新鲜水果和蔬菜是食品公司的关键原材料，生产从果汁、冰沙到酱汁、果酱和果脯等各种产品。与许多其他原材料不同，新鲜农产品的特性因品种和季节而异。这些变化会给客户的制造过程和成品质量带来挑战。
与其他农产品原材料相比，如何定义新鲜农产品质量及验收参数更为复杂。均匀性、成熟度、色泽、光泽和无瑕疵只是质量的一部分。换句话说，当由人工完成检测时，评估是主观的；当由机器处理时，也可以是客观的。然而，水果和蔬菜的外观被普遍认为是决定质量的第一因素。颜色是一个重要的参数，因为它直接影响最终产品的外观。如果新鲜产品存在颜色差异，则需要在加工过程中采取纠正措施，以确保最终产品的质量和一致性。简而言之，不能满足新鲜农产品的颜色标准可能会对食品加工的成品成本和质量产生不利影响。这条基准广泛适用于食品加工行业。确定新鲜农产品颜色的最大挑战是异质性。水果或蔬菜可能不是同一种颜色，而是同一颜色的不同深浅。一件蔬果本身也可以由不同的颜色相互混合而成为特色。这里的一个很好的例子是西红柿。单个西红柿可能有红色、橙色和浅绿色，但仍然可以作为一种成分接受。另一个例子是苹果，根据品种的不同，它可能会有不同的红色色调。生鲜农产品颜色的异质性给制定标准和衡量检测带来了困难。目前，食品行业使用一组设备来测量原材料和成品的颜色。大多数情况下，这组设备包括色度计、分光光度计和基于图像的颜色识别机。虽然这些传统仪器是为各种食品和非食品材料而制造，但它们大多无法衡量新鲜农产品可接受的颜色标准：色度计最适合测量均匀的溶液或固体。当面对异质固体时，它们最多只能表示平均颜色。这通常会导致不准确的识别结果；在受控环境中处理高质量图像的设备似乎是理想的选择，至少在现有的新鲜农产品解决方案中是这样。它们超越了平均颜色测量，提供了颜色组成的百分比。颜色识别机可以检测到，例如西红柿是80%红色和20%是浅绿色，但当将五个单独的西红柿放在一起检测时，其中一个显示为浅绿色，其他四个显示为红色，这样情况下仪器就失效了。由于五个西红柿颜色组合成分仍然是80%的红色和20%的淡绿色，这往往会导致一个浅绿色的西红柿被机器错误地接受。在过去的几年里，人工智能在新鲜农产品的视觉识别准确性方面扩大了对所有现有技术的领先优势。我们惊讶于它在图像处理中擅长的多种任务，在检测、分类和分离方面超过了以前的基准。检测是识别图像中不同物体的能力。在这种情况下，AI能够识别所有展示的西红柿个体；分类是将图像整理成多个类别的能力。在这种情况下，西红柿分类可以是80%红色、30%红色，等等。分离是将图像中组成部分区分为不同物体的能力。例如，西红柿，西红柿所在的桌子，还有它们旁边的一张纸，等等。有两个因素使人工智能能够在这些任务中表现卓越。首先，对图像的大数据集进行标记，以满足新鲜农产品的可接受和不可接受的参数。第二，强大的微处理器具有相当大的计算能力。简而言之，人工智能准确地解决了困扰新鲜农产品颜色的问题，而且检测结果比以往任何时候都要好得多。基于人工智能的解决方案具有在异质性的应用场景中消除颜色识别问题的能力，并达到准确无误，还可以为几乎所有生鲜农产品制定颜色接受标准。但这并不是唯一的优势，人工智能可以在各种各样的照明条件下做到这一点，不受光线影响而产生误差。最重要的是，通过云处理，解决方案变得高度可便携。这意味着人们可以通过手机等手持设备方便地使用这项强大的技术。此外，云计算允许解决方案与用户的其他应用程序(如电子邮件和消息传递)轻松集成，使得基于人工智能的解决方案比传统笨重的颜色识别设备要“轻”得多。
文章内容由“温室园艺资讯”公众号编辑整理。文章来源：城食有农。
