機(jī)器視覺技術(shù)在水產(chǎn)食品感官檢測方面的應(yīng)用研究進(jìn)展

賈志鑫，傅玲琳，楊信廷，史 策，王海燕，周瑾茹，王彥波,*

（1.浙江工商大學(xué)食品與生物工程學(xué)院，浙江食品質(zhì)量安全工程研究院，浙江 杭州 310018 ；2.北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097 ）

水產(chǎn)食品的感官品質(zhì)可以從色澤、形狀等方面體現(xiàn)，這些質(zhì)量屬性直接影響產(chǎn)品被消費者接受的程度，從而直接或間接影響大多數(shù)消費者的購買意愿。因此如何通過新的技術(shù)快速檢測水產(chǎn)食品感官品質(zhì)對于提高其經(jīng)濟(jì)價值具有重要的現(xiàn)實意義。機(jī)器視覺技術(shù)能夠較好地滿足這類需求，該技術(shù)旨在綜合多項感官品質(zhì)指標(biāo)（如色澤、形狀、尺寸等）對水產(chǎn)食品進(jìn)行綜合感官評定，相比于傳統(tǒng)的通過專業(yè)人員視覺質(zhì)量檢測，具有成本低、耗時短和易于量化等優(yōu)點[1]，得到了廣泛的應(yīng)用并取得了顯著成果。鑒于此，本文綜合分析機(jī)器視覺技術(shù)在魚類、蝦類、牡蠣和扇貝等水產(chǎn)食品感官檢測方面的研究現(xiàn)狀，探討目前存在的問題并探究未來的研究方向，旨在實現(xiàn)水產(chǎn)食品感官品質(zhì)的快速評價，保障消費者的食用安全和健康。

1 機(jī)器視覺技術(shù)系統(tǒng)

機(jī)器視覺技術(shù)是計算機(jī)學(xué)科的一個重要分支，自起步發(fā)展至今已經(jīng)有50多年的歷史，其功能以及應(yīng)用范圍隨著工業(yè)自動化的發(fā)展逐漸完善和推廣；20世紀(jì)50年代二維（two dimensional，2D）圖像的統(tǒng)計模式識別已被開始研究；60年代研究人員開始進(jìn)行三維（three dimensional，3D）機(jī)器視覺的研究；70年代中期，麻省理工學(xué)院人工智能實驗室正式開設(shè)“機(jī)器視覺”的課程；80年代初，開始了全球性的研究熱潮，機(jī)器視覺獲得了快速發(fā)展，新概念、新理論不斷涌現(xiàn)，時至今日，機(jī)器視覺技術(shù)始終保持著蓬勃發(fā)展的活躍狀態(tài)。

圖1 機(jī)器視覺系統(tǒng)Fig. 1 Machine vision system

機(jī)器視覺是一種用于識別物體，從數(shù)字圖像中提取和分析量化信息的技術(shù)。典型的機(jī)器視覺系統(tǒng)通常由圖像采集、圖像處理和計算機(jī)統(tǒng)計分析程序3 個部分組成（圖1），其中圖像采集系統(tǒng)的基本元素包括：攝像機(jī)、照明設(shè)備、圖像采集卡和計算機(jī)[2]。系統(tǒng)在對圖像進(jìn)行分析和特征提取時，為了達(dá)到不同的要求和結(jié)果，需使用各種方法進(jìn)行統(tǒng)計分析，最后通過控制模塊處理對象輸出結(jié)果[3]。因此，機(jī)器視覺是一項綜合技術(shù)，需要機(jī)械、控制、計算機(jī)和圖像處理等多項技術(shù)的協(xié)調(diào)應(yīng)用。

機(jī)器視覺系統(tǒng)的照明區(qū)域至關(guān)重要。光源必須具有穩(wěn)定的能量分布，其強(qiáng)度必須均勻且可控。視覺系統(tǒng)受光照水平和光照質(zhì)量的影響，通過適當(dāng)?shù)卣{(diào)整光照，可以從根本上改變物體在視覺上呈現(xiàn)的外觀，使目標(biāo)特征轉(zhuǎn)變清晰或模糊[4]。光照會影響圖像質(zhì)量和系統(tǒng)的整體效率和準(zhǔn)確性，Gunasekaran[5]、Andreadis[6]等指出，精密的光照儀器可以通過增強(qiáng)圖像對比度來幫助系統(tǒng)進(jìn)行圖像分析。良好的光照可以減少反射、陰影和一些噪聲，從而縮短處理時間。在設(shè)計用于食品工業(yè)的照明系統(tǒng)時，需要考慮照明的各個方面，包括位置、燈的類型和顏色質(zhì)量。特別是對于一般的濕材料，如水生食物，可以使用偏振光將反射引起的問題最小化[7]。使用紅外、近紅外、紫外光和X射線源使僅靠可見光無法實現(xiàn)的質(zhì)量檢測成為可能[8]。使用特定波長或波長范圍也已成功地應(yīng)用于許多食物[9]。隨著數(shù)碼相機(jī)的發(fā)展，相機(jī)和圖像采集系統(tǒng)通常合并到一個設(shè)備。相機(jī)結(jié)合圖像采集系統(tǒng)設(shè)備通過電纜或無線方式與計算機(jī)連接。相機(jī)中可以有3 個光檢測傳感器，分別用于處理紅、綠、藍(lán)這3 種原色，或者一個傳感器可以選擇性地用于處理這3 種原色。圖像采集系統(tǒng)可以控制相機(jī)的設(shè)置、圖像采集的定時、光源，并可以對圖像進(jìn)行分析，對提取所需的特征進(jìn)行決策，這些可能包括非接觸式傳感[4]、測量對象形狀和尺寸、檢測產(chǎn)品缺陷[10]、提供過程控制反饋以提醒生產(chǎn)線操作員過程中的系統(tǒng)故障[11]以及提供產(chǎn)品質(zhì)量統(tǒng)計[12]。

機(jī)器視覺技術(shù)旨在通過電子感知和評估圖像來模擬人類視覺的功能。這些系統(tǒng)通過捕獲物體圖像、處理圖像以測量所需參數(shù)，將這些參數(shù)與預(yù)定義的檢測標(biāo)準(zhǔn)進(jìn)行比較，然后幫助對物體或制造過程做出決策或采取某種類型的糾正措施。研究表明，機(jī)器視覺技術(shù)的優(yōu)勢之一為該過程是非破壞性的。圖像處理和圖像分析是機(jī)器視覺的核心，需要可用于分類和測量的算法和方法[13]。機(jī)器視覺處理樣品后可生成客觀且精確的描述性數(shù)據(jù)，且操作快速，減少了大量勞動人員的密集型工作，使整個過程自動化，同時結(jié)果一致性高、效率高、成本低。研究發(fā)現(xiàn)，機(jī)器視覺技術(shù)具有非破壞性、最少侵損性以及永久記錄特征值的簡便性[14]。對于水產(chǎn)食品來說，機(jī)器視覺技術(shù)同樣是一種很好的感官檢測替代方案，可以大大提高生產(chǎn)效率和自動化程度。

2 機(jī)器視覺技術(shù)的應(yīng)用

2.1 魚類

從商業(yè)要求出發(fā)，魚類的分選、分級、分類和品質(zhì)評估是魚類養(yǎng)殖、加工及其制品銷售過程中重要過程[15]。一些研究人員也研究了不同魚類長度和質(zhì)量的關(guān)系[16]，其中對魚類比較明確的檢測要求包括精確的質(zhì)量級別分類和對魚類及其制品最少程度的損耗[17]。機(jī)器視覺技術(shù)可以在最小程度損耗的前提下實現(xiàn)魚類樣品的分類、分級和品質(zhì)評估。

表1 機(jī)器視覺技術(shù)在魚類品質(zhì)檢測中的應(yīng)用Table 1 Application of machine vision technique in fi sh quality detection

水產(chǎn)食品在腐敗期間隨著肌紅蛋白和一些其他物質(zhì)含量的變化，其不同部位也會發(fā)生不同程度的顏色變化；而顏色是水產(chǎn)品重要的視覺質(zhì)量標(biāo)準(zhǔn)，它包含了與人類視覺相對應(yīng)的基本信息[23]，與消費者感知密切相關(guān)。消費者通常傾向于將顏色與新鮮、高品質(zhì)和更好的味道聯(lián)系起來。顏色可以通過人本體主觀觀察到，然而，這很難轉(zhuǎn)化為可復(fù)制的數(shù)值[24]。顏色也可以通過儀器來確定，例如色度計和機(jī)器視覺系統(tǒng)。如表1所示，水產(chǎn)品方面，機(jī)器視覺主要用于魚蝦的顏色分析，以及被特殊處理魚的顏色變化?；谶@種原理加上機(jī)器視覺技術(shù)無損快速檢測的優(yōu)點，Shi Ce等[19]開發(fā)了一種機(jī)器視覺系統(tǒng)，用于羅非魚4 ℃貯存期間基于瞳孔和鰓顏色變化對揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）含量、TBA值和菌落總數(shù)（total viable count，TVC）進(jìn)行建模和預(yù)測。該研究通過對瞳孔和鰓顏色的圖像進(jìn)行預(yù)處理，之后通過圖像分析算法自動執(zhí)行顏色參數(shù)轉(zhuǎn)換，將獲取圖像的RGB值采用León[25]、Rotaru[26]等的方法分別轉(zhuǎn)換成L*、a*、b*值和HIS值，并進(jìn)一步計算出色差值?E，將TBA值等腐敗指標(biāo)分別與3 套色澤指標(biāo)建立多元回歸數(shù)學(xué)模型，多元回歸模型均顯示出優(yōu)異的預(yù)測結(jié)果，同時TVB-N含量、TVC和TBA值的預(yù)測值與實驗值決定系數(shù)R2介于0.989～0.999之間，相關(guān)性好。所以，基于瞳孔顏色參數(shù)的機(jī)器視覺系統(tǒng)可以作為一種精確、實時、在線的方法，用于間接預(yù)測冷藏期間魚的新鮮度。此外，Costa等[27]還開發(fā)了一種先進(jìn)的魚類新鮮度顏色評定方法，通過采用形態(tài)疊加法進(jìn)行圖像分析，獲得了最重要的新鮮度判別區(qū)域，結(jié)果還量化了鮮魚和非鮮魚的顯著比色差異。Dowlati等[22]利用機(jī)器視覺研究了養(yǎng)殖和野生金邊鯛魚在冰藏過程中眼睛和鰓的顏色變化，采用一種數(shù)字彩色成像系統(tǒng)，可以精確測量眼睛和鰓的L*、a*、b*值并記錄其視覺成像特征，并采用簡單回歸法和人工神經(jīng)網(wǎng)絡(luò)（artificial neural networkgenetic algorithm system，ANNAS）法對眼部和腮顏色參數(shù)進(jìn)行關(guān)聯(lián)，發(fā)現(xiàn)利用鰓顏色的變化評價魚的新鮮度比利用眼睛顏色變化評價魚的新鮮度精確；然而為了拍照，鰓蓋必須被移除，這具有破壞性和耗時性，因此又提出了一種綠色、低成本、簡便快捷的魚眼顏色參數(shù)在線檢測方法。2D成像在一定程度上可以獲取檢測所需要的信息，但也存在片面、整體聯(lián)系不強(qiáng)等局限性；3D成像技術(shù)可更好地彌補(bǔ)2D成像技術(shù)的不足，并可以獲得全方位的魚體圖像，進(jìn)而對其進(jìn)行整體分析。Sture等[18]開發(fā)了一套完整機(jī)器視覺系統(tǒng)，將獲取的圖像信息建立并整合成3D成像，與單側(cè)3D和2D方法相比，這種方法具有多種優(yōu)異的特性，主要是能夠整合3D圖像各部位顏色信息以及進(jìn)行準(zhǔn)確可靠的3D幾何描述；對不同質(zhì)量等級的大西洋鮭魚進(jìn)行測試，然后將獲得的數(shù)據(jù)應(yīng)用到機(jī)器視覺和分類設(shè)備中，可根據(jù)外觀捕獲足夠的信息準(zhǔn)確區(qū)分大西洋鮭魚的品質(zhì)等級。

除根據(jù)顏色變化測定魚類品質(zhì)外，研究人員還建立了魚骨面積與魚肉、魚片質(zhì)量的聯(lián)系。Rerkratn等[21]提出一種使用紫外線燈的機(jī)器視覺系統(tǒng)來計算魚骨的面積和魚片、魚肉質(zhì)量，將魚樣本圖像分割為魚片、魚肉和魚骨3 個部分，隨后用于計算魚骨面積，最后通過魚骨面積的百分比評估魚片樣本的質(zhì)量，其中應(yīng)用到K均值聚類和閾值算法評估魚片質(zhì)量；因此該方法通過紫外燈照射后獲取圖像即可快速無損測定樣品質(zhì)量，但該方法對測定較難獲得圖片信息的活體魚類具有局限性。Zheng Hongyuan等[20]提出了一種新的方法來克服對于原位測量很難準(zhǔn)確快速檢測魚體的問題，該方法基于2D Ostu、幀差異和背景減法，成功將圖像中的像素分為前景、重影、前景光圈等幾個部分；將該方法用于日本青鳉魚的基于機(jī)器視覺的監(jiān)測系統(tǒng)中，結(jié)果在實時魚類監(jiān)測視頻中可以有效檢測到整條魚體圖像。

2.2 蝦類

蝦類同樣是消費者喜愛的水產(chǎn)食品，因營養(yǎng)成分含量高、較易腐爛，人工測量可能會導(dǎo)致細(xì)菌和化學(xué)污染等問題[28]。因此，蝦的感官品質(zhì)評估引起了廣泛關(guān)注，結(jié)合機(jī)器視覺技術(shù)系統(tǒng)，完全可以實現(xiàn)自動快速檢測。

捕撈過程會對蝦造成一定程度的破損，而有些破損蝦的成像面積參數(shù)或者輪廓參數(shù)達(dá)到了完整蝦的標(biāo)準(zhǔn)，進(jìn)而對蝦的進(jìn)一步分級、品質(zhì)測定等造成一定的影響。因此，實現(xiàn)對蝦的無損快速分級具有重要意義（表2）。Zhang Dong等[29]提出了一種基于進(jìn)化構(gòu)建（evolution constructed，ECO）特征的方法，該方法將灰度值直接輸入到基于ECO的質(zhì)量評分算法中，其中28 個圖像變換應(yīng)用Gabor、中值模糊、自適應(yīng)閾值等作為ECO，可以自動將破損的蝦從完整蝦群體中分離出來，準(zhǔn)確率為95.1%；因此這種方法能夠?qū)崿F(xiàn)對完整蝦和破損蝦快速、準(zhǔn)確、無損的分離和鑒定。Osterloff等[30]采用計算機(jī)視覺技術(shù)對蝦進(jìn)行即時無損自動檢測，該技術(shù)采用時序顏色特征對比方法對半透明蝦進(jìn)行檢測，利用時間顏色對比功能，可以區(qū)分完整蝦和破損蝦，并引入偽色視覺化方法，即蝦的實時豐度圖，提出不同時間段的豐度圖，以展示該方法的應(yīng)用價值。除在蝦的完整度方面進(jìn)行區(qū)分外，相關(guān)研究人員還建立了蝦骨架線預(yù)測實際長度模型、投影面積估值質(zhì)量的模型。Luo Yan等[31]利用基于圖像分析的設(shè)備提取蝦的主骨架線用來直接表示蝦的長度參數(shù)，該方法選取10 個不同品種共40 個蝦樣本的400 張圖像，采用Ostu算法進(jìn)行區(qū)分，基于經(jīng)典的骨架細(xì)化方法，提出一種在不影響主干長度的前提下有效去除主干分支的算法；結(jié)果表明，骨骼長度與實際長度相當(dāng)吻合，最大R2為0.946，最小R2為0.747。Poonnoy等[32]利用非線性回歸模型研究了壽司蝦在其投影區(qū)域的質(zhì)量估計，該方法聯(lián)合視覺儀器和人工智能軟件對圖像進(jìn)行處理，并計算出代表投影區(qū)域的像素個數(shù)，然后采用4 種數(shù)學(xué)模型進(jìn)行權(quán)值估計，t檢驗結(jié)果顯示，其中3 個質(zhì)量預(yù)測模型的相對誤差均無顯著差異，在150 個壽司蝦中最低平均絕對誤差為0.20 g，均方根誤差為0.25%，平均相對誤差0.73%；結(jié)果證明該機(jī)器視覺系統(tǒng)在壽司蝦質(zhì)量自動測定中的應(yīng)用可行性，從而為工業(yè)上迅速區(qū)分蝦的質(zhì)量等級提供了可靠的技術(shù)支持。Hosseinpour等[33]研究了蝦干燥過程中水分含量和蝦顏色的變化，通過分?jǐn)?shù)轉(zhuǎn)換模型成功地提取不同含水率下蝦的L*、a*、b*值參數(shù)，最后，采用二次回歸模型建立對蝦干燥過程中水分含量與顏色參數(shù)之間的關(guān)系。

表2 機(jī)器視覺技術(shù)在蝦類中品質(zhì)檢測的應(yīng)用Table 2 Application of machine vision technique in shrimp quality detection

2.3 其他

市場上牡蠣、扇貝一般批量銷售，所以牡蠣、扇貝的準(zhǔn)確分級對其定價有重要意義。由于牡蠣形狀不規(guī)則，在加工銷售過程中根據(jù)其直徑和質(zhì)量分為小、中、大3 個等級[34]。牡蠣的分級、分類和計數(shù)可以通過機(jī)器視覺來完成。對于扇貝來說，分級同樣是一個必不可少的過程，常見的方法如篩選和機(jī)械分級，都有可能對扇貝造成損害。因此，機(jī)器視覺技術(shù)也適用于扇貝的無損操作。市場上牡蠣和扇貝的大小決定其經(jīng)濟(jì)價值，因此準(zhǔn)確測定兩者的體積、質(zhì)量等信息對其準(zhǔn)確分級具有重要意義（表3）。Lee等[35]提出了一種結(jié)合激光三角剖分的算法，該方法用2D成像測量面積，進(jìn)而轉(zhuǎn)用3D表面重建進(jìn)行體積測量，與Mathiassen等[36]實驗中使用的三角測量技術(shù)不同，Lee等利用安裝在牡蠣肉上方的多線激光可呈現(xiàn)出不同顏色的原理來檢測，當(dāng)攝像機(jī)垂直向下時，與待測樣品垂直，相機(jī)只需要檢測激光的顏色，然后采用兩參數(shù)線性模型，將測量面積與體積聯(lián)系起來，建立體積計算方程；然后通過測量牡蠣肉沿平行線上點的高度，建立一個更準(zhǔn)確的體積預(yù)估模型，將初始體積預(yù)估模型的相對誤差降低了40%以上。Xiong Guangming等[37]提出一種提取牡蠣的外形輪廓新方法，用轉(zhuǎn)角相互關(guān)聯(lián)（turn angles cross-correlation，TAC）對牡蠣殼形狀進(jìn)行分類的算法對樣品（規(guī)則、不規(guī)則、品質(zhì)優(yōu)良的牡蠣各73、107、119 個）進(jìn)行分級，準(zhǔn)確率分別達(dá)100%、94.3%、91.96%。隨后，將優(yōu)質(zhì)的牡蠣進(jìn)一步進(jìn)行小、中、大的級別分類[38]，該方法實現(xiàn)了整個牡蠣分級分類過程的快速無損操作，具有較高的應(yīng)用價值。

扇貝的識別、分級主要根據(jù)其輪廓大小和對耳蝸的準(zhǔn)確定位進(jìn)行操作（表3）。Lin Aiguang等[39]開發(fā)了一種新的對扇貝殼進(jìn)行識別的方法，該方法通過改進(jìn)的隨機(jī)霍夫變換法實現(xiàn)扇貝的輪廓提取和邊緣檢測，并通過分析扇貝邊緣和中心相對位置確定耳廓方位，研究表明，該方法能快速、準(zhǔn)確地完成耳蝸定位工作。郭常有等[40]嘗試通過測量扇貝的大小和位置來實現(xiàn)扇貝的自動分類，采用改進(jìn)的OPTA算法和跟蹤算法提取扇貝圖像的邊界，以扇貝圖像邊界的最大距離以及中心點得到位置坐標(biāo)；由于相機(jī)的操作與扇貝之間無觸碰，避免了扇貝在檢測過程中的振動、碰撞和損壞。王帥[41]研究了基于模糊識別理論的扇貝識別和分級方法，該方法采取Mamdani模糊推理模型選取了目標(biāo)扇貝圖像中提取的平均半徑、圓相似度、像素點數(shù)量3 個特征作為模糊變量，建立模糊分類器進(jìn)行識別和分級；實驗證明該算法不但可以有效區(qū)分扇貝與干擾物，并且能夠有效地對扇貝進(jìn)行分級。

表3 機(jī)器視覺技術(shù)在牡蠣和扇貝中品質(zhì)檢測的應(yīng)用Table 3 Application of machine vision technique in quality detection of oyster and scallop

3 結(jié) 語

本文總結(jié)了機(jī)器視覺的發(fā)展及其相關(guān)技術(shù)在水產(chǎn)品視覺質(zhì)量檢測中的應(yīng)用。經(jīng)過多年的發(fā)展，隨著相機(jī)、照明系統(tǒng)、燈箱設(shè)計以及圖像分析方法的進(jìn)步，機(jī)器視覺技術(shù)得到了不斷的改進(jìn)。用于尺寸測量的參數(shù)范圍從單純的長度發(fā)展到面積、周長、寬度和高度，目的是為了對不同物種分類和分級。在色彩測量方面，機(jī)器視覺系統(tǒng)從分類和分級到新鮮度評估、肌肉顏色分析、皮膚顏色評估和顏色變化測定都得到了廣泛的應(yīng)用；但還存在一些問題急需解決，例如，在機(jī)器視覺設(shè)備方面，現(xiàn)有的機(jī)器視覺設(shè)備存在難以自定義并保持一致的照明，以及校準(zhǔn)要求難以達(dá)標(biāo)等問題；在數(shù)字圖形圖像處理技術(shù)方面，如何在有重疊物體的復(fù)雜情況下將目標(biāo)物體從背景中分離，如何在保證精度的前提下提高圖像的處理速度等，是目前面臨的科學(xué)難題[42]。

機(jī)器視覺技術(shù)發(fā)展至今，相關(guān)軟件和硬件產(chǎn)品都已成為該系統(tǒng)的重要組成部分，這對系統(tǒng)的集成性提出了更高的要求。工業(yè)上要求能夠?qū)y試系統(tǒng)和控制系統(tǒng)一體化自動化達(dá)到協(xié)同工作的目的，而非獨立的感官檢測應(yīng)用。機(jī)器視覺系統(tǒng)易于向多傳感器信息融合技術(shù)拓展，解決單一視覺系統(tǒng)的局限性。多傳感器信息融合是利用計算機(jī)技術(shù)將來自多傳感器的信息和數(shù)據(jù)進(jìn)行分析和綜合的信息處理過程，實際上是對人腦處理復(fù)雜問題的一種功能模擬。在未來，機(jī)器視覺將有可能通過電子鼻、電子舌和人工智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)的結(jié)合，在水產(chǎn)品加工生產(chǎn)線上通過測量尺寸、顏色、質(zhì)地和氣味來完成質(zhì)量檢測。食品工業(yè)是使用機(jī)器視覺技術(shù)的前十大行業(yè)之一[43]，在現(xiàn)代自動化生產(chǎn)過程中，可以將機(jī)器視覺系統(tǒng)廣泛地用于食品品質(zhì)檢測及相關(guān)領(lǐng)域，因為該系統(tǒng)能做到比手動方式更快、更便宜和更一致的操作。在世界范圍內(nèi)已有大量食品工業(yè)中使用機(jī)器視覺的例子[44]。

隨著研究的深入，更多新的算法被開發(fā)出來以滿足機(jī)器視覺技術(shù)現(xiàn)實應(yīng)用的需求。目前機(jī)器視覺技術(shù)系統(tǒng)在水產(chǎn)食品的質(zhì)量評價中應(yīng)用效果顯著，隨著更多研究的數(shù)據(jù)和方法的積累，預(yù)計該技術(shù)將會更廣泛地被應(yīng)用。結(jié)合深度學(xué)習(xí)，機(jī)器視覺未來將向智能化方向發(fā)展，在可變條件下提供強(qiáng)大的特征匹配和驗證。因此，需要改進(jìn)攝像機(jī)和照度設(shè)置，以提供更清晰的圖像，例如，控制光照條件以達(dá)到預(yù)期效果。為了提供更快的圖像處理和更真實的圖像分析，還需要簡單高效的算法，可以測量多個參數(shù)，形成更全面的分析，模擬人眼的功能，從這個角度看，使機(jī)器視覺系統(tǒng)更像人類視覺系統(tǒng)是該技術(shù)的未來發(fā)展方向。機(jī)器視覺技術(shù)可能將在水產(chǎn)養(yǎng)殖中得到開發(fā)和商業(yè)應(yīng)用，漁業(yè)鏈溯源[45]將在機(jī)器視覺的幫助下得以實現(xiàn)。當(dāng)機(jī)器視覺技術(shù)發(fā)展到一定程度時，可以開發(fā)出具有視覺質(zhì)量檢測功能等具有實際應(yīng)用意義的手機(jī)軟件，運用智能手機(jī)的相機(jī)即可達(dá)到機(jī)器視覺系統(tǒng)從圖像采集到數(shù)據(jù)處理的所有功能。一般消費者通過手機(jī)拍照可以看到目標(biāo)產(chǎn)品的詳細(xì)和最新信息，包括品種、大小、質(zhì)量、顏色和新鮮度，從而為消費者在市場上做出更科學(xué)的水產(chǎn)品選擇提供了一種快捷方便的方式，這也將推動控制設(shè)計和工業(yè)物聯(lián)網(wǎng)的進(jìn)一步發(fā)展，旨在切實保障水產(chǎn)食品的品質(zhì)，提高其經(jīng)濟(jì)價值，最終使消費者受益。