刘馨阳

（宁夏大学新华学院信息与计算机科学系,宁夏 银川 750001）

1 研究背景

机器视觉就是利用机器代替人眼实现各种测量和判断，将其应用到马铃薯重量检测中，通过多角度的拍摄，能采集到马铃薯的完整表面信息，进而检测到马铃薯的基本几何信息。目前，国内外利用机器视觉技术对马铃薯进行重量检测研究已取得了一定成果。

1.1 重量检测

Wang等[1]（2016）研究发现马铃薯的实际重量与其外部尺寸呈线性关系，通过“V”形面镜获得马铃薯两个视角的图像，最终试验结果显示，相关系数为0.991，马铃薯样品试验组的大、中、小尺寸的鉴别精度分别为90%、100%、90%。高新浩等[2]（2016）利用立体视觉技术对玉米重量进行检测分级，实现分级准确率99%以上。

1.2 几何形状检测

Junrong等[3]（2014）设计制造板坯尺寸检测分选系统，包括机器视觉长度和宽度测量，检测系统可满足非接触、高效率、高准确度等需求，并且测量精度小于1 mm。袁亮等[4]（2017）利用单目视觉进行番茄分级检测，通过边界追踪算法、傅里叶变换处理等手段，检测番茄的畸形度，建立了稳定的分级系统，系统识别率达到92%。

1.3 表面检测

Xu等[5]（2017）提出了一种基于高通滤波器的机器视觉检测新方法。构建高斯高通滤波器，通过利用马铃薯灰度图像的快速傅里叶变换进行卷积，获得高频区域，最后使用Blob分析获得目标区域。该方法可以有效地检测由于机械加工对马铃薯造成的损伤，识别准确率达到95%以上。杨倩等[6]（2013）研究了一种基于采集图像的颜色一阶与二阶矩和纹理LBP算子改进模式综合特征参数的大麦病害识别方法，并且利用SVM分类模型对采集到的样本进行分析研究，设计了一种大麦病害识别系统，系统总体识别率达到84.745 8%。……