下载文档原格式
水果分拣结构毕业设计水果分拣结构毕业设计引言水果分拣是农业生产中重要的环节，它直接关系到水果的质量和市场价值。
随着技术的发展，自动化水果分拣系统逐渐取代了传统的人工分拣方式。
本文将探讨水果分拣结构的毕业设计，旨在提高水果分拣的效率和准确性。
一、背景介绍水果分拣是水果加工过程中不可或缺的环节，它的目的是根据水果的品种、大小、成熟度等特征，将水果分成不同的等级。
传统的水果分拣方式通常依赖于人工，这不仅效率低下，还容易出现人为错误。
因此，自动化水果分拣系统的研发变得尤为重要。
二、自动化水果分拣系统的组成自动化水果分拣系统主要由以下几个部分组成：1. 传感器：传感器在水果分拣系统中起到关键作用，它能够检测水果的大小、颜色、成熟度等特征。
常用的传感器包括光电传感器、红外线传感器等。
2. 传送带：传送带是将水果从一个位置运送到另一个位置的关键设备。
它可以根据水果的特征进行分拣，并将水果送到相应的位置。
3. 分拣机械臂：分拣机械臂是自动化水果分拣系统中的核心部件，它能够根据传感器的反馈信息，准确地抓取水果并将其放置在相应的位置。
4. 控制系统：控制系统是整个自动化水果分拣系统的大脑，它能够根据传感器的反馈信息，控制传送带和机械臂的运动，实现水果的准确分拣。
三、自动化水果分拣系统的工作原理自动化水果分拣系统的工作原理可以简单概括为以下几个步骤：1. 传感器检测：传感器检测水果的特征，如大小、颜色、成熟度等。
2. 特征提取：根据传感器的反馈信息，控制系统对水果的特征进行提取和分析。
3. 分级判断：根据提取的特征，控制系统判断水果的等级，并将其分配到相应的位置。
4. 机械臂操作：根据分级判断结果，控制系统指导机械臂准确地抓取水果，并将其放置在相应的位置。
5. 分拣完成：当所有水果都被分拣完毕后，自动化水果分拣系统停止工作。
四、自动化水果分拣系统的优势和挑战自动化水果分拣系统相比传统的人工分拣方式具有以下优势：1. 提高效率：自动化水果分拣系统能够实现高速、连续的分拣过程，大大提高了分拣效率。
红枣无损自动分级分选机的研制的开题报告一、课题背景红枣是我国的传统食品及中药材，在国内外市场上有很大的需求，其市场价值不断提高。
然而，由于红枣是一种天然产物，每颗红枣大小、形状、色泽、含水量等指标都存在一定的差异。
因此，红枣的分级分选工作一直是红枣行业发展的难点之一。
传统的红枣分选工艺中，以人工分选为主，存在着效率低、工作强度大、误判率高等问题。
同时，对于某些细节问题，人工分选可能也存在主观判断的问题，引发产品质量的不稳定。
因此，研发一种红枣无损自动分级分选机，将会对红枣的生产工艺进行优化，提高红枣产品的品质和市场占有率，具有重要意义。
二、研究内容本研究旨在开发一种基于机器视觉和智能控制技术的红枣无损自动分级分选机，以从红枣中自动分析和鉴别出不同等级的红枣。
具体研究内容包括：（1）分析红枣的特征，探究红枣的分级分选标准和方法。
（2）选用合适的图像采集设备、图像处理算法及智能控制器，构建红枣无损自动分级分选系统。
（3）对采集到的红枣图像进行预处理，包括提取红枣的主要信息，如颜色、大小、形状等。
（4）采用机器学习算法，如深度学习、支持向量机等，建立红枣等级分类模型，并应用于智能控制系统中，实现对红枣的自动分级分选。
（5）对开发的红枣无损自动分级分选机进行实验验证，优化其性能和工艺参数，提高其工作效率和稳定性。
三、研究意义本研究的成果，将具有以下重要意义：（1）通过建立红枣等级分类模型，实现对红枣的自动无损分级分选，提高红枣产品的质量和市场竞争力。
（2）研发的红枣无损自动分级分选机具有智能化、高效性、稳定性等特点，能够替代传统的人工分选，减轻劳动强度，提高工作效率。
（3）此研究对于促进传统领域与新技术的结合，推动农业机械化、信息化、智能化的发展有积极作用。
四、研究方法本研究采用实验研究、模型建立和数据分析等方法，主要分为以下几个阶段：（1）准备红枣样本，收集和分析红枣的特征指标数据，并分析红枣分级分选方法。
水果识别分拣项目总结报告1、研究背景及意义2、1、水果分拣在水果生产运输过程中非常必要。
目前来看,传统农业中的水果分拣工作主要依赖人工，但是该方式工作量大、效率低和速度慢，而且若想单纯依靠人工提高分拣速度，反而会增加生产成本,影响水果在市场上的竞争力。
然而今天，机器视觉技术得到了较大程度的发展，特别是在工业和农业生产方面已经逐渐展现出取代人工进行高危、高强度、重复繁杂工作的趋势。
这主要取决于机器视觉所表现出的特有优势。
机器视觉技术不仅为工业生产线增加了视觉非接触式传感器，从侧面提升了生产的柔性，而且通过对目标图像的分析可以在非接触方式下获得想要的生产数据。
1、为了实现水果的高效分拣本研究计划对分拣系统中视觉识别的方法和应用进行概括总结，分析其采取的必要性。
针对某种水果的分拣过程进行分拣系统的功能和流程进行分析，并设计分拣系统的模块和结构。
2、采用基于视觉识别的分拣系统，提高了水果分拣的效率和准确率，确保了分拣过程中的柔性与无疲劳性，也提高了水果生产效率和普及了水果分类标准。
在电商行业的高速发展下减轻人工劳动力负担，降低分拣成本，增加了工人的收入，提高了水果的市场竞争力。
3、国内的现状研究4、关于基于机器视觉的分级系统研究5、赵小霞[1]等介绍了水果自动分级系统总体设计,并从机器视觉模块和水果图像处理等两方面介绍了系统的视觉模块,最后基于图像处理和PLC控制技术实现了水果自动分级功能。
预计系统最高精度为98%。
伍光绪[2]采用数字图像处理技术,通过领域平均法和中值法对采集图像进行平滑处理,对受到噪声污染的图像进行修复，并运用大小、周长、成熟度等重要分级特征参数对血橙进行有效的分级，研究了基于计算机视觉的血橙无损检测与分类的方法。
朱丹[3]等将机器视觉技术引入到了苹果分拣机的图像识别系统设计上,通过对苹果图像的采集、处理、轮廓特征提取与计算,利用确定好的分拣等级自动实现了苹果的等级分类,再由自动控制系统将不同等级的苹果分拣到指定位置,从而实现了苹果分拣的自动化。
2012年3月农机化研究第3期基于像素点变换法的苹果颜色分级系统研究杨小青，党宏社(陕西科技大学电气与信息工程学院，西安710021)摘要：苹果的着色面积比是苹果颜色分级的一个重要依据。
采用H s I颜色模型中的色度值作为苹果颜色分割的依据。
通过设置合适的色度值提取出苹果的着色区域，再利用像素点变换法计算苹果的整个表面积和着色面积，得到苹果的着色比，最终判断苹果的等级。
试验表明，该方法具有精度高、速度快的特点。
关键词：H sI颜色模型；像素点变换法；颜色分级中图分类号：TP391．41文献标识码：A文章编号：1003—1∞×(2012)03-0203_030引言颜色是水果外在品质的重要指标。
高品质的苹果一般着色均匀而且色泽好…，颜色也反映苹果的成熟度。
间接地说明了水果的糖度、酸度及口感等内部品质”1。
传统的水果分级是采用手工分类来完成的，这样耗费了大量的人力资源，并且由于人的主观认知是因人而异的，所以采用手工分类的结果并不尽如人意。
为了提高苹果分级的效率和准确度，人们开始基于机器视觉来实现苹果的自动检测与分级。
早在1995年时，国外学者T a0Y将H I s彩色系统用于颜色测量和图像处理，同时用色调直方图表示颜色特征，采用多变量识别技术在检测土豆和苹果颜色时，分级正确率达到90％以上”’。
l(az【l hi ro N al c∞o”3采用二级神经网络对苹果颜色进行颜色分级，通过将苹果面沿花萼与果梗方向分区并进行处理，解决了因苹果面曲率不同而引起的反射梯度不同的问题。
应义斌等发现，球体图像的颜色失真主要是颜色的亮度失真，并建立了摄像视区中心球体图像的亮度校正模型，其相关系数为0．846”J。
该方法是把球体图像从R G B 颜色空间转换到H s V颜色空间，校正图像像素的亮度，再将校正后的球体图像从H S V颜色空间转换到R G B颜色空间，中间共有两次模型之间的转换，这样做耗时、处理速度慢。
机器视觉的典型应用摘要：主要介绍机器视觉的典型应用，简要分析机器视觉的特点、优越性和应用分类，详细介绍了机器视觉技术在印刷行业、农业、工业、医学中的应用，并且分别举例说明。
机器视觉的诞生和应用在理论和实际中均具有重要意义。
关键词：机器视觉；标签检测；字符识别；水果品质分级；缺损检测1 机器视觉的典型应用在现代自动化生产过程中，机器视觉系统已广泛应用于工况监视、成品检验和质量控制等领域。
机器视觉系统的特点是可以提高生产的柔性和自动化程度。
在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来代替人工视觉，同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度，是实现计算机集成制造的基础技术。
随着机器视觉技术自身的成熟和发展，可以预计它将在现代及未来的各个行业中得到越来越广泛的应用。
机器视觉的应用分类如下：1)纺织与服装*断纱检测：*织染检测*布料、皮革形状检测2)食品与粮食*粮食异物检测、分拣与色选*饮料液体检测*生产日期、保质期字符识别*灌装线上空瓶的破损、洁净检测3)特种检验*缆绳磨损与破损检测*容器与管道探伤*游乐设施速度检测*危险装备的在线状态检测4)包装*外观完整性检测*条码识别*密封性检测5)机械制造*零部件外形尺寸检测*装配完整性检测*部件的定位与姿态识别*零件、发动机、底盘等编号的同色凹字符识别6)邮政分拣*邮政编码识别*包裹物品检测7)海关与口岸*指纹、掌纹、虹膜与人脸识别*货物识别*安检危险物品检测此外，机器视觉还广泛应用于集成电路检测、航空航天、军事国防、消防和公路交通等。
2机器视觉技术的应用实例机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等多个领域的交叉学科。
它不仅是人眼的延伸，更重要的是具有人脑的一部分功能。
机器视觉不会有人眼的疲劳，有着比人眼更高的分辨精度和速度，借助红外线、紫外线、X射线、超声波等高新探测技术，它在探测不可视物体和高危险场景时，更具有其突出优点。
机器视觉技术与应用练习题一、单选题1、以下哪项不是机器视觉系统的组成部分？（）A 光源B 图像采集卡C 计算机主机D 打印机2、机器视觉中，常用的图像预处理方法不包括（）A 灰度变换B 图像平滑C 图像分割D 图像增强3、在机器视觉测量中，以下哪种测量方法精度最高？（）A 基于边缘检测的测量B 基于模板匹配的测量C 基于立体视觉的测量D 基于区域生长的测量4、机器视觉应用中，用于检测产品表面缺陷的常用算法是（）A 霍夫变换B 阈值分割C 形态学处理D 特征提取5、以下哪种工业相机接口传输速度最快？（）A USB B IEEE1394C GigED Camera Link二、多选题1、机器视觉系统的光源类型包括（）A 环形光源B 条形光源C 面光源D 点光源2、机器视觉中的特征提取方法有（）A 形状特征B 纹理特征C 颜色特征D 空间关系特征3、以下哪些是机器视觉在工业生产中的应用？（）A 零件尺寸检测B 产品外观缺陷检测C 自动化装配D 机器人导航4、影响机器视觉系统精度的因素有（）A 相机分辨率B 镜头畸变C 环境光照D 图像处理算法5、机器视觉系统的性能指标包括（）A 分辨率B 帧率C 景深D 视场三、判断题1、机器视觉系统只能用于工业检测，不能用于医疗领域。
（）2、图像分辨率越高，机器视觉系统的性能越好。
（）3、机器视觉中的阈值分割算法只能用于二值图像分割。
（）4、光源的选择对机器视觉系统的性能没有影响。
（）5、机器视觉系统中的镜头焦距越大，视场角越小。
（）四、简答题1、简述机器视觉技术的工作原理。
答：机器视觉技术是通过使用工业相机或其他图像采集设备获取目标物体的图像，然后将图像传输到计算机中进行处理和分析。
计算机利用图像处理算法对图像进行预处理、特征提取、目标识别和测量等操作，最终得出关于目标物体的相关信息，如尺寸、形状、位置、缺陷等。
2、列举机器视觉在农业领域的应用。
答：在农业领域，机器视觉可用于农产品的品质检测和分级，如水果的大小、形状、颜色、表面缺陷等的检测和分类；还能用于农作物生长监测，通过对农作物的图像分析，了解其生长状况、病虫害情况等；此外，在农业自动化方面，机器视觉可辅助农业机器人进行精准播种、施肥、采摘等操作。
基于图像识别的苹果等级分级研究于蒙; 李雄; 杨海潮【期刊名称】《《自动化与仪表》》【年(卷),期】2019(034)007【总页数】6页(P39-43,47)【关键词】机器视觉; 苹果分级; 支持向量机; 神经网络【作者】于蒙; 李雄; 杨海潮【作者单位】武汉理工大学物流工程学院武汉430070【正文语种】中文【中图分类】TP391.41; TP242.6从水果的生产到销售过程中需要一个分级装箱的过程，主要指标有大小、重量、形状、颜色等。
传统的人工分级是通过肉眼观察水果的各类特征从而进行分级，然而其具有较大的局限性。
近些年随着机器视觉技术的发展，人们为了提高水果分级效率，开始研究基于机器视觉对水果的外部特征，比如大小、形状、颜色以及表面缺陷等进行检测。
1 水果品质分级的研究进展目前，国内外在水果品质分级方面已进行许多研究。
文献[1]设计了一种基于支持向量机SVM和Otsu’s方法的自动可调的颜色分割方法，对300个苹果进行检测，得到了较高的准确率。
文献[2]运用C4.5决策树分类器设计并实现了苹果自动分选机的构建。
文献[3]利用神经网络和计算机视觉方法对芒果进行分类，精度高达94%。
文献[4]在番茄识别时采用颜色分量作为识别指标，很好地解决了二值图像中将花萼、果脐部位误判为表面缺陷的问题。
文献[5]针对果实采摘机器人的果实检测与识别，提出在YCrCb色彩空间中只注意色调、饱和度成分，然后再进行分割，效果良好。
文献[6]利用近红外光谱技术对水果成分进行特征分析，采用聚类处理的方式进行水果成分的特征分类，实现水果成分检测，提高了水果成分检测的正确率。
文献[7]通过Soble算法对水果图像进行边缘提取，利用直方图数据实现水果的大小分级。
文献[8]利用Canny算法获取水果图像中的目标轮廓，并基于BP神经网络实现对芒果的分类，准确率超过93%。
总而言之，研究人员将机器视觉技术作为水果自动分级系统的基础技术，已广泛应用于商业水果自动分级系统中，大大提高了水果的经济价值。
基于机器视觉技术的智能烟草分级检测系统设计与实现智能烟草分级检测系统是利用机器视觉技术实现对烟草产品进行自动化检测和分级的系统。
该系统利用计算机视觉算法和图像处理技术，通过对烟草图像进行采集、分析和比对，以实现对烟草品质等级的准确评定。
本文将详细介绍基于机器视觉技术的智能烟草分级检测系统的设计与实现。
一、系统设计智能烟草分级检测系统主要包括图像采集模块、图像预处理模块、特征提取模块、分类模型构建模块和结果显示模块等五个核心模块。
1. 图像采集模块图像采集模块是整个系统的起点，它用于采集烟草样品的图像。
通过合适的图像采集设备，如高分辨率相机或扫描仪，能够获取到高质量的烟草图像数据。
2. 图像预处理模块图像预处理模块用于对采集到的烟草图像进行预处理，以消除图像噪声、增强图像对比度、标准化图像尺寸等。
预处理操作包括图像去噪、图像灰度化、图像边缘增强等步骤，目的是提高后续处理的效果。
3. 特征提取模块特征提取模块用于从预处理后的烟草图像中提取出与烟草品质相关的特征。
常用的特征包括形状、纹理、颜色等。
通过分析这些特征，可以准确描述烟草样品的特性，并为后续的分类模型提供有效的信息。
4. 分类模型构建模块分类模型构建模块用于建立烟草品质等级的分类模型。
常用的分类算法包括支持向量机（SVM）、神经网络（NN）和随机森林（RF）等。
通过训练分类模型，可以使系统具备对烟草样品进行自动分类的能力。
5. 结果显示模块结果显示模块用于将分类结果展示给用户。
可以通过图形界面或文字显示的形式，将烟草样品的等级信息直观地呈现给用户，以便用户能够更好地了解烟草品质。
二、系统实现基于机器视觉技术的智能烟草分级检测系统的实现主要包括图像采集、图像预处理、特征提取、分类模型构建和结果显示五个步骤。
1. 图像采集利用高分辨率相机或扫描仪等设备对烟草样品进行图像采集，并存储为数字图像文件。
采集时需确保样品的光照条件和拍摄角度的一致性，以保证后续处理的准确性。
一、实验目的随着我国农业现代化进程的加快，农产品产量逐年增加，如何提高农产品分拣效率、降低劳动成本、提升产品质量成为农业产业亟待解决的问题。
本实验旨在通过搭建农产品自动分拣系统，探究其分拣效果，为实际生产提供技术支持。
二、实验材料与设备1. 实验材料：苹果、梨、葡萄、香蕉等常见水果。
2. 实验设备：农产品自动分拣系统、高精度称重传感器、图像采集系统、计算机等。
三、实验方法1. 数据采集：采用高精度称重传感器对苹果、梨、葡萄、香蕉等水果进行称重，记录其重量、尺寸、颜色等参数。
2. 图像采集：利用图像采集系统对水果进行拍摄，获取其图像信息。
3. 数据处理：将采集到的数据输入计算机，利用图像处理技术对水果进行分类、识别。
4. 自动分拣：根据识别结果，自动分拣系统将水果送入对应区域。
四、实验结果与分析1. 分拣效果实验结果显示，农产品自动分拣系统能够有效识别和分拣苹果、梨、葡萄、香蕉等水果。
具体表现在以下几个方面：（1）重量分拣：系统能够根据设定的重量范围，将水果分为多个等级，满足不同客户的需求。
（2）尺寸分拣：系统能够根据设定的尺寸范围，将水果分为不同规格，提高产品包装的美观度。
（3）颜色分拣：系统能够根据设定的颜色范围，将水果分为不同颜色，满足市场对产品外观的要求。
2. 分拣效率与传统人工分拣相比，农产品自动分拣系统能够显著提高分拣效率。
以苹果为例，人工分拣每小时约为100个，而自动分拣系统每小时可达1000个以上。
3. 成本分析农产品自动分拣系统具有较高的经济效益。
以苹果为例，人工分拣成本约为1元/个，而自动分拣系统成本约为0.5元/个。
此外，自动分拣系统还可降低劳动强度，提高员工福利。
五、实验结论1. 农产品自动分拣系统能够有效提高农产品分拣效率，降低劳动成本，提升产品质量。
2. 自动分拣系统在水果、蔬菜等农产品分拣领域具有广阔的应用前景。
3. 本实验为我国农产品分拣技术的发展提供了有益借鉴。
六、实验建议1. 优化系统算法，提高分拣精度和效率。
基于机器视觉的柑橘水果外形识别方法研究共3篇基于机器视觉的柑橘水果外形识别方法研究1基于机器视觉的柑橘水果外形识别方法研究随着社会的快速发展和人民生活水平的提高，柑橘水果成为了人们日常饮食中不可或缺的一部分。
柑橘水果不仅口感鲜美，而且富含各种营养成分，对人体有着很好的保健作用。
而且随着柑橘种植业的快速发展，柑橘的品种也越来越多，外形特征也更加丰富，使得柑橘水果的外形识别变得越来越困难，传统的手工识别已经无法满足市场需求。
因此，本文将介绍一种基于机器视觉的柑橘水果外形识别方法，旨在提高柑橘水果的外形识别效率。
一、柑橘水果外形特征分析在柑橘外形识别方面，橙皮色、橙纹色、橙茸、橙皮光泽度、橙形等是常用的识别特征。
因此，本文将主要针对这些特征进行分析和研究。
1.橙皮色：柑橘外形的最基本特征之一就是它的橙皮。
而柑橘的橙皮颜色有多种，从淡黄色到深橙色都有，因此需要一种方法来识别和记录柑橘不同的橙皮颜色，这样就可以局部识别和比较不同柑橘的外形。
2.橙纹色：除了橙皮色，柑橘的橙纹色也是能够用来进行外形识别的重要特征。
橙纹色的变化是由柑橘演变的过程中不同区域的着色所引起的，因此也能与柑橘的品种相关。
由于柑橘的橙纹色在不同的品种之间有着很大的差异，因此需要在处理时注意识别这些差异以更好地完成柑橘水果外形识别。
3.橙茸：橙茸是由柑橘上皮的污染和微生物残留形成的，主要存在于柑橘的底部，是一种由白色到黄色的毛状物体，因此也是柑橘水果外形的重要标志之一。
在进行外形识别时，需要注意分辨橙茸的数量和位置，并将其作为特征参数进行分析。
4.橙皮光泽度：柑橘的橙皮光泽度是衡量柑橘外表特征的一个关键指标。
与品种有关的橙皮光泽度通常有光滑、丝滑、亮光和暗光等特征，因此需要采用一种能够识别和分析不同的橙皮光泽度的方法。
5.橙形：橙形特征是衡量柑橘外形的最重要因素之一。
通常来说，柑橘的外形会因为品种、种植地区和成熟程度等因素而发生变化，因此在进行柑橘外形识别时，需要对外膜、果肉和核进行综合比对。
简易猕猴桃重量分级装置的设计邬宏【摘要】目前我国的小型分级设备较少,同时由于经济条件的制约,普通农户也负担不起智能机械的设备费用,因此我国的猕猴桃种植区主要还是采取人工分拣的方式进行分级.针对目前猕猴桃采摘后人工分级费时费力、自动分级成本高等问题,利用相同能量对不同质量物体的影响程度不同的原理,提出了一种简易的猕猴桃重量分级装置的设计方案.该装置结构简单,能有效地提高分级准确率,提高工作效率,具有很强的实用性和市场推广价值.【期刊名称】《林业机械与木工设备》【年(卷),期】2018(046)007【总页数】4页(P17-19,23)【关键词】猕猴桃;分级装置;传送带;设计【作者】邬宏【作者单位】西北农林科技大学机电学院,陕西咸阳712100【正文语种】中文【中图分类】S225猕猴桃是一种营养价值十分丰富的水果，对人体具有多重功效和作用，被人们誉为果中之王，其市场价格可观，在国内外市场均具有很大的消费潜力。
韩礼星等[1-2]对20世纪的猕猴桃进出口概况进行了总结，提出了中国加入WTO后猕猴桃产业发展的策略。
进入21世纪以来，猕猴桃作为一种新型水果[3]，其国际贸易和竞争力发生了较大的变化。
通过对不同国家猕猴桃出口价位指数分析表明，中国出口的猕猴桃主要是低档果或中档果，反应了中国的猕猴桃在世界猕猴桃市场上品质较低[4]。
造成这种结果的原因之一是果品检测手段落后，不能将不同质量的农产品进行分级，致使农产品出口质量偏低，甚至作为了低质产品出售。
针对上述情况，设计了一种猕猴桃分级装置，该设备可大幅度降低劳动强度，提高生产效率，同时还可在较大程度上提高农产品的出口质量，促进猕猴桃产业的健康发展。
1 猕猴桃的分级原理1.1 猕猴桃分级现状我国现有的猕猴桃分级技术十分落后，大多处于以手工分级为主的阶段。
虽然也有部分现代分级装置，例如基于机器视觉技术的猕猴桃分级系统是目前研究的热点之一，但其结构十分复杂，而且自动分级成本高，因此该设备只适用于大型的果品供应商，而对一般的种植户目前还难以接受。
2012年8月农机化研究第8期球形水果机械式大小分级技术研究现状杨松夏，陆华忠，吕恩利，许锦锋(华南农业大学工程学院，广州510642)摘要：大小分级是水果商品化处理的重要环节，对提高我国水果的市场价格和市场竞争力有重要意义。
为此，总结了球形水果机械大小分级的现状，对滚杠式、辊式、滚筒式、带式、挡板式和膜片式等6种形式的机械大小分级机的工作原理进行了介绍，并且讨论了机械式大小分级机的发展趋势，为球形水果机械式大小分级机的研发提供参考。
关键词：球形；水果；机械；分级中图分类号：s226．5文献标识码：A文章编号：1003—188×12012)08加235—050引言水果分级是指把水果按照其大小、质量、颜色或品质等特征分成不同的等级。
水果分级可以统一水果规格，方便销售和消费者购买，是水果商品化处理的重要环节。
按大小进行分级简单易行，也便于包装和进一步加工，因此在生产中应用最为广泛¨‘J。
本文以球形水果大小分级为例，分析了球形水果大小分级现状，介绍了几种球形水果大小分级设备。
1球形水果大小分级现状长期以来，我国球形水果大小分级普遍采用人工方式。
人工分级的效率和精度都比较低，无法与机械化和自动化生产线相比旧。
随着电子科技的迅速发展，基于光电技术和机器视觉技术的球形水果大小分级设备开始应用于水果商品化处理过程。
实现了水果分级过程的自动化、高效化和精准化，但是由于设备价格昂贵，在生产中未能得到广泛使用H。
J。
机械大小分级机具有结构简单、成本较低、分级效率较高等特点，是目前应用最广泛的分级设备。
随着水果产业的发展和人们生活水平的提高，对水果质收稿日期：2011—09—14基金项目：现代农业产业技术体系建设专项资金项目(C A R S一33—13)；国家自然科学基金项目(31101363)；广东省自然科学基金资助项目(10151064201000038)；广州市农业科技项目(2011)；广东省科技计划项目(201】B020312003)作者简介：杨松夏(1987一)，男，山东淄博人，在读硕士研究生，(E—m ai l)ys x8706@163．cor n。
