表达信息、传递信息的十分重要的载体。图像的内容涉及形状、色彩、纹理、物 理制作等非文字性要素等，它所传达的信息有时用语言是无法描述清楚的。困此，图像信息的直 蕊性和易解性是其他信息无法比拟的。 图像按空间坐标和明暗程度的连续性可分为模拟倒像和数字图像。模拟图像指空间坐标和明 暗程度都是连续变化的图像。数字图像是一种空间坐标和灰度均不连续的、用离散的数字( 傲 用整数) 表示的图像。数字图像处理通俗地讲，就是利用计算机对图像进行一系列的处理，从而 达到某种预期效果的技术。计算机图像处理技术主要用于原料基本特性评价。食品与农产品外观 质量评定，如对梨、苹果、番茄、桃等各种粟蔬的大小、形状、颜色和表面缺陷等进行评判，加 【、贮藏、销售过程中的分等分级等。 1 1 3 过程分析化学的发展过程 实际生产过程中的过程分析化学的有_ 芙问题，常将过程分析化学的发展过程分为五个阶段， 即离线检测( o f f - 1 i n e ) 、现场检测( a t l i n e ) 、侧线在线检测( o n l i n e ) 、定位实时在线检测 ( i n l i n e ) 和非接触性检测( n o n i n v a s i v e ) 。 ( 1 ) 离线检测离线检测是指由人工从确定的采样点取样，然后将样品送回实验室按确定 的方法进行检测的过程。目前这种检测过程在工厂原料、中间产品及成品检测中仍占绝大多数。 离线检测的优点是检测分析过程严格按有关检测标准执行，针对特定样品，数据可靠性高，有问 题可以直接找有关专家或通过其他方法对照验证。但离线检测过程存在以下几个方面的问题。一 是报告结果不及时，报告结果时问与取样时问间隔较长，有时严重滞后于生产过程，当生产过程 中有变化时，产品的信息得不到及时反馈，缺乏对生产过程的指导性。二是对一些稳定性著的样 品检柳4 分析结果可能不准确。由于生产现场和实验室有一定的距离，运送样品需要一定的时间， 这期间样品可能发生变异，不能完全、真实地反映生产工艺过程的实际情况。三是在许多情况f ， 人工采样是不允许或不可能的，因为采样地点危险或采样可能导致流程的改变或产品的破坏。 ( 2 ) 现场检测现场检测和离线检测的差别是将分析仪器安装在生产线附近，由人工从生 产线上取下样品后立即检测。现场分析仪器与实验室中使用的仪器相比，抗环境干扰的能力必须 大大增强，现场检测可以缩短从取样到检测的时间，提高了对生产过程的指导性。现场分析仪器 大多为一些专项指标所设计，相对比较简单，操作也比较容易。 ( 3 ) 侧线在线检测侧线在线检测方式是从反应装置或管线通过侧线将样品引出，再通过 自动取样系统将样品引入仪器进行测量的过程。侧线在线检测有两种类型：一种是间歇取样，如 色谱类和流动注射检测等仪器；另一种是连续取样，即样品连续地通过仪器，这种仪器多数为光 谱仪器。在线分析消除了人工取样的过程，这对一些恶劣、危险环境中无法人工取样的生产过程 是非常重要的。与离线检测和现场检测相比。在线检测进一步提高了分析数据的反馈速度，解决 了生产装置笔闭路控制中的样品分析问题，同时也避免了样品脱离反应器或装置可能导致的样品 变异问题。这类在线检测的缺点是需要将样品由取样部位通过侧线引出，并使样品的温度、压力 适应分析仪器的需要。 ( 4 ) 定位实时在线检测鉴于侧线在线检测的缺陷，过程检测又向定位实时在线检测的方 向发展，定位实时在线检测就是将适当的传感器或测样探头直接插入确定的测样部位测晕所需要 的组成或性质的数据。由于不存在样品的运送或侧线传输问题，定位检测可以实现真正意义上实 4 时检测，但传感器或测样探头能否抵御测样环境中各种因素的影响，对具体的检测过程是值得考 虑的问题。 ( 5 ) 非接触性检测非接触性检测也许是分析化学及过程检测分析发展的最高境界。在非 接触性检测中，仪器不需要接触和破坏样品，通过例如光的探测器或微波遥感等方法，即可获得 样品的有关信息而实现过程控制。光谱在过程检测中的许多应用大都属于这类检测。如在漫反射 和透射检测中光作用丁i 样品，然后将光所携带的样品信息由探测器检测，从检测的光信号中提取 样品的组成或性质信息。 无损检测技术应用于食品与农产品加工业是近3 0 年的事，是电子计算机技术和应用物理技 术以及农业科学和食品科学相结合的新兴的交叉学科，伴随着各种高精度的光学、电学、磁学、 声学、力学等传感器的研制开发。无损检测技术在技术发达国家己得到愈来愈广泛的应用。如加 拿人测定输出小麦的蛋白质含量并进行打分，现在有8 0 9 0 采用近红外无损检测法代替传统 的凯氏定氮法：日本采用近红外法测定米的食味的主要因素( 蛋白质、水分、淀粉等组分的) 含 量和比例，其中蛋白质为最重要的一个组分：光学无损检测和计算机图像处理技术i ；i j 于水果的收 获、分级及加工使上述工序实现了部分自动化或全自动化。青果物型的色彩分级机分级准确，淮 级现象比人工大大减少，分级的判断项目有成熟度、果皮色、受伤、变色果、累表面凹凸一二维 图像、尺寸等。 1 2 红毛丹的生物学特性 红毛丹。“又名毛荔枝，学名n e p h e l i u ml a p p a c e u ml 。无患子科( s a pj n d a c e a e ) 韶子属 ( n e p h e l i u m ) 植物。红毛丹原产马来群岛，东南亚各国栽培多，中美洲、非洲、大洋洲一些国 家和美国有引种。1 9 1 5 年引入我国台湾，1 9 3 0 1 9 6 0 年间先后引入海南和云南西双版纳等地栽 培，都能开花结果，但以海南岛南部和东南部结果较为正常。 红毛丹果树为常绿乔木，实生树高8 l o m 或更高，无性繁殖树株高3 8 m 。主根强壮，深入 十层，侧须根分布表土层，根毛少。树干直，树皮略粗糙，暗褐色或灰褐色，嫩枝褐色，被茸毛。 叶为偶数羽状复叶，小叶2 5 叶，近对生，椭圆形或卵圆形，k7 3 0 c m ，宽4 1 3 c m ，全缘， 革质。i 剧锥花序顶生或腋生，花穗长1 5 2 0 c m ，多分枝。花枝上着生很多小花。花单性或两性， 无花瓣，花萼杯状。花有3 种：雄花，具雄蕊5 8 枚，花绿白色，花药黄色，无子房：具 雌蕊而雄蕊退化，结果差；两性花，具雄蕊和2 枚雌蕊，柱头2 裂，子房通常2 室，每室1 胚 珠。v a l m a y o s 及其合作者( 1 9 7 0 ) 根据花的特性，把红毛丹分为3 类：雄株，只产生雄花，实 生树群中这类树占4 0 6 0 ；具雌花功能的两性花株，花两性，雌蕊发育止常，雄蕊发育不 良，花药不开裂：两性花株，有些花具雌性功能，有些花具雄性功能，但具雄性的花只占极少 数( o 0 5 0 9 ) 果实核果状，椭圆形或倒卵形，长约3 5 c m ，横径2 c m ，平均单果重2 2 5 0 9 ( 根据7 个良种统计) 。果熟时果皮红色、粉红色或黄色，具肉刺，故又名“毛荔枝”。果肉( 假 种皮) 乳白色至淡黄白色，、n 透明，似凝脂，厚约0 3 c m ，风味由很甜至具明显酸味，冈品种而 异。种子i 枚，长卵形，k 约2 5 c m ，宽l c m 外种皮淡褐色或黄绿色，粗糙，易剥离。子时2 片、 自色，较肥厚。 红毛丹果树成龄树生长较慢，年抽新梢3 4 次，以秋梢生k 量较大。一般2 4 月开花，6 8 月果熟。两性花株产嚣高，枝条开花率占每年抽生总枝数的1 6 8 5 0 7 ，坐果率3 1 3 6 7 ，1 ，成果率1 0 1 2 3 6 。在海南红毛丹每年开花1 次，但如冬春气温高，有些品种】1 1 2 月可开第二次花，但数量少，次年3 5 月果熟。冬春季低温或干旱期艮，开花期不集中。花 穗抽出至果熟时间一般需1 0 5 i 2 0 天，但各产区的气候等生态环境条件不同，晶种各异，果实 生育期长短也不相同，如泰国由盛花至果熟正常采收，需时间9 0 1 2 0 天，在印度尼话亚从开花 到果熟彩收需9 0 1 0 0 大，马来西亚为1 0 0 1 3 0 天。 红毛丹为典型热带果树，要求高温多湿、静风和低海拔环境。试种观察表明，年均温2 4 。c 以 k ，最冷月均温高于1 7 c ，大于1 0 。c 有效积温8 6 0 0 “c 以上，适于生长发育，低y - 2 0 。o n 生长缓 慢，低丁55 c 就会出现冻害，连续3 天低温则当年开花结果不正常。要求年雨量1 8 0 0 m m 以上，幼 苗期不耐旱，果实生育期最需水。遇连续干旱必须灌水。苗期忌强光，需适当荫蔽。忌强风和干 热风，8 级以上大风影响生长发育，会造成某些品种落叶，甚至植株倒伏或折断，干热风会造成 果皮肉刺萎缩。土壤以土层深厚，富含有机质、肥沃疏松、排水和通气良好、p h 值4 5 6 5 、 玄武岩形成的冲积土或壤土为佳。 红毛丹根据果皮颜色分为红果、黄果和粉红果三个类型，在海南果实6 8 月成熟。红毛丹 是著名的热带水果，其外观美，营养丰富，主要品种的可食部分占4 1 4 7 3 ，味甜或酸甜， 带荔枝或葡萄风味，可口怡人，品质优趄，是热带特色的水果之一，在泰国、马来西亚、和印尼， 是重要的商品水果。我国适宜种植红毛丹的地区不多，据海南保亭热带作物研究所在海南多年试 验研究结果表明，海南的南部和东南部高温多湿地区适宜种植，应选地适当发展。 红毛丹非生产期短( 3 4 年) ，经济寿命长，生产期达2 0 年以上，投资利润高。所以发展红 毛丹生产是一个高产、优质高效的农业生产项目。 1 3 机器视觉的国i 勾# i - 研究现状 计算机视觉( c o m p u t e rv i s i o n ) 缩写为v s ，即机器视觉叉称为图像理解和图像分析，是指由人 类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为，计算机视觉技术是 多学科的交叉与结合，它涉及到计算机、数学、光学、心理学、生理学、物理学、信号处理等诸 多学科，是当今世界上一门新兴学科。 计算机视觉技术在农业中的应用研究中，农产品的品质检验是目前国内外研究比较多的。农 产品在其生产过程中由于受到人为和自然等复杂因素的影响，产品的品质差异很大，如形状、大 小、色泽等都是变化的，很难整齐划一，故农产品品质检测与分析要有足够的应变能力来适麻情 况的变化。计算机视觉不仅是人眼的延伸，更重要的是具有人脑的部分功能。计算机在农产鼎品 质检测上的应用正是满足了这些应变的要求。在水果品质检测方面，国外除了进行外部( 如大小、 形状、颜色、表面缺陷等) 检测外，还进行了水果内在品质的检测，有些研究成果已经商品化， 而且达到实时速度。目前国内外对利用视觉技术对进行农产品品质自动识别研究的极其广泛，如 谷粒的表面裂纹检测“和农作物种子的分级”及根据鸡蛋“、黄瓜。“、玉米“、芦笋1 、番茄 “、辣椒“、核果”等的大小、形状、颜色和表面损伤与缺陷等进行分级。在国内，水果的，铺质 检测研究从2 0 世纪9 0 年代才开始，仅停留在外部的品质检测上，且远未达到实时检测分级的水 平。我国水果的生产由于产后处理不够，使得水果的品质难以保证，在国际市场缺乏竞争力。现 在随着计算机硬件成本的下降和速度的提高，在农产品品质自动检测和分级领域应_ j 计算机视觉 技术具有速度快、信息量大、功能多的特点。以水果为例，可一次完成多种品质指标的检测，可 以测量定量指标。 1 3 1 机器视觉在产品表面缺陷与损伤识别的应用现状 农产品表面缺陷与损伤的自动检测一直是农产品分级中的一个难题。t a y l o r r w ”“等( 1 9 8 4 ) 报道了分别利用线扫描和模拟摄像机检测苹果损伤的试验，结论为利用数字图像技术检测苹果损 伤至少可以达到人工分级的精度，而且线扫描摄像机在实际生产中应用前景似乎要更广阔些。 r e h k u g l e rg e 和t h r o o pj a “研究了利用机器视觉进行缺陷检测和分级的苹果处理设备，并进行 了试验。t h o n a s o nr l ( 1 9 8 6 ) “1 和g o d i n e rp a ( 1 9 8 7 ) ”“分别描述了一种具有实用价值的可以区 分不规则图像信息特征和正常图像信息特征的机器视觉系统，这种系统在某些农产品的污点检 测、根据皱纹多少进行分级利从蔬菜中去除杂物等领域中得到了应用。d a v e n e l a 和g u i z a r dc h ( 1 9 8 8 ) “”依据大小和碰伤利用机器视觉进行苹果分级的研究，由于没有运用差别梗洼和萼洼的 方法，分级误差很大，准确率只有6 9 。r e h k u g l e rg e 和t h r o o pj a 等( 1 9 8 9 ) ”提出近红外 线扫描摄像机的苹果表面灰度图像的新算法，可以确定损伤的面积，并将碰压伤和其它坏损区域 分开处理，可区分碰伤、擦伤、呜啄、褐色伤斑等不同的损伤，但该研究仍建立在苹果由机械装 置设定的基础上，每一个苹果的处理时间需2 3 s ，而且缺陷和损伤的分级精度也比较低。m i l l e r b k 和d e l w i c h em j ( 1 9 9 1 ) ”在桃的分级研究中，对图像进行阴影校正和图像分割，对于没有明 显边缘的擦伤则采用近红外图像进行识别，晟终按照美国农业部的规定对缺陷进行了分类。实验 结果表面在近红外区域获得的桃的图像比色彩图像的分级效果更好，但仍不能解决果梗及花萼误 判为坏损区域的问题。 在农产品表面缺陷和损伤的机器视觉检测中，正确区分果梗、花萼等处的凹坑与缺陷或损伤 i x 域是一个难点问题，国外学者作了大量的研究r t 作。y a n gq ( 1 9 9 3 ) ”7 1 提出了用结构光图像来确 定梗洼与萼洼，采集两幅不同的图像来识别苹果某一面的图像是否含有损伤区域，这势必影响分 级的处理速度，而且精确度有待提高。c r o w et - g 和m j d e l w i c h e ( 1 9 9 6 ) ”1 设计了种能同时 采集分别在漫射光和结构不照射下的两幅图像合成，这提高了分级精度。 我国研究人员刘禾、汪懋华( 1 9 9 7 ) “利用计算机图像技术进行了苹果自动检测的研究。试 验表明：系统有较高的坏损检出率，且能有效地消除果梗区和花萼区对坏损区域的影响。王江枫、 罗锡文等( 1 9 9 7 ) 利用计算机视觉技术进行芒果重量及果面坏损检测，分析确定了所需图像区 域的算法，实验证明此方法对果面坏损分级准确率为8 0 。 果梗情况的准确判断对水果分级具有重要意义，国外学者对果梗识别己进行了不少研究， w o l f er r ( 1 9 8 5 ) ”通过分析轮廓曲线和检测物体边界曲线曲率的突变，提出采用边界链码法检 测果梗，并与用纤细率进行果梗识别左作了比较，边界链码法用相当多边形逼近的方法对水果边 界用有同定方向值的短线段直接表示，这样一条二维的曲线就变成了一个一维描述的符号串，在 7 果梗与果体相交附件呈山凹一凸一凹的形态，从而可完成对果梗是否存在的识别，识别准确率高 达9 8 5 ，但是此算法只能对果梗是否存在作出判断，不能计算出果梗与果体的交点坐标及果梗 的位置。r u i z l a ( 1 9 9 酌“为了去除机器人采摘的柑橘的果梗，研究了3 种识别果梗的方法，分 划是基于线形离散分析技术的色彩分割法、轮廓盐率分析法和图像细化方法。这些算法均能从柑 橘的随机位置图中确定果梗的存在与否及位置，精确度高于9 0 。但当果梗附件有树叶或果梗发 生断裂时，找出果梗与果体相交点的计算非常费时，而且也无法判断果梗是否完整。到目前为止， 所提出的识别果梗的有关算法均还存在算法复杂、速度较慢、判别精确度低等问题，还有待于进 一步深入研究。 应义斌、景寒松等( 1 9 9 8 ) ”通过计算机视觉摄取黄花梨图像，应用图像处理技术完成图像 与背景的分割。针对使用细化及收缩膨胀算法识别果梗速度较馒，提出了一种快速算法。该方法 利用梨果梗赢径小，选择不同大小的模扳，判别图像中是否存在果梗，同时得到果梗头、底部与 梨相交点的坐标，依据切线斜率信息，对果梗的完好性进行判断。试验结果表明，该算法可以1 0 0 判断果梗是否存在，判断果梗是否完好的准确率达到9 3 ，判断速度提高4 6 倍，其该算法 对旋转、移位不敏感。 1 3 2 机器视觉在农产品尺寸、面积和果形检测中的应用现状 农产品的外形尺寸是农产品分级的重要依据。黄丽华等( 2 0 0 0 ) 。研究了利用计算机视觉进 行羊绒细度检测技术。由c c d 摄像头摄取经放大镜放大4 0 0 0 的单根羊绒图像，经过计算机对图 像的处理得出羊绒的直径。这种方法克服了人工显微镜测量低效率、高误差的缺点，也实现了精 确经济的测量要求。蔡健荣等( 2 0 0 0 ) ”利用计算机视觉开发了烟叶质量分选系统，该系统对采 集系统进行定标，控制感光度。提取了1 8 0 个特征参数并进行选择，形成特征向量，去除了标准 样本中的奇异样本。利用人_ _ t = 神经网络对多个地区进行分类，检测准确率在8 0 以上。其中烟叶 大小形状的特征主要有面积、长度、残伤及对烟叶轮廓线展开后的分布特征。村田郁生等黄瓜分 选的图像处理研究，黄瓜分类指标是长度和弯曲程度可以将黄瓜分为6 个等级。p a n i g r a h is 等 ( 1 9 9 5 ) 。为了精确快速地洲量玉米种子的尺寸，提出了一种从背景中分别玉米种植图像的自动 选择技术。 水果的外形也是影响水果质量的因素之一，水果成熟后外形千变万化，很难用数学方法给予 鉴别。u m e t a n ij 和k t a g u c h i ( 1 9 8 1 ) 讨论了用于识别形状的最基本的图像特征。p a v l i d i st j ( 1 9 8 2 ) ”“提出了2 种形状识别的模式，一种是结构分析法，另一种是外形轮廓曲线检测法。s a r k a r n 和 r r w o l f e ( 1 9 8 5 ) 3 利用数字图像分析和模式识别技术研究了一种用于新鲜市售番茄的定向和根 据尺寸大小、形状、颜色和表面缺陷分类的特殊算法，用灰度梯度曲线确定番茄的方法及花萼和 缺陷的位置，并研制成功了一种具有定向机构和合适的照明装置的机器视觉市售番茄品质分级装 置。试验表明：可以达到或在某些情况下超过人工检测的精度，分级误差为3 5 ，精确而定量 的检测将可能建立更有效的市售番茄的质量标准，但其速度较慢。g u y e rd e 等( 1 9 8 6 ) ”的研 究表明利用图像的统计学特征进行植物识别是可行的。v a r g h e s e z ( 1 9 9 1 ) 4 0 l 使用机器视觉系统 对苹果进行了果形判别的研究实验中需要将苹果的果梗一花萼轴人为定向，同时还需要采集5 幅 f 同角度的图像，在判别过程中采用图像形状分析方法，该方法的缺陷是和苹果的旋转度有关， 故而影响果形判别准确度。v a n d e v o o r e n 等1 4 ”利用机器视觉技术测定了蘑菇的各种形态学特征， 为了建立用机器视觉和图像处理进行形状识别与人进行形状识别所需的特征之间的相互关系，提 出了从植物或树叶的形状特征的算法。使识别的正确率达到6 9 。 国内研究人员( 赵静、何东健) 2 0 0 1 年【4 2 i 在综合分析果实形状的基础上，提出了6 个特征 参数表示果形，这6 个特征参数分别为半径、连续性、对称性、曲率、半径的对称性、连续性的 对称性、曲率对称性。首次将参数形状分析法用于果形判别，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 9 3 以上。 1 3 3 机器视觉在农产品颜色识别中的应用现状 农产品的表面颜色也是反映农产品品质特征的一个重要特征。利用计算机视觉系统对产品色 泽作出评价，可以克服人眼的疲劳和差异，同时还可以利用产品各部分颜色的不同作出相应判断。 焙烤食品的质最控制是加工过程的关键环节，以前只能靠人工定性判断，m e c o n n e l lr k j l 【删 尝试利用计算机视觉技术检测面包或其它焙烤食品的颜色来控制食品的质量，一些食品技术人员 也尝试利用计算机视觉技术检测比萨鲥的颜色达到品质控制的目的。大米品质的一个重要指标是 留胚率，即在碾米过程中胚芽的保留率，以胚芽占米粒的百分比计算，目前留胚率的检测仍依靠 人眼来观察测定。饱和度的不同造成胚芽和胚乳视觉上的差异，黄星奕等1 4 4 提出饱和度作为识别 胚芽的颜色特征参数，利用计算机视觉技术测定大米的留胚率，其检测结果与人工评定结果高度 吻台。德胜田等【4 5 】研制成功了一种用于西瓜收获机器人的能搜索到成熟西瓜的机器视觉系统，首 先将摄取到的西瓜图像类型从r g b 变换为h i s ，然后观察其色调及饱和度。结果表明，色调直方 图中的峰值像素数与峰值左侧的像素数之比随着西瓜成熟度的增加而减少。据此，可利用机器视 觉技术检测西瓜成熟度。t a oy ( 1 9 9 5 ) 等人【4 6 l 研制成功了用于马铃薯和苹果颜色检测的机器视 觉系统，主要用于区别好马铃薯与发芽马铃薯、黄色与绿色的苹果，研究发现h i s 彩色系统用于 颜色评价和图像处理非常有效，利用色调赢方图表示颜色特征，采用多变量识别技术使该系统在 检测马铃薯和苹果颜色时达到9 0 的准确率。 1 3 4x 射线在农产品品质检测中的应用 在农业生产中，农产晶品质与品质评估是非常重要。目前对农产品外部品质的检测已经有多 种较成熟的技术，如可见光图像检测、红外图像检测等。但是，农产品内部品质( 如果蔬的水分、 糖酸度、机械损伤、碰伤、内部腐败、变质、虫害等) 的检测仍然是很困难的。由于常用的可见 光图像检测技术不能检测内部品质，所以，近红外检测技术( n i r ) 、核磁共振图像技术( m r i ) 、 超声波图像技术、x 射线图像技术在农酹产品内部品质