基于三摄像系统的苹果缺陷快速判别

上传者：苏为洲
|
上传时间：2015-05-11
|
密次下载

基于三摄像系统的苹果缺陷快速判别

第２７卷第４期江苏大学学报（自然科学版）ＶｏＩ．２７Ｎｏ．４２００６年７月Ｊｏｕｍａｌ０ｆＪｉａ“ｇ郸ｕｎｉｖｅ礴ｉｔｙ（ＮａｔｕｍｌｓｃｌｅｎｃｅＥ出ｔｌｏｎ）Ｊｕｌｖ２００６

基于三摄像系统的苹果缺陷快速判别

赵杰文，刘文彬，邹小波

（江苏大学生物与环境工程学院，江苏镇江２１２０１３）

摘要：水果缺陷识别一直是计算机视觉水果实时分级中的研究热．最，文中提出一种基于三撮像系

统的逻辑判别缺陷的新方法．首先利用三摄像系统获取苹果在三个连续不同位置的９幅图像，然后

对图像进行去背景、滤噪等预处理操作，再对图像进行缺陷的分割并加以标记，接着根据分割标记

后的可疑区个数，对苹果缺陷的有无进行逻辑判别，即当这９幅图像中只要有一幅匿像被分割出两

个以上的可疑区，则判断该苹果有缺陷．试验结果表明，缺陷识别精度达到８９．４％，另外由于该方

法避免了缺陷和果梗或果萼直接识别，处理速度和正确率都得到了很大的提高，能够满足在线５一

ｌＯ个／秒的检测速度要求．

关键词：苹果；缺陷；图像；三摄像系统；逻辑判别

中图分类号：１１Ｐ３９１．４１文献标识码：Ａ文章编号：１６７ｌ一７７７５（２００６）０４一０２８７一０４

Ｆａｓｔｉｄｅｎｔｉ６ｃａｔｉｏｎｏｆａｐｐｌｅｄｅｆｅｃｔｂａｓｅｄ蛐ｔｈｒｅｅｉｍａ西ｎｇｓｙｓｔｅｍ

朋Ｈ０觑一＂ｅｎ，ⅡＵ勋；－６讥．肋Ｕ倒∞一６０

（ｓｅｈ一０ｆＢｉｄｏ即ｄａｎｄＥｎｖｉ舢ｒＩ埘Ｅ“粤ｎｅｅ＾ｎｇ，Ｊｉａ”９８ｕｕｎｉｖ啪畸，ｚｈｅ嘶ｉａｎｇ，Ｊ舯ｇｓｕ２１２０１３，ｃｈｉｌｌａ

Ａｂｓｔｒａｃｔ：Ｉｄｅｎｔｉｎｃａｔｉｏｎｏｆ－ｌｈｉｔｄｅｆｅｃｔｉｓａｎａｔｔｒａｃｔｉｖｅｓｕｂｊｅｃｔｉｎｏｎ－ｌｉｎｅｄｅｔｅｃ“ｏｎ耐｛ｍｉ‘ｑｕａｌｉｔｙ－Ａｎｅｗ

ｉｏ西ｃａｌｉｄｅｎｔｉ丘ｃ砒ｉｏｎｍｅｔｂ。ｄｏｆｆ而ｉｔｄ如ｃｔｂ越ｅｄｏｎｔｈｒｅｅｊｍａｇｉｎｇｇｍｂｂｉｎｇｓｙｓｔｅｍ蠡Ｐｕｔｆｏｒｗａｒｄ．晶烈，

ｎｉｎｅｉｍａｇｅｓｏｆａｎａｐｐｌｅｉｓｔａｋｅｎａｔｔｈｒｅｅｃｏｎｔｉｎｕｏｕｓｐｏｓｉｔｉｏｎｓｂｙｔｈｅｓｙｓｔｅｍ．Ｓｅｃｏｎｄ，ｔｈｅａｐｐＪｅｉｓｓｅｇ－

ｍｅｎｔｅｄｆｒｏｍｔｈｅａｎｄｓｍ００ｔｈ吨７

ｂｌａｃｋｂａｃｋｇｍｕｎｄｂｙｔｈｒｅｓｈ０１ｄｉ“ｇ１１１ｉｒｄ，ｄｅｆｅｃｔｓｓｅｇｍｅｎｔ砒ｉｏｎａ１１ｄ

ｃｏｕｎｔｊ”ｇａｒｅｐｅｄｂⅡｎｅｄｏｎｔｈｅ印ｐｌｅ’ｓｉｍａｇｅｓ．Ｉ皿ｓｔ，ｌｏ舀ｃｄｉｓｔｉ“ｇｕｉｓｈｍｅｎｔｗａＢｐｅｄｂ瑚ｅｄ，ｔｈｅｎａｎ８ｐｐｌｅ

ｈａｓｄｅｆｅｃｔｓｉｆｏｎｅｏｆｔｌｌｅａｐｐｌｅ’ｓｎｉｎｅｉｍａｇｅｓｈａｓｔｗｏｄｏｕｂ血ｌｒｅ画ｏｎｓ．Ｔｈｅｒｅｓｕｌｔｄｅｍｏｎｓｔｍｔｅｄｔｈａｔｔ１１８

ｎｅｗｒｎｅｔｈｏｄｉｓｖｅｒｙｕｓｅｆｕｌａｎｄｅｆｆｅｃｔｉｖｅ，ａｎｄｔｈｅａｃｃｕｍ。ｙｏｆｄｅｆｅｃｔｉｄｅｎｔｉ仃ｅａ矗ｏｎｉｓｕｐｔｏ８９．４％．Ｔｈｅ

ｓｙｓｔｅｍｃａＩｌｎｌｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔ０ｆ５～１０叩ｐｌｅｓｅｖｅｒｙｓｅｃｏｎｄｊｎｏｎ－ｌｉｎｅｄｅｔｅｃ廿ｏｎ．

Ｋｅｙｗｏｒｄｓ：ａｐｐＩｅ；ｄｅｆｅｃ‘；ｉｍａｇｅ；ｔｌｌｒｅｅｉｍａ西“ｇ８ｙｓｔｅｍｓ；ｌｏｇｉｃａｌｉｄｅｎｔｉ打ｃａｄｏｎ

水果的大小、形状、颜色和表面缺陷是基于计算复杂、速度慢，很难达到在线检测的要求．在国机视觉的水果自动分级的主要指标．大小、形状、颜外’１。１，如Ｍｉｌｌｅｒ等对桃子的分选试验，因不能正确色的自动检测方法已比较成熟，而缺陷的快速识别区分水果表面的缺陷和果梗或果萼区，正确率仅为一直是水果实时分级中最难、耗时最多、研究人员最６９％；ｃｒｏｗｅ等同时采集分别在漫射光和结构光照感兴趣的研究内容，主要原因是水果表面的缺陷区射下的两幅图像，并将两幅图像合成再进行缺陷识和果梗或果萼区难以区分，即为：①缺陷和果梗或果别．正确率也仅为６７％左右．国内也对此进行了很萼具有非常大的相似性，两者在图像上都呈现为暗多研究”ｏＪ，如２０００年，李庆中、汪懋华提出了双金黑色的斑点；②目前在理论上探讨的识别方法算法字塔数据形式的盒维数快速计算方法，并利用人工

收稿日期：２００５一１１—１４

基金项目：国家自然科学基金资助项目（３０３７０８１３）；教育部博士点基金资助项目（２００４０２９９００９）

作者简介：赵杰文（１９４５一）．男．江苏苏州人．教授，博士生导师（ｚｈ帅＠山ｅｅｄｕｃｎ），主要从事农畜产品无损检测技术的研究刘文彬（】９８０一），男，江西新余人，硕士研究生（１曲１９ｓｏ＠８啪．ｅ砌），主要从事计算机视觉技术的研究．

万　方数据

２８８

江苏大学学报（自然科学版）第２７卷

工神经网络作为模式识别器来识别果梗或果萼和缺陷，虽取得较好的效果，但过程过于繁杂，不能满足在线快速检测的需要．

作者绕开缺陷区和果梗或果萼区的直接识别，提出一种基于三摄像系统的逻辑判别缺陷的新方法．在三摄像系统无遗漏地获取苹果表面信息基础上，采用非常规方法——逻辑判断法来判断苹果是否有缺陷．该方法无需直接对缺陷区和果梗或果萼区进行识别，节省时间，满足快速在线检测的要求．

１在线检测硬件系统

为了实现苹果的在线检测，采用如图１ａ所示的硬件系统．该系统由输送线、照明室和计算机视觉系统三部分组成．输送线采用链传动的方式，链上嵌有滚子，整个输送线为黑色；苹果放置在滚子之间，滚子在随输送线前行的过程中，滚过摩擦皮产生自转并带动苹果自转，自转的距离由摩擦皮长度决定，这样可以保证苹果表面全部被摄像头拍摄到．该计算机视觉系统包括三个相互独立的摄像系统，每个摄像系统都由美国产ｕＩｌｉｑ—ｕｃ６ｌｏ三分之一英寸逐行扫描隔

行传输ｃｃＤ彩色摄像头、加拿大Ｍａｔｍｘ／ｍｅｔｅｏｒＩＩ型

图像采集书（该采集卡具有外触发功能）和计算机组成．三个摄像头如图１ｂ所示布置，摄像头到苹果的距

离是５８ｃｍ，成６０。分布．三台计算机组成一个小型的

局域网，能够实时地交换数据．

图１苹果在线检测硬件系统示意图Ｆｉｇ

１

ｓｃｈｅｍａｔｉｃ０ｆｈａｒｄｗａｒｅ８ｙｓｔｅｍｏｆ８ｐｐｌｅｏｎ－ｌｉｎｅ

ｄｅｔｅｃｔｉｏｎ

万　

方数据２图像处理

２．１图像获取

图像的获取采用触发抓拍的方式．在线检测系

统采用的触发装置是光电耦合传感器，有发射端和接收端，将发射端和接收端分别放置在输送线的两侧，当放有苹果的输送带做前移运动时，输送带上的滚子连续地切断发射端和接收端的联通，产生抓拍信号控制相机抓拍图像．由于设置摄像头的视野为三个滚子距离，摄像头能够一次抓拍到三个苹果，而同一个苹果能够在三个连续的位置被抓拍三次．即一个摄像头得到某个苹果的三幅图像，三个摄像头便能够得到该苹果的９幅图像，如图２所示，

（ａ）丰Ｉｌ帆拍搬刘三个平粜怕ｊ平粜徽迂缓抓拍

图２苹果图像触发抓拍Ｆ嘻２Ｔ＾ｇｇｅｒｇｒａｈｏｆ８ｐｐｌｅｉｍ８９ｅ

２．２图像预处理

抓拍到的图像首先要经过去背景、滤噪及单体分割等预处理．去背景一般采用阈值法，通过反复取值试验，取Ｒ值为９０和２００以及饱和度５为ｏ．２０的阈值，当图像的像素满足条件Ｒ＜９０ＩＩ（ｓ＜ｏ．２０，Ｒ＜２００）时被视为背景像素，其余则为苹果像素．

由于果梗、果萼和缺陷处的颜色灰度值与背景差别不大，采用简单阈值法容易将果梗、果萼和缺陷当作背景去掉，从而影响缺陷的判别，如图３ｂ所示．作者采用上下夹逼的方法。从整个图像最左端开始采用由上而下和由下而上两种方式依次扫描图像的每一列．首先从一列的最顶端扫描，当扫描到苹果点时（通过阈值来判断）立即停止往下扫描，记录该点为ｌ点；再从该列的最底端开始扫描，同样扫描到苹果点时停止扫描，记录这点为２点，那么１点和２点之间为苹果区域，１点或２点之外为背景．这样去除了背景，完整地保留了苹果区域，且果梗、果萼或缺陷也投被当作背景去掉，如图３ｃ所示．

单体分割即把视野图像中的多幅苹果图像分开，且把单个苹果图像限定在它的外接矩形中．首先在整个图像区域内从最左端开始进行纵向单步扫描，当扫描到苹果像素时，从而得到最左边的点．为减少扫描时间，接着在苹果像素上进行跳格扫描．中

内容需要下载文档才能查看内容需要下载文档才能查看

途也并不是像图４ａ所示必须扫描一整个纵行再跳

第３期赵杰文等：基于三摄像系统的苹果缺陷快速判别

格，而是刚扫描到苹果像素就跳出此次循环，然后进行下一纵行扫描，直到有一纵行没有扫描到苹果像素，此时程序判断顺序纵向扫描结束．由于是跳格扫描，最后一列扫描线并不对应苹果最右边的点，所以还需进行一轮单步逆序纵向回扫．找到苹果像素，扫描结束．接着．通过横向扫描来寻找子图像的最上点和最下点，方法与纵行扫描相同，见图４ｂ．

Ｆｉｇ

（ａ）

（ｂ）

４

图４单个苹果图像的分割

Ｓｅｇｍｅｎｔａｔｉｏｎ０ｆｓｉ“ｇｌｏ印ｐｌｅｉｍａ胪

２．３缺陷分割

缺陷分割方法很多，常用的有基于区域分割和基于边缘分割两类，基于边缘的分割方法灵敏度较高．为了尽可能分割出可疑区，作者采用基于边缘分割方法．此方法在实际应用时利用各种微分算子与图像做卷积运算，得到结果图像再设定适合的阈值去掉多余信息．但这样得到的图像边缘容易断裂，一般采用滞后阈值化处理封闭边界．滞后阚值化处理能够较好地将边界连接，但是也增强了噪声．基于在线检测的快速化原则，不采用滞后阈值化处理，而采用简单的阈值化处理，以便尽可能保存好边界的同

图３去背最

Ｆｉｇ

３

Ｒｅｍｏｖｅ

时去除噪声的影响．文中采用Ｒｏｂｅｒｔｓ算子、拉普拉斯算子、ｓｏｂｅｌ算子和ｃａｎｎｙ算子．

表ｌ不同做分算子的分割效果

Ｓｅｇｍ蛐ｂ面ｎ硪缸０ｆｄ柏ｒｅｒ蛐ｔｏｐｅｍｔｏｒ

拉普拉斯算于

ｓｏｂｅｌ算子

ｈａｃｋ目ｍｕｎｄ

Ｔａｂ．１

边缘微分算于Ｒｏｂｅｎｓ算于ｃａｎｎｙ算子

分割前的原始图像

分割后的

结果图像

注：圆圈表示为分割前后缺陷处．菱形表示为分割前后果梗或果萼处

为了从几种不同的微分算子中选出一种较好的方法，故做了试验对比，结果见表１．试验结果表明，用Ｒｏｂｅｒｔｓ算子分割后的图像没有较好突出边缘，且边界闭合不够理想；拉普拉斯算子能较好地闭合外边界，但不能较好突出缺陷和果梗或果萼，结果图像中基本上没有找到缺陷；ｓｏｂｅｌ算子能较好地闭合边缘，并突出了缺陷和果梗、果萼；ｃａｎｎｙ算子检测精度高，并得到单边缘，但检测速度慢，并不适合在线检测快速的原则．从以上试验结果可以看出，Ｓ０ｂｅｌ算子从精度和速度上来说，在苹果缺陷分割中优于其他算子，故采用ｓｏｂｅｌ算子．

３可疑区的标记及缺陷判断

３．１可疑区的标记

缺陷分割后，图像中的有用信惠被提取出来，但同时也存在着大量的噪声．有效去除这些噪声，并快速标记出缺陷或果梗、果萼对在线检测有着重要的意义，经多次研究尝试，笔者提出采用模板为３×３的空间域二维中值滤波，使得非边界的噪声得到有效的抑制，且较好地保留了有用信息．

经过滤波去噪后图像的外边界会发生断裂，采

内容需要下载文档才能查看内容需要下载文档才能查看内容需要下载文档才能查看

用多次形态学膨胀的方法以尽量连接外边界，同时

万方数据　

２９０

江苏大学学报（自然科学版）第２７卷

也使得分散的缺陷点或者果梗、果萼点分别连成一个区域，以便准确地标记出缺陷或果梗、果萼的区域．区域的标记采用区域生长法，相互连通的像素被赋值为同样的值，从而作为一整块区域被标记出来．图５ａ是经过膨胀、标记后的图像，可以看出缺陷和果梗区已经被精确地标记出来，但外边界没有被完全的连接，而是被切割成三段，这样被标记出的区域数为５个（其中有三个是被切断的边界）．由于外边

界不需考虑，因此必须忽略边界，也就是要区分哪些

是边缘的区域，哪些是缺陷或果梗、果萼区域．

外边界经膨胀后，必然会扩大到图像的上下左右４个边界，因此分别扫描图像各个被标记的区域，如果该区域和图像的边缘相切，那么就认为该区域是苹果边界区域，并将该区域的像素值置为ｏ．图５ｂ是去外边界后的图像，边缘已被去掉，从而缺陷区和

果梗区被精确地定位了．

（ａ）膨胀后的圈像（ｂ）土外边界后的斟像

图５町疑区的精确定位

Ｆｉｇ．５

ＰｒｅｃｊｓｅｌｏｃａＩｉｏｎ

ｄｅｔｅｎｎｉ眦ｔｉｏｎｏｆｄｏｕｂｔ柚Ｈｒｅａ

３．２缺陷有无的快速判断

苹果缺陷的种类很多，包括碰压伤、枝叶磨伤、水锈、药害、日烧、裂纹、雹伤、病虫等，在这里不考虑分类．通过大量的观察与试验，发现两点：第一，苹果的果梗和果萼不可能被某个摄像系统同时抓拍到，也就是说果梗和果萼不可能出现在同一幅图像中．基于这样一个事实，假如一幅苹果图像经过上述缺陷分割、滤噪和精确标记定位后，其可疑区域数大于或等于２，这其中可能有一个区域是果梗（或果萼），那么另外１个或几个区域必然是缺陷；若其中没有果梗（或果萼），则这２个或２个以上的区域必定都是缺陷．这样，便可以断定该苹果存在缺陷．第二，检测时苹果在输送线上一边前行一边自转，在三个不同位置被三个不同角度的摄像系统拍摄，可得到苹果的９幅图像，如果该苹果有缺陷，在这９幅图像中，必然有缺陷和果梗（或缺陷和果萼）同时出现的图像（往往还不止一幅），

因此得出结论：某个苹果的９幅图像中只要有一幅图像出现两个或两个以上可疑区，即判断该苹

万　

方数据果有缺陷，其余被抓拍的该苹果图像无需再进行缺陷的判断．这种方法看似简单，但其效果是采用其他任何图像识别方法都不能达到的．本方法把复杂的缺陷识别问题转化为简单的可疑区的计数问题，精度得到了完全的保证，速度得到了极大的提高，适合

在线检测．

４结论

在三摄像系统的基础上，抓拍到每个苹果的９幅图像，然后对这些图像进行预处理、缺陷分割和缺

陷标记，最后用逻辑判断的方法判断苹果是否有缺

陷．通过对９４个苹果（包括３５个有缺陷的苹果）进行判断，试验准确率达到８９．４％．之所以没有达到１００％的准确率，是因为整个判别过程除了最后通过可疑区计数进行缺陷有无的逻辑判断外，之前还有图像的预处理、缺陷分割等处理过程，正是这些过程降低了最后判断的准确度．与国外研究相比（其正确率为６７％一６９％），采用逻辑判断方法的判断精度有极大提高．

参考文献（Ｒｅｆｅｒｅｎｃｅｓ）

［

●

ＭⅢｅｒＢ

ｄｅｆｅｃｔｄｅｔｅｃ曲ｎｗ曲

ｍａｃｈｉ…ｉｓｉｏｎ

Ｋ．ＤｅＪ“ｃｈｅＭＪ．ＰｅａｃｈｌＪ］ｎｕ肿删幻ｎ

０，舭Ａ鲋Ｅ，１９９１，３４

（６）：２５８８—２５９７

［

２

］

ＧｒｏｗｅＴＧ．ＤｅｌｗｉｃｈｅＭＪ

ＲｅａｌｔｉｍｅｄｅｆｅｃｔｄｅｃｅｃｔｉｏｎｉｎｆｍｉｔＰａｎＩⅡ：Ａｎａｌ州ｔｈｍ

ａｎｄ

ｐｅ血ｍａｎｃｅｏｆ８ｐｍｔ０＿

１ｙｐｅ

８ｙｓｔｅｍ［Ｊ］．‰瑚∞矗ｏ＂ｏ厂船Ａ础Ｅ，１９９６，３９

（６）：２３０９—２３１７．ｆＬ３

］

ＷｅⅡＺ，Ｔ帅Ｙ

Ｉ）ｌｌａｌ—ｃａｍｅｒａＮＩＲ／ＭＩＲｉｍａｇｉ“ｇ

ｆ缸ｓｔｅｍ

ｅｎｄ／ｃａｌ”ｉｄｅｎ曲ｃａｔｉｏｎ

８ｐｐｋｄｃｆｅｃｔ

ｓｏｎｉ“ｇ【Ｊ］７ｈｎ一

５删ｉｏｎ矿＃船Ａ鲥Ｅ，２０００，４３（２）：４４６—４５２

［

内容需要下载文档才能查看

４

］

黄星奕，林建荣，赵杰文．苹果果梗和缺陷的识别技术研究［Ｊ］．江苏大学学报：自然科学版，２００５，２６（４）：

１９３—１９５

ＨＵＡＮＧＸｉ“ｇ—ｙ１，ＬＩＮＧ

Ｊｉａｎ—ｒｏ“ｇ，ＺＨＡＯＪｉｅ－ｗｅｎ

Ｉ－

ｄｅｎｔ；６ｃａｔｉｏｎｋｃｌｌＩｌｉｑｕｅｆｏｒｓｔｅｍ

ｅｎｄ卸ｄｂｌｅｍｉｓｈｉｎ

ａｐ．

ｐＩｅｓ［Ｊ］．，ｏ㈣ｆ０，＾口７咿ｕ№ｉ舭，ｉ咿：＾协啪ｚ＆如ｎ胛

删血幻ｎ，２００５，２６（４）：１９３—１９５．（ｉｎ

ｃｈｉｎｅｓｅ）

５］

陈全胜，赵杰文，张海东，等．利用计算机视觉识别茶叶的色泽类型［Ｊ］江苏大学学报：自然科学版，２００５，２６（６）：４６１—４６４

ｃＨＥＮ

Ｑｕａｎ—ｓｈｅ“ｇ，ｚＨＡ０Ｊｉｅ＿ｗｅⅡ，ｚＨＡＮＧ

Ｈａｉ—ｄｏ“ｇ，

ｅｔ

ａ１．ＩｄｅｎＩｉ６ｃａｔｉｏｎｏｆ

ｌｅａ

ｃｏｌｏｒｂｙｕ８ｉｔｌｇｃｏｍｐｕｔｅｒｖｉｓｉｏｎ

［Ｊ］．如Ⅱｍ口ｆ矿＾帅舻ｕ

Ｅ‰血梆盼：Ⅳ。￡“ｍｆ岛曲删聪ｉ一

￡如ｎ，２００５，２６（６）：４６１—４“．（ｉｎＣｈｉｎｅｓｅ）

（责任编辑陈持平）

［

内容需要下载文档才能查看内容需要下载文档才能查看内容需要下载文档才能查看

基于三摄像系统的苹果缺陷快速判别

作者：

作者单位：

刊名：

英文刊名：

年，卷(期)：

被引用次数：赵杰文，刘文彬，邹小波， ZHAO Jie-wen， LIU Wen-bin， ZOU Xiao-bo江苏大学,生物与环境工程学院,江苏,镇江,212013江苏大学学报（自然科学版）JOURNAL OF JIANGSU UNIVERSITY(NATURAL SCIENCE EDITION)2006,27(4)7次

参考文献(5条)

1.Miller B K;Delwiche M J Peach defect detection with machine vision 1991(06)

2.Growe T G;Delwiche M J Real-time defect detection in fruit Part Ⅲ:An algorithm and performance ofa prototype system 1996(06)

3.Wen Z;Tao Y Dual-camera NIR/MIR imaging for stem end/calyx identification apple defect sorting2000(02)

4.黄星奕;林建荣;赵杰文苹果果梗和缺陷的识别技术研究[期刊论文]-江苏大学学报(自然科学版) 2005(04)

5.陈全胜;赵杰文;张海东利用计算机视觉识别茶叶的色泽类型[期刊论文]-江苏大学学报(自然科学版) 2005(06)

本文读者也读过(10条)

1. 宋亚杰.谢守勇.冉瑞龙.Song Yajie.Xie Shouyong.Ran Ruilong 机器视觉技术在蚕茧无损检测中的应用研究

[期刊论文]-现代农业装备2006(9)

2. 肖宾杰.殳伟群.XIAO Bin-jie.SHU Wei-qun 基于图像融合的木板表面缺陷特征提取方法研究[期刊论文]-计算机科学2011,38(4)

3. 邹小波.赵杰文.Zou Xiaobo.Zhao Jiewen 独立分量分析预处理法提高苹果糖度模型预测精度研究[期刊论文]-分析化学2006,34(9)

4. 张家蓬.李言照.赵京胜.ZHANG Jia-peng.LI Yan-zhao.ZHAO Jing-sheng 基于彩色图像的梨表面缺陷提取方法