《仓储中葡萄破损图像检测方法研究》文献综述
随着硬件技术水平和算法处理能力的不断提高，机器视觉检测技术也不断更新。由最初的人工检测和接触性检测到如今非常适合自动化领域的机器视觉检测，其技术已经非常成熟。进入２１世纪以后，机器视觉逐步从二维图像处理发展到三维图象处理，并在更多的复杂任务中展示了自己的强大势力，也是检测技术智能化的未来发展方向。
检测准确性和检测效率的双重保证，使得机器视觉迅速收到工业检测领域的青睐。在包装一类的检测领域中，机器视觉都成为重要的检测手段。比如，饮料包装检测、商品包装检测、工业品包装检测、木材包装检测等等。这里主要研究由MatLab软件编程实现图像的分割和检测：
1. 研究的目的及意义
本设计从仓储和物流过程中实际情况出发，实地采集现场图片，分析实际葡萄破损位置，总结葡萄破损程度，寻找破损原因，建立预防破损对策。利用机器视觉与图像处理技术构建一个完整的葡萄缺陷图像检测系统。此外，本文的研究成果对于提高葡萄销售质量、降低葡萄仓储成本也具有重要意义，甚至可以给葡萄生产商和经销商带来更高的市场占有率和更高的利润空间。同时，本文的研究成果对于同类包装缺陷的检测问题，也具有普遍的实用价值和一定程度的可借鉴作用。
2. 国内外研究现状
国外利用计算机视觉等高新技术对水果、蔬菜等农产品进行品质检测与分选的研究开始于70年代末期，主要的研究对像是苹果、桔子、桃、香蕉、梅脯、西红柿、黄瓜等，但由于分级速度达不到实时要求，还处于实验研究阶段。80年代后期到现在，人们对如何提高分级速度进行了多方面的理论与实验研究，并取得了很大进展，目前美国和日本已将部分研究成果应用于商品化生产，取得了可喜的成效。
1995 年，Lee 和 Han 将西红柿的 RGB 图像转化为 HIS彩色模型表示法，通过对色度图的分析计算得出西红柿表面各种颜色所占整个表面的百分比,然后根据美国对新鲜西红柿的评价标准进行成熟度分级。此方法的不足之处是:计算和分析颜色百分比的方法过于复杂,判别准确率较低。1995 年，Heinemann 和 Morrow 运用多变元区分技术对土豆和苹果的色度直方图进行分析，从而区分发绿土豆和正常土豆，并对不同颜色特征的苹果进行分类。该方法只有与其它形状、尺寸、表面缺陷的差别结果相结合，才能完成对品质的综合评价。2009年，Kim等用颜色躬身矩阵方法检查柚子皮的疾病，从中发现患病柚子与健康柚子的差别，其分类精度高达96.7%m 。
在我国，运用计算机视觉系统进行农产品品质检测与分类的研究开展较晚，但正在日益得到重视。1992年江苏理工大学的方如明提出了运用计算机图像处理技术检测米粒的三种方法，即:
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
