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。