张明，王腾，李鹏，邓烈，郑永强，易时来，吕强，孙荣荣

（1西南大学工程技术学院，重庆 400715；2西南大学柑桔研究所/中国农业科学院柑桔研究所，重庆 400712）

0 引言

【研究意义】柑橘是中国产量最大的水果之一，但由于采后检测、分级技术落后，造成上市后品质混杂、良莠不齐，其商品价值受到很大影响，特别是在国际市场上缺乏竞争力。当前国内对柑橘的采后分级方式主要还是依靠人工来完成，其结果受劳动者个体差异而有所差别，误差大，同时效率低。机器视觉技术的出现有效解决了上述问题且可同时对柑橘的多个指标进行检测、分级，包括大小、形状、颜色及表面缺陷等进行综合分级[1]，其分级的客观性强、一致性好、效率高且具有无损、非接触等特点，是解决当前人工分级问题的有效途径之一。相较于水果的大小、形状、颜色等外在品质，水果表面缺陷一直是水果所有外在品质[2-5]检测中的难点，也是水果分级的重要依据之一。因此，对水果表面缺陷的快速检测研究具有十分重要的意义。【前人研究进展】早期文献报道中，对采集的图像直接采用阈值法分割缺陷，结果发现分割后图像边缘与背景、正常区域与缺陷区域存在“毛边”，而多阈值法又很容易在灰度值突变区域产生接缝等问题。近年来，基于机器视觉的脐橙表面缺陷检测技术受到了学者们的关注。GÓMEZ-SANCHIS等[6]通过假定脐橙为标准球体并以此提出一个朗伯表面模型，从水果曲面最高点到最低点对每个像素进行亮度校正，然而实际上水果是非标农产品，其大小、形状等信息很难预测。……