基于机器视觉技术的水果分级方法及应用研究

摘 要：水果产业一直以来都是农业领域的重要组成部分，其市场前景备受瞩目，然而，随着水果市场需求日益增长，水果分级的效率和准确性成为亟待改进的重点。机器视觉作为一种新兴科学技术，在水果分级领域有巨大的发展空间。本文从我国水果分级现状入手，分析机器视觉技术及其对水果分级带来的好处，对中国现有的机器视觉分级技术进行简述，深入剖析现代化先进的水果分级技术及其设备难以在生产生活实施的问题，提出相应的解决措施，希望为我国水果市场的蓬勃发展和水果分级领域的研究创新做出积极贡献。

关键词：机器视觉；水果分级；分级方法；供应链

一、引言

在当今“质享”经济的大趋势下，大众消费水平和膳食营养水平都在持续提升，大众对水果消费行为由刚需食品消费转变为休闲零食消费，对水果的消费需求也从功能性需求过渡到品质化需求。消费者对水果价格的整体敏感度下降，水果行业从性价比竞争逐渐走向品质化竞争，消费者更加看重水果的新鲜度、品质、营养价值。然而，中国水果市场被进口水果冲击严重。根据联合国商品贸易库的数据，中国是世界上最大的水果和蔬菜生产国，表观消费量远超排名第二的国家，但是水果销售以本国消费为主，参与贸易的比例一直很低。

造成这样的原因是农民组织化程度低、产业基础薄弱、水果采收和流通设施落后、农产品流通渠道较长且复杂，水果采摘之后只按照大小和重量进行简单的分级，分级程度差、时效性低、流通周期长、物流成本高、腐损浪费严重。所以，将机器视觉等各项技术应用于水果分级，提升水果流通效率，减少水果浪费，是推进产业转型和市场扩大的关键。

二、我国水果分级现状

目前我国国内水果商品化处理过程中的清洁、打蜡设备已经比较成熟，关键在于分级技术比较落后，还未有十分健全的水果分级设备。

传统的水果分级方式主要有人工检测和机械检测。人工检测大多是由农民自行拣选或招募工人，不仅费时费力费钱，耽误水果最佳食用时间，而且分级标准不统一，分类的效率容易受到人们的情绪、疲劳程度以及身体状况等因素的影响。传统的机械分级也只是根据水果的大小和质量进行分级，而无法对水果的成熟度、颜色、表面缺陷等指标进行精确检测，也就无法有效实现水果的品质分级，而且会对水果造成一定程度的机械损伤，在检测的过程中粗暴的运输方式容易碰伤水果，水果一旦受到损伤，其保质期就会被缩短，慢慢变得腐烂。

水果分级的指标分为外部品质和内部品质，传统的人工与简易机械分级方式大多是对于外部品质的分级，无法兼顾水果内部品质。同时，现行的水果内部品质检测方法应用最多的是化学分析法，通过对少量的样本进行破坏和内部检测来判定整批水果的品质，可靠性和稳定性都比较低。

三、机器视觉技术概述

机器视觉是一种利用计算机和摄像机等设备，通过对图像和视频进行采集、处理、分析和理解，实现模拟和模仿人类视觉系统的技术。机器视觉结合了计算机视觉、图像处理、模式识别、深度学习等多个学科领域的方法和技术，对采集到的图像或视频数据进行预处理，包括去噪、增强对比度、图像配准、图像矫正等，然后通过图像处理算法和特征提取方法，从图像或视频中提取出有用的特征信息，如边缘、纹理、颜色、形状等，之后根据事先定义好的目标类别，利用特定的算法和模型，在图像或视频中检测和跟踪目标物体的位置、轨迹和状态，再将提取到的特征与事先建立好的模型进行比较和匹配，以实现目标的识别与分类。

机器视觉技术的主要目标是使机器能够从图像或视频数据中获取信息，并根据这些信息做出相应的决策或执行特定的任务，对实时场景进行感知、识别和理解，从而实现自动化、智能化和高效率的应用。

四、基于机器视觉技术的水果分级方法的优点

1.提高分级的准确性

基于机器视觉的水果品质分级方法是通过深度学习等图像识别技术进行水果品质分级，可以从水果特征的多个方面提供高度准确的分级，不仅可将腐烂果、伤残果、畸形果、病虫危害严重的不合格果剔除，使同一级别水果大小整齐，外形美观，便于包装、贮运、称重和销售，而且可以对水果的内部品质进行检测。

2.提高生产效率

基于机器视觉的自动化分级系统能够处理大量的水果，迅速而精确地进行分类，减少了人工操作，大大缩短了货物送达的时间，提高了生产效率。相比传统的手工分级方式，基于机器视觉的自动化水果分级系统能够在更短的时间内完成更多的工作，同时减少了人为因素对分级结果的影响，降低了生产成本。

3.增强产品的品牌价值

消费者在购买水果时往往会重视品质、新鲜度和外观等因素，通过使用机器视觉自动水果分级系统，可以向消费者提供不同品质的水果产品，并且确保这些产品都符合相应品质的标准，保证水果的质量稳定性和外观美观度，从而增强了产品的竞争力，有效提升品牌的价值和声誉，吸引更多的消费者，扩大市场份额。

4.适应市场需求

分级具有灵活性，将机器视觉与大数据分析技术结合，可以根据市场需求和趋势进行调整和预测。如果某种特定等级或品质的水果需求上升，该分级方法可以相应地增加该等级或品质的水果分类，以满足消费者的需求。同时，如果市场对某种品质的水果需求下降，也可以相应地减少该品质的水果分类，以避免可能的库存过剩和损失。

5.提高卫生标准

采用现代技术的水果分级方式可以最大限度地减少人员介入，从而降低了潜在的卫生风险，使得水果更符合食品安全标准，对于提高消费者对水果的信任度和满意度具有重要意义。同时，安全卫生的生产过程也更符合国外出口产品的标准，有利于打开海外市场。

五、基于机器视觉技术的水果分级方法研究现状

以下是我国学者运用机器视觉相关技术从水果的外部缺陷、颜色、形状、含糖量4个方面对水果分级的相关研究。

1.外部缺陷

马秀丽（2011）提出应用视觉注意力选择机制对获取到的水果图像进行缺陷检测，实验表明基于注意力选择的检测结果更接近人对缺陷的判定，检测准确率达到97.7%。在正确检测到水果表面缺陷的基础上，通过计算缺陷区域灰度共生矩和颜色矩来提取缺陷区域的纹理特征和灰度特征，并使用支持向量机的方法对缺陷区域进行分类，识别率能达到较满意的效果，为95.8%。邱鹏等（2023）在香梨表面损伤识别的研究中，采用CNN和图像分割来实现损伤的自动检测和识别，利用平均灰度值方法、特征提取和CNN分类器的设计与训练，进行了表面缺陷分类检测，准确率可以达到 91%。

2.颜色

马秀丽（2011）针对彩色空间色度分量存在不连续点的问题，提出了色度旋转方法，将彩色平面逆时针旋转120°，然后对经过色度Hue旋转的色度分量进行直方图分析，以获取不同颜色类别水果的色度变化范围，最后使用最小距离分类器对其进行分类，可得到97.2%的准确率。饶秀勤等（2009）提出了一种基于面积加权直方图的水果表面颜色特征提取方法，利用水果的H分量面积加权直方图提取水果表面颜色，补偿水果表面曲率变化引入的检验误差，在模式识别部分采用了主成分分析方法和马氏距离分析方法对水果表面颜色进行分级，总的分级误差仅为1.75%。

3.形状

姚立健等（2012）采用数字图像处理的方法，对RGB图像进行预处理，用一个与水果目标具有同样二阶矩的椭圆来近似表示水果的形状，然后通过RP算法训练，得到一个具有9个隐层神经元的 BP 神经网络，平均正确率为 92.5%。孙晓杰（2023）提出了一种优化型残差神经网络的苹果外观品质分级方法，以ResNet-34为基础网络，将残差单元中的标准卷积替换为分组卷积，以降低模型的参数量和时间复杂度，加入Channel Shuffle实现组间混合通信和分组信息融合，使所提取的图像特征更加丰富，同时引入通道注意力机制 ECA 模块增强关键信息、抑制无用信息，提高模型特征表达能力，最后用并行池化替换传统单一池化层，进而最大限度地保留特征信息。

4.含糖量

李军良（2011）通过比较发现，从水果的近红外光谱数据中提取出主成分特征，采用信息融合技术，在特征层融合DSP和近红外光谱仪两种不同传感器的信息，建立了与近红外信息融合的苹果内部品质糖度分级模型，其分级正确率更高。黄星奕等（2012）运用SUV对杏干近红外光谱进行预处理，分别采用偏最小二乘法（PLS）、向后区间偏最小二乘法（biPLS）和联合区间偏最小二乘法（siPLS）建立杏干糖度的近红外光谱模型并进行比较，得出用近红外光谱技术结合biPLS 法能快速无损地检测杏干糖度。

六、水果分级技术应用的问题分析及解决措施

虽然我国已有很多关于水果分级方面的研究，但是大多都停留在理论层面，受诸多因素的限制，难以做到真正落地实施，以下是关于用机器视觉及相关技术在水果分级中应用的问题分析及解决措施。

1.问题分析

（1） 相关设施设备建设成本高

实施水果分级需要一系列先进的设备和设施，如光电分选机、传输带、计算机系统等，这些设备的采购、安装和维护费用均较高，对于一些规模较小或经济薄弱的水果种植户而言负担较大。此外，大规模的设施建设还需要消耗大量的人力、物力资源，导致实施难度增加。

（2） 运行实施需要专业化知识

水果分级涉及复杂的光学识别技术、计算机图像处理和数据分析等方面的知识，需要专业人士进行操作和维护。然而，我国在这方面的人才储备相对较少，从事人工水果分级的大多为农村剩余劳动力，缺乏具备专业知识的技术人员、农民和经营者，难以有效地操作和管理分级设备，这也限制了水果分级实施的范围和效果。

（3） 分级的设施设备存在适应性问题

水果的大小、形状、颜色和品质各不相同，现在的分级研究大多是针对单一品种或外观相似品质的水果，难以适应众多水果品种的分级要求。分级过程中，水果的外观可能受到光照、湿度和其他环境因素的影响，这可能导致系统的性能受到波动，分级结果不准确。

（4） 初期使用时数据标注困难

机器视觉等多种技术组合的水果分级系统通常依赖大量的训练数据来学习识别和分级，数据的标注过程是耗时且昂贵的，在分级系统正式投入使用之前还需要经过多次调试，不适宜保鲜期较短的水果。

（5） 分级标准不一致

水果分级必须确保分级的准确性，以满足市场的质量标准，但是我国还没有关于水果的分级标准体系，各地区、各企业甚至各个环节的分级标准不尽相同，极大地限制了水果的流通。

2.解决措施

（1） 提供资金或设备租赁计划

政府可以通过农业补贴计划、农业发展项目或资金援助，以协助农民和农业企业购买智慧化水果分级设备或技术。农业合作社和农业企业可以建立共享设备或设备租赁计划，将设备成本分摊给多个农户，降低每个农户的成本，减轻农民的负担。金融机构可以提供农民和农业企业购买先进的水果分级技术所需的融资支持。

（2） 提供培训和技术支持

由技术供应商安排具有丰富技术知识和经验的专业培训师，根据不同用户群体的需求进行培训计划的定制，包括农民、工人和技术维护人员。建立涵盖操作设备的基本培训、维护和故障排除的培训以及安全培训等全面的培训计划。提供易于理解的培训材料，如用户手册、视频教程和图形说明等，这些材料可以帮助用户在培训结束后继续参考和学习。设立热线电话或在线支持渠道，以便用户能够在需要时获得技术支持。培训内容也需要根据技术发展定期更新，反映最新的技术和最佳应用方法。政府和农业组织可以提供财政支持，尽量减少或减免培训费用，以确保培训的普及性。

（3） 将基于机器视觉的水果分级作为供应链的一环

水果在收获后，经过采集后立即送入分级设备，根据市场需求，设备根据水果的大小、重量、颜色和质量等参数将水果精确、高效地划分为不同等级，加快供应链的响应速度，减少等待时间，确保高质量的产品进入高端市场，而次级产品则可以用于加工或其他用途，最大限度地提高收益，减少浪费。同时水果分级系统记录和存储每个水果相关的数据，如产地、收获日期和分级结果，这有助于供应链追溯和质量控制，提高了产品的安全性和可追溯性。还可以对供应商的产品信息进行实时反馈，经市场需求预测和调研后，收购商可根据需求信息选择合适的供应商，以适应市场变化，减少因产品不符合市场需求而造成的浪费。

（4） 继续深入对水果分级方式方法的研发

开发通用的水果分级算法和系统，不只针对单一的水果品种，甚至可以开发对于各类蔬菜的分级系统。提高水果分级系统的适应性，在不同光照、温度、湿度的环境条件下都能实现高精度、高效率的分级。不仅要注重外部品质的分级，内部品质也同等重要，加强对于水果内、外部品质相结合的水果分级系统的研发。

（5） 制定相对统一的水果分级标准和行业规范

我国政府机构、农业协会、行业组织应共同努力协调，制定统一的水果分级标准并大力推广实施。鼓励国家标准与国际标准对接，以确保国内生产的产品符合国际市场的需求，扩大产品的出口机会。政府和相关组织提供培训和教育，以确保生产者、包装厂和果蔬分级设备的操作员乃至消费者了解和遵守标准。建立质量认证体系，对符合标准的产品进行认证，提高产品的信誉和市场竞争力。加强监督和执法，确保水果分级标准得到有效执行，对不符合标准的产品进行处罚，确保市场上的产品质量和安全。

参考文献：

[1]陆华良，王冬琴.果蔬类农产品供应链简化分析——以苏果超市为例[J].天津农业科学，2013（8）：37-43.

[2]刘明涛，刘亚，郭俊先.水果无损检测技术的研究与应用[J].农业科技与装备，2017（6）：51-55.

[3]王晓云，乔豪杰，刘凤丽，等.基于机器视觉的水果品质分级方法综述[J].成组技术与生产现代化，2023（1）：6-13.

[4]马秀丽.基于数字图像处理的水果表面品质检测方法研究[D].沈阳：东北大学，2011.

[5]邱鹏，苏兆兆，贾瑶镟.基于机器视觉的香梨表面损伤识别研究[J].信息系统工程，2023（12）：133-136.

[6]饶秀勤，应义斌.水果按表面颜色分级的方法[J].浙江大学学报（工学版），2009（5）：869-871.

[7]姚立健，边起，雷良育，等.基于BP神经网络的水果分级研究[J].浙江农业学报，2012（5）：926-930.

[8]孙晓杰.基于残差神经网络的苹果外观品质分级研究[D].烟台：山东工商学院，2023.

[9]李军良.基于机器视觉和近红外光谱的水果品质分级研究[D].南京：南京航空航天大学，2011.

[10]黄星奕，钱媚，徐富斌.基于机器视觉和近红外光谱技术的杏干品质无损检测[J].农业工程学报，2012（7）：260-265.