前胡种子物性参数测定及其离散元仿真模型参数标定

【目的】为确定前胡排种器离散元仿真所需的物性参数,对前胡种子物性参数进行测量及标定.【方法】采用空心圆筒堆积试验法与EDEM仿真结合的方法,结合图像处理技术测定前胡种子堆积角,基于响应面优化法对前胡种子物性参数进行标定,采用Plackett-Burman法从7组因素中筛选出了2组前胡种子堆积角影响显著的因素,再根据星点设计-效应面法试验原理,对前胡种子与前胡种子静摩擦系数、前胡种子与前胡种子滚动摩擦系数进行响应面分析试验.用效应面法预测影响显著因素的最佳参数组合.【结果】前胡种子密度为0.129 g/cm~3,前胡种子与尼龙板静摩擦系数为0.55,前胡种子与前胡种子静摩擦系数0.53,前胡种子与前胡种子滚动摩擦系数为0.05,将最佳参数组合进行仿真试验得到的堆积角与真实试验所得堆积角进行对比,相对误差在2.05%以内,在允许误差范围内.【结论】通过EDEM快速填充的方法建立了前胡种子离散元颗粒模型,为后续前胡的研究奠定了基础.通过空心圆筒法结合图像处理技术,获得了前胡种子堆积角均值为40.93°.     

基于图像处理技术和神经网络实现机采茶分级

为解决名优绿茶采摘环节的瓶颈问题,提出对机采大宗绿茶进行分级的思路。现有绿茶机采设备采摘的鲜叶一般只能制作普通的大宗绿茶,鲜叶存在混杂、破碎率高和老梗叶等问题,本文基于Labview vision、图像处理技术和神经网络算法分析机采绿茶成品的凸包面积、凸包周长、长轴长度、短轴长度等形态特征并对样本进行分类,实现从机采大宗绿茶中分选出名优绿茶。其中样本的形态特征采用工业CCD摄像头获取;用户界面用Labview自定义开发设计,数据交互方便,开发周期短。茶叶样本试验结果表明:该方案机采绿茶成品的分级正确率可以稳定在90%以上。本研究为进一步研究机采茶分级设备提供了良好的理论基础。