25、食用燕窝自动分级技术：方法、实验与成效

食用燕窝自动分级技术：方法、实验与成效

1. 机器视觉在农产品分级中的应用

机器视觉在创建有效的自动分级系统方面发挥着重要作用。一些研究人员利用基于计算机视觉的系统对农产品进行自动分级和分类。例如，在预测芒果成熟度时，先由人类专家根据图像进行判断，同时基于芒果相关特征的高斯混合模型（GMM）也被用于预测成熟度水平，其分类准确率与人类专家相当。

此外，通过分类和特征提取方法可以检测水果的疾病，像苹果、棕榈油果、芒果、枣和草莓等不同水果，因其具有不同特征，在疾病检测时需采用不同的分类技术。具体操作是先进行分割，区分健康和感染的水果，再根据感染百分比将水果分为不同等级。

2. 自动化分类技术概述

自动化分类和分级技术在农产品领域得到了广泛应用，同时也在其他领域有所发展。例如，有人开发了自适应神经模糊推理系统（ANFIS）来对河流的水质状况进行分类；也有人用其对皱铝箔、灯芯绒、棉花和橙皮的质地进行分类；还有人利用该系统基于一组风险因素检测和诊断乳腺癌。

3. 食用燕窝自动分级实验

3.1 数据收集

为了测试自动分级器，选取了经过训练的操作员仔细分级的三个不同等级（AA、A 和 B）的食用燕窝（EBNs）样本，共收集了 63 个样本，并用配备微距镜头的标准数码单反相机拍摄照片。

3.2 特征提取

特征提取过程包含多种图像处理技术，主要提取四个特征：
- 曲率 ：以完美圆形的曲率值为 1 作为模型，当 EBNs 形状为完美圆形时，曲率值最大为 1.0，形状偏离圆形则曲率值减小。计算时，先分割并裁剪图像，将背景变