□ 傅云龙 □ 梁 丹 □ 梁冬泰 □ 方 宁 □ 陈贤儿

宁波大学 机械工程与力学学院 浙江宁波 315211

1 研究背景

近年来,随着我国马铃薯主粮化战略的实施,马铃薯在我国的种植面积迅速增大,成为仅次于水稻、小麦、玉米的种植面积第四大粮食作物[1-2]。我国马铃薯种植面积为5.8×104km2左右,年总产量约9.9×108t,位居世界第一[3]。马铃薯不但有较高的食用价值和药用价值[4],而且因自身含有丰富的淀粉,成为塑料、造纸、化工等领域不可缺少的原材料。马铃薯在采摘、运输、储存过程中,不可避免会存在发芽、病斑、机械损伤、腐烂等表面缺陷,影响马铃薯的品质与食用安全性。

目前,在进行马铃薯表面缺陷检测时,主要由人工进行分拣,工作强度大,效率低,可靠性和一致性比较差[5],严重阻碍马铃薯加工自动化产业的发展。随着机器视觉技术的发展[6],国内外学者针对马铃薯缺陷机器视觉检测方法开展了相关研究。王溯源[7]将马铃薯表面缺陷统分为三类,分别基于六角锥体颜色空间、三基色颜色空间、单值段同化核算子实现三类表面缺陷的检测。赵明富等[8]应用高光谱成像技术和改进的贝叶斯分类器,实现对马铃薯外部缺陷的识别,平均识别精度达到95%以上。杨森等[9]基于轻量卷积网络实现马铃薯外部缺陷的无损检测,平均识别准确率能够达到96.04%。 Zhang等[10]采用单次激发法多光谱成像系统,建立一种基于全特征集的最小二乘支持向量机马铃薯缺陷分类模型,能够检测六类马铃薯表面缺陷。……