芒果双面成熟度的自动检测装置及方法

《农业工程学报》2019年第35卷第10期刊载了湖南农业大学向阳、林洁雯、李亚军、胡正方和熊瑛的论文——“芒果双面成熟度在线检测分级系统”。该研究由湖南省重点研发计划（项目号：2017NK2131）资助。

中国是芒果产量第二大国，面对巨大的芒果产量，现阶段我国普遍采用人工或者人机结合进行芒果分级且现有分级装置多针对芒果尺寸、质量进行分级，难以实现芒果成熟度自动分级。机器视觉是人工智能发展的分支，起到代替人眼做出测量或判断的作用，将机器视觉技术应用于水果分级可有效避免水果损伤，更可以减轻劳动力，提高分级效率。

国内外应用机器视觉对球状水果的检测及分级已经取得了较大进展，相对于球形水果，芒果形状似椭球状，质地较软，现有的研究均通过提取芒果单面图像实现检测并分级，而芒果成熟度需要获取芒果全面图像才能反映。目前没有针对芒果双面信息进行分级的相关研究。

该文设计了一种芒果双面成熟度在线检测装置，芒果从上层喂入并经过排列依次进入图像采集区域。为实现双面图像获取，在上层输送带结束端设置柔性翻面机构，使芒果柔性翻面并只翻面一次，芒果经过柔性翻面机构进入下层输送带完成反面图像采集。装置结合芒果双面图像进行成熟度分级与输出。

卷积神经网络在迁移学习中的应用可有效解决农业领域问题，该文运用卷积神经网络自动提取芒果双面表皮特征，并进行训练与分级，有效解决芒果成熟度自动化分级问题。

研究结果表明，以芒果果肉硬度为分级依据，使用卷积神经网络算法分级的平均准确率为96.72%，系统测定单个样品的平均耗时为0.16s，可代替人工分级，满足实际应用的要求。芒果表面存在的轻微瑕疵点或色斑，对芒果等级判别具有一定影响。降低瑕疵点及色斑对于芒果成熟度分级的影响是后续工作中有待优化的部分。