APP下载

肉质桃多级分拣系统的设计

2021-12-21刘鑫尚徐浩铭杨丽军

装备制造技术 2021年8期
关键词:肉质桃子滤波

刘鑫尚,徐浩铭,杨丽军

(杨凌职业技术学院,陕西 杨凌 712100)

0 引言

在现在生活中,桃子是我们最喜爱的水果之一,人们对桃子大小、颜色等方面的要求越来越高。为了满足消费者的多样化需求就必须做好桃子的多级分选处理[1]。然而传统的人工分拣方式速度慢、效率低,造成了生产成本增加。

为了能够实现肉质桃多级分拣的目的,系统需要根据肉质桃的颜色、重量等重要信息对桃子进行信息采集。在桃子颜色识别系统中,机器视觉技术是目前应用较广的一种方式,其最大的特点就是能够实现使得桃子检测过程中柔性操作,不被损坏,从而提高分拣过程的无损检测,提高在线检测的生产效率[2-3]。

为了能够对桃子颜色信息进行识别,可以通过聚类性能监督的方式对桃子颜色特征进行识别,同时借助各种数学模型算法,分拣系统才能识别桃子的特征,从而进行分类。为此,本系统采用RGB 图像检测的方法,首先对肉质桃进行颜色方面的图像数据采集,根据数据处理算法对肉质桃进行颜色识别和分类[4],之后进一步采用AD7195 芯片,利用交流激励和比率测量的方法,设计出了肉质桃分选称重模块进行重量筛选,从而实现肉质桃的多级分拣系统。其系统设计原理结构如图所示1。

图1 桃子多级分选系统结构图

1 肉质桃的分拣流程

在肉质桃分选过程中,首先要对桃子进行实时图像采集,主要采集桃子的红、白、绿三色信息,为桃子分拣提供数据基础。但是采集后的桃子图像信息内部除了桃子颜色信息之外还会掺杂大量的和信息无关的噪音信息及环境背景信息[5]。这就需要通过各种图像数据处理方式对采集到的桃子图像数据进行分割处理,从而得到对桃子分级处理有用的数据信息,并对其进行数据提取。因此,为了能够提取有效的桃子特征信息,本文通过采用RGB 图像检测与识别的方法,来提取桃子的各种特征信息,并根据这些信息来进行肉质桃的等级鉴定,之后进一步采用AD7195 芯片,利用交流激励和比率测量的方法,设计出了肉质桃分选称重模块进行重量筛选,从而设计出肉质桃的多级分拣系统,最后借助机械手实现肉质桃的分拣过程。图2 所示为肉质桃的分拣过程控制流程图。

图2 桃子多级分选设计流程图

2 肉质桃图像采集与分拣处理

本文是通过实时、动态的方式来采集肉质桃图像信息的。借助软件环境获取肉质桃的图像数据。通过图像采集设备采集到的桃子图像数据中会夹杂大量的环境噪音及对系统分析图像较大的噪音信号,因此需要利用滤波方式对这些干扰信号进行滤波处理,本文采用空域滤波的方式进行数字图像去噪音。得到的图像数据经过滤波后,就可以得到新图像的各点像素值,为了便于分析,假设新图像数据的为M× N矩阵,经滤波后新图像数据的像素值为R,其对应的公式为:

为了能够更好地排除无关因素,本文主要采用高斯滤波与中值滤波两种滤波器。利用高斯滤波器能够线性平滑处理的最大优点,对桃子数据进行加权值平均处理和高斯噪音抑制,可以得到整幅图像的中心点像素值。为了能够更多地保存原图像的真实信息,因此需要引入中值滤波,引入中值滤波最主要的目的就是能够通过其消除桃子数据信息中的椒盐噪音,这样还能尽量克服桃子图像模糊的现象。

为了改善中值滤波和高斯滤波减弱图像的缺陷,为了能够突出图像边沿信息,可以采用图像增强的方式,之后再把增强后的图像与原图像数据进行做差处理,以系数增强的方法改善图像数据,把得到的新数据再与原数据进行叠加处理,就可以得到想过更好的新数据图像,该增强过程的数学模型为:

增强处理后的图像中会包含大量的特征信息,为降低处理过程的计算量,还需要对增强后的图像信息按需求进行分割,从而尽量提取出同类有用特征信息。本文采用全局自动阈值分割法对图像特征信息进行数据采集,从而可以得到RGB 的分布情况,再通过该数据得到高频率RGB 图像印渍,之后可以利用频率最高的图像数据作为桃子图像的特征阈值,对桃子数据图进行分割。

3 肉质桃的分类

在通过RGB 图像信息对肉质桃进行分类过程中,为了能够保证分类的准确性,本文采用了服从于高斯正态分布的高斯混合模型分类法,利用高斯混合模型提取桃子图像特征信息,之后再通过分类器对桃子进行分类。

肉质桃在进行分类过程中主要是提取肉质桃的区域特征和颜色特征。颜色提取过程主要是通过对经过滤波增强后的桃子特征信息进行分类,通过提前设定颜色阈值和选取区域,利用RGB 各个通道中最大通道的的颜色数据对桃子进行特征分析,从而就能够得到不同颜色桃子的分类信息。其过程流程图如图3 所示。

图3 桃子颜色分类过程流程图

4 称重电路的设计

为了能够更准确的提取桃子的重量信息,本文通过采用性能较好的AD7195 芯片,引入了一种称重模块的调理电路。这种称重电路模块可以对系统中的称重传感器输出的称重信号进行放大处理、然后通过AD 转换把信息传递给滤波器,进过信号滤波之后出输给单片机,从而实现质量信号的输出和处理。其系统结构如图所示。为了减少称重传感器中的非线性成分,提高称重的准确性,该系统还采用了特定的数字处理技术对称重信号进了的修正,其系统结构图如图4 所示。

图4 桃子称重分类结构图

5 水果等级鉴定和分拣

提高桃子分级的重要指标就是颜色和重量,这直接决定了桃子的经济价值。桃子在分级过程中通过采用RGB 进行颜色识别以确定桃子的成熟程度,同时还需要对桃子进行称重以进行二次分类,之后为了减少对桃子的损伤,再通过机械手进行抓取分拣[6]。在系统进行分拣之前,需要将肉质桃的位姿等信息在多坐标系中提前进行标定,之后根据肉质桃子的位置、姿态等信息,机械手才能对不同颜色、不同重量等级的桃子进行抓取分拣。

6 试验验证

为了验证本系统的可靠性,通过人工测量的方式选取了30 个大小不一的秦王桃,其中有10 个未成熟的绿色桃子,10 个半成熟的白色桃子和10 个成熟的红色桃子。再把三种桃子混合在一起,使用分拣系统进行图采集及特征识别。通过试验能够测得该系统的检测结果不论是水果颜色的测定还是重量的测定都和人工选测方式得到的结论完全相同,重量方面的精确度还要高于人工测量的结果,其部分结果统计如表1 所示。该试验过程没有对机械手分拣过程进行测验。

表1 多级分拣系统测试结果统计表

7 结论

本文主要通过提取肉质桃的RGB 图像的方式获取桃子的图像信息,同时结合多种滤波的方式对桃子的颜色识别系统信息进行滤波处理,并对经过滤波除噪后的图像数据进行边缘加强,从而得到了图像信息更加清晰准确的加强型特征信息。之后再通过高斯混合模型对肉质桃进行了第一次帅选分类,然后又通过采用AD7195 芯片,利用交流激励和比率测量的方法设计了桃子称重电路,对桃子进一步分类处理,从而细化了桃子的类别,最终借助机械手完成对肉质桃的分拣过程。通过颜色识别和称重试验试表明,本分拣系统具有很高的实用性和可靠性。

猜你喜欢

肉质桃子滤波
“绿嘉黑”肉质风味与生长性能双丰收
春日水中鲜
“香煎”出好味
桃子
桃子
RTS平滑滤波在事后姿态确定中的应用
基于线性正则变换的 LMS 自适应滤波
基于随机加权估计的Sage自适应滤波及其在导航中的应用
等我回来再骗你
基于Sage—Husa滤波的GNSS/INS组合导航自适应滤波