人们吃到甚或看到食品中有异物总是很恶心，为此而向销售、生产商索赔的事件不时发生。生产商为确保食品中无异物，需要在生产中设置多道检测工位，绝大多数是人工裸眼目检。人的眼脑手配合具有高度智能和柔性，能够识别和提出各种异物缺陷，然而视觉疲劳、生理和主观因素会带来工作质量的差异和效率低下。利用机器视觉技术来代替人工检测，是现代化生产的发展趋势。据《农业工程学报》报道，已有对果冻、罐头生产线上灌装前切割成块状的多种水果果料进行图像监控、自动判断是否沾有异物的应用研究。
　　此研究报告刊登在《农业工程学报》2011年第3期，题为“基于机器视觉的果肉多类型异物识别方法”，第一作者为华南理工大学机械与汽车工程学院全燕鸣教授。
　　我国是水果生产与消费大国，我国水果不但品种丰富，而且以水果为原料的食品如罐头、果冻等加工产业也颇具规模。然而，在水果果料的加工过程中可能会不经意地混入诸如毛发、纤维丝、纸屑、金属、油漆等异物，从而对产品质量和消费者心理造成不良影响。目前大多数食品生产企业还是采用人工裸眼检测加工过程中在制品是否沾染异物，存在效率低、漏检率高、劳动量大等缺点。随着提高产品质量的要求和劳动力成本日益升高的形势，企业迫切希望应用机器视觉技术实现工业生产自动化检测。但是在农产品质量和食品加工质量方面，国内外原有研究成果主要只针对完整且表面相对干燥的果体进行大小、形状、成熟度、表面损伤与缺陷等的检测与分级，而在异物检测方面，只有针对单一品种果料如桔瓣上的某种异物进行检测的研究。罐头、果冻等产品加工中，为了方便灌装，果肉一般分割成块状，但各种水果分割后的形状和大小不同，而异物形状、大小也多样，如毛发、纤维丝为细长型，油漆、金属屑等为块状；各品种水果颜色多样，如苹果为淡黄色、橘瓣为深黄色、椰果为白色，而各种异物的颜色也多样，如头发为黑色、油漆和纤维丝多为彩色、铁屑为银白或黑色。各种异物和果肉之间的尺度、色度差异情况很不相同，这些特点给异物自动识别带来了巨大挑战。
　　“基于机器视觉的果肉多类型异物识别方法”一文作者针对罐头、果冻生产中的多品种、多规格、湿态反光果肉上各种可能出现的异物，研究开发了一套基于机器视觉技术的多类型异物自动检测系统。利用机械装置将果料自动单层排布在传送带上，安装在适当位置的工业相机对传送中的果料进行监视拍照，将采集到的果料图像输送到计算机中，由图像处理软件对其进行分析判断。根据果料与异物的颜色和亮度差异特点，将各品种果料分成两大类，分别采用不同的图像处理策略识别异物。对颜色比较丰富的果料如黄桃、菠萝等根据果肉与异物的颜色进行分割识别异物；对颜色为白色或透明的果肉如椰果、明胶等根据异物的边缘轮廓识别异物。经过大量试验验证，该系统能够有效地检测出多品种果料输送线上的多类型异物并将含有异物的果料剔除，为企业自动化生产与检测提供了技术支撑。