农业机械化论文

您当前的位置:学术堂 > 农学论文 > 农业机械化论文 >

水果表面信息采集中全真采像技术的研究成果(3)

来源:农机化研究 作者:刘婷,张绍英,王叶群
发布于:2017-05-26 共8047字
  2. 2. 2 运动干预成像

  运动干预成像是指采取强制措施调整水果的初始运动状态后解除干预,对在重力场中自由运动过程中的水果进行成像的采像方法。运动干预成像的突出优势是可获得“无背景”图像,简化了图像分割,可有效提高分析、运算速度,但需进行水果的初始运动状态及运动轨迹和成像系统的精准配置。

  Raytec Vision SpA 公司研发的 Raynbow 系列分选设备中,采用了对抛落过程中自由运动物料进行空中成像技术。物料在离开输送带转入自由下落过程中,布置于抛物线轨迹一侧(或两侧)相机对下落物料进行多次、多角度采像。由于飞行过程瞬间成像,可得到无背景图像,在配备可高速成像高像素相机及高速运算系统时,可用于大规模的分选作业。

  该方法的优势在于如下:对自由运动物体多次、瞬间成像可快速获得巨量样本的信息,如能对自由运动物体初始运动状态进行主动调整,使之适应获得物料表面全真信息的要求,将为依据水果表面信息进行分选作业提供全面、精准的信息来源。

  3 存在的问题

  1)对已有研究和技术分析可知:受制于水果曲面形状,无论是静止采像或运动采像,均存在不同原因导致的不同程度表面信息的漏采和失真。采用多相机、多工位或多图幅采像,尽管可解决表面信息的漏采问题,但在有限的图像中真实反映任意表面区域的图像信息,尤其是获取大量个体的低失真度的表面信息十分困难。

  2) 在大批量分选作业中,当要求高精度分选时,即便能够不计代价地获取水果表面的全真信息,海量的数据及运算量还将产生很高的数据分析、判断系统硬件配置费用,使分选设备性价比下降,与现有的人工分选相比无优势可言。

  4 展望

  随着对食品安全要求的提升,对水果分级精度的要求势必越来越高,研究作为大宗农产品的水果表面全真信息的快速采集技术,有助于水果分级技术水平的提高,将成为今后一个重点研究方向。对于以不破坏整体性、不改变外观为前提的水果分级作业,以表面信息为分析判断基础和定级依据,在目前及今后仍不失为一种行之有效的作业方法。针对水果资源特点及分选要求,快速获得巨量个体的全面、真实的表面信息,是保证分选效果的基础和保障。

  鉴于水果外表面复杂的几何、物理特性,全面、精确获取其表面信息技术难度高,尽管投入了高速度的数据采集、传输及运算系统,开发了数学校正、图像识别算法,大多对问题的解决事倍功半。依据表面信息进行水果分级作业效果的提高,一方面应针对不同水果的生物特性、质量要求、作业要求,合理规划表面信息采集方法及流程,粗精分流,提升效率和准确性;另一方面,解决水果表面图像采集及分选应考虑多种技术集成的应用研究,应重点开发或集成针对空间自由运动物体的快速、高保真曲面立体(扫描)成像的技术和装备,采用机械、光学及运算相结合的水果运动调整、光环境配置、图像合成及模糊速算技术,兼顾水果的几何特征和生物特性,同时简化采集图像的背景信息,从根本上解决水果分级作业中复杂表面全真信息的来源问题。

  参考文献:

  [1] 赵卓,于冷. 质量分级促进农业现代化的理论与现实:国外文献综述[J]. 西北农林科技大学学报:社会科学版,2009(4):29 - 34.
  [2] 刘国敏,邹猛,刘木华,等. 脐橙外部品质计算机视觉检测技术初步研究[J]. 中国农业科技导报,2008,10(4):100- 104.
  [3] 梁伟杰,邓继忠,张泰岭. 梨果面坏损区域的计算机视觉检测方法[J]. 农业机械学报,2005,36(7):101 -103.
  [4] Brosnan T,Sun D W. Inspection and grading of agriculturaland food products by computer vision systems - a review[J].Computers & Electronics in Agriculture,2002,36 ( 2 - 3 ):193 - 213.
      [5] 刘佳男. 基于机器视觉的水果表面缺陷识别方法的研究[D]. 无锡:江南大学,2012.
      [6] 韩伟,曾庆山. 基于计算机视觉的水果直径检测方法的研究[J]. 中国农机化,2011(5):108 -111.
  [7] 黄伟锋,唐宇,姚鑫,等. 基于可见光波段成像的水果品质检测方法研究进展[J]. 仲恺农业工程学院学报,2016(1):67 -71.
  [8] 王晓虹,韦英华. 结合 Ridgelet 变换与 Wiener 滤波的苹果图像去噪算法[J]. 江苏农业科学,2013,41(10):373 -375.
  [9] 王福杰,饶秀勤,应义斌. 苹果图像的背景分割与目标提取[J]. 农业机械学报,2013,44(1):196 -199,210.
  [10] 郭艾侠,邹湘军,朱梦思,等. 基于探索性分析的荔枝果及结果母枝颜色特征分析与识别[J]. 农业工程学报,2013,29(4):191 - 198.
  [11] 宋怀波,张卫园,张欣欣,等. 基于模糊集理论的苹果表面阴影去除方法[J]. 农业工程学报,2014,30(3):135 -140.
  [12] 陈浩磊,陈厚彬,刘财兴. 桂味荔枝果顶形状与种核质量的关系研究[J]. 西南大学学报:自然科学版,2012,34(4):20 -26.
  [13] 熊俊涛,邹湘军,陈丽娟,等. 基于机器视觉的自然环境中成熟荔枝识别[J]. 农业机械学报,2011,42(9):162 -166.
  [14] 全燕鸣,黎淑梅,成喜春,等. 基于机器视觉的果肉多类型异物识别方法[J]. 农业工程学报,2011,27(3):162 -166.
  [15] 梁明,孟大伟. 多特征图像融合的苹果分级方法应用研究[J]. 计算机仿真,2012,29(7):256 -259.
  [16]Blasco J,Aleixos N,Moltó E. Machine Vision System forAutomatic Quality Grading of Fruit[J]. Biosystems Engi-neering,2003,85(4):415 - 423.
  [17]Niigaki H,Fukui K. Classification of Similar 3D Objectswith Different Types of Features from Multi - view Images[Z]. Tokyo:PSVIT,2009,5414:1046 - 1057.
  [18] 高云,李盼,周明,等. 一种水果图像获取装置:中国,G01B11 /08(2006. 01)I[P]. 2011 - 06 - 22.
  [19] 朱蓓. 苹果全表面图像信息获取方法的研究[D]. 杭州:浙江大学,2013.
  [20] Shiraishi Y,Takeda F. Proposal of whole surface inspectionsystem by simultaneous six - image capture of prolate sphe-roid - shaped fruit and vegetables[Z]. Kuala Lumpur:IEEE,2011:1 - 5.[21] Li Q,Wang M,Gu W. Computer vision based system for ap-ple surface defect detection[J]. Computers and Electronicsin Agriculture,2002,36(2 - 3):215 - 223.
  [22] Reese,D Y,Lefcourt,A M,Kim,M S,et al. Whole sur-face image reconstruction for machine vision inspection offruit[Z]. Boston,Mass: SPIE,2007,6761.
  [23] Reese D,Lefcourt A M,Kim M S,et al. Using parabolicmirrors for complete imaging of apple surfaces[J]. Biore-source Technology,2009,100(19):4499 -4506.
  [24] Xu L M,Zhao Y C,Li D L. Automated strawberry gradingsystem based on image processing[J]. Computers & Elec-tronics in Agriculture,2010,71(1):S32 - S39.
  [25] Sun T,Huang K Xu H,et a1. Research advances in nonde-structive determination of internal quality in watermelon /melon:A review[J]. Journal of Food Engineering,2010,100(4):569 -577.
  [26] Al Ohali Y. Computer vision based date fruit grading sys-tem:Design and implementation[J]. Journal of King SandUniversity - Computer and Information Sciences,2011,23(1):29 - 36.
  [27] Al - Mallahi A,Kataoka T,Okamoto H,et a1. An image pro-cessing algorithm for detecting in - line potato tubers withoutsingulation [J]. Computers and Electronics in Agriculture,2010,70(1):239 -244.
  [28] Elmasry G,Cubero S,Moltó E,et al. In - line sorting ofirregular potatoes by using automated computer - based ma-chine vision system [J]. Journal of Food Engineering,2012,112(1 - 2):60 - 68.
  [29]Unay D,Gosselin B,Kleynen O,et a1. Automatic grading ofBi - colored apples by multispectral machine vision[J].Computers and Electronics in Agriculture,2011,75(1):204- 212.
  [30] Sun T,Huang K,Xu H,et a1. Research advances in nonde-structive determination of internal quality in watermelon /melon:A review[J]. Journal of Food Engineering,2010,100(4):569 - 577.
  [31] 谢国俊,曹其新,刘建政,等. 基于多方位视觉的果实形状特征的提取研究[J]. 农业工程学报,2007,23(7): 127- 132.
  [32]Throop J A,D J Aneshansley,W C Anger,et al. Conveyordesign for apple orientation[Z]. Las Vegas:ASAE. 2003a,036123.
  [33] Throop,J. A. ,D. J. Aneshansley,W. C. Anger,D. L.Peterson. Quality evaluation of apples based on surface de-fects - an inspection station design[Z]. Las Vegas:ASAE,2003b,036161.[34]Bennedsen B S,Peterson D L,Tabb A. Identifying defects inimages of rotating apples[J]. Computers & Electronics inAgriculture,2005,48(2):92 - 102.
  [35]Kondo N. Automation on fruit and vegetable grading systemand food traceability[J]. Trends in Food Science & Tech-nology,2010,21(3):145 - 152.
  [36] 李伟,康晴晴. 基于机器视觉的苹果表面纹理检测方法[J]. 吉林大学学报:工学版,2008,23(5):1111 - 1113.
  [37]Zou X B,Zhao J W,Li Y X,et al. In - line detection ofapple defects using three color cameras system[J]. Comput-ers & Electronics in Agriculture,2010,70(1):129 - 134.
作者单位:
原文出处:刘婷,张绍英,王叶群. 水果表面全真图像采集技术研究进展[J]. 农机化研究,2018,(02):1-6.
相关内容推荐
相关标签:
返回:农业机械化论文