2. 农产品尺寸分级对象分析

机器视觉尺寸分级的第一步不是选相机，而是把“农产品”这个模糊对象翻译成可测量的几何量。同一台设备面对苹果和马铃薯，需要提取的特征、允许的误差、甚至“尺寸”本身的定义都可能不同。本节围绕苹果、柑橘、番茄、马铃薯四类典型对象，梳理它们的尺寸定义、常见分级口径以及视觉测量中最容易出问题的环节，为后续相机选型、算法设计和机构设计提供依据。

一、尺寸定义：不同对象，“尺寸”指的不是同一个量

农产品是非刚性的生物体，外形不规则且个体差异大，因此“尺寸”必须先约定测量基准。工程上常用的定义有以下几类：

• 最大横径：垂直于果轴方向的最大宽度，是苹果、柑橘最常用的分级依据，通常用果径（mm）表示。
• 等效直径：由投影面积换算得到的圆直径，D = 2·√(A/π)，适合形状接近圆形的对象，对投影姿态不敏感。
• 长短轴与形状比：番茄、马铃薯常用长轴、短轴及二者比值描述，比值同时承担形状分级功能。
• 厚度或高度：马铃薯、部分扁平果实的第三维尺寸，单相机俯视无法获得，需要侧视或结构光辅助。
• 体积/质量估算：由多视角尺寸回归得到，用于更高精度的等级划分。

需要强调的是，视觉系统输出的通常是像素尺寸，必须通过标定换算为物理尺寸。若采用俯视单相机，测得的是投影轮廓，果实姿态倾斜会使投影变短，因此实际方案中常配合滚轴输送使果轴定向，或采用多相机、镜面反射获取多视图。

二、常见对象的分级标准与测量口径

我国鲜果分级多执行按横径划分的等级标准，不同品类档差不同。下表给出的是教学示例中常用的口径，实际项目应以现行国家标准或企业收购标准为准。

可以看到，苹果、柑橘以“最大横径”为准，而马铃薯薯形细长，商品规格更关注能通过筛孔的最小截面，因此以短轴为分级量。番茄则同时使用两个方向的尺寸。这意味着算法不能只输出一个“直径”，而应输出轮廓的长轴、短轴、面积、等效直径等一组特征，再由分级规则按品类选择使用。

三、视觉测量的典型难点

姿态与投影误差。单相机俯视时，果实倾斜 θ 角会使投影横径变为真实横径的 cos θ 倍。以 80mm 苹果为例，倾斜 15° 时投影约 77.3mm，误差接近 3mm，足以跨过一个档位。解决思路包括滚轴定向、增加侧视相机、或用椭圆拟合结合先验形状进行姿态补偿。

边缘提取不稳定。果实表面高光、阴影、与输送带的颜色接近都会导致轮廓断裂。深色马铃薯在深色皮带上对比度极低，需要改用背光或近红外成像；苹果高光区则可通过偏振片或多曝光融合抑制。

个体差异与形状不规则。柑橘扁圆、番茄带蒂、马铃薯两端不对称，最小外接矩形和最大内切圆的结果对旋转敏感。工程上常用轮廓的凸包、拟合椭圆长短轴，或沿多个方向扫描宽度取最大值，以降低旋转带来的波动。

尺寸与缺陷的耦合。机械伤、裂口会改变轮廓，若直接取最大外接尺寸可能把破损果误判为大果。因此分级流程一般先做缺陷分割，再在完好区域内测量尺寸。

四、从对象特征到分级规则的映射

下图把四类对象的尺寸量、测量方式与主要误差来源放在同一条链路上，便于对照理解：同一套视觉硬件，因对象不同而采用不同的特征提取与补偿策略。

五、对象分析应产出的工程结论

完成对象分析后，应形成一份可直接指导设计的结论，而不是停留在“苹果是圆的”这类描述。以苹果为例，可落成如下判断：分级量取最大横径，档差 5mm，测量不确定度应控制在档差的 1/5 以内，即约 ±1mm；按 80mm 果实、倾斜 15° 估算投影误差约 2.7mm，超出允许范围，因此必须采用滚轴定向或增加侧视；表面高光需偏振或 HDR 处理；标定须在带面高度进行并做高度修正。对马铃薯则结论不同：短轴为分级量，姿态旋转对短轴影响小于对长轴的影响，但仍需限制翻滚，且必须解决深色表面与皮带的对比度问题，优先选背光或近红外。

这些结论直接决定相机分辨率、镜头视场、光源形式、输送机构以及算法输出的特征集合。对象分析做得越具体，后续方案返工越少。实际项目中建议先用一批已知尺寸的样品做小样本试拍，统计同一果实多次经过时的尺寸波动，用波动幅度反推所需的分辨率与补偿策略，这比单纯按理论公式选型更可靠。