真空冷冻干燥技术能最大限度地保持冻干物料的颜色、形状和风味,在农产品及食品加工领域有着广阔的应用前景。但加工能耗大、生产成本高一直制约着真空冻干技术在农产品加工中的应用,因此,冻干工艺的优化近年来受到广泛关注。研究中发现冻干过程参数优化和控制需要探索一种能够实时检测物料含水率的在线监测方法,为此,本研究将机器视觉和图像处理技术应用到真空冻干果蔬含水率在线监测中,并结合相关理论,就颜色测量法和纹理特征法在线监测真空冻干果蔬含水率中的技术处理及实时监测进行探索和研究,在此基础上,运用微位移场对冻干过程中物料内部水分边界扩散及运移规律进行定量分析,获得表达水分边界的位移场参数与物料含水率的关系模型。主要研究内容包括：(1)选择苹果、土豆、茄子、胡萝卜和香蕉等5种常见果蔬作为试材,进行了冻干过程果蔬实时图像采集研究。将5种果蔬样本分为15组,包括原始、染色和高压脉冲电场预处理情况,将装有CPL偏光镜的CCD组件用三脚架固定于冻干仓玻璃窗前,运用CCD在一个完整冻干周期内对仓内样本的表面图像进行动态连续采集,获取的图像以1.875fps、024×768分辨率、JPEG格式被存储到计算机中。(2)在RGB和La*b*彩色模型中分别提取了各图片的R、G、B和L、a*、b*颜色特征值,建立了各颜色特征值与含水率的相关关系模型。研究过程发现a*和b*特征值随冻干时间变化不明显,故只考察R、G、B和L四个颜色特征值与经校正后含水率的相关关系。SAS回归分析结果表明,15个模型的显著性检验p值均小于0.0001,决定系数均大于0.85,说明模型极显著且拟合精度高。各模型的回归系数和截距,其p值也均小于0.0001,在0.05水平上检验极显著。以GB5009.2-85规定的称重法为基准,考察15个含水率预测模型的误差。结果表明,大多数绝对误差可控制在0.01%-5%之间,相对误差也基本稳定在5%左右。(3)采用主成分分析法建立了含水率预测模型。用第1主分量Prin1代替R、G,B和L四个颜色特征值。虽然各组样本第1主分量Prin1的累积贡献率均达到0.90以上,但通过对Prin1和样本含水率的回归分析发现,各模型的决定系数差别很大。认为单独采用基于颜色特征值的主成分分析法预测物料含水率,其适应性不强。(4)提取了各样本图片的平均亮度、标准差、平滑度、三阶矩、一致性和熵等6个纹理指标,建立了这些指标和物料含水率的关系模型。采用主成分分析法对上述6个纹理指标所蕴含的水分纹理信息进行提取分析,结果表明,15个模型中,第1主分量Prin1的累积贡献率基本大于常用阈值0.80,最大达0.9494,个别模型小于0.80,但均大于0.70,此时可用前两个主分量研究这类样本的纹理特征值规律,且以第1主分量Prin1为主,其余主分量可视作观测误差。以Prin1为自变量,以含水率为因变量建立物料含水率模型,经检验该模型决定系数均大于0.80,从实用角度可以作为含水率响应预测的依据。同时,回归方程二次项、一次项和常数项的显著性检验概率均小于0.0001,模型检验极显著,故运用纹理特征分析法在线监测果蔬冻干含水率也可行。(5)为综合利用样本表面图像的特征信息,将颜色特征主分量与纹理特征主分量作为自变量,对物料含水率进行二元一次回归分析。结果表明,15个含水率模型的决定系数多数达到0.9999和1.0000,模型的显著性检验概率也均小于0.0001,模型检验极显著,且具有极高的拟合精度。可见,将图像纹理特征信息和颜色特征信息综合考虑,将使整个模型对含水率的表达更强,更具实用性。(6)运用位移场检测方法,尝试以微位移量对真空冻干过程中物料内部水分扩散及运移规律进行表达和定量分析。结果表明,采用自动阈值分割法、K均值聚类算法、伪彩色图像处理法和Sobe1边缘检测法共同提取水分边界可行。以物料几何中心为原点建立坐标系,用Harris角点检测法找到水分边缘上各个角点,并在位移场图像中提取到了与坐标轴相交的各角点坐标值,计算得到每隔1h各角点的位移量。通过对角点位移量与物料含水率的相关性分析可知,模型显著性检验概率<0.0001,决定系数达0.9998,说明模型检验极显著且拟合精度高。回归参数的检验结果表明,四个角点的微位移量对物料含水率平方的效应极显著,说明物料冻干水分边界位移场变化量(微位移量)与含水率的关系可用该回归模型预测,物料含水率可以用表达水分边界的位移场参数来表示。本文针对真空冷冻干燥加工过程控制和冻干工艺参数优化探索了一种冻干水分在线监测的新方法,也可在其它干燥加工水分监测及过程控制中应用。