水果品质智能化实时检测分级生产线的研究

一种用于水果动态、实时检测的水果品质智能化实时检测分级生产线,由水果输送翻转系统、计算机视觉识别系统、分级系统组成。水果输送翻转系统的双锥式滚筒水果输送翻转装置,使水果以一定速度向前输送,并使水果绕水平轴自由转动,保证检测系统能检测到水果整个表面,获得足够的水果图像信息。通过计算机视觉系统的视觉智能识别,综合判断每一水果的等级,并确定每个水果的位置信息,由计算机识别系统的控制模块将指令传输给分级系统,完成水果的分级     

柑橘成熟度机器视觉无损检测方法研究

水果内部品质无损检测技术是确定水果最佳采收期和按成熟度进行准确分级的关键。本研究以表面色泽与固酸比为柑橘成熟度指标，建立了用于柑橘成熟度检测的机器视觉系统，确定了适宜的背景颜色，进行了柑橘的分光反射试验，发现绿色柑橘表面与桔黄色表面的反射率在700 nm时反射率相差最大，约达53%，且各自的反射率都较大，700 nm是获得高质量的柑橘图像的较佳中心波长。建立了利用协方差矩阵和样本属于桔黄色和绿色的概率来判断柑橘成熟度的判别分析法，并以实测的固酸比值作为对照，对72枚柑橘样本进行了试验，柑橘成熟度的判别准确率达到91.67%。这表明柑橘果实的表皮颜色与成熟度之间具有相关性。     

弱光复杂背景下基于MSER和HCA的树上绿色柑橘检测

基于图像处理和机器视觉的树上绿色柑橘检测,能为果园管理者施肥、估产及采摘作业提供指导.该文提出一种基于水果表面光照分布的分层轮廓分析(hierarchical Contour Analysis,HCA)算法实现了树上绿色柑橘的检测.彩色数码相机拍摄弱光下由闪光灯补光的树上柑橘场景彩色图像,基于水果表面的光照分布应用最大稳定极值区域(maximally stable extremal region,MSER)算法提取图像中的感兴趣区域,然后建立感兴趣区域周围的分层轮廓图,并利用霍夫变换拟合每一级轮廓获得分层圆形目标,最后进行拟合圆嵌套分析得到绿色柑橘水果目标.所提算法在20张复杂的柑橘果园场景图像中进行了测试,最终的召回率达81.2%,查准率达到83.5%,单幅图像平均处理时间为3.70 s.该文所提出的基于光照分布的分层轮廓分析算法,不仅适用于绿色柑橘的检测,也可为其他树上绿色水果检测提供通用的框架和思路.     

利用机器视觉与近红外光谱技术的皮蛋无损检测与分级

为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。     

基于图像处理的胡萝卜青头须根与开裂的检测方法

为了实现基于计算机视觉的胡萝卜外观品质自动分级系统,基于图像处理的方法,参照国家标准(SB/T10450-2007),该文提出影响胡萝卜外观等级的须根、青头、开裂等关键参数的提取算法.须根检测算法通过提取骨架检测端点数来实现,青头检测算法通过R分量上二值化得到,开裂检测算法使用S分量结合区域标记的方法完成,在此基础上构建了须根数、青头比和开裂度3个量化标准,对试验随机采集的520个胡萝卜图像的青头、须根和开裂进行检测,正确率分别达到了97.5%,81.8%,92.3%,总体识别率91.3%.该文所构建的胡萝卜关键特征检测方法,对研究机器视觉的胡萝卜外观品质自动检测装置与分级生产线具有积极意义.     

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.     

基于分级处理生产线的脐橙全程追溯系统

商品化分级处理是水果采后一系列加工和增值流程的组合,是水果供应链的关键环节。基于机器视觉和近红外检测技术的自动化水果加工分级流水线不仅极大提高了处理效率,而且使单个果品的精确品质检测成为可能。该文以中国代表性的水果—脐橙为例,探讨了以水果加工配送中心为核心的水果供应链中物流批次整合与分解问题、加工分级处理前后物流单元转换问题及供应链各实体间物流信息流脱节问题,有针对性地提出一套脐橙全程追溯方案,包括结合中国目前水果生产实际并与GS1编码体系兼容的编码和标识方案、基于供应链角色的信息管理系统和相关配套硬件装置,并在浙江某果品公司供应链进行了试用,结果表明系统可以成功区分脐橙的生产、加工、流通的不同批次并获取全程追溯信息,但存在信息输入量大及不规范的问题。研究对复杂供应链流程下小个体水果全程批次可追溯作了尝试和探索,为包含加工分级流程的水果全程追溯研究提供参考。     

基于改进YOLOv7模型的柑橘表面缺陷在线检测

柑橘表面缺陷是水果检测分级的重要依据,针对传统柑橘表面缺陷检测方法效率低、精度低等问题,该研究提出一种柑橘表面缺陷的实时检测方法。该方法首先对柑橘图像进行图像增强,然后利用提出的YOLOv7-CACT模型对柑橘表面缺陷进行检测,该模型在YOLOv7模型骨干网络中引入坐标注意力模块(coordinate attention, CA),从而提高模型对缺陷部分的关注度。在网络头部引入CT(contextual transformer,CT)模块,融合静态和动态上下文表征特征,从而增强缺陷部分特征表达能力。通过试验确定CA模块和CT模块的最佳位置。改进后的YOLOv7-CACT模型检测结果平均精度均值（mean average precision,mAP）相较于原始模型增加了4.1个百分点,达到91.1%,满足了实际生产中对柑橘缺陷检测精度的要求。最后将基于YOLOv7-CACT的柑橘检测模型通过TensorRT进行部署,试验结果表明模型的推理时间满足柑橘生产线10个/s的实时分选要求,总体的检测精度达到94.4%,为柑橘表面缺陷在线检测提供了一种精准的实时检测方法。     

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。     

基于机器视觉的马铃薯自动分级方法

为了实现马铃薯的自动分级,设计了基于V型平面镜同时获取三面图像的马铃薯机器视觉分级系统,并提出了相应的分级算法。根据大小特性,提出基于最小外接柱体体积法的马铃薯大小分级检测方法;根据外形特性,采用最长径外接矩形的宽高比法,实现了类圆形、椭圆型以及长型马铃薯的分类;根据马铃薯缺陷特点,分别提出以缺陷面积大小作为判别准则的孔洞、干腐马铃薯判别方法,以外接矩形对角线长度作为判别准则的机械损伤马铃薯判别方法和基于交叉法的发芽、畸形马铃薯检测方法。最终马铃薯的分级正确率为91.0%。试验结果表明:基于机器视觉的马铃薯自动分级检测方法可行,可用于马铃薯外部品质的在线检测。     

水果综合分选机称重模块的设计与实现

为满足水果外观品质和质量综合分选的实际需要,设计了水果机器视觉质量综合分选机的称重模块。通过受力分析得出了水果质量的理论计算公式,给出了水果同步称重过程的实现方法。通过对质量不同的苹果进行实测标定,得出了等效质量 与其A/D转换值之间的关系式,并进行了试验验证。试验结果表明,所设计的称重模块可以与水果机器视觉分选机配合,对水果进行外观品质和质量的检测,称重精度约为2%。     

山东省科技攻关计划项目研究成果

成果名称:4H-2型花生收获机课题名称:4H-2型花生收获机的研制与应用(山东省科技攻关计划No.012050117)课题完成单位:莱阳农学院机电工程学院、青岛万农达花生机械有限公司课题主要完成人:主持人:尚书旗莱阳农学院机电工程学院电话:0532-86080844 Email:sqshang@lyac.edu.cn主要     

机器视觉技术在农产品品质自动识别中的应用(Ⅰ)

随着图像处理技术的专业化与计算机硬件成本的下降和速度的提高,在农产品品质自动识别领域应用机器视觉技术已变得越来越具有吸引力。为了能充分利用国外的最新研究成果,该文分农产品表面缺陷与损伤识别、尺寸与面积检测和颜色识别等三个方面棕述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展,以供我国研究人员做同类研究时参考。     

基于颜色分形的水果计算机视觉分级技术

通过对不同着色等级的水果分析,以各色度在水果表面分布的分形维数为特征进行分级,该特征值不仅考虑了各色度点的累计特性,而且考虑了色度点空间分布特性,使颜色分级更符合实际情况。将各色度域分形维数作为模式处理,建立了人工神经网络识别模型。学习后的模型分级正确率高,达到95%,能够满足计算机视觉实时分级水果生产线的要求     

基于图像特征融合的苹果在线分级方法

苹果在线分级是提升苹果商品化价值的重要环节,需要同时满足分级准确度和速度要求。为进一步提高苹果在线分级效率,该文借助机器视觉技术动态采集苹果传输过程中的实时图像,提出改进的三层Canny边缘检测算法来提取苹果轮廓以克服采集图像中的光线噪声影响,通过分析苹果分级指标,采用判别树对苹果的果径、缺陷面积、色泽等特征进行初步分级判断,并采用粒子群参数优化的支持向量机对果形、果面纹理、颜色分布等特征进行模型构建与分级,最后,通过将两种分级判断结果进行决策融合来实现样本精确分级。同时,采取图像压缩和特征降维方法提高实时性。试验结果表明,基于图像特征决策融合的苹果分级准确率可达到95%,平均分级速率可达到4个/s。研究结果为水果的在线分级提供参考。     

无损检测技术在水果品质安全和真实性的应用研究进展

在水果产量攀升和品质要求不断提高的背景下,对水果的品质、安全和真实性开展快速无损检测的需求日益迫切。本研究概述了光谱学、力学、声学、计算机视觉、电子鼻和电子舌等无损检测技术结合多种化学计量学方法在水果营养功效成分和感官属性品质特征挖掘、农药残留和病害霉变安全性检测以及原产地、品种分类、贮藏时间真实性鉴别研究中的应用。同时,本研究还从生产实际和科学研究两个方面进行了展望,可为水果的质量安全监管和消费者权益保障提供科学依据。     

基于近红外光谱和机器视觉融合技术的板栗缺陷检测

为提高合格和缺陷板栗分级检测识别精度,提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺陷检测方法。试验以湖北京山板栗为试验对象,利用BP神经网络方法建立了基于近红外光谱、机器视觉和多源信息融合技术的板栗分级检测模型。试验结果表明,3种识别模型对对训练集板栗回判率分别为96.25%、96.67%和97.92%;对测试集板栗的识别率为86.25%、83.75%和90.00%。基于近红外光谱和机器视觉的多源信息融合技术进行板栗分级检测的方法是可行的,融合模型较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高。     

柑橘设施栽培研究进展

柑橘是世界上第一大水果,第四大贸易农产品,在世界水果产业中占有重要地位.柑橘设施栽培是人为改变其生长结果环境条件,主要目的是改变柑橘成花和果实发育进程,从而达到延迟或促进果实成熟,或提高果实品质的目的.了解设施条件下的环境因素变化和柑橘的生长、开花和结果规律,是发展柑橘设施栽培产业的基础.本文收集整理了国内外有关柑橘设施栽培研究的进展情况.     

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.     

基于视觉显著性改进的水果图像模糊聚类分割算法

准确分割水果图像是采摘机器人实现视觉定位的关键技术。该文针对传统模糊聚类对初始聚类中心敏感、计算量大和易出现图像过分割等问题,结合机器人的视觉特性,提出了一种基于多尺度视觉显著性改进的水果图像模糊聚类分割算法。首先,选择适当的颜色模型把彩色水果图像转换为灰度图像;然后对灰度图像做不同尺度的高斯滤波处理,基于视觉显著性的特点,融合了多个不同尺度的高斯滤波图像,形成图像聚类空间;最后,用直方图和模拟退火粒子群算法对图像的传统模糊聚类分割算法进行了改进,用改进的算法分别对采集到的100张成熟荔枝和柑橘图像,各随机选取50张,进行图像分割试验。试验结果表明:该方法对成熟荔枝和柑橘的图像平均果实分割率分别为95.56%和93.68%,平均运行时间分别为0.724和0.790s,解决了水果图像过分割等问题,满足实际作业中采摘机器人对果实图像分割率和实时性的要求,为图像分割及其实时获取提供了一种新的基础算法,为视觉精确定位提供了有效的试验数据。