視覺(jué)技術(shù)在農產(chǎn)品加工業(yè)中的應用
摘 要：概述計算機視覺(jué)技術(shù)的原理及優(yōu)勢，綜述了計算機視覺(jué)技術(shù)在水果分級、禽蛋檢測、微生物含量測定等食品工業(yè)中的應用研究進(jìn)展，提出了目前存在的主要問(wèn)題，展望了今后研究與應用的發(fā)展方向。
關(guān)鍵詞：計算機視覺(jué)技術(shù);食品工業(yè);分級;圖像處理
隨著(zhù)微型個(gè)人計算機應用的越來(lái)越廣泛，以及計算機在綜合學(xué)科中應用的深入研究，現如今在工農業(yè)、軍事國防、醫學(xué)衛生等眾多領(lǐng)域的使用和研究方面計算機視覺(jué)技術(shù)都起到了至關(guān)重要的作用，為了節省人力、降低成本、減少誤差，該項技術(shù)在食品企業(yè)、科研院所、檢測機構中的應用更加普遍。如今，在農產(chǎn)品藥物殘留檢測、水果重量分級、等級篩選、質(zhì)量監管等方面計算機視覺(jué)技術(shù)有眾多應用。
1 計算機視覺(jué)技術(shù)概述
計算機視覺(jué)技術(shù)是利用計算機、攝像機、圖像卡以及相關(guān)處理技術(shù)來(lái)模擬人的視覺(jué)，用以識別、感知和認識我們生活的世界[1]。該技術(shù)是模擬識別人工智能、心理物理學(xué)、圖像處理、計算機科學(xué)及神經(jīng)生物學(xué)等多領(lǐng)域的綜合學(xué)科。計算機視覺(jué)技術(shù)用攝像機模擬人眼，用計算機模擬大腦，用計算機程序和算法來(lái)模擬人對事物的認識和思考，替代人類(lèi)完成程序為其設定的工作。該技術(shù)由多個(gè)相關(guān)的圖像處理系統組成，主要包括光源提供系統、圖像提取系統、計算機數據運算系統等。原理是：首先通過(guò)攝像機獲得所需要的圖像信息，然后利用信號轉換將獲得的圖像信息轉變?yōu)閿底謭D像以便計算機正確識別[2]。隨著(zhù)科學(xué)技術(shù)的發(fā)展，計算機技術(shù)在各個(gè)領(lǐng)域得到廣泛應用，計算機視覺(jué)技術(shù)不僅在代替人類(lèi)視覺(jué)上取得了重大成就，而且在很多具體工作方便超越了人的視覺(jué)功能。計算機視覺(jué)計算有如此快速的發(fā)展，是因為與人類(lèi)的視覺(jué)相比該技術(shù)具有以下顯著(zhù)優(yōu)勢[3]。
1.1 自動(dòng)化程度高
計算機視覺(jué)可以實(shí)現對農產(chǎn)品的多個(gè)外形和內在品質(zhì)指標進(jìn)行同時(shí)檢測分析，可以進(jìn)行整體識別、增強對目標識別的準確性。
1.2 實(shí)現無(wú)損檢測
由于計算機視覺(jué)技術(shù)對農產(chǎn)品的識別是通過(guò)掃描、攝像，而不需要直接接觸，可以減少對所檢測食品的傷害。
1.3 穩定的檢測精度
設計的運行程序確定后，計算機視覺(jué)技術(shù)的識別功能就會(huì )具有統一的識別標準，具有穩定的檢測精度，避免了人工識別和檢測時(shí)主觀(guān)因素所造成的差異。
2 計算機視覺(jué)技術(shù)在食品檢測中的應用
20世紀70年代初，學(xué)者開(kāi)始研究計算機視覺(jué)技術(shù)在食品工業(yè)中的應用，近幾十年電子技術(shù)得到快速發(fā)展，計算機視覺(jué)技術(shù)也越來(lái)越成熟。國內外學(xué)者在研究計算機視覺(jué)技術(shù)在食品工業(yè)中的應用方面主要集中在該技術(shù)對果蔬的外部形態(tài)(如形狀、重量、外觀(guān)損傷、色澤等)的識別、內部無(wú)損檢測等方面。國內有關(guān)計算機視覺(jué)技術(shù)在食品業(yè)中的應用研究起始于90年代，比國外發(fā)達國家晚多達20a，但是發(fā)展很快。
2.1 計算機視覺(jué)技術(shù)在果蔬分級中的應用研究
計算機視覺(jué)技術(shù)在食品檢測中的應用研究相當廣泛，從外部直徑、成熟度的檢測到內部腐爛程度的檢測都有研究。韓偉等[4]采用分割水果的拍攝圖像和新的計算機算法計算水果的半徑，進(jìn)而得出果蔬的最大直徑。研究表明，該算法不僅降低了計算量而且提高了計算精度，此方法用于水果分級的誤差不超過(guò)2mm，高于國際水果分級標準所規定的5mm分類(lèi)標準差，可在工業(yè)生產(chǎn)中很好應用。李慶中[5]也利用圖像的缺陷分割算法研究了計算機視覺(jué)技術(shù)在蘋(píng)果檢測與分級中的應用，結果表明此算法能快速、有效地分割出蘋(píng)果的表面缺陷。孫洪勝等[6]以蘋(píng)果色澤特征比率的變化規律為理論基礎，結合模糊聚類(lèi)知識利用計算機視覺(jué)技術(shù)來(lái)檢測蘋(píng)果缺陷域，檢測不僅快速而且結果精確。劉禾等[7]通過(guò)研究認為蘋(píng)果的表面缺陷可以利用計算機視覺(jué)技術(shù)進(jìn)行檢測，計算機視覺(jué)技術(shù)還可以將蘋(píng)果按照檢測結果進(jìn)行分級，把檢測過(guò)的蘋(píng)果分成裂果、刺傷果、碰傷果和蟲(chóng)傷果等類(lèi)別。梨的果梗是否存在是梨類(lèi)分級的重要特征之一，應義斌等[8]通過(guò)計算機視覺(jué)技術(shù)、圖像處理技術(shù)、傅立葉描述子的方法來(lái)描述和識別果形以及有無(wú)果柄，其識別率達到90%。楊秀坤等[9]綜合運用計算機視覺(jué)技術(shù)、遺傳算法、多層前饋神經(jīng)網(wǎng)絡(luò )系統，實(shí)現了具有精確度高、靈活性強和速度快等優(yōu)點(diǎn)的蘋(píng)果成熟度自動(dòng)判別。陳育彥等[10]采用半導體激光技術(shù)、計算機視覺(jué)技術(shù)和圖像分析技術(shù)相結合的方法檢測蘋(píng)果表面的機械損傷和果實(shí)內部的腐爛情況，初步驗證了計算機視覺(jué)技術(shù)檢測蘋(píng)果表面的損傷和內部腐爛是可行的。馮斌等[11]通過(guò)計算機視覺(jué)技術(shù)對水果圖像的邊緣進(jìn)行檢測，然后確定水果的大小用以水果分級。試驗表明，該方法比傳統的檢測方法速度快、準確率高，適用于計算機視覺(jué)的實(shí)時(shí)檢測。朱偉[12]在模糊顏色的基礎上，分析西紅柿損傷部分和完好部分模糊顏色的差別，用分割方法對西紅柿的缺陷進(jìn)行分割，結果顯示準確率高達96%。曹樂(lè )平等[13]人研究了溫州蜜柑的果皮顏色與果實(shí)可滴定酸含量以及糖分含量之間的相關(guān)性，然而根據相關(guān)性，樣品檢測的正確識別率分別只有約74%和67%。劉x等[14]從垂直和水平兩個(gè)方向獲取蘋(píng)果的圖像，并通過(guò)計算機自動(dòng)分析圖像數據，對蘋(píng)果的外徑、體積、以及圓形度等參數進(jìn)行處理，與人工檢測相比，計算機視覺(jué)技術(shù)具有檢測效率高，檢測標準統一性好等優(yōu)點(diǎn)。Blasco. J [15]通過(guò)計算機視覺(jué)技術(shù)分析柑橘果皮的缺陷，進(jìn)而對其在線(xiàn)分級，正確率約為95%。趙廣華等[16]人綜合計算機視覺(jué)識別系統、輸送轉換系統、輸送翻轉系統、差速勻果系統和分選系統，研制出一款適于實(shí)時(shí)監測、品質(zhì)動(dòng)態(tài)的智能分級系統，能夠很好地實(shí)現蘋(píng)果分級。王江楓等[17]建立了芒果重量與攝影圖像的相互關(guān)系，應用計算機視覺(jué)技術(shù)檢測桂香芒果和紫花芒果的重量和果面損傷，按重量分級其準確率均為92%，按果面損傷分級的準確率分別為76%和80%。
2.2 計算機視覺(jué)技術(shù)在禽蛋檢測中的應用研究
禽蛋企業(yè)在生產(chǎn)過(guò)程中，產(chǎn)品的分級、品質(zhì)檢測主要采用人工方法，不僅需要大量的物力人力，而且存在勞動(dòng)強度大、人為誤差大、工作效率低等缺點(diǎn)，計算機視覺(jué)技術(shù)可以很好的解決這類(lèi)產(chǎn)品工業(yè)生產(chǎn)中存在的困擾。歐陽(yáng)靜怡等[18]利用計算機視覺(jué)技術(shù)來(lái)檢測雞蛋蛋殼裂紋，利用攝像機獲取雞蛋圖像后，采用fisher、同態(tài)濾波和BET算法等優(yōu)化后的圖像處理技術(shù)，獲得裂紋形狀并判斷，試驗結果表明，計算機視覺(jué)技術(shù)對雞蛋蛋殼裂紋的檢測準確率高達98%。汪俊德等[19]以計算機視覺(jué)技術(shù)為基礎，設計出一套雙黃雞蛋檢測系統。該系統獲取蛋黃指數、蛋黃特征和蛋形尺寸等特征，和設計的數學(xué)模型對比來(lái)實(shí)現雙黃雞蛋的檢測和識別，檢測準確率高達95%。鄭麗敏等[20]人通過(guò)高分辨率的數字攝像頭獲取雞蛋圖像，根據圖像特征建立數學(xué)模型來(lái)預測雞蛋的新鮮度和貯藏期，結果表明，計算機視覺(jué)技術(shù)對雞蛋的新鮮度、貯藏期進(jìn)行預測的結果準確率為94%。潘磊慶等[21]通過(guò)計算機視覺(jué)技術(shù)和聲學(xué)響應信息技術(shù)相結合的方法檢測裂紋雞蛋，其檢測準確率達到98%。Mertens K等[22]人基于計算機視覺(jué)技術(shù)研發(fā)了雞蛋的分級檢測系統，該系統識別帶污漬雞蛋的正確率高達99%。
2.3 計算機視覺(jué)技術(shù)在檢測食品中微生物含量中的應用研究
計算機技術(shù)和圖像處理技術(shù)在綜合學(xué)科中的應用得到快速發(fā)展，在微生物快速檢測中的應用也越來(lái)越多，主要是針對微生物微菌落的處理。食品工業(yè)中計算機視覺(jué)技術(shù)在微生物檢測方面的研究和應用以研究單個(gè)細胞為主，并在個(gè)體細胞的研究上取得了一定的進(jìn)展。殷涌光等[23]以顏色特征分辨技術(shù)為基礎，設計了一套應用計算機視覺(jué)技術(shù)快速定量檢測食品中大腸桿菌的系統，該系統檢測結果與傳統方法的檢測結果具有很好的相關(guān)性，但與傳統方法相比，可以節省5d時(shí)間，檢測時(shí)間在18h以?xún)�，并且能夠有效提高產(chǎn)品品質(zhì)。Lawless等[24]人等時(shí)間段測定培養基上的細胞密度，然后通過(guò)計算機技術(shù)建立時(shí)間和細胞密度之間的動(dòng)態(tài)關(guān)聯(lián)，利用該關(guān)聯(lián)可以預測和自動(dòng)檢測微生物的生長(cháng)情況，如通過(guò)計算機控制自動(dòng)定量采集檢測對象，然后分析菌落的邊緣形態(tài)，根據菌落的邊緣形態(tài)計算機可以顯示被檢測菌落的具體位置，并且根據動(dòng)態(tài)關(guān)聯(lián)計算機視覺(jué)系統可以同時(shí)處理多個(gè)不同的樣品。郭培源等[25]人對計算機視覺(jué)技術(shù)用于豬肉的分級進(jìn)行了研究，結果顯示計算機視覺(jué)技術(shù)在識別豬肉表面微生物數量上與國標方法檢測的結果顯著(zhù)相關(guān)，該技術(shù)可以有效地計算微生物的數量。Bayraktar. B等[26]人采用計算機視覺(jué)技術(shù)、光散射技術(shù)(BARDOT)和模式識別技術(shù)相結合的方法來(lái)快速檢測李斯特菌，在獲取該菌菌落中的形態(tài)特征有對圖像進(jìn)行分析處理達到對該菌的分類(lèi)識別。殷涌光等[27]人綜合利用計算機視覺(jué)、活體染色、人工神經(jīng)網(wǎng)絡(luò )、圖像處理等技術(shù)，用分辨率為520萬(wàn)像素的數字攝像機拍攝細菌內部的染色效果，并結合新的圖像處理算法，對細菌形態(tài)學(xué)的8個(gè)特征參數進(jìn)行檢測，檢測結果與傳統檢測結果顯著(zhù)相關(guān)(相關(guān)系數R=0.9987)，和傳統檢測方法相比該方法具有操作簡(jiǎn)單、快速、結果準確、適合現場(chǎng)快速檢測等特點(diǎn)。魯靜[28]和劉侃[29]利用顯微鏡和圖像采集儀器，獲取乳制品的掃描圖像，然后微生物的圖像特征，識別出微生物數量，并以此作為衡量乳制品質(zhì)量是否達標的依據，并對產(chǎn)品進(jìn)行分級。
2.4計算機視覺(jué)技術(shù)在其他食品產(chǎn)業(yè)中的應用研究
里紅杰等[30]通過(guò)提取貝類(lèi)和蝦類(lèi)等海產(chǎn)品的形狀、尺寸、紋理、顏色等外形特征，對照數學(xué)模型，采用數字圖像處理技術(shù)、計算機識別技術(shù)實(shí)現了對貝類(lèi)和蝦類(lèi)等海產(chǎn)品的無(wú)損檢測和自動(dòng)化分類(lèi)、分級和質(zhì)量評估，并通過(guò)實(shí)例詳細闡述了該技術(shù)的實(shí)現方法，證實(shí)了此項技術(shù)的有效性。計算機視覺(jué)技術(shù)還可以檢驗玉米粒形和玉米種子質(zhì)量、識別玉米品種和玉米田間雜草[31]。晁德起等[32]通過(guò)x射線(xiàn)照射獲取毛葉棗的透視圖像后，運用計算機視覺(jué)技術(shù)對圖像進(jìn)行分析評估，毛葉棗可食率的評估結果與運用物理方法測得的結果平均誤差僅為1.47%，因此得出結論：計算機視覺(jué)技術(shù)可以應用于毛葉棗的自動(dòng)分級。Gokmen，V等通用對薯片制作過(guò)程中圖像像素的變化來(lái)研究薯片的褐變率，通過(guò)分析特色參數來(lái)研究薯片中丙烯酰胺的含量和褐變率也關(guān)系，結果顯示兩項參數相關(guān)性為0.989，從而可以應用計算機視覺(jué)技術(shù)來(lái)預測加熱食品中丙烯酰胺的含量，該方法可以在加熱食品行業(yè)中得到廣泛應用。韓仲志等人拍攝和掃描11類(lèi)花生籽粒，每類(lèi)100顆不同等級的花生籽粒的正反面圖像，利用計算機視覺(jué)技術(shù)對花生內部和外部采集圖像，并通過(guò)圖像對其外在品質(zhì)和內在品質(zhì)進(jìn)行分析，并建立相應的數學(xué)模型，該技術(shù)在對待檢樣品進(jìn)行分級檢測時(shí)的正確率高達92%。另外，郭培源等人以國家標準為依據，通過(guò)數字攝像技術(shù)獲取豬肉的細菌菌斑面積、脂肪細胞數、顏色特征值以及氨氣等品質(zhì)指標來(lái)實(shí)現豬肉新鮮程度的分級辨認。
3 展望
新技術(shù)的研究與應用必然伴隨著(zhù)坎坷，從70年代初計算機視覺(jué)技術(shù)在食品工業(yè)中進(jìn)行應用開(kāi)始，就遇到了很多問(wèn)題。計算機視覺(jué)技術(shù)在食品工業(yè)中的研究及應用主要存在以下幾方面的問(wèn)題。
3.1 檢測指標有限
計算機視覺(jué)技術(shù)在檢測食品單一指標或者以一個(gè)指標作為分級標準進(jìn)行分級時(shí)具有理想效果，但以同一食品的多個(gè)指標共同作為分級標準進(jìn)行檢測分級，則分級結果誤差較大。例如，Davenel等通過(guò)計算機視覺(jué)對蘋(píng)果的大小、重量、外觀(guān)損傷進(jìn)行分析，但研究結果顯示，系統會(huì )把花粵和果梗標記為缺陷，還由于蘋(píng)果表面碰壓傷等缺陷情況復雜，造成分級誤差很大，分級正確率只有69%。Nozer等以計算機視覺(jué)為主要技術(shù)手段，獲取水果的圖像，進(jìn)而通過(guò)分析圖像來(lái)確定水果的形狀、大小、顏色和重量，并進(jìn)行分級，其正確率僅為85.1%。
3.2 兼容性差
計算機視覺(jué)技術(shù)針對單一種類(lèi)的果蔬分級檢測效果顯著(zhù)，但是同一套系統和設備很難用于其他種類(lèi)的果蔬，甚至同一種類(lèi)不同品種的農產(chǎn)品也很難公用一套計算機視覺(jué)設備。Reyerzwiggelaar等利用計算機視覺(jué)檢查杏和桃的損傷程度，發(fā)現其檢測桃子的準確率顯著(zhù)高于杏的。Majumdar.S等利用計算機視覺(jué)技術(shù)區分不同種類(lèi)的麥粒，小麥、燕麥、大麥的識別正確率有明顯差異。
3.3 檢測性能受環(huán)境制約
現階段的計算機視覺(jué)技術(shù)和配套的數學(xué)模型適用于簡(jiǎn)單的環(huán)境，在復雜環(huán)境下工作時(shí)會(huì )產(chǎn)生較大的誤差。Plebe等利用計算機視覺(jué)技術(shù)對果樹(shù)上的水果進(jìn)行識別定位，但研究發(fā)現由于光照條件以及周邊環(huán)境的影響，水果的識別和定位精度不高，不能滿(mǎn)足實(shí)際生產(chǎn)的需要。
綜上所述，可看出國內外學(xué)者對計算機視覺(jué)技術(shù)在食品工業(yè)中的應用進(jìn)行了大量的研究，有些研究從單一方面入手，有些研究綜合了多個(gè)學(xué)科，在研究和應用的過(guò)程中，取得了較大的經(jīng)濟效益，也遇到了很多問(wèn)題，在新的形勢下，計算機視覺(jué)技術(shù)和數碼拍攝、圖像處理、人工神經(jīng)網(wǎng)絡(luò )，數學(xué)模型建設、微生物快速計量等高新技術(shù)相融合的綜合技術(shù)逐漸成為了各個(gè)領(lǐng)域學(xué)者的研究熱點(diǎn)，以計算機視覺(jué)為基礎的綜合技術(shù)也將在食品工業(yè)中發(fā)揮更加重要的作用。
參考文獻：
[1] 寧紀鋒，龍滿(mǎn)生，何東健.農業(yè)領(lǐng)域中的計算機視覺(jué)研究[J].計算機與農業(yè)，2001(01)：1-3. [2] 李崢.基于計算機視覺(jué)的蔬菜顏色檢測系統研究[D].吉林：吉林大學(xué)，2004.
[3] 曾愛(ài)群.基于計算機視覺(jué)與神經(jīng)網(wǎng)絡(luò )的芒果等級分類(lèi)研究[D].桂林：桂林工學(xué)院，2008.
[4] 韓偉，曾慶山.基于計算機視覺(jué)的水果直徑檢測方法的研究[J].中國農機化，2011(05)：25-29.
[5] 李慶中.蘋(píng)果自動(dòng)分級中計算機視覺(jué)信息快速獲取與處理技術(shù)的研究[D].北京：中國農業(yè)大學(xué)，2000.
[6] 孫洪勝，李宇鵬，王成，等.基于計算機視覺(jué)的蘋(píng)果在線(xiàn)高效檢測與分級系統[J].儀表技術(shù)與傳感器，2011(06)：62-65.
[7] 劉禾，汀慰華.水果果形判別人工神經(jīng)網(wǎng)絡(luò )專(zhuān)家系統的研究[J].農業(yè)工程學(xué)報，1996，12(0l)：171-176.
[8] 應義斌，景寒松，馬俊福.用計算機視覺(jué)進(jìn)行黃花梨果梗識別的新方法[J].農業(yè)工程學(xué)報，1998，14(02)：221-225.
[9] 楊秀坤，陳曉光，馬成林，等.用遺傳神經(jīng)網(wǎng)絡(luò )方法進(jìn)行蘋(píng)果顏色白動(dòng)檢測的研究[J].農業(yè)工程學(xué)報，1997，13(02)：193-176.
[10] 陳育彥，屠康，柴麗月，等.基于激光圖像分析的蘋(píng)果表面損傷和內部腐爛檢測[J].農業(yè)機械學(xué)報，2009，40(07)：133-137.
[11] 馮斌，汪憋華.基于計算機視覺(jué)的水果大小檢測方法[J].農業(yè)機械學(xué)報，2003，34(01)：73-75.
[12] 朱偉，曹其新.基于模糊彩色聚類(lèi)方法的西紅柿缺陷分割[J].農業(yè)工程學(xué)報，2003，19(03)：133-136.
[13] 曹樂(lè )平，溫芝元，沈陸明.基于色調分形維數的柑橘糖度和有效酸度檢測[J].農業(yè)機械學(xué)報，2009，41(03)：143-148.
[14] 劉x，王立香，柳兆君.基于計算機視覺(jué)的蘋(píng)果質(zhì)量檢測[J].安徽農業(yè)科學(xué)，2012，40(08)：5014-5016.
[15] Blasco J，Aleixos N，Molto E.Computer vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J].Journal of Food Engineering，2007，81(03)：535-543.
[16] 趙廣華，李鵬飛，陸奎榮，等.智能化蘋(píng)果品質(zhì)實(shí)時(shí)分選系統[J].中國科技信息.
[17] 王江楓，羅錫文，洪添勝，等.計算機視覺(jué)技術(shù)在芒果重量及果面壞損檢測中的應用[J].農業(yè)工程學(xué)報，1998(12)：186-189.
[18] 歐陽(yáng)靜怡，劉木華.基于計算機視覺(jué)的雞蛋裂紋檢測方法研究[J].農機化研究，2012(03)：91-93.
[19] 汪俊德，鄭麗敏，徐桂云，等.基于計算機視覺(jué)技術(shù)的雙黃雞蛋檢測系統研究[J].農機化研究，2012(09)：195-199.
[20] 鄭麗敏，楊旭，徐桂云，等.基于計算機視覺(jué)的雞蛋新鮮度無(wú)損檢測[J].農業(yè)工程學(xué)報，2009，25(03)：335-339.
[21] 潘磊慶，屠康，詹歌，等.基于計算機視覺(jué)和聲學(xué)響應信息融合的雞蛋裂紋檢測[J].農業(yè)工程學(xué)報，2010，26(11)：332-337.
[22] Mertens K，De Ketelaere B，Kamers B，et al.Dirt detection on brown eggs by means of colorcomputer vision[J]. Poultry Science，2005，84(10)：1653-1659.
[23] 殷涌光，丁筠.基于計算機視覺(jué)的食品中大腸桿菌快速定量檢測[J].吉林大學(xué)學(xué)報(工學(xué)版)，2009，39(02)：344-348.
[24] Lawless C，Wilkinson DJ，Young A，et al.Colonyzer： automated quantification of micro-organism growth characteristics on solid agar[J].BMC Bioinformatics，2010(08)：38-44.
[25] 郭培源，畢松，袁芳.豬肉新鮮度智能檢測分級系統研究[J].食品科學(xué)，2010，31(15)：68-72.
[26] Bayraktar B，Banada PP，Hirleman ED，et al.Feature extraction from light-scatter patterns of Listeria colonies for identification and classification [J].Journal of Biomedical Optics，2006，11(03)：34- 36.
[27] 殷涌光，丁筠.基于計算機視覺(jué)的蔬菜中活菌總數的快速檢測[J].農業(yè)工程學(xué)報，2009，25(07)：249-254.
[28] 魯靜.乳品微生物自動(dòng)檢測系統的設計[J].湖北第二師范學(xué)院學(xué)報，2010，27(08)：115-117.
[29] 劉侃.鮮奶含菌量快速檢測系統[D].華中科技大學(xué)，2008.
[30] 里紅杰，陶學(xué)恒，于曉強.計算機視覺(jué)技術(shù)在海產(chǎn)品質(zhì)量評估中的應用[J].食品與機械，2012，28(04)：154-156.
[31] 魏俊杰.計算機視覺(jué)技術(shù)在玉米生產(chǎn)管理中的應用[J].研究與開(kāi)發(fā)，2012(03)：33-34.
[32] 晁德起，章程輝，黃勇平.計算機視覺(jué)在毛葉棗可食率估測中的應用研究[J].農機化研究，2011(09)：158-161.：
【視覺(jué)技術(shù)在農產(chǎn)品加工業(yè)中的應用】相關(guān)文章：
農產(chǎn)品技術(shù)合同11-23
關(guān)于計算機技術(shù)在檔案管理中的應用的論文10-30
淺論計算機技術(shù)在企業(yè)管理中的應用論文09-22
技術(shù)應用合同12-10
信息技術(shù)在語(yǔ)文教學(xué)中的應用心得體會(huì )09-28
信息技術(shù)應用培訓心得10-25
BIM技術(shù)在建筑工程造價(jià)管理中的應用論文（精選3篇）07-27
學(xué)習信息技術(shù)在教學(xué)中的應用心得體會(huì )范文11-26
料加工業(yè)務(wù)合同12-20