王相友 李晏兴 杨振宇 张 蒙 王荣铭 崔丽霞

(1.山东理工大学农业工程与食品科学学院， 淄博 255000； 2.山东理工大学机械工程学院， 淄博 255000)

0 引言

随着“马铃薯主粮化”战略的实施，马铃薯种植业得到大力发展，马铃薯收获成为影响马铃薯产业发展的重要因素。采用现有机械化收获方式收获马铃薯会掺杂大量的土块和石块，需要依靠人工进行捡拾，这降低了马铃薯收获效率、增加了收获成本[1-3]。

针对马铃薯中土块与石块的识别与剔除问题，国内外学者进行了大量研究。HOSAINPOUR等[4]基于声学原理，利用反向传播算法的多层神经网络进行模式识别，对马铃薯和土块的检测正确率分别为97.3%和97.6%。Al-MALLAHI等[5-6]利用基于像素颜色信息的线性判别分析识别马铃薯中的土块，并利用高光谱成像技术对成像波段进行优选，识别正确率可达98%以上；利用马铃薯和土块在紫外波段不同反射率造成的成像差异，通过平滑灰度直方图，将波峰对应的灰度设置为阈值分割背景、土块和马铃薯，从而识别出98.79%的马铃薯和98.28%的土块。MCGLOUGHLIN等[7]以马铃薯像素占比为判断阈值，高于该阈值的目标判断为马铃薯，低于该阈值的目标判断为土块或石块。挪威TOMRA公司采用近红外相机和彩色相机成像的方法去除马铃薯中土块、石块等异物，生产率可达7～15 t/h。美国KEY TECHNOLOGY公司采用激光和机器视觉技术相结合的方法分选马铃薯中的异物，最高生产率可达45 t/h。王荣本等[8-9]从模式识别的分类理论出发，提出基于改进的二维类间方差的多门限阈值石块分割方法。……