用于水果实时分级系统的同步跟踪自动控制装置

研究了一种用于计算机视觉水果自动分级系统的同步跟踪自动控制装置.图像处理结果从计算机并行口输出到移位寄存器,利用接近开关产生的脉冲作为寄存器的移位信号,将处理结果在移位寄存器输出端口的位置与水果的实时位置保持一致,实现对水果的同步跟踪,并利用硬件操作步进电机的脉冲分配和相关动作,从而完成对分级执行机构的正确控制.     

用于水果实时分级系统的同步跟踪自动控制装置

研究了一种用于计算机视觉水果自动分级系统的同步跟踪自动控制装置。图像处理结果从计算机并行口输出到移位寄存器，利用接近开关产生的脉冲作为寄存器的移位信号，将处理结果在移位寄存器输出端口的位置与水果的实时位置保持一致，实现对水果的同步跟踪，并利用硬件操作步进电机的脉冲分配和相关动作，从而完成对分级执行机构的正确控制。     

基于计算机视觉和神经网络检测鸡蛋裂纹的研究

为了提高鸡蛋裂纹检测的准确性和效率，综合运用计算机视觉技术和BP神经网络技术，实现对鸡蛋表面裂纹的无损检测和分级。首先，通过计算机视觉系统获取鸡蛋表面的图像，对图像分析处理，提取了裂纹区域和噪声区域的5个几何特征参数。其次，将5个参数作为输入，建立结构为5-10-2的BP神经网络模型，对裂纹进行识别和鸡蛋的自动分级。试验结果表明模型对裂纹鸡蛋的识别准确率达到了92.9%，对整批鸡蛋的分级准确率达到了96.8%。     

基于电磁式同步执行机构的鲜枣分级机设计与试验

为了提高鲜枣机器视觉分级机的分级精度和速度,该文研究设计基于电磁式同步执行机构的鲜枣机器视觉分级机,整机由辊轮输送链、拨板链条、电磁铁、同步传动链轮、STM32F407图像处理器和STM32F103控制动作执行的协处理器等组成。执行机构单元拨板与辊轮输送同步,采用灵敏度高的电磁铁吸附硅钢开关扣板执行动作。图像处理流程为图像颜色分量、Sobel算子滤波、大津法二值化、椭圆拟合提取颜色和大小特征值。样机试验结果:拨板链同步位差为0.413 mm,单元拨板击撞力为2.57 N,红枣表皮瞬间承受最大力为12.69 N;每帧图像处理时间为50 ms,执行机构动作时间为40 ms,辊轮输送速度为320 mm/s,红枣分级速度达20个/s,实现鲜枣5个大小等级和1个绿色等级的分级,分级准确率为93.7%,无损率为100%,最大产能达1 400 kg/h。设计的基于电磁式同步执行机构的鲜枣机器视觉分级机实现了鲜枣的高准确率、高速度、无损分级要求,为机器视觉红枣快速分级设备的发展提供重要的技术支撑和理论参考。     

基于凸包算法的鸡蛋尺寸形状在线视觉高通量检测方法

鸡蛋的尺寸形状是鸡蛋包装和销售以及种蛋挑选中需要考察的重要指标。目前鸡蛋的商品化处理需要高通量在线检测,然而检测速度和效率在高通量检测中要求较高。为了能够实现鸡蛋尺寸形状的高通量在线检测分级,该文在30000枚/h的传送装置上动态采集群体鸡蛋图像,采取有效的图像处理方法消除高速传输对鸡蛋图像的影响,结合应用凸包算法,快速准确提取出群体鸡蛋图像上的特征参数(长短轴表征尺寸大小、蛋形指数表征形状扁圆程度),最后按照尺寸大小与扁圆程度进行分级,其正确率分别为90.5%和89.3%,表明该方法对鸡蛋尺寸形状的高通量在线检测分级可行。     

盘育秧精密播种流水线PLC控制系统设计

超级稻每穴1～2株的栽植农艺给机械插秧的盘育秧播种提出了低播量、高均匀性的严格要求,为满足超级稻少本稀植的农艺要求,研发了振动气吸式盘育秧精密播种流水线。设计了以PLC为核心,集自编程序、传感器、步进电机加减速驱动脉冲控制等技术为一体的自动控制系统。在GX-Developer-C V8的环境下采用梯形图方法编制程序实现播种作业的协调动作和部件运动的精确定位,并可接入PC机实现播种作业的在线监控。试验和检测结果表明,播量精确到每穴1～2粒（格）,均匀度合格率93.8%,空穴率5.6%,盘播种量一致性变异系数为2.5%,作业效率达每小时490盘,能满足超级稻及常规稻盘育秧精量播种要求。     

基于机器视觉的双孢蘑菇在线自动分级系统设计与试验

针对双孢蘑菇工厂化生产中人工分级劳动量大、生产效率低、标准不统一等问题,该文研究设计了一套基于机器视觉的双孢蘑菇精选分级系统,提出基于分水岭、Canny算子、闭运算等处理的双孢蘑菇图像大小分级算法,设计了基于传送速度、距离、触发时间与算法处理时间的精确控制策略,开发了基于Open CV 2.4.10和visual studio 2010的系统分析与控制软件,在最大限度减少破损情况下,实现双孢蘑菇实时在线精选分级。基于研发的双孢蘑菇自动精选分级系统样机,对新鲜双孢蘑菇进行了分级性能及分级效果的测试。试验结果表明,在输送速度12.7 m/min、相机行频1 900 Hz下,自动分级系统的平均分级速度是102.41个/min、平均准确率97.42%、破损率0.05%、漏检率0.96%,相对于人工分级效率提高38.86%,准确率提高6.84%,破损率降低0.13%,可以连续稳定工作。对于长时间分级,由于人容易疲劳,自动分级的优势更加明显。     

水稻秧盘育秧播种机气动式自动供盘装置设计与试验

为减轻工人劳动强度,提高水稻秧盘育秧播种机的生产效率,研制了一种气动式自动供盘装置。通过建立秧盘输送模型确定了输送机构的输送过程和速度关系,根据秧盘外形特征和自动供盘装置工作原理,研制了气动式落盘机构及控制系统,由接近开关对秧盘进行检测,利用落盘机构快速升、放秧盘,实现秧盘的自动供送。为研究生产率、放盘时间和叠盘偏差对自动供盘装置性能的影响,以供盘合格率为指标进行了自动供盘正交试验。试验结果表明,叠盘偏差对供盘合格率的影响最显著,放盘时间对供盘合格率有一定影响,生产率对供盘合格率的影响不明显;当生产率为600~1 000盘/h、叠盘偏差为0~6 mm、放盘时间为0.8 s时,供盘合格率为98.67%~100%,试验结果满足水稻秧盘育秧播种机育秧技术使用要求。该研究对提高水稻秧盘育秧播种机的自动化程度具有重要意义。     

禽蛋自动捡拾系统结构设计及机械手运动规划

针对目前国产自动集蛋设备自动化程度低,无法满足自动化禽蛋生产需要的问题,设计了包括禽蛋运输装置、震动矫正装置和捡拾执行装置的禽蛋自动捡拾系统,开发了禽蛋捡拾控制系统,实现了传送带上禽蛋的自动捡拾装盘功能;分析确定了捡拾机械手提升舵机输出力矩和吸盘吸气压力参数,优选了捡拾机械手的提升舵机和抽气泵,研究了机械手路径规划、追踪路线预估及取蛋-放蛋方案,加工了禽蛋自动捡拾系统样机,开展了样机捡蛋成功率、捡拾速率和取蛋-放蛋方案优化试验。试验结果表明:该装置操作简单、定位可靠,捡拾机械手捡蛋成功率达到98.3%,捡蛋入盘操作速率每次最快达2.4 s;禽蛋自动捡拾系统采用从传送带远离机械手一侧开始同向取蛋与蛋托左端靠近机械手一侧开始同向放蛋的组合,捡拾30枚鸡蛋平均所用时间最短为73.2 s。该研究为禽蛋自动化生产中的捡拾系统结构设计提供了参考。     

敲击振动检测鸡蛋裂纹的初步研究

现代化的蛋品加工业中，传统的照蛋检测鸡蛋裂纹技术远不能满足生产的自动化要求，为了实现快速在线无损检测鸡蛋裂纹，试验通过在鸡蛋不同部位施加机械冲击，利用计算机处理产生的声音信号，分析壳裂鸡蛋和完好鸡蛋的响应频率差异。结果表明：敲击赤道不同的部位，完好鸡蛋各点的特征响应频率十分接近，而壳裂鸡蛋差别较大。根据赤道四点特征响应频率变异系数(CV)，建立了初步分级算法，使得裂纹鸡蛋检出水平达到91%，对整批鸡蛋的分级准确率达到87%。     

基于机器人的禽蛋自动检测与分级系统集成开发

将禽蛋的破损检测、内部品质检测以及检测和分级时的搬运工作集成到一个关节型机器人上,实现了禽蛋检测与分级的自动化和柔性搬运.机器人在视觉引导下,定位禽蛋位置并将其吸取,分别运动到基于敲击声音的破损检测和基于彩色图像的内部品质检测装置处,进行相应的检测,根据检测结果分级并将禽蛋搬运到相应等级的位置放下.文章给出了各子系统的组成结构、集成原理,硬件配置和主要参数.试验结果表明,该系统硬件配置合理,各部分能够协调工作,运行稳定.     

芒果双面成熟度在线检测分级系统

芒果属于后熟水果,芒果成熟度分级可为芒果后熟、加工、包装、运输等工作提供便利条件。针对芒果形状不规则,难以对整个外观进行检测的问题,该文提出了一种基于迁移学习的芒果双面成熟度在线检测分级系统。通过上、下层输送带将芒果运输到图像采集区域,分别获取正、反面图像;2层输送带之间利用柔性翻面机构实现芒果无损翻面,通过压缩试验及ANSYS软件建模分析芒果承受挤压力范围。合并正、反2张图像并进行预处理,将数据以8:1.5:1.5的比例拆分为训练集、验证集、测试集,并用迁移学习方法在卷积神经网络模型进行芒果成熟度分级。使用卷积神经网络模型对芒果成熟度分级平均准确率达到96.72%,系统测定单个样品的平均耗时为0.16s,研究结果为芒果成熟度在线分级提供参考。     

染色竹条分级流水线的自动控制系统

针对目前竹制品加工业采用人工配色分级效率低的问题,提出了一种用于染色竹条分级流水线的自动控制系统该系统基于单片机系统,包括拍摄位置传感器、分级位置传感器、分级电磁铁以及串口电路。控制算法采用双向链表数据结构算法来存储竹条的分级级别和通过顺序,同时分级传感器指针数组中记录分级传感器的触发信息,由电磁铁堆栈控制分级电磁铁的动作。通过试验验证,结果表明竹条在8个级别的分级流水线上分级动作准率达到100%,研究为染色竹条的在线分级控制问题提供了新的解决方法。     

禽蛋聚氯乙烯弹性薄壁包装盒的设计与力学特性试验

为了降低禽蛋运输破损率,优化禽蛋包装结构,该文分析了中国禽蛋运输包装与分级现状,应用力学理论设计新型聚氯乙烯(PVC,polyvinyl chloride),弹性薄壁禽蛋包装盒,利用质构仪测试比较当前流通蛋盒和新设计蛋盒空载和满载时的力学特性,分析包装在运输中禽蛋破损率随装载数量、载荷、位移和加载时间等影响因素的变化规律,检验包装盒对禽蛋的保护性能,测试包装盒的保护效果,然后对产品进行成本分析。结果表明:1)设计盒侧壁结构,当前流通PVC包装盒承受载荷为80~100 N,新型PVC包装盒承受载荷分别为90~130 N,新结构抗压能力增强;2)装载鸡蛋数量越多,整体抗载能力增强,满盒时抗载能力最大;3)与当前流通中同类型PVC包装盒比较,使用新PVC结构包装盒,禽蛋运输破损率降低了0.72%。该文通过包装盒的理论分析、试验验证,获得较佳禽蛋包装盒结构形式,通过成本比较,表明禽蛋新包装可以降低禽蛋破损率,减少成本。研究结果为禽蛋缓冲包装探索,无损运输包装设计机理打下理论基础,为蛋品包装提供了设计方法和试验途径。     

基于振动及EEMD-CMAC算法的鸭蛋散黄在线检测

针对鸭蛋长期存储以及运输过程中造成的散黄问题,构建一种基于振动信息的鸭蛋散黄在线检测流水线,可实现鸭蛋的自动触压和随动检测。通过磁致伸缩振子对鸭蛋扫频振动进行音频信息增强,对音频振动信号进行集合经验模态分解,并通过主成分分析进行降维提取主要特征,基于此,构建基于小脑神经网络的鸭蛋散黄检测模型。试验中,对320枚鸭蛋进行检测(训练集200枚,测试集120枚),结果表明,基于累积贡献率达98.14%的前5个主成分的鸭蛋散黄检测模型训练集和测试集识别率分别达98.66%和97.03%,每枚鸭蛋在线检测时间约1 s。研究表明,所研制的检测流水线基于磁致伸缩振子扫频激励未知品质鸭蛋,再结合EEMD-CMAC进行鸭蛋散黄检测是可行的,可满足流水线在线检测的要求。     

苹果、桃等农副产品品质检测与分级图像处理系统的研究

通过建立图像数据采集与分析系统及相关的农副产品图像数据库,实现对农副产品品质（表面颜色、形状、缺陷）的准确分级。使用该系统,对１００个富士苹果进行质量分级,检测优等果准确率达到９６％。对其它农副产品也可以通过建立其样本图像数据库,进行多种信息的综合分析与判断,实现对不同农产品品质的检测与分级。     

基于虚拟仪器和神经网络的禽蛋检测系统设计

文针对现有禽蛋无损检测方法系统集成度不高,操作界面易用性差,测量误差大、试验效率低等不足,研制了基于Lab Windows/CVI的多传感器融合的禽蛋无损检测虚拟仪器品质分级系统。该系统以Lab Windows/CVI软件为设计操作平台,以MATLAB神经网络的分析算法为分析模块核心,充分结合计算机视觉检测和声学检测方法的优点,在无损检测的信息采集和处理层面实现了多传感器融合。系统通过系统静态分级测试,系统动态分级测试和系统连续动态测试等3种测试,测试结果表明该系统界面易用性好,在快速运行（27个样品/min）的情况下具有较好的准确度 (系统连续动态测试准确率大于90%),和漏检率（最高速情况下小于3%）。     

基于介电特性与蛋黄指数回归模型的鸡蛋新鲜度无损检测

为了更准确、快速的实现鸡蛋新鲜度品质指标蛋黄指数的无损检测,基于介电特性建立了鸡蛋新鲜度无损检测模型,获取鸡蛋的蛋黄指数信息。试验以不同新鲜度鸡蛋为研究对象,采用平行极板法测量不同新鲜度鸡蛋在温度为20℃,相对湿度为72%~89%,频率为1~200 k Hz下的介电特性参数,分析鸡蛋介电特性的变化规律,并建立鸡蛋介电特性与蛋黄指数之间的数学模型。分析了鸡蛋介电特性随测量信号频率及新鲜度指标蛋黄指数的变化曲线,发现其介电参数随频率及蛋黄指数的增大而减小。构建了蛋黄指数与相对介电常数的拟合方程,鸡蛋样品的实际蛋黄指数与模型预测的蛋黄指数间的决定系数R2为0.9115,蛋黄指数的误差为±4.2%,试验结果表明:利用拟合方程预测检验鸡蛋蛋黄指数取得了较好的预测效果,为无损检测鸡蛋新鲜度提供了一种新的可行方法。     

种猪生产性能测定系统开发与性能测试

为开展种猪生产性能的智能化、自动化测定及开展种猪采食行为学研究,该研究设计了一种集自动识别、体质量感知、采食行为数据自动采集、数据分析与处理于一体的种猪生产性能智能测定系统。该系统主要由猪只耳标识别模块、精准下料控制模块、料槽及猪只个体称质量模块、现场数据通讯模块及远程中央控制模块组成。系统机械部分主要包括饲喂站的竖直侧墙、称质量平台、活动挡板、下料机构、料仓、控制盒、出料口开关及耳标识读器等组成。电路控制系统包括微处理器(LPC1766,内核为ARM Cortex-M3内核的微控制器)、RS232读卡器接口、数据存储芯片(预设存储256 KB数据)、看门狗电路、称质量电路、外围驱动电路、JTAG接口电路及稳压电源电路。系统性能测试结果表明:1)测量精度如下:饲喂下料没有范围限制,取决于喂料仓的储料状态,单次下料量及动态误差为93±2g;猪只体质量秤量程为0~200 kg,计量精度为10 g,称量动态误差占猪只体质量的0.5%以下,符合测定需求;2)对40头种公猪后裔的生长肥育猪饲喂测试结果表明,在25~60 kg体质量范围内,自由采食日均次数10~12次,日均采食时间78min,测试期间料肉比(FCR)为2.33:1,且生长规律符合Gompertz曲线,通过该模型预测的日增质量下降的拐点发生111~117d之间,对应的拐点体质量在63~64 kg范围内。上述实际观察及预测结果较好地反映了测定对象的生产性能,开发的软件及硬件系统达到了种猪生产性能测定的要求;3)系统下料控制部分,首次采用雨刷电机取代早期采用的步进电机,不仅成本下降,尤其结合圆柱式刮板下料机构,降低了单次下料量,改善了下料的精度;4)系统核心芯片采用进口器件,电路设计采用多重冗余和保护电路,软件的编写采用了多重功能验证,并通过长期可靠性测试;软件和硬件的冗余设计,提高了控制系统的可靠性,消除来自电源、电机、电磁波干扰,该测定系统具有极高的可靠性;测定的数据通过计算机系统可长期保存或升迁,便于数据量的积累和开展种猪选育的大数据挖掘分析。