计算机技术在农产品采后产业链中的应用

详细内容

　【摘　要】随着科技的进步和社会的发展,计算机技术在农产品采后产业链中的应用研究发展迅速。本文综述了计算机技术在农产品采后外形尺寸、颜色分级、表面缺陷和损伤检测以及加工贮藏、信息流通中的研究与应用状况,并对未来的应用研究趋势做出展望。　

　【关键词】计算机技术;农产品;采后;应用

　　计算机技术及以其为基础的视觉技术、网络技术、智能化技术等的应用已经遍及到国民经济的各个方面。由于我国的农业产业化程度低,农业劳动生产率低,农产品生产成本和价格高;农产品规格化标准程度低,产品质量不高,农产品安全问题突出; 农产品加工业严重滞后,农产品主要以初级形式进入国际国内市场,产品附加值低。要更好地实现与国际接轨,扩大我国农产品的国际市场份额,需大力促进与科技进步密切相关的农业工程科技创新,加大高新技术特别是计算机技术在农产品采后产业链中的应用,提高我国农产品的科技含量,增强农产品的国际竞争力。 　

　在外形尺寸检测中的应用农产品的外形尺寸是产品分级的重要依据。而产品形状又是外形尺寸检测的重要方面,特别是水果,其形状优劣是分级的重要指标。通过分析果实形状,选取一些与品质有关的参数表示果形,利用计算机视觉技术进行识别和分级,结果与人工分级的平均一致率高于93%。利用视觉技术也可对胡萝卜、蘑菇、马铃薯、西红柿等蔬菜进行检测。有研究将计算机视觉形态采集的胡萝卜顶部的外形参数输入神经网络,将胡萝卜顶部的形状分级,该分级结果优于其他统计方法。此外,通过对禽蛋的质量和形状 2个指数进行检测,可将对质量的测量转化为对尺寸的测量,采用神经网络检测蛋的主要特征点,识别禽蛋外形的规则性,表明禽蛋质量检测和形状识别都具有较高的准确性,但检测效率有待于提高。利用计算机视觉人们开发了烟叶质量分选系统,利用人工神经网络对多个地区的烟叶进行分类,检测准确率可高于80%。人们通过计算机视觉提取茶叶和茶梗的颜色、形状、质量等特征,设计光学模式分类器和机械模式分类器,并将它们组合应用于电脑茶叶拣梗机,一次拣净率94%~98%。采用图像处理技术检测种子、花生、米胚形状进行研究也有报道。 　

　在颜色检测中的应用颜色是农产品和食品的重要品质之一。果实色泽质量分级机最先在意大利研制成功并应用于生产,该系统在传送带的下边装有光源,传送带上分级后漏下的果实经光源照射,反射光传给电脑,然后电脑根据光的反射不同,将每级漏下的果实分为全绿果、半绿半红果、全红果等级别。茶叶的质量指标大多和视觉有关,由于人对颜色的辨别涉及到光学、视觉生理、视觉心理等诸多因素,不同人的辨色能力会存在一定的差别,因而人工评定茶叶色泽时,很难保证其分级的准确性。

　用计算机视觉模拟则不受诸多因素的影响,评价标准客观,评价结论稳定。如蔡健荣(2000)对自然存储条件下不同年份生产的龙井茶的茶叶色泽和汤色进行定量检测,研究表明,利用计算机视觉可定量描述茶叶色泽随储藏时间的变化,用改进后的颜色系统描述茶叶的色泽变化可行可靠,还可以从新茶中检测出陈茶的量。根据蛋白、蛋黄、蛋壳在光照中的不同特征而分为新鲜蛋、散黄蛋、胚胎发育蛋、无精蛋等4种鸡蛋品质的数字图像颜色特征,为建立相应的自动化分选系统提供了理论依据。Neuman (1989)在彩色图像中应用比色法测定小麦色泽,在代表6 种小麦的10个小麦品牌中,加拿大西部琥珀色硬麦平均分辨正确率为 76%,软白麦76%,红春麦62%。