基于机器视觉的石榴品质自动分级方法.pdf

第3期罗山等 基于机器视觉的石榴品质自动分级方法1 1 7 D O I 1 0 1 3 7 3 3 j j c a m i s s n 2 0 9 5 5 5 5 3 2 0 2 3 0 3 0 1 7 基于机器视觉的石榴品质自动分级方法 罗山1 侯俊涛2 郑彬2 1 攀枝花学院电气信息工程学院 四川攀枝花 6 1 7 0 0 0 2 攀枝花学院智能制造学院 四川攀枝花 6 1 7 0 0 0 摘要 采用人工检测的石榴外观品质等级分级方法存在准确率和效率低的问题 提出一种基于机器视觉的石榴品质分级 方法 首先 采用机器视觉系统采集石榴样本图像 进行去噪处理与获取掩模图像 其次 提取去噪图像的红 绿 蓝分量 用蓝色分量减去红 绿色分量得到色差图像 并对色差图像进行阈值分割 然后 对分割图像采用数学形态学处理获得连 通的疑似缺陷区域的边界 提取纹理特征并根据缺陷与非缺陷区域纹理特征的不同来标记缺陷区域 最后 将缺陷面积与 总面积之比和缺陷数目作为划分等级的依据 对石榴品质等级进行划分 试验结果表明 本方法总体分级准确率达到 9 2 9 能够高效 准确地识别石榴表面缺陷并进行品质分级 为实现自动分级的产业化提供思路 关键词 机器视觉 石榴 品质分级 表面缺陷 色差分量 中图分类号 S 6 6 5 4 T P 3 9 1 4 1 文献标识码 A 文章编号 2 0 9 5 5 5 5 3 2 0 2 3 0 3 0 1 1 7 0 6 罗山 侯俊涛 郑彬 基于机器视觉的石榴品质自动分级方法 J 中国农机化学报 2 0 2 3 4 4 3 1 1 7 1 2 2 L u o S h a n H o u J u n t a o Z h e n g B i n A u t o m a t i c g r a d i n g m e t h o d o f p o m e g r a n a t e q u a l i t y b a s e d o n m a c h i n e v i s i o n J J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n 2 0 2 3 4 4 3 1 1 7 1 2 2 收稿日期 2 0 2 2年1月3日 修回日期 2 0 2 2年5月2 4日 基金项目 攀枝花市指导性科技计划项目 2 0 1 9 Z D N 2 第一作者 罗山 男 1 9 7 9年生 四川乐至人 硕士 讲师 研究方向为图像处理与机器视觉 E m a i l 4 0 7 2 3 7 8 6 1 q q c o m Automaticgradingofpomegranatequalitybasedonmachinevision LuoShan1 HouJuntao2 ZhengBin2 1 SchoolofElectricalandInationEngineering PanzhihuaUniversity Panzhihua 6 1 7 0 0 0 China 2 SchoolofIntelligentManufacturing PanzhihuaUniversity Panzhihua 6 1 7 0 0 0 China Abstract T h e m e t h o d o f g r a d i n g p o m e g r a n a t e a p p e a r a n c e q u a l i t y b y m a n u a l i n s p e c t i o n h a s l o w a c c u r a c y a n d e f f i c i e n c y A p o m e g r a n a t e q u a l i t y c l a s s i f i c a t i o n m e t h o d b a s e d o n m a c h i n e v i s i o n i s p r o p o s e d F i r s t l y t h e p o m e g r a n a t e s a m p l e i m a g e i s c o l l e c t e d b y m a c h i n e v i s i o n s y s t e m d e n o i s e d a n d t h e m a s k i m a g e i s o b t a i n e d S e c o n d l y t h e r e d g r e e n a n d b l u e c o m p o n e n t s o f t h e d e n o i s e d i m a g e a r e e x t r a c t e d t h e r e d a n d g r e e n c o m p o n e n t s a r e s u b t r a c t e d f r o m t h e b l u e c o m p o n e n t t o o b t a i n t h e c o l o r d i f f e r e n c e i m a g e a n d t h e c o l o r d i f f e r e n c e i m a g e i s s e g m e n t e d b y t h r e s h o l d T h e n t h e b o u n d a r y o f t h e c o n n e c t e d s u s p e c t e d d e f e c t r e g i o n i s o b t a i n e d b y m a t h e m a t i c a l m o r p h o l o g y p r o c e s s i n g t h e t e x t u r e f e a t u r e s a r e e x t r a c t e d a n d t h e d e f e c t r e g i o n i s m a r k e d a c c o r d i n g t o t h e d i f f e r e n t t e x t u r e f e a t u r e s o f t h e d e f e c t a n d n o n d e f e c t r e g i o n F i n a l l y t h e r a t i o o f d e f e c t a r e a t o t o t a l a r e a a n d t h e n u m b e r o f d e f e c t s a r e u s e d a s t h e b a s i s f o r g r a d i n g a n d t h e q u a l i t y g r a d e o f p o m e g r a n a t e i s d i v i d e d T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t t h e o v e r a l l c l a s s i f i c a t i o n a c c u r a c y o f t h i s m e t h o d i s 9 2 9 w h i c h c a n e f f e c t i v e l y a n d a c c u r a t e l y i d e n t i f y t h e s u r f a c e d e f e c t s o f p o m e g r a n a t e a n d c l a s s i f y t h e q u a l i t y a n d w h i c h p r o v i d e s a n i d e a f o r t h e i n d u s t r i a l i z a t i o n o f a u t o m a t i c c l a s s i f i c a t i o n Keywords m a c h i n e v i s i o n p o m e g r a n a t e q u a l i t y g r a d i n g s u r f a c e d e f e c t c o l o r d i f f e r e n c e c o m p o n e n t 0 引言 石榴在生长 采摘 运输和贮藏的过程中 会受到 外部环境和自身因素等多方面的影响 导致石榴表面 出现疤痕 孔洞 裂痕等多种类型的缺陷 严重影响石 榴的品质 造成巨大的经济损失 1 目前大多采用人 工检测的方式对石榴品质进行分级 而人工检测存在 高成本 低效率的缺点 不利于提高石榴产业的经济 第4 4卷 第3期 2 0 2 3年3月 中国农机化学报 J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n V o l 4 4 N o 3 M a r 2 0 2 3 1 1 8 中国农机化学报2 0 2 3年 效益 近年来 基于机器视觉的表面缺陷检测及品质分 级技术在工农业方面的应用愈加广泛 提出了诸多方 法 项辉宇等 2 提出一种基于H a l c o n的苹果品质视 觉检测算法 张庆怡等 3 提出一种苹果在线分级系 统 能够精准地对苹果进行等级分类 但由于算法流程 复杂 无法达到快速分级的目的 刘忠超等 4 利用 P L C控制器和机器视觉技术开发了基于面积的分级 系统 并对猕猴桃大小进行自动分级 李泽平等 5 设 计了一种基于支持向量机的无核白葡萄串分级系统 孙进等 6 利用机器视觉和C A N总线技术设计了分类 器对玉米种粒在线分级 何进荣等 7 利用多卷积神经 网络融合D X N e t模型对苹果外观品质进行有效分级 该方法提高了分级准确率 K u m a等 8 运用图像处理 和机器学习技术实现水果和蔬菜质量的自动高效 分级 目前 机器视觉分级技术应用在水果方面较多 但 对石榴品质分级的研究很缺乏 因此 本文考虑石榴 质量等级标准和外观特征 基于机器视觉技术和图像 处理与分析算法开发出一种基于机器视觉的石榴品质 分级系统 并通过试验验证方法的可行性 1 试验设备和材料 为保证试验的严谨性和随机性 试验石榴样本采 用突尼斯软籽石榴 产地为攀枝花 于2 0 2 1年1 0月1 3 日在攀枝花市九附六市场随机采购 兼备各种品质等 级的石榴样本 系统设备主要包括工业相机 镜头 L E D光源以及光源控制器 图像采集卡 计算机 其 中 图像采集设备参数如表1所示 采集装置如图1 所示 表1 采集装置参数 T a b 1 A c q u i s i t i o n d e v i c e p a r a m e t e r s 参数数值 型号 相机型号M E R 5 0 0 1 4 G C 数据接口G i v E V i s i o n 分辨率 p i x e l p i x e l 2 5 9 2 1 9 4 4 帧率 f p s 1 4 像元尺寸 m m 2 2 2 2 传感器1 2 5 C O M S 黑白 彩色彩色 A D 1 2 b i t 光学接口C 从石榴的花萼 果梗以及两个侧面 9 共四个方向 采集图像 通过图像采集卡将样本图像传输到计算机 中 采用H a l c o n软件进行处理与分析 输出品质分级 结果 试验流程如图2所示 图1 图像采集装置 F i g 1 I m a g e a c q u i s i t i o n d e v i c e 图2 试验流程 F i g 2 T e s t p r o c e d u r e 2 样本图像处理与分析 2 1 图像去噪与掩模图像获取 采集到的样本图像携带有较多的噪声 为提高图 像质量 改善分级效果 需要对图像进行去噪处理 常 用的滤波方法有均值滤波 高斯滤波 中值滤波 1 0 等 考虑到石榴表皮具有类似于椒盐噪声和脉冲噪声的斑 点 而中值滤波对椒盐噪声和脉冲噪声有良好的去除 能力 因此采用中值滤波对石榴图像进行去噪 中值 滤波运算如式 1 所示 Med x1 x2 xn xn 12 n为奇数 xn2 1 xn2 2n为偶数 1 式中 n 滤波模板内像素个数 xi 模板内第i个像素灰度值 i 1 2 n 由于背景与石榴色差和背景亮度差异明显 因此 可以将经过中值滤波后的图像直接进行彩色二值化处 理 从而得到石榴样本的掩膜图像 掩膜图像所占像素 点数即为该方向上的石榴总面积数 用于后续的缺陷 面积计算 掩膜图像获取结果如图3所示 a 样本图像 b 掩膜图像 图3 掩膜图像获取结果 F i g 3 M a s k i m a g e a c q u i s i t i o n r e s u l t s 第3期罗山等 基于机器视觉的石榴品质自动分级方法1 1 9 2 2 色差分量获取与图像分割 通过采集装置得到的样本图像为R G B图像 含有 较丰富的色彩信息 在经过去噪处理后 受石榴成熟度 影响 石榴果皮存在大量的红色分量 R 和绿色分量 G 信息 1 1 这些信息会对后续的缺陷识别造成不利 的影响 导致品质等级分级不准确 为去除R G分量 的影响 本文提取出去噪图像中的R G B分量 将三 个分量经过多次数学运算试验 最终用蓝色分量 B 减去R G分量得到色差图像 如式 2 所示 K B R G 2 中值滤波去噪图像和色差图像效果如图4所示 可以看出 去除干扰颜色影响后的图像中缺陷区域灰 度均匀 与非缺陷区域灰度差异明显 有利于提高后续 的缺陷分割和品质分级的准确性 a 去噪图像 b R分量图像 c G分量图像 d B分量图像 e 色差图像 图4 颜色分量提取 F i g 4 C o l o r c o m p o n e n t e x t r a c t i o n 为获得缺陷特征信息 需要将目标区域从图像中 分割出来 考虑色差图像中缺陷区域与非缺陷区域的 灰度对比差异明显 因此采用常用的O t s u阈值分割算 法 1 2 1 3 对图像进行分割 其基本原理是利用阈值将图 像分为前景和背景两个区域 设两个区域的像素个数 比例分别为W0和W1 平均灰度值分别为Q0和Q1 前 景与背景的类间方差为G 表达式如式 3 所示 G W0W1 Q0Q1 2 3 采用遍历的方法使G值取得最大值 将此时对应 的阈值T作为图像分割的最佳阈值 再对图像进行二 值化处理 其像素值与阈值的函数关系如式 4 所示 f x y 2 5 5f x y T 0f x y T 4 分割出的结果视为疑似缺陷区域 包括缺陷区域 和非缺陷区域 为获得更佳的视觉效果 用红色填充疑 似缺陷区域 代替经典的黑白二值化图像中的白色目 标区域 分割效果如图5所示 a 样本图像 b 分割结果 图5 阈值分割 F i g 5 T h r e s h o l d s e g m e n t a t i o n 2 3 数学形态学处理 从图5可以看出 分割结果中存在疑似缺陷区域 不连通的问题 不利于缺陷的特征提取和识别 因此对 分割后的图像采用形态学处理以连通疑似缺陷区域 闭运算具有填充小孔洞的能力 并且运算简单 因此采 用闭运算对分割图像进行处理 闭运算是对图像先进 行膨胀操作 再进行腐蚀操作 运算过程可用式 5 表示 X S X S S 5 式中 X 图像 S 结构元素 闭运算结果如图6所示 用红色标记缺陷区域边 界 绿色标记非缺陷区域边界 可见 疑似缺陷区域边 界更加平滑 有利于后续的缺陷参数计算 图6 形态学处理结果 F i g 6 M o r p h o l o g i c a l p r o c e s s i n g r e s u l t s 2 4 外接矩形处理与缺陷参数计算 以疑似缺陷区域为中心 在原图中用红色与绿色 分别标记出缺陷区域与非缺陷区域的最小外接矩形 用于后续的缺陷区域参数计算和品质自动分级 标记 区域如图7所示 图7 疑似缺陷区域标记 F i g 7 S u s p e c t e d d e f e c t a r e a m a r k i n g 果梗和花萼是石榴的生理特征 容易造成缺陷识 别错误 品质等级错误划分等问题 此外光照不均匀等 因素也会对分级结果造成不利影响 因此需要排除这 些因素的干扰 由于果梗和花萼区域以及灰度不均匀 1 2 0 中国农机化学报2 0 2 3年 区域具有与缺陷不同的纹理特征 1 4 因此 采用灰度 共生矩阵来提取纹理特征以消除非缺陷区域的干扰 灰度共生矩阵描述的纹理特征包括图像的能量 相关 性 逆差距 局部均匀性 对比度等 本文利用灰度共 生矩阵计算能量 ASM 相关性 COR 逆差距 IDM 和对比度 CON 四个特征参数 从而将缺陷与 非缺陷区域进行筛选区分 计算公式 1 5 如式 6 式 1 2 所示 ASM g1 g2 p g1 g2 2 6 COR g1 g2 g1g2p g1 g2 x y x y 7 IDM g1 g2 p g1 g2 1 g1 g2 2 8 CON k k2 g1 g2 p g1 g2 9 x g1 g1 g2 p g1 g2 y g2 g2 g1 p g1 g2 1 0 x 2 g1 g1 x 2 g1 g2 p g1 g2 y 2 g2 g2 y 2 g1 g2 p g1 g2 1 1 k g1 g2 1 2 式中 g1 g2 图中任意一点 x y 及偏离它的另 一点 x a y b 组成的点对的灰 度值 p g1 g2 g1 g2 值的概率 特征值计算结果如图8所示 可以看出缺陷区域 与非缺陷区域纹理特征值的差异 a 缺陷区域特征值 b 非缺陷区域特征值 图8 纹理特征值 F i g 8 T e x t u r e f e a t u r e v a l u e 根据疑似缺陷区域特征值的不同设置多项阈值进 行筛选 最终去除非缺陷区域的标记 得到标记的缺陷 区域 图9为处理前后的对比 由于部分石榴果梗和花萼区域与缺陷区域区分度 较低 因此存在部分样本无法彻底去除果梗和花萼带 来的干扰 导致标记缺陷的准确率降低 再采用人工标 记作为准确标记数 计算本文方法标记结果的准确率 对1 4 0个石榴样本图像标记缺陷的准确率如表2所 示 由于石榴侧面区域无法一次采集完整 共采集两 次以获得完整的侧面 a 去除非缺陷区域前 b 去除非缺陷区域后 图9 去除非缺陷区域前后对比 F i g 9 C o m p a r i s o n b e f o r e a n d a f t e r r e m o v i n g n o n d e f e c t i v e a r e a s 表2 石榴表面缺陷区域标记结果 T a b 2 M a r k i n g r e s u l t s o f p o m e g r a n a t e s u r f a c e d e f e c t a r e a 样本类别样本图像数 个本文方法标记图像数 个准确率 侧面方向区域图像2 8 0 2 6 8 9 5 7 果梗方向区域图像1 4 0 1 2 6 9 0 0 花萼方向区域图像1 4 0 1 2 1 8 7 1 总计5 6 0 5 1 5 9 1 9 图1 0给出一部分其他样本的缺陷标记结果 a 样本图像 b 缺陷区域标记 图10 缺陷标记结果 F i g 1 0 D e f e c t m a r k i n g r e s u l t s 第3期罗山等 基于机器视觉的石榴品质自动分级方法1 2 1 3 品质分级结果与分析 本文以林业行业标准 1 6 发布的石榴质量等级标 准作为参考和依据进行品质等级划分 采用缺陷数目 缺陷区域像素数与总像素数之比作为品质分级的依 据 利用前述的缺陷标记结果 设两个侧面区域像素 个数为S1 果梗区域像素个数为S2 花萼区域像素个 数为S3 侧面缺陷区域像素个数为Q1 果梗缺陷区域 像素个数为Q2 花萼缺陷区域像素个数为Q3 缺陷面 积与总面积之比为R 由此得到计算缺陷区域占石榴 表皮总面积的比例的公式 1 3 侧面 果梗 花萼区域 像素个数均由前述的二值化掩膜处理得到 缺陷面积指 经过缺陷区域筛选后的矩形所包含的经过数学形态学 处理的缺陷区域像素点数目 如图6中的红色封闭区域 包含的像素点个数 并非指矩形区域的像素点个数 R Q1 Q2 Q3S 1 S2 S3 1 0 0 1 3 由于行业标准中并无机器视觉的石榴品质划分标 准 因此本文将试验结果与行业标准经过多次实验对 比 得到机器视觉的石榴品质分级标准 如表3所示 表3 石榴品质等级划分标准 T a b 3 G r a d i n g s t a n d a r d o f p o m e g r a n a t e q u a l i t y 等级缺陷面积S c m 2缺陷数目 个缺陷面积所占比例R 特级果0 0 0 一级果0 S 2 3 2 0 2 3 2R 3 2 5 在系统进行分级时 必须同时依据缺陷面积占比 和缺陷数目两个指标进行划分 当样本满足其中一个 条件 不满足另一个条件时 降低一个等级 等级划分 流程如图1 1所示 对1 4 0个石榴样本进行分级后 采用人工分级作 为准确标准 通过本文方法分级结果求得分级准确率 如表4所示 特级 一级 二级等级划分准确率分别为 9 4 4 9 4 2 8 8 2 总体分级准确率为9 2 9 特级果的等级划分精确性最好 一级果其次 二级果划 分效果最差 部分特级果 一级果因为花萼 果梗区域 被误认为缺陷 导致在等级划分时被降低一个品质等 级 造成特级果 一级果准确率下降 部分二级果 如 日灼果果面无较大缺陷 导致系统将其划分为特级 与 人工划分存在一定差异 试验石榴样本均为随机选 取 品质等级自动划分与人工划分结果基本一致 证实 了该自动分级方法的可行性 但由于试验的石榴存在 较多病斑和花纹且新鲜度低 造成伪缺陷增加 导致分 级误判 分级准确率下降 图11 品质分级流程图 F i g 1 1 Q u a l i t y g r a d i n g f l o w c h a r t 表4 石榴品质等级划分结果 T a b 4 P o m e g r a n a t e q u a l i t y g r a d i n g r e s u l t s 等级人工分级数 个本文方法准确分级数 个准确率 特级3 6 3 4 9 4 4 一级7 0 6 6 9 4 2 二级3 4 3 0 8 8 2 总计1 4 0 1 3 0 9 2 9 为进一步验证本文方法的可行性 将文献 1 7 1 9 的 方法与本文方法性能进行对比 采用相同的石榴样本 进行试验 评估指标包括分级准确率与算法执行时间 如表5所示 表5 不同方法性能对比 T a b 5 P e r f o r m a n c e c o m p a r i s o n o f d i f f e r e n t m e t h o d s 分级方法准确率 算法时间 s 百幅 1 文献 1 7 9 0 7 7 0 6 文献 1 8 8 6 4 5 2 1 文献 1 9 8 3 5 4 2 9 本文方法9 2 9 4 5 1 由表5可知 本文方法相较于文献 1 7 1 9 的方法 具有更高的准确率 达到优秀标准 算法速度也有大幅 度提高 时间上最高节省了2 5 5 s 百幅 虽然在速度 上略低于文献 1 9 的方法 但在准确率上提高了9 4个 百分点 更符合现代农业高效率 高准确率的要求 4 结论 1 针对石榴表面颜色丰富的特性 根据石榴外表 皮缺陷数目和面积采用机器视觉与图像处理技术对石 榴品质进行自动分级 对石榴样本图像进行预处理 获取色差图像 采用最大类间方差法对色差图像进行 1 2 2 中国农机化学报2 0 2 3年 阈值分割 采用数学形态学处理获得连通的疑似缺陷 区域的边界 计算缺陷纹理特征参数 根据缺陷与非缺 陷区域特征参数的不同来标记缺陷区域 将缺陷面积 与总面积之比和缺陷数目作为划分等级的依据 并依 据行业标准确定石榴品质等级划分标准 将等级分为 特级 一级和二级三个层次 2 提出石榴品质等级划分标准 同时依据缺陷面 积占比和缺陷数目两个指标进行等级划分 通过对大 量样本进行分级试验 分别计算出各层次的分级准确 率 总体分级准确率达到9 2 以上 平均一百幅样本 图像识别时间约为4 5 1 s 性能得到提高 对随机选 取的石榴样本进行人工分级与自动分级试验 品质分 级结果基本一致 证实了本自动分级方法的可行性 3 通过采用不同方法进行对比试验 分别计算出 分级准确率与运行时间进行对比分析 本文方法的分 级准确率最高 达到9 2 9 算法运行速度也有大幅 度提高 时间上最高节省了2 5 5 s 百幅 能满足现代 农业高效率 高准确率的需求 本文方法为机器视觉 在农产品质量检测的实际应用方面提供了新的方法 但对于病斑较多且新鲜度低的石榴自动分级准确率的 提高是需要进一步研究的课题 参 考 文 献 1 杨雪梅 冯立娟 唐海霞 等 不同包装方式对冷藏后期 鲁青1号 石榴货架期品质的影响 J 山东农业科学 2 0 2 1 1 0 1 2 8 1 3 5 2 项辉宇 薛真 冷崇杰 等 基于H a l c o n的苹果品质视觉 检测试验研究 J 食品与机械 2 0 1 6 3 2 1 0 1 2 3 1 2 6 3 张庆怡 顾宝兴 姬长英 等 苹果在线分级系统设计与试 验 J 华南农业大学学报 2 0 1 7 3 8 4 1 1 7 1 2 4 Z h a n g Q i n g y i G u B a o x i n g J i C h a n g y i n e t a l D e s i g n a n d e x p e r i m e n t o f a n o n l i n e g r a d i n g s y s t e m f o r a p p l e J J o u r n a l o f S o u t h C h i n a A g r i c u l t u r a l U n i v e r s i t y 2 0 1 7 3 8 4 1 1 7 1 2 4 4 刘忠超 盖晓华 基于机器视觉和P L C的猕猴桃分级控制 系统设计 J 中国农机化学报 2 0 2 0 4 1 1 1 3 1 1 3 5 L i u Z h o n g c h a o G a i X i a o h u a D e s i g n o f k i w i f r u i t g r a d i n g c o n t r o l s y s t e m b a s e d o n m a c h i n e v i s i o n a n d P L C J J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n 2 0 2 0 4 1 1 1 3 1 1 3 5 5 李泽平 郭俊先 郭阳 等 基于支持向量机的无核白葡萄 串分级系统设计与测试 J 食品与机械 2 0 2 1 3 7 1 0 1 0 6 1 1 1 2 4 6 6 孙进 张洋 王宁 等 融合机器视觉和C A N总线的玉米 种粒分类器设计与试验 J 中国农机化学报 2 0 2 0 4 1 8 8 1 8 9 1 2 0 S u n J i n Z h a n g Y a n g W a n g N i n g e t a l D e s i g n a n d e x p e r i m e n t o f c o r n s e e d s c l a s s i f i e r b a s e d o n m a c h i n e v i s i o n a n d C A N b u s J J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n 2 0 2 0 4 1 8 8 1 8 9 1 2 0 7 何进荣 石延新 刘斌 基于D X N e t模型的富士苹果外部 品质分级方法研究 J 农业机械学报 2 0 2 1 5 2 7 3 7 9 3 8 5 H e J i n r o n g S h i Y a n x i n L i u B i n E x t e r n a l q u a l i t y g r a d i n g m e t h o d o f f u j i a p p l e b a s e d o n d e e p l e a r n i n g J T r a n s a c t i o n s o f t h e C h i n e s e S o c i e t y f o r A g r i c u l t u r a l M a c h i n e r y 2 0 2 1 5 2 7 3 7 9 3 8 5 8 K u m a M K P P a r k a v i A Q u a l i t y g r a d i n g o f t h e f r u i t s a n d v e g e t a b l e s u s i n g i m a g e p r o c e s s i n g t e c h n i q u e s a n d m a c h i n e l e a r n i n g A r e v i e w J A d v a n c e s i n C o m m u n i c a t i o n S y s t e m s a n d N e t w o r k s 2 0 2 0 4 7 7 4 8 6 9 张琛 房胜 王风云 等 基于机器学习的免套袋苹果缺陷 分级 J 河南农业科学 2 0 1 9 4 8 4 1 5 4 1 6 0 1 0 M o m i n M A R a h m a n M T S u l t a n a M S e t a l G e o m e t r y b a s e d m a s s g r a d i n g o f m a n g o f r u i t s u s i n g i m a g e p r o c e s s i n g J I n f o r m a t i o n P r o c e s s i n g i n A g r i c u l t u r e 2 0 1 7 4 2 1 1 1 1 M e n d o z a F D e j m e k P A g u i l e r a J M C a l i b r a t e d c o l o r m e a s u r e m e n t s o f a g r i c u l t u r a l f o o d s u s i n g i m a g e a n a l y s i s J P o s t h a r v e s t B i o l o g y T e c h n o l o g y 2 0 0 6 4 1 3 2 8 5 2 9 5 1 2 牛晗 伍希志 基于大津算法连通域的松果多目标识别定 位 J 江苏农业科学 2 0 2 1 4 9 1 5 1 9 3 1 9 8 1 3 李德新 基于O t s u阈值的M S I不连续破损边缘提取 J 计算机仿真 2 0 2 0 3 7 9 3 5 8 3 6 2 L i D e x i n E d g e e x t r a c t i o n o f d i s c o n t i n u o u s d a m a g e i n m u l t i s c e n e i m a g e b a s e d o n O t s u t h r e s h o l d J C o m p u t e r S i m u l a t i o n 2 0 2 0 3 7 9 3 5 8 3 6 2 1 4 D u C J S u n D W R e c e n t d e v e l o p m e n t s i n t h e a p p l i c a t i o n s o f i m a g e p r o c e s s i n g t e c h n i q u e s f o r f o o d q u a l i t y e v a l u a t i o n J T r e n d s i n f o o d s c i e n c e t e c h n o l o g y 2 0 0 4 1 5 5 2 3 0 2 4 9 1 5 陈天华 数字图像处理及应用 M 北京 清华大学出版 社 2 0 1 9 1 6 L Y T 2 1 3 5 2 0 1 8 石榴质量等级 S 1 7 辛华健 计算机视觉在芒果品质检测中的应用研究 J 农机化研究 2 0 1 9 4 1 9 1 9 0 1 9 3 1 8 石瑞瑶 田有文 赖兴涛 等 基于机器视觉的苹果品质在 线分级检测 J 中国农业科技导报 2 0 1 8 2 0 3 8 0 8 6 S h i R u i y a o T i a n Y o u w e n L a i X i n g t a o e t a l D e v e l o p m e n t o f a p p l e i n t e l l i g e n t o n l i n e i n s p e c t i o n a n d c l a s s i f i c a t i o n s y s t e m b a s e d o n m a c h i n e v i s i o n J J o u r n a l o f A g r i c u l t u r a l S c i e n c e a n d T e c h n o l o g y 2 0 1 8 2 0 3 8 0 8 6 1 9 高辉 马国峰 刘伟杰 基于机器视觉的苹果缺陷快速检 测方法研究 J 食品与机械 2 0 2 0 3 6 1 0 1 2 5 1 2 9 1 4 8 G a o H u i M a G u o f e n g L i u W e i j i e R e s e a r c h o n a r a p i d d e t e c t i o n o f a p p l e d e f e c t s b a s e d o n m e c h a n i c a l v i s i o n J F o o d a n d M a c h i n e r y 2 0 2 0 3 6 1 0 1 2 5 1 2 9 1 4 8