Page 255 - 农产品质量检验检测与质量控制

» 第九章 人工智能技术与农产品质量安全

农产品质量安全治理过程中发现的问题实现智能追溯，精确问题产生的源头，及时进
行处理。
（四）建立人工智能评估体系，实现精准创新
人工智能在用于食用农产品质量安全治理时，其程序、指令需要层层严格把控，
确保治理流程能够实施无误。首先，人工智能评估体系重点是通过纠错程序，进行自

查评估。在食用农产品的生长监测、生产包装与销售过程中，人工智能技术能够提高
治理效率，减少质量安全问题发生的可能性，但人工智能技术只能通过事先设定的程
序指令执行，不能处理突发事件。其次，建立评估体系，对过程进行评估，发现错误

可以及时进行纠正和补救。最后，通过评估体系将人工智能对食用农产品质量安全精
准治理的驱动程度进行评估，形成评估报告。通过评估报告，对尚存不完善的地方进
行补救与创新，使得食用农产品质量安全治理在人工智能技术的支持下趋向精细化、
准确化。

第三节 计算机视觉技术在农产品检测中的应用

农产品质量检测方法分为人工抽检、半自动检测及全自动检测三类。按照产品质
量区分，可分为分级检测、光电分选、大小分级检测等。相比传统检测方式，计算机
视觉具有更为广阔的应用场景，可快速定位、精准抓取及有效评价目标信息。依托图
像处理及模式识别技术，可显著提高农产品质量检测效果。目前，计算机视觉技术适
用于农产品颜色检验、纹理检验、新鲜度检验、缺陷检验、大小检验、形状检验等多

个方面，具有普适性强且易于上手的优势。

一、计算机视觉技术概述

计算机视觉研究对象之一是如何利用二维投影图像恢复三维景物世界，其基本目
的可以归结为从单幅或多福二维投影图像（或视频序列）计算出观察点和目标对象之
间的空间位置关系及目标对象的物理属性。从人工智能诞生之日起，视觉相关的应用
就一直是该领域内科学家偏爱的方向。深度学习始于神经网络，神经网络始于感知机。

感知机是 1957 年由 Frank Rosenblat 提出的，感知机事实上就是人工神经网络的最小
单元，这个结构里有最两个基本的成分：计算输入向量的线性变化；对线性组合的结
果进行阈值判断，实际上就是非线性变换。或者更简单来说把阈值和线性变换放一起，
则是仿射变换，所以感知机本质上就是一个仿射变换接一个非线性变换。而神经网络

其实就是一种模仿生物神经的连接模型，运行分布式并行信息处理的算法数学模型。
这种网络内部十分复杂，也正是依靠着这些复杂，通过调整内部节点相互连接的关系，

• 241 •