趙濤（寧夏幼兒師范高等?？茖W(xué)校 寧夏 銀川 750001）

近年來，隨著人們生活水平的不斷提升，人們對高質(zhì)量、高安全標準食品的期望值不斷提高，因此，食品加工企業(yè)如何實現(xiàn)在食品加工過程中準確、快速、客觀的質(zhì)量判斷變得尤為重要，這也成為食品行業(yè)確保產(chǎn)品質(zhì)量最重要和最具挑戰(zhàn)性的任務(wù)之一。機器視覺作為一個新興技術(shù)為實現(xiàn)食品檢測的自動化、無損和低成本，提供了一個替代方案。這種基于圖像分析和處理的檢測方法以快速、經(jīng)濟和高效的優(yōu)勢在食品行業(yè)得到廣泛應(yīng)用，大量研究顯示，機器視覺技術(shù)正在水果、蔬菜、糧食質(zhì)量以及其他食品的質(zhì)量檢測中發(fā)揮重要作用，如烘焙產(chǎn)品、奶酪和面條等。本文旨在深入介紹機器視覺技術(shù)在食品檢測中的發(fā)展與應(yīng)用研究。

食品工業(yè)作為世界上最古老和最廣泛的行業(yè)之一，質(zhì)量控制。隨著人口增長和生活水平不斷提高，人們對高質(zhì)量、高安全標準食品的需求不斷提高，食品和農(nóng)產(chǎn)品的準確、快速、客觀的質(zhì)量判斷也迫切需要，確保產(chǎn)品質(zhì)量成為了食品和農(nóng)產(chǎn)品出口前各行業(yè)最重要和最具挑戰(zhàn)性的任務(wù)之一。

食品無損質(zhì)量評價是食品行業(yè)中一個至關(guān)重要的因素。在早期，對食品進行質(zhì)量檢測的方法一般為手工評估，單獨檢查產(chǎn)品或?qū)Υ笈萎a(chǎn)品進行抽樣，定義這些產(chǎn)品質(zhì)量的各種參數(shù)（如尺寸、形狀、顏色、質(zhì)地、外部缺陷、氣味等）均由檢查員進行評估，并將產(chǎn)品分類為相應(yīng)等級，工作量大且復(fù)雜，再加上高昂的勞動力成本，這種方法不僅非常耗時而且很難保持一致性，

數(shù)字圖像處理硬件和軟件的飛速發(fā)展促使計算機視覺技術(shù)快速發(fā)展，作為一種快速、經(jīng)濟、客觀和高效的檢測技術(shù)，已擴展到許多不同的行業(yè)，其檢測速度和精度滿足了不斷提高的生產(chǎn)和質(zhì)量要求，促進了全自動化工藝的發(fā)展，這種無損的檢驗方法在農(nóng)業(yè)和食品工業(yè)中也被廣泛應(yīng)用，以評估各種生食和加工食品的質(zhì)量。目前，機器視覺技術(shù)已廣泛應(yīng)用于形狀分類、缺陷檢測、質(zhì)量分級和品種分類等，同時這些技術(shù)也引起了人們極大的興趣，反映了機器視覺技術(shù)在食品行業(yè)的應(yīng)用前景。

一、機器視覺系統(tǒng)

基于計算機的視覺系統(tǒng)通常由五個部分組成：照明、相機、圖像捕獲器、計算機硬件和軟件。食品檢測的第一步就是獲得高質(zhì)量的圖像，這在很大程度上取決于兩個因素：相機和照明。雖然相機主要依靠技術(shù)的進步，但研究人員必須根據(jù)要檢測食品的具體應(yīng)用和幾何形狀來決定如何構(gòu)建照明系統(tǒng)。

1、照明

在使用機器視覺進行外部質(zhì)量評估時，良好的照明系統(tǒng)需要在整個場景中提供均勻的光源，避免出現(xiàn)眩光或陰影，并且必須隨著時間的推移保持光譜均勻和穩(wěn)定。如果場景擁有良好的照明，則獲得的食品圖像就會省略圖像預(yù)處理操作，從而節(jié)省了處理時間。此外，在設(shè)計照明時，必須考慮到要檢查物體的幾何形狀，通常位于燈光垂直角度45°的平面對象會獲得理想的光照，在這種情況下，鏡面反射減少，從而避免了不必要的眩光。

當要檢查的對象為半透明食品，或者當其輪廓必須精確定義在圖像中時，通常會使用背光，也就是說，該物體位于光源和相機之間。對半透明食品進行在線檢查時，通過從后方對食品進行光照，使圖像中的食品與背景形成了鮮明的對比，從而更容易估計其大小和形狀。

值得一提的還有誘發(fā)熒光的照明系統(tǒng)，特定的短波長（高能）光激發(fā)某些分子，隨后分子釋放產(chǎn)生較低的能量（更長的波長）光。誘導(dǎo)熒光可以檢測某些食品的外部損傷。例如，利用葉綠素熒光定位檸檬熱水處理引起的初生皮損傷；可見熒光和紫外線誘發(fā)熒光（UVFL）用檢測食品不同類型的缺陷；UVFL的另一個應(yīng)用是檢測食品中的污染物。

2、圖像采集

圖像采集的過程就是相機將從現(xiàn)場接收到的光信號轉(zhuǎn)換成電子信號。在食品檢測應(yīng)用中最常見的就是工業(yè)攝像機（CCD），它由一系列傳感器組成，這些傳感器將光信號轉(zhuǎn)換為視頻信號。在食品檢測應(yīng)用中，針對不同的場景，存在不同的相機選擇，常用的相機有線性陣列CCD和矩陣CCD，其中線性陣列CCD適用于物體在相機下方移動或相機在物體上方移動的應(yīng)用，以便逐行獲取食品表面的完整圖像信息。

有時，對天然產(chǎn)品的檢查需要可以捕捉可見波長和可逆波長的圖像采集系統(tǒng)，多光譜攝像機使用適當?shù)臑V鏡和傳感器組合了幾個可見和不可見的頻段，例如，使用多光譜相機在自動分揀機中獲取柑橘類水果的可見圖像和近紅外光（NIR）圖像用于評估水果的成熟度。此外，基于X光片或核磁共振成像（MRI）的內(nèi)部診斷醫(yī)療設(shè)備也已用于檢查食品的內(nèi)部質(zhì)量。

二、機器視覺在食品檢測領(lǐng)域中的應(yīng)用

在當今競爭激烈的市場中，對于食品制造商和零售商來說，提升競爭力的關(guān)鍵因素在于提供高質(zhì)量的產(chǎn)品。因此，不同種類的食品生產(chǎn)企業(yè)需要改進食品質(zhì)量以滿足消費者的需求。然而，很難有一個標準的檢查方法可以用來檢測所有類型的食品，這些食品在大小、形狀、外觀和其他特征上各不相同。由此可見，計算機視覺已被證明在各種食品的質(zhì)量預(yù)測和評估方面具有巨大的潛力。

1、顏色檢測

顏色是食物最重要的屬性之一，因為消費者可能會因為特定食品的顏色而受到影響，接受或拒絕。因此，食品生產(chǎn)商努力防止有缺陷的產(chǎn)品進入市場，并確保產(chǎn)品的質(zhì)量等級。顏色檢測通常使用彩色CCD相機捕獲食品圖像，圖像中像素的顏色在顏色空間中表示為三個坐標，紅色、綠色和藍色（RGB），在檢測過程中可以通過顏色比例區(qū)分不同的質(zhì)量等級，例如使用RGB比率來辨別石榴的成熟度。

2、形狀估計

任何產(chǎn)品都會有一個特定的形狀，變形或奇形怪狀的產(chǎn)品都會影響到其價格，因此形狀檢測成為食品檢測中非常重要的環(huán)節(jié)之一。在對水果和蔬菜質(zhì)量進行自動檢測時，可根據(jù)不同品種的典型形狀進行估計。例如，草莓的形狀檢測中將形狀定義為：長錐形、方形、錐形和螺旋形，根據(jù)不同的草莓形狀篩選不同品種的草莓。也可以利用食品輪廓信息構(gòu)建評估模型。例如使用橫縱比、橢圓比和對稱度來估計西瓜的形狀，通過計算質(zhì)量、體積、密度球形系數(shù)和幾何平均直徑構(gòu)建他們之間的相關(guān)系數(shù)模型，從而確定西瓜是否具有標準形狀。

3、紋理檢測

如果食品表面的紋理不同，計算機視覺系統(tǒng)對特定顏色的感知可能會有所不同。因此，紋理研究通常整合在顏色差異的研究中，紋理在圖像分割中發(fā)揮著重要作用，成為模式識別問題的有效工具，其中之一是對水果和蔬菜的自動檢測。紋理檢測的常用技術(shù)是基于像素的導(dǎo)向技術(shù)，基于紋理的細分需要更復(fù)雜的算法，這些算法通過對比鄰近像素之間的顏色和空間關(guān)系，對圖像中的各個區(qū)域進行特征提取，并對比它們之間的差別。例如，通過香蕉果皮的紋理特征（衰老斑點）來區(qū)分香蕉的成熟度。

4、缺陷檢測

表面缺陷和損傷的檢測是圖像分析在食品檢測中應(yīng)用最廣泛的一種。表面損害的存在是產(chǎn)品質(zhì)量判斷的一個明顯特征。例如，馬鈴薯因其表面的特征而易于分級，因此，土豆去皮前的缺陷檢測變得尤為重要。研究學(xué)者已經(jīng)進行了一些研究將計算機視覺系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合來評估土豆的質(zhì)量。首先建立土豆缺陷圖像數(shù)據(jù)庫，然后提取一些重要的物理特征，包括劃傷、擦傷、腐爛和長芽等，正確的分類準確率約為95%以上。

三、未來趨勢

目前的研究表明，計算機視覺是一種有效、快速、客觀的技術(shù)，適用于許多農(nóng)業(yè)食品的研發(fā)、檢測和分類。圖像采集是計算機視覺系統(tǒng)的重要一步，三維圖像將更準確、更全面地反映樣品的特點。在多種算法的幫助下，計算機視覺系統(tǒng)具有與其他非破壞性成像系統(tǒng)相結(jié)合的潛力，提供更好的評估。

1、三維技術(shù)

一般來說，三維圖像可以提供更多信息或細節(jié)，以提高許多食品檢測應(yīng)用中的質(zhì)量分析。因此，三維成像可以更大程度的滿足大多數(shù)情況下食品的分級、分類、缺陷檢測和質(zhì)量評估。例如，研究者使用3D掃描儀預(yù)測了梨、草莓、香蕉、蘋果和雞蛋的大小和形狀，可以實現(xiàn)快速、高精度的描述更復(fù)雜和形狀不規(guī)則的食品。

2、高光譜成像

機器視覺系統(tǒng)能夠通過預(yù)測尺寸、形狀、表面顏色和質(zhì)地等外部屬性，為食品的缺陷檢測、分類和分級提供豐富的信息。但是，僅使用機器視覺無法提取有關(guān)化學(xué)成分的其他信息。例如水分、脂肪和蛋白質(zhì)含量。為此，借助光譜法，可以成功獲得食品的化學(xué)成分信息。在各種應(yīng)用中，高光譜成像為缺陷檢測、質(zhì)量測定提供了極好的可行性。例如，測量蘋果的硬度和可溶性固形物等參數(shù)、桃子的糖含量、脂肪、水和魚類的鹽分預(yù)測等。

3、圖像處理技術(shù)

開發(fā)更強大的圖像處理技術(shù)，計算能力的提高刺激了更強大的軟硬件的發(fā)展，可用于實時圖像處理。自適應(yīng)算法在其他領(lǐng)域產(chǎn)生了極好的效果。食品檢測中的計算機視覺檢測系統(tǒng)必須適應(yīng)不斷變化的食品種類和環(huán)境，模式識別和大規(guī)模數(shù)據(jù)處理的發(fā)展也必然會出現(xiàn)在未來的機器視覺食品檢測應(yīng)用中，以提高檢測的穩(wěn)健性和準確性。

四、結(jié)論

許多有關(guān)計算機視覺的工作為食品檢測行業(yè)提供了重要的實用解決方案。機器視覺系統(tǒng)在評估食品質(zhì)量中起著至關(guān)重要的作用，包括缺陷、形狀、大小、顏色、成熟度的檢查，并根據(jù)不同的質(zhì)量等級進行分類，涉及食品種類廣泛，可以通過機器視覺檢測的產(chǎn)品包括肉類、水果、蔬菜、堅果、谷物等。目前，機器視覺系統(tǒng)在食品檢測行業(yè)中已經(jīng)取得了顯著的成效，然而，機器視覺技術(shù)在食品檢測領(lǐng)域可以進一步發(fā)展，例如與光譜學(xué)等其他技術(shù)相結(jié)合，為未來在食品檢測領(lǐng)域中的應(yīng)用發(fā)揮巨大作用。