水果品质自动分级的机器视觉系统外文翻译中文(编辑修改稿)

水果品质自动分级的机器视觉系统外文翻译中文(编辑修改稿)内容摘要：

为了评估利用开发的传感器估计的演的精度， 颜色测量取自 22西红柿几个表面。 这些部位从一个红绿色颜色变动为红色。 机器视觉系统确定果实颜色的能力通过比较常用于不同的水果的几种标准色指数得到了计算。 这些指数从猎人实验室获得，和由三色度计圆形区域（ 8毫米直径）在选定的每一个部门随机提供的值一致。 为了评估该对茎的位置的算法的性能，每一个， 100个桔子随机的角度图片和 100苹果的都被使用。 在桃子的情况下， 76个水果中每个水果都随机取向的取了两个图像，共提出了 152图像。 该图像分析算法得到了应用同时茎的重心也显示在了电脑屏幕上。 然后，操作 者决定是否系统正确地在个图像中检测到茎。 在确定视觉系统在测量大小和检测瑕疵的精度前，为了估计人工操作的精度和重复性要进行一个简单的试验，这是目前商业分级厂房的的参考。 由于苹果的形状更加不规则所以被用于这些实验。 桃子和柑橘更加类似球形，因而更容易被视觉系统分辨大小。 在第一个实验中， 40个周长 63和 86毫米之间的苹果被随机挑选。 每个苹果的大小被专家用卡钳测量了两次。 两个测量进行了比较并且通过平均误差来计算精度。 为了估计检测瑕疵时人工操作的重复性，另一个检测是： 48个苹果被机器分类 后被选定，其中 24个列为有缺陷的，其他 24个为无缺陷。 接着，三位专家人工的将他们归入同样的两类。 15分钟后，他们重新归类该苹果。 两次分类之间的相似性和异同被记录。 在线测试，为了检查机器在商业条件下工作的重复性，使用了1247个金冠苹果，大小在 64和 92毫米之间。 果实在西班牙标准为基础上被分为三类，根据其尺寸和外部污点。 测试包括水果通过传递机，盒装水果，根据相应的类别。 各自的箱反复通过该系统，并且对在分类中产生的变化进行观察并计数。 （图四 .图像分割流程） 表一给出了桔子，苹果和桃子的图像像素分割性能，指出一种和剩余其他种类分开的最佳分离背景（ 100％），使更好的估计质心和水果的大小。 大多数像素分割程序中出现的错误是由于孤立的或小群的像素，这些主要位于相邻区域的边界。 这些误差可以检测和纠正，如果每个分割区域的特征得到计算，因为这些群由于面积小常被分割为忽略不顾的区域。 该系统检测茎的性能被进行了测量，使用了 93个橘子， 95个苹果和 140个桃子的图像，而大多数图像都是在线获取的。 实验表明，桔子的图像中有五幅茎未检测出来，而在另 外两幅中，瘀伤和茎的检测发生了混淆。 对于桃子， 73个图像中有一幅茎没有检测出来，尽管其中 79图像中有11幅没有茎，所以有误测。 在苹果中， 87个图像中有两个茎没有检测出来，然而，却被误测为三分之十三。 对于剩下的三个水果的图像，茎被正确的检测和定位（见表 2）。 茎的不同颜色或形状和水果果型，能引起茎检测的结果不同。 不过，在茎和瘀伤之间有一点混淆，大多数的混淆错误是由于在没有茎的水果中将瘀伤检测为了茎。 专家们在两次独立的实验中测量同一个苹果的尺寸的平均精度为 ，呈现了约 ％的相对误差。 但是，考虑到水果正确的大小作为六个测量的平均值（每个专家两个有效测量）， 平均精度 （ ％的相对误差）。 这些数字可能与视觉系统最大期望精度有关，该精度不会超过专家的精度，只是测量的参考。 因此，一个 1mm 的误差课容许，当分析系统在线结果的重复性时。 当专家按分类中所述的尺寸种类进行水果分类时，他们表现出平均 94％的可重复性。 视觉系统的可重复性由最小尺寸水果的 89％变化到极端大的水果的 100％，平均为 93％（见表 3）。 考虑到标准允许的 10％的误判，其结果可以被视为良好。 一个错误的来源是由于大多数苹果为7274和 7982毫米，而 74毫米被选为大小之间的临界尺寸。 专家们 估计果皮上的损害程度时的重复性介于 85%和 90％，平均为 88％（见表。 由于该系统被专家编程和培训，从理论上说，它的性能受到了专家们的重复性 4） 的限制。 因此，视觉系统重复性的最大期望值约 88％。 表 5显示，该系统在线进行外观缺陷检测时，有 86％重复性。 这些错误是由于在预测质量时三个因素被考虑了：最长的缺陷，受损面积和褐色化区。 如果只有其中一个估计参数变化，品质变化从一个传递到另外，果实将被归类在不同的类别。 这一事实特别影响了类型一，那里的重复性被认为是较低的，因为这个类别只包括损坏程度极低的水果，并有因颜色浅 而被认为是果皮缺陷。 指出这点很重要，即这种类型的实验结果很大程度上依赖于果实大小分布及水果上污点的颜色和大小。 至于该系统使用所述硬件配置检查水果所用的时间，图像采集和分析所需的时间小于 300毫秒，比最初的要求 1s的时间要低。 如果采用更新更快的计算机，并且提高算法来让图像的获取和处理重叠，这个时间可减少至低于 50毫秒。 分割方法对在线处理来说是快速和恰当的，但是却极大地取决于被检查对象的颜色。 出于这个原因，系统需要经常由专门操作人员调试。 机器视觉系统表现出良好的结果在定位桔子，桃子，苹果的茎干时和 探测它们大多数时，很少和面部污点混淆。 损坏的区域在苹果中能正确地检测到，但该算法在橙子和桃子应用时需要更广泛地进行测试。 为。