机器视觉如何帮助农产品分选？农场主们请看过来

导读：“垃圾分类，你学会了吗？”这应该是近期大家反复“提问”的一句。的确，对于小编而言，多使用一点脑细胞，垃圾分类自然觉得so easy. 而对于相关部门而言，他们则自然觉得 very good——“您”、我们解决了他们的“需求”。如果“您”的另一个身份是一位农业方面、农产品企业的负责人，小编猜想您亦有“分类”的“需求”——如何更好地为农产品“分类”或“分选”呢？

众所周知，农产品品质检测是保证农产品质量和安全的关键，目前大多数农产品分选机是通过机械结构以物理方法进行分选，受限于分选结构的单一设计，分选模式比较简单，通常多用于蔬果大小、重量方面等。当涉及到诸如产品颜色、大小、破损度、形状与纹理、表面缺陷地分选，传统机械分选机则不再适用，亦不具备更高级功能，因此市场便应运而生了基于机器视觉的智能分选机。

智能分选机首先利用图像传感器采集包含产品特征信息的全部数据，后将图像数据传输至计算机服务器进行处理分析，最终依据分析结果对产品进行分选。农产品的智能化检测不仅可以大大提高生产率，同时也成功提升了产出率。因此相对于人工分选而言具有低成本、易维护、恒定输出与选错率低等优势；当然，相比普通分选机它则功能更丰富、精准性更高、 操作上也更智能。本文介绍一种基于机器视觉的片状农产品分选机为例，阐述机器视觉是如何帮助农产品分选的。 

上图片状农产品分选机基于机器视觉对片状农产品进行大小及颜色的分级分选，由知津科技研发制作，具有完全自主知识产权。主要适用于片状农产品的高速分选，如天麻片、芒果片、中药药材片等......

分选机内装置有智能相机，产线开启后，相机便会对输送带上的农产品持续拍照。其技术原理是利用灰度对（天麻片）卷边、烤焦、碎片进行检测分选，先科普一下何为图像灰度？灰度可认为是亮度，直白说就是色彩的深浅程度。其是指黑白图像中点的颜色深度，范围一般从0 到255、白色为255 、黑色为0，故黑白图片也称灰度图像，在图像识别领域用途广泛。

基于视觉的检测步骤通常如下：

  图像采集——顾名思义，是由智能相机对所需检测的产品进行拍照，采集图像。

  预处理——是为减少图像噪声，提高目标与背景的对比度，突出图像中的缺陷特征。

  特征提取——是图像识别过程中保证后期判定分选质量的重要阶段，提取的图像特征需要能够表述出识别的物体典型特征，具备独特性、完整性、几何不变性以及抽象性，常见的做特征提取的元素有：颜色、纹理、边缘、形状等......

  分选分类——前述步骤完成，最后按照不同提取特征将物品分选归类。

  片状农产品分选机的主要性能：

最后，本文乃一般市场介绍与技术普及类的文章，其作用也仅限能够使您“入门”。农产品分选虽只是整个农业工序的一个环节，但它的位置却越来越重要，因为其确实能更好地服务于农业，帮助农产品企业提高生产效率，如今农业集团化、大规模种植的情况下，快速分选、智能分选的时代已经来临，您做好准备了吗？