Page 257 - 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

觉技术后，质检误差显著减少，同时远超人工检测精度。
（四）在产地检测的应用
常规条件下，农产品成熟度、色度、新鲜度检测会使用计算机视觉技术，并且已
经建立了快速检测方法。在信息技术的高速发展下，计算机视觉技术不再局限于可见

光区域，延伸至红外线、远红外线领域。例如，高光图谱属于新型的计算机视觉技术，
检测精度达到纳米级标准。针对农产品产地检测，其归属于环境检测，属于农产品质
量检测的一环。在农产品产地检测中应用高光图谱进行检测可分析土壤养分。依托计
算机视觉技术建立分析鉴别模型，以可溶性固形物含量作为产地判别基础，可为农产

品种植提供保障，是提高农产品质量的重要手段。
（五）在农产品农药残留检测中的应用
农产品采摘后有多种化学物质残留，这是因为其种植过程中需投入农药、化肥、
生长调节剂、添加剂。目前，农产品农药残留检测方法分为两种，一种是农业投入品

残留研究，另一种是农产品投入品质量判别，已经投入的检测方法为氯氰菊酯检测法，
可判断农药残留与红外光谱的关系。此外，还可利用计算机视觉技术中的傅里叶变换
模型减全反射法检测农产品残留农药比率，该方法具有较高的检测精度。在未来发展

中，在农产品农药残留检测中红外光谱技术将得到广泛应用。通过农药残留检测，可
为提升食品安全性奠定基础。

三、计算机视觉技术在农产品质量检测中的具体应用

（一）在水产品质量检测中的应用

计算机视觉技术在水产品质量检测中发挥着重要作用。传统水产品质量检测采用
罗氏标准比色卡的人工分级法，通过多颜色模型对大西洋鲑鱼肉色进行分级检测，但
人工监测效率较低，且分级效果不明显。利用计算机视觉技术检测水产品质量，可提

高检测效率及准确性。例如，在检测皮皮虾、三文鱼等半透明水产品时，可将其与背
景颜色分离开来，借助计算机视觉成像判断水产品含水率及透明度的变化情况。伴随
水产品变干燥，样本明度值会显著下降。所以，可利用二次回归模型对干燥中的样本
参数进行评估，确定最佳干燥时间，为水产品贮存提供最适宜的环境。

（二）在水果质量检测中的应用
水果质量检测重点关注大小、形状、颜色及缺陷四个关键性指标，水果质量检测
决定着售价及受众。在评价水果质量时，可利用计算机视觉无损检测技术对水果进行
分类。以苹果、橘子和枣质量检测为例，介绍了水果质量检测中的分级：

1. 苹果和柑橘
苹果和柑橘是我国生产量最大的 2 种水果，发展基于计算机视觉的苹果和柑橘品

• 243 •