机器视觉技术在食品检测中的发展与应用研究

赵涛（宁夏幼儿师范高等专科学校 宁夏 银川 750001）

近年来，随着人们生活水平的不断提升，人们对高质量、高安全标准食品的期望值不断提高，因此，食品加工企业如何实现在食品加工过程中准确、快速、客观的质量判断变得尤为重要，这也成为食品行业确保产品质量最重要和最具挑战性的任务之一。机器视觉作为一个新兴技术为实现食品检测的自动化、无损和低成本，提供了一个替代方案。这种基于图像分析和处理的检测方法以快速、经济和高效的优势在食品行业得到广泛应用，大量研究显示，机器视觉技术正在水果、蔬菜、粮食质量以及其他食品的质量检测中发挥重要作用，如烘焙产品、奶酪和面条等。本文旨在深入介绍机器视觉技术在食品检测中的发展与应用研究。

食品工业作为世界上最古老和最广泛的行业之一，质量控制。随着人口增长和生活水平不断提高，人们对高质量、高安全标准食品的需求不断提高，食品和农产品的准确、快速、客观的质量判断也迫切需要，确保产品质量成为了食品和农产品出口前各行业最重要和最具挑战性的任务之一。

食品无损质量评价是食品行业中一个至关重要的因素。在早期，对食品进行质量检测的方法一般为手工评估，单独检查产品或对大批次产品进行抽样，定义这些产品质量的各种参数（如尺寸、形状、颜色、质地、外部缺陷、气味等）均由检查员进行评估，并将产品分类为相应等级，工作量大且复杂，再加上高昂的劳动力成本，这种方法不仅非常耗时而且很难保持一致性，

数字图像处理硬件和软件的飞速发展促使计算机视觉技术快速发展，作为一种快速、经济、客观和高效的检测技术，已扩展到许多不同的行业，其检测速度和精度满足了不断提高的生产和质量要求，促进了全自动化工艺的发展，这种无损的检验方法在农业和食品工业中也被广泛应用，以评估各种生食和加工食品的质量。目前，机器视觉技术已广泛应用于形状分类、缺陷检测、质量分级和品种分类等，同时这些技术也引起了人们极大的兴趣，反映了机器视觉技术在食品行业的应用前景。

一、机器视觉系统

基于计算机的视觉系统通常由五个部分组成：照明、相机、图像捕获器、计算机硬件和软件。食品检测的第一步就是获得高质量的图像，这在很大程度上取决于两个因素：相机和照明。虽然相机主要依靠技术的进步，但研究人员必须根据要检测食品的具体应用和几何形状来决定如何构建照明系统。

1、照明

在使用机器视觉进行外部质量评估时，良好的照明系统需要在整个场景中提供均匀的光源，避免出现眩光或阴影，并且必须随着时间的推移保持光谱均匀和稳定。如果场景拥有良好的照明，则获得的食品图像就会省略图像预处理操作，从而节省了处理时间。此外，在设计照明时，必须考虑到要检查物体的几何形状，通常位于灯光垂直角度45°的平面对象会获得理想的光照，在这种情况下，镜面反射减少，从而避免了不必要的眩光。

当要检查的对象为半透明食品，或者当其轮廓必须精确定义在图像中时，通常会使用背光，也就是说，该物体位于光源和相机之间。对半透明食品进行在线检查时，通过从后方对食品进行光照，使图像中的食品与背景形成了鲜明的对比，从而更容易估计其大小和形状。

值得一提的还有诱发荧光的照明系统，特定的短波长（高能）光激发某些分子，随后分子释放产生较低的能量（更长的波长）光。诱导荧光可以检测某些食品的外部损伤。例如，利用叶绿素荧光定位柠檬热水处理引起的初生皮损伤；可见荧光和紫外线诱发荧光（UVFL）用检测食品不同类型的缺陷；UVFL的另一个应用是检测食品中的污染物。

2、图像采集

图像采集的过程就是相机将从现场接收到的光信号转换成电子信号。在食品检测应用中最常见的就是工业摄像机（CCD），它由一系列传感器组成，这些传感器将光信号转换为视频信号。在食品检测应用中，针对不同的场景，存在不同的相机选择，常用的相机有线性阵列CCD和矩阵CCD，其中线性阵列CCD适用于物体在相机下方移动或相机在物体上方移动的应用，以便逐行获取食品表面的完整图像信息。

有时，对天然产品的检查需要可以捕捉可见波长和可逆波长的图像采集系统，多光谱摄像机使用适当的滤镜和传感器组合了几个可见和不可见的频段，例如，使用多光谱相机在自动分拣机中获取柑橘类水果的可见图像和近红外光（NIR）图像用于评估水果的成熟度。此外，基于X光片或核磁共振成像（MRI）的内部诊断医疗设备也已用于检查食品的内部质量。

二、机器视觉在食品检测领域中的应用

在当今竞争激烈的市场中，对于食品制造商和零售商来说，提升竞争力的关键因素在于提供高质量的产品。因此，不同种类的食品生产企业需要改进食品质量以满足消费者的需求。然而，很难有一个标准的检查方法可以用来检测所有类型的食品，这些食品在大小、形状、外观和其他特征上各不相同。由此可见，计算机视觉已被证明在各种食品的质量预测和评估方面具有巨大的潜力。

1、颜色检测

颜色是食物最重要的属性之一，因为消费者可能会因为特定食品的颜色而受到影响，接受或拒绝。因此，食品生产商努力防止有缺陷的产品进入市场，并确保产品的质量等级。颜色检测通常使用彩色CCD相机捕获食品图像，图像中像素的颜色在颜色空间中表示为三个坐标，红色、绿色和蓝色（RGB），在检测过程中可以通过颜色比例区分不同的质量等级，例如使用RGB比率来辨别石榴的成熟度。

2、形状估计

任何产品都会有一个特定的形状，变形或奇形怪状的产品都会影响到其价格，因此形状检测成为食品检测中非常重要的环节之一。在对水果和蔬菜质量进行自动检测时，可根据不同品种的典型形状进行估计。例如，草莓的形状检测中将形状定义为：长锥形、方形、锥形和螺旋形，根据不同的草莓形状筛选不同品种的草莓。也可以利用食品轮廓信息构建评估模型。例如使用横纵比、椭圆比和对称度来估计西瓜的形状，通过计算质量、体积、密度球形系数和几何平均直径构建他们之间的相关系数模型，从而确定西瓜是否具有标准形状。

3、纹理检测

如果食品表面的纹理不同，计算机视觉系统对特定颜色的感知可能会有所不同。因此，纹理研究通常整合在颜色差异的研究中，纹理在图像分割中发挥着重要作用，成为模式识别问题的有效工具，其中之一是对水果和蔬菜的自动检测。纹理检测的常用技术是基于像素的导向技术，基于纹理的细分需要更复杂的算法，这些算法通过对比邻近像素之间的颜色和空间关系，对图像中的各个区域进行特征提取，并对比它们之间的差别。例如，通过香蕉果皮的纹理特征（衰老斑点）来区分香蕉的成熟度。

4、缺陷检测

表面缺陷和损伤的检测是图像分析在食品检测中应用最广泛的一种。表面损害的存在是产品质量判断的一个明显特征。例如，马铃薯因其表面的特征而易于分级，因此，土豆去皮前的缺陷检测变得尤为重要。研究学者已经进行了一些研究将计算机视觉系统与人工神经网络相结合来评估土豆的质量。首先建立土豆缺陷图像数据库，然后提取一些重要的物理特征，包括划伤、擦伤、腐烂和长芽等，正确的分类准确率约为95%以上。

三、未来趋势

目前的研究表明，计算机视觉是一种有效、快速、客观的技术，适用于许多农业食品的研发、检测和分类。图像采集是计算机视觉系统的重要一步，三维图像将更准确、更全面地反映样品的特点。在多种算法的帮助下，计算机视觉系统具有与其他非破坏性成像系统相结合的潜力，提供更好的评估。

1、三维技术

一般来说，三维图像可以提供更多信息或细节，以提高许多食品检测应用中的质量分析。因此，三维成像可以更大程度的满足大多数情况下食品的分级、分类、缺陷检测和质量评估。例如，研究者使用3D扫描仪预测了梨、草莓、香蕉、苹果和鸡蛋的大小和形状，可以实现快速、高精度的描述更复杂和形状不规则的食品。

2、高光谱成像

机器视觉系统能够通过预测尺寸、形状、表面颜色和质地等外部属性，为食品的缺陷检测、分类和分级提供丰富的信息。但是，仅使用机器视觉无法提取有关化学成分的其他信息。例如水分、脂肪和蛋白质含量。为此，借助光谱法，可以成功获得食品的化学成分信息。在各种应用中，高光谱成像为缺陷检测、质量测定提供了极好的可行性。例如，测量苹果的硬度和可溶性固形物等参数、桃子的糖含量、脂肪、水和鱼类的盐分预测等。

3、图像处理技术

开发更强大的图像处理技术，计算能力的提高刺激了更强大的软硬件的发展，可用于实时图像处理。自适应算法在其他领域产生了极好的效果。食品检测中的计算机视觉检测系统必须适应不断变化的食品种类和环境，模式识别和大规模数据处理的发展也必然会出现在未来的机器视觉食品检测应用中，以提高检测的稳健性和准确性。

四、结论

许多有关计算机视觉的工作为食品检测行业提供了重要的实用解决方案。机器视觉系统在评估食品质量中起着至关重要的作用，包括缺陷、形状、大小、颜色、成熟度的检查，并根据不同的质量等级进行分类，涉及食品种类广泛，可以通过机器视觉检测的产品包括肉类、水果、蔬菜、坚果、谷物等。目前，机器视觉系统在食品检测行业中已经取得了显著的成效，然而，机器视觉技术在食品检测领域可以进一步发展，例如与光谱学等其他技术相结合，为未来在食品检测领域中的应用发挥巨大作用。