荞麦剥壳效果在线检测装置的设计与试验

刘广硕，杜文亮，吕少中，陈 伟，政东红，刘安琪

(1.内蒙古农业大学 机电工程学院，呼和浩特 010018；2.内蒙古工业大学 信息工程学院，呼和浩特 010018 )



荞麦剥壳效果在线检测装置的设计与试验

刘广硕1，杜文亮1，吕少中2，陈 伟1，政东红1，刘安琪2

(1.内蒙古农业大学 机电工程学院，呼和浩特 010018；2.内蒙古工业大学 信息工程学院，呼和浩特 010018 )

为提高荞麦剥壳设备的自动化程度，改善以往依靠手工筛分、计算的方法得到碎米率、整米率和未剥壳率，且不能实时检测等问题，设计了一种基于图像识别技术的荞麦剥壳效果在线检测装置并进行了测试试验。该装置主要由取样机构、匀样机构、图像识别系统和气流除尘光照箱等组成。试验结果表明：碎米率均值误差为1.08%、整米率均值误差为-4.49%、未剥壳率均值误差为3.43%，能够较为准确地反映出荞麦加工过程中的剥壳效果。

荞麦；剥壳；在线检测；图像识别；碎米率；整米率；未剥壳率

0 引言

近年来，随着生活水平的日益提高，高血糖、高血脂、糖尿病等疾病不断侵蚀着人们的身体健康，健康合理的膳食观念深入人心，荞麦突出的保健、食疗及药用价值也越来越受到人们的重视[1]。剥壳是荞麦米加工的核心环节，剥壳效果的好坏也直接影响荞麦米生产厂家的经济利益。影响剥壳效果的主要因素有剥壳间隙、沙盘转速及喂料速度。剥壳效果的主要评价指标为整米率、碎米率和未剥壳率[2]。在以往剥壳过程中，想要得到整米率、碎米率和未剥壳率来判断剥壳效果，只能依靠手工筛分及计算的方法得到，不仅费时费力，且无法及时反馈，实现剥壳参数的快速调整。

近年来，随着图像识别技术的逐渐成熟及硬件成本的下降，基于图像识别技术，利用谷物或种子形态、颜色等特征对其进行分级或品质检测等研究已经取得了卓越成效。2004年，成芳、应义斌利用计算机图像处理技术对水稻种子的形状、颜色等外部特征进行检测，并建立了水稻种子特征的图像信息库[3]。2005年，何胜美等人基于图像识别技术，利用小麦籽粒的20个形态特征和12个颜色特征对我国28个品种的小麦进行了分类和识别[4]。因此，可研制荞麦剥壳效果在线检测装置，将图像识别技术引入荞麦剥壳工艺流程中，利用荞麦、荞麦米和碎米在形态特征、颜色特征上的差异，在线检测整米率和碎米率，来提高荞麦剥壳设备的自动化程度，实现荞麦剥壳效果的快速检测。

1 总体设计

荞麦剥壳效果在线检测装置由取样机构、匀样机构、图像识别系统和气流除尘光照箱等组成，如图1所示。

1.荞麦剥壳机 2.取样机构 3.吸风分离器主体 4.匀样机构 5.气流除尘光照箱图1 荞麦剥壳效果在线检测装置Fig.1 The on-line detecting device for buckwheat shelling effect

荞麦剥壳后混合物经吸风分离器处理，吸走大部分粉尘、荞壳和部分碎米；取样机构位于吸风分离器主体的下方，收集到的定量荞麦及荞麦米混合物，通过连接软管进入匀样机构；在匀样机构的作用下，均匀摊开并落在输样机构上，在输样机构的输送作用下通过光照箱下方，完成图像采集。

2 取样机构的设计

2.1 取样流量的确定

根据标准GB/T 5495-2008(粮油检验稻谷出糙率检验)中测定稻谷出糙率(净稻谷试样脱壳后的糙米占试样的质量分数)所需的试样量为20～25g[5]。20～25g荞麦原料剥壳后产生的荞麦及荞麦米混合物为16.8～21.1g，取21.1g。经试验，图像采集目标区域为150mm×150mm，并且其中包含约100粒籽粒(2g)时，图像识别的准确度较高。图像采集间隔为6s，则取样流量Q1≥0.02kg/min。

2.2 取样机构的确定

6QB-150型荞麦剥壳机，正常工作情况下(整米率20%，生产率120kg/h)，吸风分离器出料口荞麦及荞麦米混合物流量Q2≈4.5kg/min，取样槽宽度与吸风分离器出料口宽度比例为

吸风分离器出料口宽500mm，则取样槽宽度d≥500i=2.2mm。

因此，设计取样机构如图2所示。其中，滑轨固定在吸风分离器支架上，取样槽可在两滑轨上左右滑动；取样槽下表面倾角为35°，可保证混合物能顺利流出取样槽；滑动插板可调整取样流量的大小。

1.滑轨 2.取样槽 3.插板滑槽 4.插板图2 取样机构Fig.2 The sampling mechanism

3 匀样机构的设计

为了保证图像识别能够准确地得到整米率、碎米率，需要采集图像中的籽粒均匀、无堆叠摊开。为此，设计匀样机构，如图3所示。

匀样机构主要由匀样斗和架子构成。匀样斗倾斜角度可调，其内布置3层匀样板，将成簇的混合物均匀分散并减速，匀样斗上盖与侧板以螺栓连接，便于将上盖取下，调整匀样板的个数及位置。经试验，当匀样斗倾斜角度约为35°、匀样板层数为2层时，匀样机构的匀样效果最好，籽粒均匀、无堆叠，采集到的图像识别效果最好。

1.匀样斗 2.匀样板 3.架子图3 匀样机构Fig.3 The uniform mechanism

4 气流除尘光照箱的设计

4.1 整体设计

荞麦剥壳厂房的空气中存在粉尘，如果相机长期处在粉尘中，不仅会影响相机的使用寿命，还会影响到采集图像的清晰度，从而影响到图像识别的准确性。因此，需要给光照箱设计除尘系统，避免厂房中的粉尘进入光照箱。气流除尘光照箱的整体方案如图4所示。

1.波纹管 2.光照箱 3.输样板 4.直线振动输料器 5.滤芯架子 6.滤芯 7.风机连接 8.风机图4 气流除尘光照箱Fig.4 The pneumatic cleaning light box

荞麦剥壳厂房中含有粉尘的空气，经过滤芯，过滤出粉尘后，通过连接圆管，进入风机；风机出气口吹出的清洁空气沿波纹管进入光照箱；光照箱内存在自上而下的均匀气流，阻止箱外粉尘进入箱内。光照箱下方为输样板，在直线振动输料器的作用下，输送混合物通过光照箱下方，完成图像的采集；通过变频器改变直线振动输料器的振幅与频率来控制物料的输送速度，并保证在输送过程中物料不会跳起或产生较大振动，影响图像的清晰度。

4.2 光照箱设计

光照箱的尺寸为300mm×300mm×500mm，无底。箱内布置MV-UB130GC-T型MindVison工业相机和LED条形光源。经试验，条形光源数量为8条、光照箱下方输样板颜色为浅紫色时，采集到的图像最清晰，碎米(断裂面为白色)、荞麦米(黄绿色)、荞麦(灰褐色)与背景对比最明显。

4.3 风机的选型

光照箱位于输样板上方，为防止光照箱下口气流扰动混合物，使籽粒滑移或震动，影响图像采集的质量，应保证光照箱下口风速小于1.5m/s。因此，应设计管道与选择风机型号来保证光照箱下口风速。

气流在管道中流动的过程中，会产生压力损失。压力损失由沿程压力损失和局部压力损失组成。截面不变管道中流动空气的沿程压力损失计算公式[6]为

式中 λ—摩擦阻力因数；

v—风道内空气流速(m/s)；

ρ—空气密度(kg/m3)；

L—风道长度(m)；

Rs—风道的水力半径(m)。

气流在风道内流经管道变径、弯道、风道接口等时，会产生局部压力损失，计算公式为

式中 Δpk—局部压力损失(Pa)；

k—局部压力损失系数。

对本系统而言，气流在光照箱内流动时，Rs=0.075m，λ=0.034，ρ=1.205kg/m3，L=0.5m，v=1.5m/s，计算可得：Δpm=0.15Pa。类似的，可得到整个系统的压力损失为Δp=3.88Pa；光照箱下口风速为1.5m/s。依据质量守恒定律可知：风机出气口风速为11.9m/s，风速估计动压的计算公式为p动=v2/1.6，可知，风机动压为p动=88Pa。则所需风机压力p>Δp+p动=91.88Pa。

依据质量守恒定律，管道内各个截面系统相同：

Q1=1.5m/s×0.3m×0.3m=0.135m3/s=486m3/h，因此所需风机流量Q>Q1=486m3/h。

依据上述计算结果，选择风机为DFY180型离心风机，具体参数如表1所示。

表1 风机参数表Table 1 Fan parameters table

经试验，将风机出气口调整为φ50mm时，光照箱下口风速为1m/s，除尘效果较好，且对输样板上籽粒没有扰动。

5 试验及结果

试验原料为2014年产自内蒙古自治区武川县的黎麻道荞麦，分级后，将φ4.8～φ5.0mm粒级以3kg/min的流量喂入6QB-150型荞麦剥壳机；剥壳机的剥壳间隙为5.0mm，转速为963r/min。经测定，剥壳后混合物各成分的粒数比例真值为：碎米率为6.86%、整米率为23.2%、未剥壳率为69.93%。

此时，调整取样槽插板的位置，使取样流量为200g/min；调整直振器的工作参数为U=125V,E=53Hz。采集到的图像如图5所示。

图5 混合物图像Fig.5 Mixture image

随机截取连续采集的10张图像并识别，将得到的碎米率、整米率、未剥壳率取平均值，以此均值与混合物各成分比例真值的差(误差)作为检测效果的评价指标，得到的结果如表2所示。

表2 试验结果Table 2 The test result

6 结论

1)所设计的荞麦剥壳效果在线检测装置能够较稳定地取样、匀样及图像采集。

2)随机截取连续采集的10张图像并识别，得到碎米率均值误差为1.08%、整米率均值误差为-4.49%、未剥壳率均值误差为3.43%，能够较为准确地反映荞麦加工过程中的剥壳效果。

3)后续应对图像识别程序进一步研究，以提高图像识别的准确率和适应性，更好地达到在线检测荞麦剥壳效果的目的。

[1] 侯雪梅,袁仲.荞麦的营养保健功能与开发利用[J].农产品加工：学刊,2014,01:73-75.

[2] Chen Wei, Du Wenliang. Review of Buckwheat Shelling Equipment [C]//第十八届国际农业与生物工程学会论文集，2014.

[3] 成芳,应义斌.杂交水稻种子特征特性视觉检验分析与图像信息库的建立[J].中国水稻科学,2004,05:87-91.

[4] 何胜美,李仲来,何中虎. 基于图像识别的小麦品种分类研究[J].中国农业科学,2005(9):1869-1875.

[5] GB/T 5495-2008,粮油检验 稻谷出糙率检验[S].

[6] 中国农业机械化科学研究院.农业机械设计手册(上册)[M].北京:中国农业科学技术出版社，2007:238.

Design and Experiment of On-line Detecting Device for Buckwheat Shelling

Liu Guangshuo1, Du Wenliang1, Lv Shaozhong2, Chen Wei1, Zheng Donghong1, Liu Anqi2

(1.College of Mechanical and Electrical Engineering, Inner Mongolia Agricultural University, Huhhot 010018，China; 2.Information Engineering Institute, Inner Mongolia University of Technology, Huhhot 010018，China)

In order to increase the automation of buckwheat shelling equipment, and improve the situation of whole rice rate and broken rice rate and unbroken buckwheat rate obtained by the way of manual sieving, we designed an online detector that can detect the buckwheat shelling effect based on the image recognition technology. The device consists of sampling mechanism, uniform mechanism, image recognition system and lighting box with air cleaning. The experiment was done by this recognition system. The results show that the deviation of broken rice rate average is 1.08%;the deviation of whole rice rate average is -4.49%;the deviation of unbroken buckwheat rate is 3.43%. For the above, the conclusion is that the device could well achieve the online detection of buckwheat shelling effect.

buckwheat；shelling；on-line detecting；image recongnition；broken rice rate; whole rice rate； unbroken buckwheat rate

2016-02-01

国家自然科学基金项目(31260409)

刘广硕(1989-)，男，河北承德人，硕士研究生，(E-mail)liugsh201336@126.com。

杜文亮(1957-)，男，内蒙古达拉特旗人，教授，博士生导师，(E-mail)duwl5711@vip.imau.edu.cn。

S226.2

A

1003-188X(2017)03-0121-04