背景

在过去的几十年中，消费者对食品质量和新鲜度的期望不断上升。为了达到这日益提高的质量要求，在超市等商业网点出售的新鲜水果和蔬菜必须经过越来越严格的分拣程序。

质量评估

水果和蔬菜的采摘后的质量评估多利用颜色和其他可见的特征来确定各种影响因素，如成熟度、形状和大小的均匀性、果皮和果肉有没有缺陷，而其他评估则着眼于与质地相关的特征，如硬度、韧性和嫩度。质量评估有助于确定适用于每种水果或蔬菜的加工流程和应用，如去皮、切片、装罐、糖浆制备或直接作为新鲜水果消费。

自动化分拣

直到几年前，这些质量参数大多还在通过手工方式进行评估。在一些国家/地区，手工劳动仍然在生食的质量评估中扮演着重要角色。但随着国内和出口市场对食品需求的增长，分类过程的自动化已成为实现以下目标的关键需求：帮助食品生产商在短期和长期消费期间实现高生产率和稳定质量，预防并减少成本增加，实现更高的供应链整体效率。

彩色机器视觉摄像机

标准的彩色机器视觉摄像机已用于识别表面缺陷、形状、大小和几何形状，以及检查颜色一致性和表面纹理。另外，还通过对水果或蔬菜的固有特性及外观图片，对其新鲜度、成熟度和软硬度进行推测。

面临的挑战

大多数可见光波长（通常为400 nm至700 nm）无法穿透水果和蔬菜的表面。通常还需要借助使用对NIR波长（700 nm至1000 nm）灵敏度高的其他相机。这种方式，便是利用可见光波长和NIR波长的组合来评估水果和蔬菜的外在和内在品质。

因此，我们面临的挑战是如何在可见光和NIR检验之间良好地实现像素级别精度的光学校准。如果将不同的相机分别用于彩色和NIR检测，这一挑战将变得尤为艰巨。这是因为，为了实现完美的光学分选，各个相机在拍摄上的空间精度至关重要。

例如，如果一个潜在的瑕疵点的大小是8个像素，而允许的瑕疵点是6个像素，那么不同相机之间的校准将会起到关键作用。如果光学偏差超过2个像素，则即使物理缺陷的尺寸更大，也很容易判断该对象物“通过”了质量标准。

除了与缺陷评估相关的问题，多相机布置也会产生与系统本身尺寸相关的问题。一个强大的多相机外部光电机械组件可能会因为尺寸太大，难以适应内部空间较小的OEM系统。此外，它在相机和PC端对系统复杂性和稳定性都有着不可低估的影响。

JAI解决方案

JAI提供一种简单又高效的方法，就是使用棱镜式多光谱相机取代多台相机模组。事实上，这种方法业已受到许多食品检验系统开发人员的青睐。在棱镜式相机中，来自镜头的光线被相机内部的棱镜模块分割，并投射至多个传感器，有可见光传感器，也有NIR传感器。这意味着水果的光学视图对于捕捉到镜头的光路都为同一条。如果需要对视图进行精确校准，根本没有必要使用额外的光电机械组件。

显然这种方法还极大地减少了物理空间上的需求，特别是对于较小的分选机器。借助棱镜式方法，可以轻松地同时触发所有视频流通道。此外，可以对不同通道进行视频流处理，且无需在相机头“融合”图像。这意味着，除了捕获的一个或两个单独的NIR流以外，还同时可以得到原始的或经过debayer处理的RGB视频流。当然，这便使您得以根据需要分析各个视频流，对目标缺陷进行分别处理。

此外，JAI的棱镜式多光谱相机为应对不同的检验任务，对RGB视频流和NIR通道进行完全不同的设置，也可以使用多流技术相同设置，从而更有效地其在“分选”中发挥作用。JAI还能利用棱镜技术上的调整，对RGB和NIR通道的光谱响应范围作出调整。