食品工业对于用来替代人力的资本设备有着迫切的需求，原因是食品工业对工人具有季节性的需求造成了其工人主要为非本国的外来打工人员。在大量的新闻报道中我们可以了解到，这些外来人员并不被承认是美国公民，这又会对从事食品的公司造成困扰。另外，由于最低工资水平的上升，在劳动密集型工作中（如：检测及分级）采用人力将会增加50％的成本。

    机器视觉在食品行业中的应用十分广泛，许多公司已经为此开发出专业性的应用解决方案。本篇文章回顾了种植者、新鲜农作物包装及食品加工人员应用到的一些解决方案的当前趋势。值得注意的是市场中的每一环节对检测及分级都有着不同的要求，但同时也有一些相同的要求，如：1. 分类依据通常为：大小、形状、成熟度、颜色、或以上特点的综合。2. 剔除异物。

    根据大小来分类十分直接。产品的实际尺寸可被测量出。在一些案例中，产品大小的不同跟其价值成比例。土豆越大，消费者越愿意购买。在今天应用机器视觉技术根据形状来对产品进行分类也较为直接。多种几何图形可以应用在其中，例如：针对形状细长的产品的案例可应用长宽比，其他产品可依据包括面积、几何特点、环状、曲率、孔洞、表面面积或体积等标准来分类。通常，根据等级分类要观察产品表面是否有缺陷，如：昆虫造成的损坏、冰雹造成的损坏及划痕、切痕等。产品表面的缺陷可以看作是其产品特点。有些时候，产品表面的特点确实可以反应出其本身是否有问题。在一些案例中，除产品检测外，目的就是在产品线上是剔除那些异物及碎片，如：泥土、棍棒、小石子、昆虫等。

    基于机器视觉的检测系统最为显著的优势是具有持续性。采用人力在应用分级标准时往往具有主观性，而检测系统中的分级标准一旦被确定，就会一直被应用。人们往往会根据现在检测中的标准化分出几个相应的等级。

    现在我们甚至还具有看到产品表面下的内部损坏的能力。其关键是在完美接受一系列表面特点时，成功分辨出构成不规则的因素，特别是苹果这样的水果的根茎。在一些案例中，需要检测的部位隐藏在产品的内部，如：检测樱桃或干酶子等是否剔除掉了核。

    值得注意的是这些专业应用机器视觉系统供应商都在采用机器视觉系统中最新的技术。现在，几乎所有的供应商所提供的系统都是基于线阵或面阵扫描的数字相机（USB、FireWire、Camera Link 或 GigE Vision）和兆象素相机。这些提供的专门进行分级的系统常采用彩色相机或近红外相机来检测内部特点。有些系统甚至还提供X-射线检测系统来对产品的整体内部特征进行检测。并不是所有的厂家都会采用商用相机，很多都会采用针对产品分级应用进行专门设计的相机。

    为了提高分级水平，大多数的系统采用了LED照明阵列，且常应用特殊的彩色LED阵列。通常，这些阵列都是根据专业设计来进行。现在的系统充分利用了结合微处理器、DSPs及FPGAs的计算技术，提升了计算要求，特别是要求基于综合性专利的分级。在一些案例中，有人发现多光谱处理具有能够对可视图像、近红外图像或基于不同光谱反应下的两幅可视图像进行同时分析的能力。一些近红外系统被设计用来测定如糖分、干燥剂、含油量等等。

    除检测缺陷外，一些系统还具有测量产品缺陷面积和数量的能力，并以此来确定可接受的缺陷面积和数量。有些系统甚至具有根据特征对缺陷进行分类的能力。一些案例根据神经网络进行分类。

    从机械上来讲，系统通常包括对相机的适当排序，以便覆盖经过相机的较宽的传送带上的产品。在一些案例中，相机用来对产品进行全方位的检测及三维分析。在另一些情况中，产品本身可以在单独的相机或相机序列下进行旋转，且同时相机能够对同一件产品进行几副图像的分析。

    大多数的系统都具有每小时处理几吨重大宗产品的能力。在传送过程中，一些产品被放置在多车道上以方便整体的检测。其他产品，特别是像种子、坚果、豆类等，同样是通过多传送带来提高检测力度。一些潮湿或冷冻的产品则通过带有相机的传送带传送，相机被安置在传送带上方以便在产品传送过程中捕获运输方向的图像。这些系统所面临的最大的挑战之一是优化筛选产品的过程。对产品的分散传送并不是问题，但在传送带或通道上对产品进行整理或剔除则是必要的。在处理过程中，会出现优质产品与缺陷产品一同被剔除的可能性。

    现在，这些系统常配有相对简单的人机界面，并采用微软的窗口图标命令。对一套设备来说，色彩是关键，色彩校准工具因此被整合到系统中。大多数的系统包括显示窗口，用于反应不合格率等信息。多数系统适用于一种以上的产品，通常这些产品必须同机械化的传送系统兼容。

    为了完善图像机器视觉系统，多数公司还提供基于特定激光波长的激光扫描方法，来提高分类能力。一些公司还结合了其他参量来对产品进行分类，如：通过一些产品的重量和体积比来检测产品是否有霜冻或其他内部损坏发生。

(中国图像网报道)