水果品质自动分级的机器视觉系统外文翻译

《水果品质自动分级的机器视觉系统外文翻译》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、电气信息工程学院毕业设计外文翻译英文名称：Precisionstudyofacoordinatemeasuringmachineusingseveralcontactprobes中文名称：水果品质自动分级的机器视觉系统专业：电子信息工程姓名：陈小虎班级学号：11-01-02原文出处：J.Blasco;N.Aleixos;E.Molt.MachineVisionSystemforAutomaticQualityGradingofFruit.BiosystemsEngineering(2013)85(4),415–423;二〇一五年四月二十日水果品质自动分级的机器视觉系统原文来源：J.Blasco

2、;N.Aleixos;E.Molt.MachineVisionSystemforAutomaticQualityGradingofFruit.BiosystemsEngineering(2013)85(4),415–423;摘要水果和蔬菜，通常以批次的形式提供给消费者消费。而水果的均匀性和外观对消费者的决策有着重大的影响。由于这个原因，农农产品的展现无论是在田地里还是在最后流向消费者的不同阶段，都会被处理，而且通常是朝着同类产品的清洗和分类方面来进行的。该项目的ESPRIT3，参考9230。集处理，检查和包装水果和蔬菜于一体的综合系统（英文简写SHIVA）形成了一种自动、无损检测和处理的水果的

3、机器人系统。本文的目的是报告在ValencianodeInvestigacionesAgrarias研究所研究的对桔子，桃子，苹果品质进行实时测评而发展起来的机器视觉技术，并评估该技术在下列质量属性：大小，颜色，茎的位置及外部瑕疵检测中的效率。此种分解研究，在贝叶斯判别分析的基础上，使用并且允许水果因背景不同而精确的进行区分。因此，尺寸的确定性恰当的得到了解决。水果由此系统测出的颜色，和目前被用作标准的色度指标值非常吻合。在茎块的定位和瑕疵的检测中也取得了良好的效果。该系统在用大批量苹果进行在线测试分级后也取得了很不错的表现，并且并在缺陷检测和规模估计中分别取得了86％和93％的重复一致性。此

4、系统的准确性和可重复性和人工分级几乎一样。1.简介机器视觉在水果和蔬菜检验中的应用在最近几年有所增加。如今，世界各地的一些制造商生产按水果大小，颜色和重量进行水果前期分级的分拣机。然而，市场不断地要求更高质量的产品，因此，其他功能已经发展来提高机器视觉检测系统（例如茎定位，确定主，副皮肤的颜色，检测污点）。大小，是第一个与质量有关的参数，已经通过使用机器视觉测量周长或直径其中任一种得到了测量（陶等，1990;Varghese等，1999），周长（萨卡＆沃尔夫，1985）或直径（布罗迪等。，1994）。颜色也是一个重要的品质因素，已被广泛研究（Singh等人，1992年，1993年。哈恩，200

5、2年;多布然斯基和Rybczynski，2002）。有些水果有一种颜色均匀分布在皮肤表面，我们称之为主色。该平均表面颜色对这些水果来说是一个很好的质量指标。然而，一些其他水果（例如桃子，苹果，西红柿）有次要颜色可作为一种成熟的良好指标。在这种情况下，它是不可能完全只把全球面色彩作为质量参数的。在桔子，桃子，苹果这些水果中，有必要进行长茎检测，以避免损害其他水果，或者是因为没有他们可能意味着质量损失。已经有若干解决方案被提出了来确定茎的位置，如：使用结构的照明检测苹果凹陷（杨，1993）;颜色分割技术来区分柑橘有时候，茎容易混淆成皮肤上的缺陷或瑕疵。损伤和擦伤检测是质量评价的一个关键因素。众多苹

6、果擦伤检测方法中有一种是基于对干扰过性滤器的使用（Rehkugler＆斯鲁普，1986年）。其他研究同时进行瑕疵处理和颜色评定这两项。（米勒和Delwiche，1989年;勒费弗尔等，1994;切鲁托等，1996;莱曼斯等，1999，2002;Blasco及蜕皮澳，2002年）。最近的技术结合红外和可见的信息来检测瑕疵（Aleixos等，2002）或者使用高光谱成像（Peirs等，2002）。这项工作的目的是报告在项目ESPRIT3（参考9230的集处理，检查和包装水果和蔬菜于一体的综合系统，英文简写SHIVA），该技术在其他地方被描述过（墨尔特等，1997，1998），和Valeencian

7、oAgrarias（IVIA）研究所在1998年三月进行的测试中取得的成果的基础上发展而来的图像分析技术。该视觉系统是为了在线测量与桔子，桃子，苹果质量有关的几个参数，如大小，以及鉴定次要色点（桃和苹果一些种类的水果需要），茎块位置或斑点的存在。水果要在不1秒的时间里于四个不同角度被检测。为了评估视觉系统的效率，自动检验的性能和重复性和专家们的人工检测进行了比较。2.材料与方法2.1.硬件机器视觉