★??研究背景

隨著經濟發展和消費水平的提高，消費者對水果的數量和質量要求日益提高。然而，在運輸和儲存過程中未對水果進行分類可能導致部分變質和品質不均，從而造成嚴重的經濟損失。鮮桃作為易腐爛且難以儲存的時令水果，未能根據成熟度進行分類是采后損失的主要原因之一。

目前，人工分類不僅需要大量勞動力，而且主觀判斷難以確保分類的一致性和準確性，易對后續生產造成負面影響。傳統分類技術通常根據水果的外觀、硬度和化學特性來完成水果成熟度的無損分級，例如計算機視覺、高光譜、紅外光譜、電子鼻等技術。當前計算機視覺技術能夠檢測的特征單一，對外觀特征與成熟度的相關性要求較高。利用高光譜技術和紅外光譜技術的系統普遍成本高昂且復雜，市場應用方面仍存在一定困難。電子鼻能夠獲取的數據有限，導致分類的細致程度難以達到市場要求。因此，迫切需要開發一種高效、清潔、低成本的成熟度分類系統，能通過自動識別流水線上鮮桃的位置和成熟度進行分揀，從而提高鮮果貯藏質量和市場競爭力。

中國農業大學王想副教授、張小栓教授團隊研究了一種基于計算機視覺和柔性傳感技術的桃成熟度分揀系統。該系統包括了重新訓練的專用于鮮桃分揀流水線的YOLOv4模型，能夠實時檢測并定位流水線上的鮮桃，根據外觀特征完成初步的成熟度分類。提出了以柔性壓電傳感器為中心的方法，利用柔性壓電傳感器在接觸時的應力反饋來完成鮮桃的深度分類。使用質構分析儀模擬完成了該系統在應用階段的驗證。系統評估結果表明，本研究提出系統可以準確、高效、低功耗、低成本地實現果實分級分選過程的自動化。基于外觀和觸覺特征的成熟度測定方法還可以適用于其他具有類似特征的水果，具備較為廣泛的應用前景。

★? 文章解析

圖1展示了本文提出的鮮桃分揀流水線的系統設計。符合采摘標準的鮮桃被采摘并輸送到分揀包裝線。在分揀流水線上，相機在固定位置拍攝照片，PC接收相機拍攝的圖像，并使用經過訓練的YOLOv4模型進行特征檢測、目標定位和成熟度分類。完全著色（A類）和未完全著色（B類）的桃子將被機械手拾取并發送到包裝線。腐爛的（R類）桃子將被丟棄。在抓取過程中，連接到機械手的柔性壓電傳感器獲得力反饋信號，可用于更深入的分類。全色桃子將根據相應的電壓閾值更深地分為完全著色和已經軟化（A1）和完全著色但未完全軟化（A2）的桃子。未完全著色的桃子將使用另一個電壓閾值分為未完全著色但略微軟化（B1）和未完全著色且未軟化（B2）的桃子。

圖1：桃分揀流水線系統框架圖

圖2說明了鮮桃在流水線上通過相機實時定位的過程。由相機獲取圖片反饋給PC，PC利用已訓練的YOLOv4網絡處理圖像，獲取目標特征并反饋目標位置與分類。本研究中的YOLOv4 模型經過預訓練和遷移學習后，在測試數據上取得了良好的結果，meanIoU為0.9454，mAP值達到了0.9304。這證明了經過訓練的YOLOv4網絡具備準確定位和精準分類鮮桃的能力。

圖 2：用于鮮桃成熟度分類的Yolov4識別過程和反饋圖

圖3展示了本文所用的柔性壓電傳感器。如圖3c所示，傳感器在接觸鮮桃后，內部產生結構形變，將力反饋轉換為電信號。不同的電壓反饋給PC，由PC端處理信號并給出進一步的成熟度分類判斷。

圖 3：柔性壓電傳感器抓取過程變化示意圖

圖4展示了質構分析儀對系統的驗證結果。每個鮮桃樣品通過質構分析儀完成TPA測試，分析力-時間數據，并推導出各種成熟度類別的質地特性。這些數據證明了內部紋理、顏色和表面硬度之間的關系，并進一步支持將YOLOv4和柔性壓電傳感器結合使用來確定成熟度的方法。

圖 4：通過質構分析儀驗證整體系統的分類效果

最后，文章從硬件成本、功耗和分揀效率等方面對系統進行了全面的對比分析，突出了該系統在生產區域內的巨大優勢。論文結果表明本研究提出的鮮桃成熟度分級分揀系統可以精確、穩定、環保地實現果實分級分選過程的自動化，減少人工勞動需求。該系統基于外觀和硬度的成熟度測定方法還可以適用于其他任何具有類似特征的水果，在水果自動分揀領域具備可觀的市場前景。

審核編輯：劉清