摘 要: 水果表面信息既反映外观和结构特征，在一定程度上还反映内在品质，常作为机器视觉分级的依据，获取水果表面全真信息是保障机器视觉分级效果的基础和关键。为此，对水果表面信息特点及成像要求、现有水果表面信息采集方法、技术原理及采集信息质量进行了分析，并针对水果的生物学特性和分级作业要求，对表面信息采集环节亟待解决的信息缺失和失真问题提出了进一步的建议和设想。
关键词: 水果分选; 机器视觉; 表面图像
0 引言
水果销售及加工前的分选不仅能够提高水果商品价值，更有助于从源头控制食品安全［1］。根据生长、贮运过程特有的生物学规律，水果表面图像中既包含有外观信息，同时还反映内部品质，故水果表面图像常作为机器视觉分级的依据。利用特定光学成像及机器视觉技术进行的水果分级，可兼顾辨识水果的几何、物理及生化特性差异，应用前景广阔。
1 水果表面信息特点及对成像的要求
水果生长过程中，外部环境干涉和内部发育状态会在水果表面留下特殊的印记;而随后的贮运过程中，受外力损伤、生物污染及自身采后生理变化过程的影响，进一步导致表面形态的整体或局部的质地和形状变化。大多数情况下，品质缺陷反映应为质地和形状局部变化，具体表现为异色缺陷斑块或损伤缺陷斑块。缺陷斑块通常会以不规则形状散布在水果的表面上，有些可通过可见光环境下的直接成像发现，有些则可利用特定波长激发光的成像获得。由此可见，机器视觉分级过程实质上是利用特定成像条件发现缺陷斑块的过程。
作为大宗农产品，水果资源总量大、个体多样，基于表面成像进行的机器视觉分选需要逐个甄别，获取收稿日期: 2016 －12 －06基金项目: 国家重点研发计划项目(2016YFD0400305)作者简介: 刘 婷(1991 － )，女，四川绵阳人，博士研究生，(E － mail)liuting_6542@ 163． com。通讯作者: 张绍英(1961 － )，男，河北辛集人，教授，博士生导师，(E－ mail) cauzsy@ cau． edu． cn。个体表面图像力求实时、快速。由于缺陷斑块在水果表面随机分布的特性，要求成像覆盖水果的全部表面。根据图像进行分析时，常以缺陷斑块的几何阈值进行判断，图像中应真实体现缺陷斑块形状、尺寸。利用机器视觉进行水果分级时，图像采集应兼顾快速、全面、准确。
2 水果表面全真采像技术的研究及应用
基于表面成像的机器视觉分选作业效果主要受两方面因素制约:一是全面、准确地获得水果表面图像;二是对表面图像所包含的信息进行科学、正确的解读和判断。前者主要受制于相机与水果相对位置、相机与水果相对运动、辅助成像条件的配置，后者则仰仗表面信息与品质指标的关联规律、特征信号挖掘转换及图像处理算法。
现有基于机器视觉技术的水果外观品质检测［2 －6］相关研究多集中在图像处理算法和数据 － 指标关系建模算法［7］。其中，图像处理算法包括滤波去噪、图像分割和特征提取等［8 －11］。数据 － 指标关系建模则大多采用非线性算法，如二次多项式拟合、偏最小二乘回归、模糊聚类和神经网络等［12 －15］。目前，水果表面信息采集主要采用多机位固定成像、旋转多次成像及面镜反射固定成像等方法进行，获取的表面信息多存在缺失和失真。
大多数水果表面呈曲面，快速获得其表面全部、真实影像具有一定难度，而表面信息的缺失及失真将直接影响运算、判断和分级的准确性。因此，对水果表面的全真信息采集技术研究也成为保障机器视觉分级效果的基础和关键。
2． 1 水果静止成像
水果静止成像是指以固定机位对静止水果进行的成像，分为水果静置成像和水果间歇运动静止成像两种情况。水果静止成像系统一般包括相机、光源和水果承托装置，配置要求低，明显优势是成像质量高，但处理能力低，故多用于试验平台。
2． 1． 1 单机位静止采像
Blasco 等(2003)［16］将相机布置于水果正上方，利用真空果杯吸附固定水果后，首先调整水果轴线与CCD 相机光轴成一定夹角后采集第 1 幅图像;然后，使水果沿其轴线分两次各转过 120°，采集第 2、3 幅图像;最后，二次吸附固定水果，对吸盘遮盖区域进行补充成像，从而用 4 幅图像(见图 1)获得高重复率的全部表面信息。
Niigaki 等(2009)［17］将水果放置在间歇定轴旋转的转台上，CCD 相机固定在苹果侧上方，光轴与苹果形心相交，多次釆集苹果不同方位的图像，如图 2 所示。
高云(2010)［18］则将相机水平布置于绕铅垂轴间歇旋转的水果托盘侧面进行单机位多次采像，来获取水果全部表面信息
朱蓓(2013)［19］将水果固定在水平轴心旋转台的正中心位置，相机布置于水果正上方且光轴与旋转台轴心垂直相交，通过水果在绕水平轴转过不同角度时，相机在“单帧采集”的模式下，多次采集水果的静态图像来获得水果的全表面图像信息。
上述方法尽管可利用运动间歇实现单幅静止采像，得到的图像品质较高;但受制于定轴旋转、承托装置遮挡及固定单机位视野局限，采集到的多幅图像合并信息仍不能保证对苹果表面的全覆盖，且单个水果表面信息采集耗时长、效率低，不宜用于大规模分选。
2． 1． 2 多机位静止采像
Shiraishi 等(2011 )［20］提出一种采用 6 个相机同时获取处于静止状态的椭球形果蔬的全部表面图像的方法，如图 3 所示。当单个果蔬被送至采像工位，间歇输送停止，水果周围的 LED 光源点亮，3 对两两垂直分别布置于 3 个垂直方向的 CCD 相机同时采像，用 6 幅图像反应果蔬的表面信息。
采用多幅静止图像从不同角度反映水果弧形表面的信息，尽管理论上所采集的多幅图像可实现对全部表面的覆盖;但由于图像数量有限，当需要对失真要求较高时，剔除图像中的高误差边缘区域后，剩余的有效采集区域常不能覆盖水果的全部表面，易产生表面图象信息的缺失，且失真度较高。
