基于机器视觉的水果分拣算法综述

摘要

近年来，近红外光谱与高光谱成像技术结合深度学习模型，实现了水果内部品质与外部缺陷的无损检测，显著提升了多模态数据的利用效率。尽管现有技术在准确性与鲁棒性方面取得长足进步，但仍面临数据标注成本高、果实多样性适配难、实时性不足等挑战。机器视觉技术是农业水果自动化分拣系统的核心支撑，其识别与检测精度直接影响分拣效率与果品质量。本文系统综述了基于机器视觉的水果分拣算法研究进展，重点从图像分割、目标检测以及深度学习与光谱成像融合3个维度进行归纳分析。在图像分割方面，传统方法如阈值分割、相似性度量、二值化及形状分割适用于简单背景场景，而基于深度学习的语义分割与实例分割在复杂背景下表现更优。在目标检测方面，单阶段算法因其检测速度快、结构灵活，在实时分拣中具有显著优势；双阶段算法则在高精度识别与复杂场景下表现突出。未来研究应聚焦于多模态数据融合、模型轻量化及实时反馈系统的构建，以推动水果分拣算法从实验室走向实际农业产线。

关键词

水果分拣 / 机器视觉 / 深度学习 / 图像分割 / 目标检测 / 光谱成像技术

基金资助

河南省科技攻关项目(222102210273)