水果品质检测与分级技术叶昱程，应义斌（浙江大学生物系统工程与食品科学学院，浙江杭州310029）[摘要]介绍了国内外水果品质检测与分级技术的研究进展；通过对水果的尺寸、形状、颜色、表面缺陷和水果的生物特性等特征来对水果的品质进行检测，进而进行分级处理，有效地提高了水果的品质和市场竞争力；同时，对国内外水果品质检测与分级技术研究中存在的问题及发展前景做了概括。[关键词]水果；品质检测；分级技术[]S126[文献标识码]B[]1003─188X(2003)01─0058─021按尺寸大小检测分级水果尺寸是分级的重要依据之一。实践证明，果实形状是水果品质检测与分级的一个重要指标。赵静等在综合分析果形的基础上，提出用半径指标、连续性指标等6个特征参数表示果形。首次将参考形状分析法用于果形判别，并利用人工神经网络对果形进行识别和分级，如图2所示。结果表明，用提取的特征参数和果形识别技术，计算机视觉与人工分级的平均一致率在93%以上。柑桔、苹果等球形水果在销售、加工或储藏前通过尺寸分级，实现商品规格化，有利于按等级论价，适应顾主的多种需求，提高商品等级和竞销能力。应义斌、景寒松等利用机器视觉对水果尺寸（直径、面积和周长等）进行测量，可以很方便地选用像素量来表示空间尺寸，而实际尺寸可以通过乘以像素间隔或一个像素的面积加以适当地校准。6GF-1.0型球形水果尺寸分级机(如图1所示),采用先进的辊、带间隙分级原理。工作时,分级辊作匀速转动，输送带作直线运动。当球形水果经果斗落到输送带后，由输送带的直线移动和分级辊的旋转使其产生滚动和移动。当果子直径小于分级辊与输送带之间的间隙时，则顺间隙掉入分果槽。这样，果子因其直径不同而通过不同的间隙，最后落到相应级别的分果槽，从而达到分级的目的。12345图2果实形状和大小识别系统示意图应义斌、景寒松等利用机器视觉采集黄花梨图像，研究了不规则果品的形状描述方法，提出在黄花梨的分级过程中采用傅立叶变换与傅立叶反变换来描述果形，开发了基于人工神经网络的果形识别软件。研究发现，该傅立叶的前16个谐波的变化特性足以代表梨体的主要形状，采用傅立叶描述与人工神经网络相结合的方法进行果形识别的精确率可达90%。1.主动轮2.水果3.分果槽4.分级辊5.从动轮图1工作原理示意图按形状检测分级2[收稿日期][基金项目][作者简介]2002-07-11国家“863”计划资助项目（2001AA422230）叶昱程（1980-），男，浙江乐清人，浙江大学生物系统工程与食品科学学院硕士，主要从事计算机视觉技术应用的研究。-58-神经网络训练器教师量优等一等形态特征参数提取神经网络分类器二等等外计算机图像采集卡2003年1月农机化研究第1期3按颜色检测分级颜色是衡量水果外部品质的一个重要指标，同从投影图像恢复球形果实表面几何特征的像素点变换法和边界变换法，并通过试验进行验证。结果表明，这两种方法可使测定相对误差减小35%左右。应义斌等利用机器视觉技术对黄花梨的表面缺陷进行检测。黄花梨梨体的正常部分和缺陷部分的光反射率在可见光域内有很大差异，即梨体的正常部分与缺陷部分呈现为不同的颜色，因而在可见光域内可以对果面缺陷进行检测。在检测果面缺陷时，提出利用红（R）、绿（G）色彩分量在坏损交界处的突变，求出可疑点，再经区域增长定出整个受损面积。时也间接反映了水果的成熟度和内部品质。李庆中等介绍了苹果颜色自动分级系统的硬件组成（如图3所示），确定了苹果颜色特征的提取方法，利用遗传算法实现了多层前馈神经网络识别器的学习设计，实现了苹果颜色的实时分级，并通过实验验证了该方法的有效性。试验结果表明，颜色分级识别准确率在90%以上，分级一个苹果所用的时间为150ms。123455按生物物料特性检测进行分级生物物料特性主要包括电、声学和光学的特性。目前，国际上对农产品品质的无损检测越来越重视，在生物物料特性的研究方面已经取得了一定进展。张立彬、胥芳等利用智能LCR测试仪、圆形平板电极系统和PC计算机及自主开发的水果电特性无损检测软件，用非接触式无损检测方法在线测定了不同内部品质的苹果的电特性的差异。结果表明，在5k～100kHz的频率范围内，有腐烂或损伤的苹果...