基于人工智能的农产水果分级检测技术综述*

杨再雄，吴 恋，左 建，王 柳，张 麒

（1.贵州师范学院 数学与大数据学院，贵州 贵阳550018；2.贵州师范学院 大数据科学与智能工程研究院，贵州 贵阳550018）

水果分级是水果商品化处理的关键步骤之一，水果的品质检测是水果产后处理的重要步骤，是提高销售和保证水果质量的重要手段。水果分级检测直接关系到水果的价值和买家的满意度。水果分级检测的重要依据就是水果的质量，而想要通过水果分级检测来保障水果的品质就要先了解这项技术的核心。水果的检测是从外观开始的，而原始的外观检测主要是通过分级器械来对水果进行检测的，器械按照水果体型的大小、重量等作为指标来进行分级检测。这种方法主要是利用设计专业的机器来检测水果的大小和重量，然而此方法却无法对水果的颜色、纹理和表面缺陷等做出测量判断，而采用这样测量的设备专用性较强，利用率还比较低。使用该方法对水果的测试分析过程同样也较为繁琐，速度较慢，通常只能用来测量少量样本的方法来对整个批次水果的品质进行评测，所以导致检测结果的可靠性和稳定性比较差。而农产水果分级检测系统是一款基于人工智能的智能检测系统，它结合了基于深度学习的图像识别技术与物联网技术，其主要目的就是为了解决人工进行水果分级时水果种类的繁多、水果分拣效率低、人力物力资源耗费大等问题。将采摘后的水果进行精品水果、一等品、二等品等分类后以不同的价格进行出售。然而现阶段的人工分级检测方式效率低，同时还会导致水果的搁置时间长而导致腐坏浪费。基于人工智能的水果分级检测技术是为了研究水果分类、水果外观缺陷检测、水果等级层次划分的自动化技术，是用机器代替人工进行工作，保障农户产出的水果能快速高质量的出售，从而获得更高的经济效益。

1 计算机视觉技术

伴随着互联网技术的大力发展，一种新型的智能技术随之产生，这就是计算机视觉技术。其主要工作原理是通过计算机对水果三维模型空间进行感知，其中包括捕捉、数据分析及图像识别等，从而完成自动分级的全过程。它有效综合利用了计算机科学、工业设计、农业、信息自动化及智能识别等相关专业知识，在各种水果自动分级系统中被广泛应用。因此计算机视觉技术具有的特点有信息量大、处理信息的综合能力强、速度快、相对功能多、可对目标进行定量的测量等;同时还可以避免人为的主观因素对检测的结果产生偏差，利于设计制造自动的检测流水线。基于人工智能的机器视觉条件的水果自动分级系统，一般可以分为3个模块：水果获取三维模型图像、处理并分析图像要素、智能输出并完成识别。与人工分级相比计算机视觉技术的自动化程度更高，可以实现水果的无损检测，同时也会有更加稳定的检测精度。在工作人员运行程序之后，计算机视觉系统技术的识别功能就会按照我们所设定的检测标准来执行操作，而不会随时间的改变而产生不必要的变化，这就使得系统具有更加稳定的检测精度，从而避免如人工检测时由于各种不必要因素而造成检测的结果产生差异变化。图1为普通的计算机视觉系统，该系统由计算机作为主体，再通过视觉传感器和图像采集器与图像处理器组成。

图1 普通的计算机视觉系统图

2 基于人工智能的农产水果分级检测技术现有成果

水果分级检测技术能够尽可能地保证销售水果的品质，降低水果销售的差异化程度，从而使消费者的好评率得到提升，提高我国农产水果产业的竞争力和利润水平。由于当下科学技术大力发展进程的加快，研究出更智能更高效准确的水果分级检测技术就显得很有必要。我国现阶段，很大一部分水果的品质分级检测仍然停留在靠人工感官来进行识别判断的初始阶段，这种主观评测的效率较低，误差较大。这就导致了我国对外出口水果的外观质量比较差，良莠不齐，大小不一，使我国对外出口水果在国际市场上的竞争力较弱，所以尽快提升我国水果品质的分级检测技术手段就成了当务之急。人工智能的农产水果分级检测技术与其他检测技术相比较而言，使用人工智能技术的特点是检测的效率更高、处理的信息量更大、检测效率也相对较快，而且还可以对水果进行定量的测量指标。目前，不论是国内还是国外对于水果各方面的检测方法还待提高。当下我国水果分级技术在工业现场的应用还有待提高，因此需要针对水果自动检测分级和控制一体化系统进行进一步的研究，再整合各个领域研究取得的成果，用来开发出能够满足国内生产需求的水果分级检测的系统。

2.1 国外的研究成果

Rehkugler提出了通过利用基于图像灰度值的方法来检测出苹果的外表缺陷。Leemans在水果的缺陷检测中运用另外的方法，他把水果像素点逐个和同类水果的平均颜色值相互比较。差别过大的就认为水果是存在缺陷的，差别不明显则认为是水果的正常组织。显而易见的是这种方法存在明显缺点的，当缺陷部位与正常组织对比差异大时这种方法非常有效，但如果差异不是特别大时，就可能会产生比较大的误差，显然这种方法的稳定性较弱。Shalin等通过x射线扫描设备来对水果的创伤进行检测，以空间边缘特性与离散余弦变换系数为主要的特征，通过人工神经网络对创伤进行判别，使用这种方法对旧的水果创伤精确度较高，但是对于新的创伤的精确度就不够突出。Miller对柑橘进行分类检测是通过利用HSI彩色模型来实现的，这种方法通过对比同类水果的每个颜色参数，再用得到的水果颜色与标准颜色模型来计算相应的平均差和平均方差，再把这些值进行统一整理，然后通过神经元网络、贝叶斯-高斯分类、无参数分离器这3种方法来对苹果进行分类处理，成功率可以维持在68.9%～85.8%。Tao等人探索出了基于缺陷变化的计算机视觉的苹果缺陷检测系统，他们在解决苹果表面凹凸不平从而导致受光照强度不均匀的问题时，通过采用缺陷的相似变换，尽可能地保留苹果表面的缺陷，当中囊括了灰度值低于背景灰度的像素，然后就是对光照进行补偿，补偿的方法是利用形状变换的算法来实现的。

2.2 国内的研究成果

国内水果的分级检测技术的发展相较于国外方面是起步比较晚的，但是发展也是十分迅速的。冯斌等人经过水果的形心、轴心的确定，再经过计算得出了水果的大小、尺寸，通过这种方法检测的精确度十分高。高华等人提出利用傅里叶系数的方法来大概确定出水果的形态。以此来估计判断出水果的果型。林开颜等人先利用“基于梯度法的彩色图像边缘检测”来确定水果的界限，再经过对水果的边界进行傅里叶变换，通过傅里叶系数近似的确定出水果的大概形状，再对确定的水果形状的不规则度进行判断。胡海晴等人通过对水果图像进行处理，将水果图像的RGB模型转换为HSI模型，之后再通过色度相比来确定水果的成熟情况。使用的度量器则用了Harmning网络结构作为人工神经网络的主体结构，使得这种方法运算速度快而且判断的精确度也比较高。刘禾、汪懋华等按照苹果光学反射的基本特性来设计了比较适用于自动检测苹果缺陷的计算机图像系统，其中解析了苹果图像中有缺陷或噪声，无缺陷和花萼或果梗时苹果图像灰度值特征的变化情况等等。何东建、杨青等人经过计算机视觉自动检测苹果表面的颜色，并获取颜色图像，再将RGB值转换为HSI值（RGB到HSI模型的转换公式如图2所示）；在分析苹果果色特征的基础之上，找到了一种用适当的颜色面积累积百分比来对水果进行颜色分类的方法。通过实验得到利用计算机视觉分级和传统人工分级的分级效果高达88%。

图2 HSI颜色三角形

3 基于人工智能的农产水果分级检测技术方法概括

人工智能的农产水果分级检测技术主要是在计算机视觉技术的基础之上来进行的，此技术是为实现水果种类的自动识别、果型形态的检测以及外表缺陷的判别而设计的，对推进我国农产水果进行分级化优果销售具有重要意义。技术基本的构成是通过收集水果的基本平均信息，然后编写特定的程序算法并设计出符合要求的机械设备配合软件程序来智能化的实现自动化智能分级检测。对于水果表面纹理形态可用差异程度由图3水果灰度值来进行分类。对计算机采集的水果图像利用设计的算法来求平均值，再通过处理的图像与平均值比较来对水果进行等级的分类。

图3 灰度处理图像

其中：HIS模型中有亮度I，色度H，饱和度S三个分量。H的计算与G-B有关，当G≥B时，H值为0～180°，当G＜B时，H值为360°-H，为了保证变换后色彩空间比特数和变换前一致用式（4）处理。

对于水果而言颜色从红到绿，其色度覆盖范围最大为0～120°左右,用式（3）、式（4）直接计算。

4 人工智能在水果分级检测方面的优点

随着科学技术的发展，人工智能在各个领域得到了广泛使用，人工智能技术不仅仅在替代人工方面取得了重大成就，而且很多具体工作超越了人类，人工智能如此快速发展是为了服务人类，使工作更便捷、高效的进行。相比人工对水果品质的检测，利用人工智能技术会更高效和稳定。

4.1 水果的高准确分类检测识别

通过使用基于高精度分类识别的计算机视觉系统对水果的图像进行采集和特征分析，从而对水果进行快速的分类分拣。

4.2 水果外观缺陷的自动化检测

通过使用基于深度学习的机器视觉技术与红外扫描和对水果图片的色调及像素点的差异化来对水果表面的缺陷进行判断，以扫描出来的形状差异来判断水果是否存在畸形果的可能，再通过同类水果的平均采集像素点为标准，对水果外部组织缺陷状态进行判断分类。

4.3 水果的高效等级检测

经过水果的缺陷检测后，使用基于深度学习的机器视觉技术再通过水果的重量和水果的形态完整性来作为水果等级的分类标准。通过对同类水果的平均重量和标准形状的采集，以此为标准来对水果的等级进行分级检测。

5 结束语

因为国内使用人工智能对水果品质分级的检测及自动化方面的研究时间还不长，虽然也取得了一些成功的研究，但还远远谈不上大规模的推广应用。对此技术的改革创新是非常重要的。例如当下国内大体的研究还达不到动态进行，另外之前研究的主要还是单方面的水果分级检测，而当同时进行多个水果指标检测的时候，检测的速度比较慢。如果想要实现对水果进行快速而全面的质量分级检测，多个方面同时进行检测，就必须通过大力的研究和实验来完善技术。同时，理论和实际往往是有很大差距的。如今我国水果的基本分级检测所使用的设备还局限于机器的简单分级方式，其实就是利用水果的重量和大小来进行水果分级，这种方法并没有得到广泛应用，效率还比较低。我们应该在充分吸取利用国外研究取得成果基础之上，再去探索新的高效的理论和方法，并且大力发展功能更完善的人工智能化的自动分级技术。有效地使我国农产水果品质的分级检测得到提高并且减轻劳动人民的工作强度，这是非常具有重要意义的，同时还可以创造高效的经济效益，促进我国农产水果的优质化销售。