《表3 机器视觉技术在牡蛎和扇贝中品质检测的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《机器视觉技术在水产食品感官检测方面的应用研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:OPTA.光纤阵列组技术（optical phased array technology）。

市场上牡蛎、扇贝一般批量销售，所以牡蛎、扇贝的准确分级对其定价有重要意义。由于牡蛎形状不规则，在加工销售过程中根据其直径和质量分为小、中、大3个等级[34]。牡蛎的分级、分类和计数可以通过机器视觉来完成。对于扇贝来说，分级同样是一个必不可少的过程，常见的方法如筛选和机械分级，都有可能对扇贝造成损害。因此，机器视觉技术也适用于扇贝的无损操作。市场上牡蛎和扇贝的大小决定其经济价值，因此准确测定两者的体积、质量等信息对其准确分级具有重要意义（表3）。Lee等[35]提出了一种结合激光三角剖分的算法，该方法用2D成像测量面积，进而转用3D表面重建进行体积测量，与Mathiassen等[36]实验中使用的三角测量技术不同，Lee等利用安装在牡蛎肉上方的多线激光可呈现出不同颜色的原理来检测，当摄像机垂直向下时，与待测样品垂直，相机只需要检测激光的颜色，然后采用两参数线性模型，将测量面积与体积联系起来，建立体积计算方程；然后通过测量牡蛎肉沿平行线上点的高度，建立一个更准确的体积预估模型，将初始体积预估模型的相对误差降低了40%以上。Xiong Guangming等[37]提出一种提取牡蛎的外形轮廓新方法，用转角相互关联（turn angles cross-correlation，TAC）对牡蛎壳形状进行分类的算法对样品（规则、不规则、品质优良的牡蛎各73、107、119个）进行分级，准确率分别达100%、94.3%、91.96%。随后，将优质的牡蛎进一步进行小、中、大的级别分类[38]，该方法实现了整个牡蛎分级分类过程的快速无损操作，具有较高的应用价值。