CN106733701B - 马铃薯多级联合智能缺陷检测系统及检测方法 - Google Patents

马铃薯多级联合智能缺陷检测系统及检测方法 Download PDF

Info

Publication number
CN106733701B
CN106733701B CN201611208254.8A CN201611208254A CN106733701B CN 106733701 B CN106733701 B CN 106733701B CN 201611208254 A CN201611208254 A CN 201611208254A CN 106733701 B CN106733701 B CN 106733701B
Authority
CN
China
Prior art keywords
channel
potatoes
potato
electric control
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611208254.8A
Other languages
English (en)
Other versions
CN106733701A (zh
Inventor
肖艳秋
明五
明五一
罗国富
都金光
马军
曹阳
李晓科
何文斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou University of Light Industry
Original Assignee
Zhengzhou University of Light Industry
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhengzhou University of Light Industry filed Critical Zhengzhou University of Light Industry
Priority to CN201611208254.8A priority Critical patent/CN106733701B/zh
Publication of CN106733701A publication Critical patent/CN106733701A/zh
Application granted granted Critical
Publication of CN106733701B publication Critical patent/CN106733701B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/16—Sorting according to weight
    • B07C5/18—Sorting according to weight using a single stationary weighing mechanism
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04—Sorting according to size
    • B07C5/10—Sorting according to size measured by light-responsive means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
    • B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0081—Sorting of food items

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种马铃薯多级联合智能缺陷检测系统，包括动态称重预选机构、检测线和电控装置；检测线设有三条，各检测线均包括上层滑道、光敏阵列形状检测机构、下层滑道和全表面缺陷检测机构；上层滑道和下层滑道均向下倾斜设置；本发明还公开了使用上述马铃薯多级联合智能缺陷检测系统的检测方法。本发明参照国家标准，根据马铃薯的形状、重量及外观特征，通过多级联合智能检测，实现马铃薯重量、形状和表面缺陷的分级检测，在不翻动马铃薯的情况下，无须拍照即可对马铃薯进行上、下表面微焦大幅面近距离全景视觉检测，提高检测的准确度。

Description

马铃薯多级联合智能缺陷检测系统及检测方法
技术领域
本发明涉及农业技术领域中农产品外观品质检测方法与装置，具体的说是涉及一种马铃薯多级联合智能缺陷检测方法及其装置。
背景技术
马铃薯是世界上仅次于小麦、水稻、玉米的第四大粮食作物，同时也是世界上重要的蔬菜及经济作物。目前，我国是世界上最大的马铃薯生产国，种植面积和总产量均居世界首位。但是由于马铃薯生长、收获等因素的影响，马铃薯存在大小不一、畸形、机械损伤、发芽等现象，马铃薯质量参差不齐，加工利用率和增值率都非常低，大部分应用局限在简单食用、加工成饲料等方面，这不仅影响马铃薯整体经济价值利用，也不利于后期的机械化加工应用。
重量、形状和表面缺陷是马铃薯的内部和外部品质的重要特征，通过对这些特征指标进行定量量化，可以完成马铃薯内、外部品质及其缺陷的分级和分类。而利用计算机、自动化装置及其智能算法进行检测可以排除人为主观因数的干扰，并且为实现规模化、自动化品质检测提供了可靠的基础。
虽然现在对基于计算机视觉的马铃薯分级方法和设备研究逐渐成为热点，但一般的分类方法是采用单一摄像机既用于形状分类，又用于表面缺陷检测。马铃薯表面缺陷非常复杂，这种远距离的拍摄对表面的微观细节没有采集充分，从而导致表面缺陷的检测准确性偏低。另外，由于大部分方法采用单一摄像机，容易造成待检马铃薯的“背部盲区”，也影响了表面缺陷的检测可信性。
通过国内专利文献检索发现有一些相关专利文献报道，主要有以下一些：
1、公布号为CN 104597052 A的专利公开了一种“基于多特征融合的马铃薯高速无损分级检测方法及系统”，通过工业智能相机采集马铃薯机器视觉和近红外光谱图像，分别进行图像预处理，并提取可见光图像中马铃薯区域面积和质心；利用核主成分分析法分别提取畸形(机械损伤)、发芽、绿皮、黑心、合格特征参量，采用支持向量机(SVM)分级模型，对马铃薯实现离线训练和在线分类。该专利采用了两个高速摄像机，成本比较昂贵，由于机构设计的原因，没有涉及微焦大幅面方法获取马铃薯表面的详细缺陷特征，并且采用“抛摔、跌落”模式分类，容易对马铃薯的表皮造成一定的损伤。
2、公布号为CN 104056790 A的专利公开了“一种马铃薯智能分选方法与装置”，包括图像采集和预处理、形状检测、绿皮检测和缺陷检测方法，实现了马铃薯形状和绿皮检测，但是对其他缺陷检测并没有涉及，进一步，由于采用单一摄像头，绿皮检测存在“背部盲区”的问题。
3、公布号为CN 103394472A的专利公开了“一种基于机器视觉的绿化马铃薯检测分级方法”，提出了一种基于HSV色彩空间H通道的灰度值判别法检测马铃薯的绿化缺陷，由于采用了单一摄像机，需要马铃薯在检测过程种不停的翻转，增加了检测的难度(背景分类、表面覆盖率等)，进一步，对黑心、发芽和机械破损等缺陷检测并没有涉及。
4、公告号为CN 104941922 A，名称为“基于机器视觉技术的马铃薯分级控制方法及装置”的发明专利，提供一种基于机器视觉技术的马铃薯分级控制方法和装置，利用机器视觉技术实现杂质、不同品质马铃薯的快速检测，但由于该装置及其算法主要用于快速、初步分拣，对表面缺陷检测没有涉及。
发明内容
为了解决现有马铃薯分级设备的缺陷，提出了一种马铃薯多级联合智能缺陷检测方法及其装置。
本发明的目的在于针对现有技术的缺陷，提出一种无须使用摄像头、自动化程度较高、利用光敏矩阵检测来分选畸形马铃薯，利用扫描装置来分选具有表面缺陷的马铃薯多级联合智能缺陷检测系统。
为实现上述目的，本发明的马铃薯多级联合智能缺陷检测系统包括动态称重预选机构、检测线和电控装置；检测线设有三条，各检测线均包括上层滑道、光敏阵列形状检测机构、下层滑道和全表面缺陷检测机构；上层滑道和下层滑道均向下倾斜设置；
动态称重预选机构包括第一皮带输送装置、电子称重装置、助力装置、第二皮带输送装置、上层分选通道、第一分离器、第二分离器和第三分离器，上层分选通道向下倾斜设置；
所述电子称重装置位于第一皮带输送装置的下料端和第二皮带输送装置的上料端之间，第二皮带输送装置的下料端与所述上层分选通道的进口相连接；助力装置设置在电子称重装置的正上方，助力装置包括第一步进电机和与第一步进电机相连并由第一步进电机驱动的助力推杆，助力推杆的下端的轨迹圆位于电子称重装置上方并与电子称重装置相邻；
上层分选通道的进口部设有所述第一分离器，以马铃薯的运动方向为前向，第一分离器前方的上层分选通道分为小差通道和中大通道，第一分离器选择连通小差通道或中大通道；
小差通道的进口部设有所述第二分离器，第二分离器前方的小差通道分为大小不合格通道和小品通道，第二分离器选择连通大小不合格通道或小品通道；
中大通道的进口部设有所述第三分离器，第三分离器前方的中大通道分为中品通道和大品通道，第三分离器选择连通中品通道或大品通道；
小品通道、中品通道和大品通道与三条所述检测线一一对应，小品通道、中品通道和大品通道分别连接一条检测线的上层滑道；
光敏阵列形状检测机构包括截面呈口字型的上层透明通道、光敏矩阵检测模块、第一红外对射装置、中层分选通道和第四分离器；相应检测线中的上层滑道的出口连接上层透明通道的进口；
上层透明通道的顶面和底面上安装有第一组光敏矩阵检测模块，上层透明通道的左侧面和右侧面上安装有第二组光敏矩阵检测模块，第一组光敏矩阵检测模块和第二组光敏矩阵检测模块相互垂直布置；
第一红外对射装置包括发射端和接收端，发射端和接收端分别设置在上层透明通道的相对两侧，且第一红外对射装置位于第一组光敏矩阵检测模块和第二组光敏矩阵检测模块的后方；
第一组光敏矩阵检测模块和第二组光敏矩阵检测模块结构相同，包括凹面镜、球形光源、矩阵导光板、矩阵聚光板和光敏元件；球形光源位于所述凹面镜的焦点位置，矩阵导光板和矩阵聚光板均由不透明材料制成，矩阵导光板上设有若干透光孔，透光孔的孔壁呈黑色，各透光孔排列为矩阵形状；
矩阵聚光板上设有若干聚光孔，各聚光孔排列为矩阵形状，聚光孔与透光孔一一对应设置；各聚光孔背离上层透明通道一侧均设有光敏元件；
凹面镜的镜面呈旋转抛物面，且其主轴方向垂直于矩阵导光板和矩阵聚光板；
矩阵导光板设置于上层透明通道的一侧，矩阵聚光板设置于上层透明通道相对矩阵导光板的另一侧，且矩阵导光板与矩阵聚光板正对设置，矩阵导光板的各透光孔与矩阵聚光板上的光敏元件一一对应；
上层透明通道的出口连接所述中层分选通道的进口；所述第四分离器前方的中层分选通道分为正常通道和畸形通道，第四分离器选择连通正常通道或畸形通道；
正常通道连接第三皮带输送装置的上料端，第三皮带输送装置的下料端连接下层滑道的进口；
所述全表面缺陷检测机构包括下层透明通道和下层分选通道，下层分选通道向下倾斜设置；
下层透明通道的进料端连接所述下层滑道的出口，下层透明通道的出料端连接下层分选通道的进口；下层分选通道的进口部设有第五分离器，第五分离器前方的下层分选通道分为表面合格通道和表面不合格通道，第五分离器选择连通表面合格通道或表面不合格通道；
下层滑道的出口段连接有高压气体导管，高压气体导管后方的下层滑道内设有常开阀门；高压气体导管连接有高压气源，高压气体导管上设有电磁阀；
下层透明通道的上方和下方分别设有光学扫描模块，两个光学扫描模块一前一后设置；下层透明通道的下方和上方分别设有背景板，背景板与光学扫描模块一一对应；背景板连接有用于驱动背景板的驱动装置；背景板具有位于下层透明通道处的工作位置和离开下层透明通道处的等待位置；下层透明通道上方的背景板位于该处光学扫描模块的下方，下层透明通道下方的背景板位于该处光学扫描模块的上方；
两个光学扫描模块前方的下层透明通道上设有第二红外对射装置；第二红外对射装置与第一红外对射装置结构相同，第二红外对射装置的发射端和接收端分别设置在下层透明通道的相对两侧，且第二红外对射装置位于下层透明通道的出料端后方1-3厘米；
下层透明通道的出料端前方设有第二步进电机，第二步进电机位于下层分选通道的上方；第二步进电机连接有弹性杆，弹性杆向下伸出下层分选通道且其底端固定连接有用于阻挡马铃薯的弹性球头，弹性球头具有遮挡位置和离开位置，弹性球头的遮挡位置位于下层透明通道的正前方并与下层透明通道的出料端相邻；弹性球头的离开位置位于下层透明通道的前侧上方；
所述电控装置连接所述电磁阀、所述第一皮带输送装置、电子称重装置、第二皮带输送装置、第一组光敏矩阵检测模块、第二组光敏矩阵检测模块、驱动装置、光学扫描模块、第一步进电机、第二步进电机、第一红外对射装置、第二红外对射装置以及第一至第五分离器。
所述上层透明通道外围设有第一挡光盒；所述下层透明通道外围设有第二挡光盒；第一挡光盒和第二挡光盒均用于遮挡外界光线。
凹面镜的外侧面通过第一连杆与第二连杆的中部相连接，第二连杆的两端分别连接矩阵导光板和矩阵聚光板；矩阵导光板上的导光孔和矩阵聚光板上的聚光孔的孔径均为0.25毫米，矩阵导光板上的导光孔和矩阵聚光板上的聚光孔均设置为64*64点阵。
所述第一至第五分离器均采用电磁铁式分离器，包括电磁铁和用于选择连通其后方两个通道的活动板。
所述常开阀门包括固定连接在下层滑道内侧壁上的铰接柱，铰接柱转动连接有阀板，阀板与铰接柱之间设有扭簧。
所述两个背景板的端部分别设有一个储存有背景板的颜色信息的磁性标识，所述两个背景板的工作位置处分别设有用于读取磁性标识的磁性读头，磁性读头与电控装置相连接；
所述第一皮带输送装置、电子称重装置和第二皮带输送装置的左右两侧设有用于遮挡马铃薯的挡板。
本发明的目的还在于提供一种使用上述马铃薯多级联合智能缺陷检测系统的马铃薯缺陷检测方法。
为实现上述目的，本发明的马铃薯缺陷检测方法依次按以下步骤进行：
①第一步骤是动态称重预选步骤；
人工或者使用机械将待检测的马铃薯放在动态称重预选机构的第一皮带输送装置上，电控装置启动第一皮带输送装置、第二皮带输送装置、第三皮带输送装置、第一红外对射装置和第二红外对射装置，第一皮带输送装置将马铃薯向前输送至电子称重装置，电子称重装置将马铃薯的重量数据传送给电控装置；在电控装置的控制下，第一步进电机带动助力推杆旋转，将电子称重装置上的马铃薯向前拨动，进入第二皮带输送装置；第二皮带输送装置将马铃薯向前输送，使马铃薯进入上层分选通道；
②第二步骤是上层分选步骤；
当某一马铃薯的重量小于20克时，电控装置将其归类为不合格马铃薯，并控制第一分离器选择连通小差通道，控制第二分离器选择连通大小不合格通道，使不合格马铃薯沿大小不合格通道滑出；
当某一马铃薯的重量大于等于20克并小于50克时，电控装置将其归类为小马铃薯，并控制第一分离器连通小差通道，控制第二分离器连通小品通道，使该马铃薯沿小品通道滑出，并进入相应检测线中的上层滑道中；
当某一马铃薯的重量大于等于50克并小于100克时，电控装置将其归类为中马铃薯，并控制第一分离器连通中大通道，控制第二分离器连通中品通道，使该马铃薯沿中品通道滑出，并进入相应检测线中的上层滑道中；
当某一马铃薯的重量大于等于100克时，电控装置将其归类为大马铃薯，并控制第一分离器连通中大通道，控制第二分离器连通大品通道，使该马铃薯沿大品通道滑出，并进入相应检测线中的上层滑道中；
③第三步骤是各条检测线通过光敏检测获取马铃薯的形状信息，并进行相应的分选；
首先是待检测的马铃薯在重力的作用下通过上层滑道进入上层透明通道，在通过第一红外对射装置时，马铃薯遮挡第一红外对射装置的发射端所发出的红外线，使第一红外对射装置的接收端接收不到红外线；此时第一红外对射装置向电控装置发出信号，电控装置根据该信号启动光敏阵列形状检测机构，使第一组光敏矩阵检测模块和第二组光敏矩阵检测模块中的球形光源发光；
所述两组光敏矩阵检测模块的工作过程相同，球形光源发出的光经凹面镜反射后形成基本平行的光束，平行光束先通过矩阵导光板上的透光孔，然后通过上层透明通道，一部分被马铃薯所遮挡，未被马铃薯遮挡的部分光束通过上层透明通道后进入矩阵聚光板，最后被矩阵聚光板上的光敏元件所吸收，光敏元件检测入射光的强度；
所述两组光敏矩阵检测模块分别通过呈矩阵布置的光敏元件从相互垂直的两个方向上检测马铃薯的轮廓形状，通过计算马铃薯边缘曲线的导数变化趋势判断是否存在畸形，将马铃薯分类为畸形马铃薯和正常马铃薯，并将结果传送给电控装置，电控装置存储检测结果并关闭光敏阵列形状检测机构，马铃薯通过上层透明通道滑落进入中层分选通道；
对于畸形马铃薯，电控装置控制第四分离器连通畸形通道，使马铃薯通过畸形通道滑出；对于正常马铃薯，电控装置控制第四分离器连通正常通道，同时电控装置控制第二步进电机，第二步进电机通过弹性杆带动弹性球头进入其遮挡位置；
使马铃薯通过正常通道进入第三皮带输送装置，马铃薯由第三皮带输送装置进入下层滑道，马铃薯沿下层滑道滑动，并在通过常开阀门后进入下层透明通道；
④第四步骤是各条检测线通过光学扫描获得表面缺陷信息，并进行相应的分选；
首先是马铃薯通过下层透明通道的出料端，在惯性的作用下与弹性球头发生撞击，弹性杆和弹性球头在弹力的作用下将马铃薯弹回下层透明通道；
马铃薯在通过第二红外对射装置所在位置时，马铃薯遮挡第二红外对射装置的发射端所发出的红外线，使第二红外对射装置的接收端接收不到红外线，此时第二红外对射装置向电控装置发出信号；马铃薯在第一次通过下层透明通道时第二红外对射装置向电控装置发出第一次信号，马铃薯在弹性球头的作用下回弹入下层透明通道时第二红外对射装置向电控装置发出第二次信号，电控装置收到第二次信号时，启动下层透明通道的下方的背景板所连接的驱动装置，将该背景板送至其工作位置，然后电控装置控制下层透明通道上方的光学扫描模块自上而下扫描待检测马铃薯的上部表面特征，扫描完成后该光学扫描模块将马铃薯的上部图像传输给电控装置，电控装置控制该驱动装置，使该背景板离开下层透明通道并进入其等待位置；
电控装置接着启动下层透明通道的上方的背景板所连接的驱动装置，将该背景板送至其工作位置，然后电控装置控制该光学扫描模块自下而上扫描待检测马铃薯的下部表面特征，扫描完成后该光学扫描模块将马铃薯的下部图像传输给电控装置；电控装置控制该驱动装置，使该背景板离开下层透明通道并进入其等待位置；
电控装置对马铃薯的上部图像和下部图像进行处理，将马铃薯分为表面质量合格马铃薯和表面质量不合格马铃薯；电控装置接着控制第二步进电机，第二步进电机通过弹性杆带动弹性球头离开其遮挡位置并到达其离开位置；
电控装置打开高压气体导管上的电磁阀，使高压气源内的高压气体通过高压气体导管进入下层滑道的出口段，在气压的作用下常开阀门关闭，高压气体通过下层透明通道和下层分选通道吹出，在此过程中高压气体将下层透明通道内的马铃薯吹出并进入下层分选通道；
对于表面质量不合格的马铃薯，电控装置控制第五分离器连通表面不合格通道，使马铃薯通过表面不合格通道滑出并收集起来；
对于表面质量合格的马铃薯，电控装置控制第五分离器连通表面合格通道，使马铃薯通过表面合格通道滑出并收集起来。
第四步骤中，电控装置对马铃薯的上部图像和下部图像进行处理的方法是：
电控装置使用三种尺寸的窗口模板分别对马铃薯的上部图像和下部图像进行分割，将马铃薯的上部图像和下部图像分割为三种分辨率下的小图像；所述三种尺寸的窗口模板分别为32像素×32像素、64像素×64像素和128像素×128像素；
然后电控装置对于三种分辨率的小图像进行分别处理，检测马铃薯是否存在绿皮不合格和黑心不合格的情形；
电控装置从以上每种小图像中提取连续的黑色像素的面积大小，如果连续的黑色像素的面积超出了设定的阈值，则将该马铃薯归类为表面质量不合格的马铃薯；否则接着从每种小图像中提取连续的绿色像素的面积大小，如果连续的绿色像素的面积超出了设定的阈值，则将该马铃薯归类为表面质量不合格的马铃薯；否则将马铃薯所述三种分辨率的小图像进行二值化；
对于二值化后的图像，电控装置分别计算其图像矩和分形维数来标记小图像的特征值，再通过离线训练过的支持向量机缺陷分级模型，识别马铃薯表面的机械破损和发芽缺陷，将机械破损程度和发芽程度超出阈值的马铃薯归类为表面质量不合格的马铃薯。
所述第一至第五分离器的动作过程相同，皆为电磁铁通电状态下活动板选择连通其前方两个通道中的一个通道，电磁铁断电状态下活动板选择连通其前方两个通道中的另一个通道；
所述第四步骤中，在没有马铃薯通过时，电控装置打开所述电磁阀，高压气源中的高压气体通过高压气体导管进入下层滑道的出口段，在气压的作用下常开阀门关闭，高压气体通过下层透明通道和下层分选通道吹出，对下层透明通道和下层分选通道进行吹扫清理；吹扫进行30秒后，关闭所述电磁阀，所述常开阀门打开；在吹扫的过程中，当第二红外对射装置检测到有马铃薯通过时，电控装置立即关闭电磁阀，停止吹扫过程；
所述第一步骤中，设置补偿系数，补偿系数为a，1≤a≤1.35；电控装置收到的马铃薯的初始重量为m，电控装置修正后的马铃薯重量为m*a；
马铃薯在称重装置上的速度为第一皮带输送装置的皮带运行速度v，单位为米/秒；v＝0米/秒时，补偿系数a取值为1；v＞5米/秒时，补偿系数a取值为1.35；0米/秒＜v≤5米/秒时，补偿系数a＝(v*0.35/5)+1；
所述第四步骤中，工作人员根据马铃薯的品质更换不同颜色的背景板；当背景板进入其工作位置时，磁性读头读取背景板上磁性标识的信息，从而获取该背景板的颜色信息；磁性读头将背景板的颜色信息发送给电控装置。
第三步骤中，第一组光敏矩阵检测模块和第二组光敏矩阵检测模块在检测马铃薯的轮廓形状时，建立马铃薯的边缘曲线并对马铃薯的形状进行分类的方法是：第一组光敏矩阵检测模块中的光束由上向下照射马铃薯并得到马铃薯的矩阵检测俯视图，第二组光敏矩阵检测模块中的光束由前向后照射马铃薯并得到马铃薯的矩阵检测主视图；
对于马铃薯的矩阵检测俯视图和矩阵检测主视图，分别对图像内的有效点进行分析，辨识是否为马铃薯的边缘点；以有效点点P0(x，y)为中心，分别搜索X轴正、负方向和Y轴正、负方向的四个邻接点，判断P1(x+，y)、P2(x-，y)、P3(x，y+)和P4(x，y-)是否为马铃薯图像，如果以上四个邻接点中的任何一个落在马铃薯图像外部，当前点P0(x，y)即为边缘点，标记后连接所有边缘点即可构建边缘曲线；对于马铃薯的矩阵检测俯视图所构建的边缘曲线，计算其所围成的面积A；
然后，根据由马铃薯的矩阵检测俯视图所构建的边缘曲线的周长和该边缘曲线所围成的面积A，计算其等效椭圆的长半轴长a和短半轴长b，并由数学公式计算等效椭圆的周长Cd和等效面积Ad，其中，β1＝a/b，β2＝C/Cd和β3＝A/Ad，按照以下规则确定马铃薯的形状：
(1)如果β1大于等于0.95，并且β2大于等于0.95或者β3大于等于0.95，将当前马铃薯的形状归类为圆形，完成马铃薯形状的确定；否则进行第(2)步；
(2)如果β1小于0.95，并且β2大于等于0.95，将当前马铃薯的形状归类为椭圆形，完成马铃薯形状的确定；否则进行第(3)步；
(3)如果β1小于0.95，并且β2大于0.95或者β3大于等于1.05，将当前马铃薯的形状归类为矩形，完成马铃薯形状的确定；否则进行第(4)步；
(4)将马铃薯的形状归类为不规则形状；
第三步骤中通过光敏检测获取马铃薯的形状信息时，通过计算马铃薯边缘曲线的导数变化趋势判断是否存在畸形的方法具体是：
对于马铃薯的矩阵检测俯视图和矩阵检测主视图，
第一小步骤是根据马铃薯的矩阵检测俯视图和矩阵检测主视图，分别构建矩阵主视图和矩阵俯视图的二值图像，对于每一个二值图像，分别找到X、Y方向的边界中左、右、上和下四个边界点，标记为A(xmin，ya)、B(xmax，yb)、C(xc，ymax)和D(xd，ymin)；参见图4；
第二小步骤是ABC方向边缘曲线导数的计算公式为P0(y)′＝(P1(y)-P0(y))/(P1(x)-P0(x))，其中P1和P0为ABC方向边缘曲线上的相邻点，P1点X坐标大于P0的X坐标；
对于CDA方向边缘曲线导数的计算公式为P0(y)′＝(P0(y)-P1(y))/(P0(x)-P1(x))，P1和P0为CDA方向边缘曲线上的相邻点，P0点X坐标大于P1的X坐标；
第三小步骤是，对于计算后获取的边缘曲线导数，寻找导数变化最大的曲线段，获取畸形的起点和终点的坐标点，通过三点模板和五点模板搜寻导数变化最大的曲线段，三点模板使用的导数点为P-1(y)′、P0(y)′和P1(y)′，五点模板使用的导数点为P-2(y)′、P-1(y)′、P0(y)′和P2(y)′，同时符合以下两点特征的点为畸形点：①该点的导数符号出现变化；②三点或者五点导数的平均值的绝对值小于0.40；畸形的起点选取第一次出现的畸形点，畸形的终点选取最后一次出现的畸形点；
第四小步骤是，计算畸形的起点和终点之间的边缘曲线长度与直线长度的比值，即计算该区间边缘曲线点的个数与直线点的个数比值；
当矩阵检测俯视图和矩阵检测主视图中任一个的所述比值大于1.8且边缘曲线长度大于8个像素，光敏矩阵检测模块判断该马铃薯存在畸形情况，否则判断该马铃薯的表面正常；
所述第四步骤中，电控装置判断马铃薯是否存在绿皮不合格和黑心不合格的情形时，首先分别提取所述三种尺寸的窗口模板分割后所得到R分量子图像，并对所述R分量子图像进行二值化，并提取马铃薯H分量图像，对于马铃薯区域内各点根据R分量值和H分量值判断是否为绿皮或者黑心，计算当前子图像的绿皮面积(Ai green)或者黑心面积(Ai black)，再汇总计算总的绿皮面积(Atotal green＝∑i nAi green)或者黑心面积(Atotal black＝∑i nAi black)，接着着取三种窗口模板分割模板下最大的面积为最终计算结果，最后根据绿皮面积或者黑心面积占整个马铃薯面积的比例判断是否存在绿皮不合格和黑心不合格的情形；
所述第四步骤中，电控装置计算图像矩和分形维数的方法是：
对于图像矩(Hu矩)的计算，首先计算(p+q)阶矩mpq，
其中f(x，y)为二值化后的图像，x和y为图像的x方向和y方向的坐标；
接着，计算(p+q)阶中心矩μpq
其中，
xavg＝m10/m00
yavg＝m01/m00
再次，计算正则化的(p+q)阶中心矩ηpq
ηpq＝μpq/μ00 γ，γ＝(p+q)/2；
p，q＝1，2，3，...
最后，其前7阶图像矩(Hu矩)为，
[3(η30+η12)2-3(η21+η03)2]
[3(η30+η12)2-(η21+η03)2]
所述第四步骤中，所述经离线训练过的支持向量机的输入向量除了包含图像矩和分形维数外，还包括窗口模板尺寸，分别用尺寸代码1、2和3标示，进一步，所述支持向量机的离线训练样本库可以通过检测装置人机界面进行增加，提升支持向量机分类方法的鲁棒性。
本发明具有如下的优点：
本发明参照国家标准，根据马铃薯的形状、重量及外观特征，通过多级联合智能检测，实现马铃薯重量、形状和表面缺陷的分级检测，在不翻动马铃薯的情况下，对马铃薯进行上、下表面微焦大幅面近距离全景视觉检测，提高检测的准确度。
本发明的光敏阵列形状检测机构无须通过传统的图像视觉算法，就能快速、准确地检测出马铃薯的正视图和俯视图的图形，并通过几何算术计算特征值，能全面、准确地确定马铃薯的形状(椭圆形、方形、圆形)，再通过计算边缘曲线的导数变化趋势判断是否存在畸形，将不合格的马铃薯从流水线中分离出来。
由于马铃薯初速度不够，或者其他原因导致马铃薯停留在电子称重装置上，不能进入第二皮带输送装置的时候，助力推杆在第一步进电机的带动下，将马铃薯从电子称重装置上推入第二皮带输送装置，使整个系统稳定可靠地持续运行。
附图说明
图1是本发明的结构示意图；
图2是光敏矩阵检测模块的结构示意图；
图3是本发明的马铃薯缺陷检测方法的检测流程示意图；
图4是光敏矩阵检测中马铃薯到位时的矩阵检测示意图；
图5是马铃薯畸形检测算法示意图；
图6是马铃薯表面绿皮、核心检测算法流程图。
具体实施方式
如图1至图6所示，本发明的马铃薯多级联合智能缺陷检测系统包括动态称重预选机构、检测线和电控装置；检测线设有三条，各检测线均包括上层滑道、光敏阵列形状检测机构、下层滑道32和全表面缺陷检测机构；上层滑道和下层滑道32均向下倾斜设置；
动态称重预选机构包括第一皮带输送装置1、电子称重装置2、助力装置、第二皮带输送装置、上层分选通道6、第一分离器7、第二分离器10和第三分离器13，上层分选通道6向下倾斜设置；
所述电子称重装置2位于第一皮带输送装置1的下料端和第二皮带输送装置5的上料端之间，第二皮带输送装置5的下料端与所述上层分选通道6的进口相连接；助力装置设置在电子称重装置2的正上方，助力装置包括第一步进电机3和与第一步进电机3相连并由第一步进电机3驱动的助力推杆4，助力推杆4的下端的轨迹圆(轨迹圆即推杆下端在转动过程中经过的路径)位于电子称重装置2上方并与电子称重装置2相邻；
上层分选通道6的进口部设有所述第一分离器7，以马铃薯的运动方向为前向，第一分离器7前方的上层分选通道6分为小差通道8和中大通道9，第一分离器7选择连通小差通道8或中大通道9；
小差通道8的进口部设有所述第二分离器10，第二分离器10前方的小差通道8分为大小不合格通道11和小品通道12，第二分离器10选择连通大小不合格通道11或小品通道12；
中大通道9的进口部设有所述第三分离器13，第三分离器13前方的中大通道9分为中品通道14和大品通道15，第三分离器13选择连通中品通道14或大品通道15；
小品通道12、中品通道14和大品通道15与三条所述检测线一一对应，小品通道12、中品通道14和大品通道15分别连接一条检测线的上层滑道16；各条检测线的结构均相同，为使图面简洁清楚，图1中仅显示出一条连接大品通道15的检测线。
光敏阵列形状检测机构包括截面呈口字型的上层透明通道17、光敏矩阵检测模块、第一红外对射装置19、中层分选通道20和第四分离器21；相应检测线中的上层滑道16的出口连接上层透明通道17的进口；
光敏矩阵检测模块设有两组，上层透明通道17的顶面和底面上安装有第一组光敏矩阵检测模块18，上层透明通道17的左侧面和右侧面上安装有第二组光敏矩阵检测模块22，第一组光敏矩阵检测模块18和第二组光敏矩阵检测模块22相互垂直布置；
第一红外对射装置19包括发射端和接收端，发射端和接收端分别设置在上层透明通道17的相对两侧，且第一红外对射装置19位于第一组光敏矩阵检测模块18和第二组光敏矩阵检测模块22的后方3-8厘米；
第一组光敏矩阵检测模块18和第二组光敏矩阵检测模块22结构相同，包括凹面镜23、球形光源24、矩阵导光板25、矩阵聚光板26和光敏元件27；球形光源24位于所述凹面镜23的焦点位置，矩阵导光板25和矩阵聚光板26均由不透明材料制成，矩阵导光板25上设有若干透光孔28，透光孔28的孔壁呈黑色从而能够吸收掉绝大多数照射到透光孔28的孔壁上的光线，各透光孔28排列为矩阵形状；
矩阵聚光板26上设有若干聚光孔，各聚光孔排列为矩阵形状，聚光孔与透光孔28一一对应设置；各聚光孔背离上层透明通道17一侧均设有光敏元件27；
凹面镜23的镜面呈旋转抛物面，且其主轴方向垂直于矩阵导光板25和矩阵聚光板26；
矩阵导光板25设置于上层透明通道17的一侧，矩阵聚光板26设置于上层透明通道17相对矩阵导光板25的另一侧，且矩阵导光板25与矩阵聚光板26正对设置，矩阵导光板25的各透光孔28与矩阵聚光板26上的光敏元件27一一对应；
上层透明通道17的出口连接所述中层分选通道20的进口；所述第四分离器21前方的中层分选通道20分为形状正常通道29和畸形通道30，第四分离器21选择连通正常通道29或畸形通道30；
正常通道29连接第三皮带输送装置31的上料端，第三皮带输送装置31的下料端连接下层滑道32的进口；
所述全表面缺陷检测机构包括下层透明通道33和下层分选通道34，下层分选通道34向下倾斜设置；
下层透明通道33的进料端连接所述下层滑道32的出口，下层透明通道33的出料端连接下层分选通道34的进口；下层分选通道34的进口部设有第五分离器35，第五分离器35前方的下层分选通道34分为表面合格通道36和表面不合格通道37，第五分离器35选择连通表面合格通道36或表面不合格通道37；
下层滑道32的出口段连接有高压气体导管38，高压气体导管38后方的下层滑道32内设有常开阀门40；高压气体导管38连接有高压气源41，高压气体导管38上设有电磁阀39；
下层透明通道33的上方和下方分别设有光学扫描模块42，两个光学扫描模块42一前一后设置；下层透明通道33的下方和上方分别设有背景板43，背景板43与光学扫描模块42一一对应；背景板43连接有用于驱动背景板43的驱动装置；背景板43具有位于下层透明通道33处的工作位置和离开下层透明通道33处的等待位置；下层透明通道33上方的背景板43位于该处光学扫描模块42的下方，下层透明通道33下方的背景板43位于该处光学扫描模块42的上方，从而使一个光学扫描模块42扫描时，其相对的背景板43能够遮挡住另一光学扫描模块42；图1中光学扫描模块42和背景板43的位置仅为示意之用。驱动装置为直线电机或电动推杆，为常规装置，图1未示。
两个光学扫描模块42前方的下层透明通道33上设有第二红外对射装置44；第二红外对射装置44与第一红外对射装置19结构相同，第二红外对射装置44的发射端和接收端分别设置在下层透明通道33的相对两侧，且第二红外对射装置44位于下层透明通道33的出料端后方1-3厘米；
下层透明通道33的出料端前方设有第二步进电机(步进电机为常规技术，图未示第二步进电机)，第二步进电机位于下层分选通道34的上方；第二步进电机连接有弹性杆45，弹性杆45向下伸出下层分选通道34且其底端固定连接有用于阻挡马铃薯的弹性球头46，弹性球头46具有遮挡位置和离开位置，弹性球头46的遮挡位置位于下层透明通道33的正前方并与下层透明通道33的出料端相邻；弹性球头46的离开位置位于下层透明通道33的前侧上方；
所述电控装置连接所述电磁阀39、所述第一皮带输送装置1、电子称重装置2、第二皮带输送装置5、第一组光敏矩阵检测模块18、第二组光敏矩阵检测模块22、驱动装置、光学扫描模块42、第一步进电机3、第二步进电机、第一红外对射装置19、第二红外对射装置44以及第一至第五分离器7、10、13、21、35。动态称重预选机构、光敏阵列形状检测机构和全表面缺陷检测机构通过CAN总线与电控装置相连接，电控装置可以采用计算机、单片机、PLC等各种常见的控制装置，优选采用ARM嵌入式单片机，为本领域常规技术，图未示。
所述上层透明通道17外围设有第一挡光盒；所述下层透明通道33外围设有第二挡光盒；第一挡光盒和第二挡光盒均用于遮挡外界光线。第一挡光盒和第二挡光盒均为普通的两端开口的筒状盒体结构，图未示第一挡光盒和第二挡光盒。
凹面镜23的外侧面通过第一连杆47与第二连杆48的中部相连接，第二连杆48的两端分别连接矩阵导光板25和矩阵聚光板26；(第二连杆48由高强度材料制成)矩阵导光板25上的导光孔和矩阵聚光板26上的聚光孔的孔径均为0.25毫米，矩阵导光板25上的导光孔和矩阵聚光板26上的聚光孔均设置为64*64点阵，即导光孔和聚光孔均呈矩阵排列并均为64*64矩阵，导光孔和聚光孔各设置4096个。
所述第一至第五分离器7、10、13、21、35均采用电磁铁式分离器，包括电磁铁和用于选择连通其后方两个通道的活动板。电磁铁通电(吸合)状态下活动板选择连通其前方两个通道中的一个通道，电磁铁断电状态下活动板选择连通其前方两个通道中的另一个通道。
所述常开阀门40包括固定连接在下层滑道32内侧壁上的铰接柱，铰接柱转动连接有阀板，阀板与铰接柱之间设有扭簧。常开阀门40的上述结构为现有常规技术，图未详示常开阀门40的具体结构。
电控装置、所述第一和第二红外对射装置19、44，第一挡光盒和第二挡光盒均为本领域常规装置，图1中未显示。第一挡光盒和第二挡光盒能够减少外部光线对检测结果的影响。
所述两个背景板43的端部分别设有一个储存有背景板43的颜色信息的磁性标识49，所述两个背景板43的工作位置处的固定结构(如设置在地面的机架或连接杆)分别设有用于读取磁性标识49的磁性读头50，磁性读头50与电控装置相连接；
所述第一皮带输送装置1、电子称重装置2和第二皮带输送装置5的左右两侧设有用于遮挡马铃薯的挡板。使用挡板防止物料掉落为常规设置，图未示挡板；挡板能够防止马铃薯在通过时从左右两侧掉落，使本发明工作得更加稳定。
本发明还公开了使用上述的马铃薯多级联合智能缺陷检测系统的马铃薯缺陷检测方法，依次按以下步骤进行：
①第一步骤是动态称重预选步骤；
人工或者使用机械将待检测的马铃薯放在动态称重预选机构的第一皮带输送装置1上，电控装置启动第一皮带输送装置1、第二皮带输送装置5、第三皮带输送装置31、第一红外对射装置19和第二红外对射装置44，第一皮带输送装置1将马铃薯向前输送至电子称重装置2，电子称重装置2将马铃薯的重量数据传送给电控装置；在电控装置的控制下，第一步进电机3带动助力推杆4旋转，将电子称重装置2上的马铃薯向前拨动，进入第二皮带输送装置5；第二皮带输送装置5将马铃薯向前输送，使马铃薯进入上层分选通道6；
②第二步骤是上层分选步骤；
当某一马铃薯的重量小于20克时，电控装置将其归类为不合格马铃薯，并控制第一分离器7选择连通小差通道8，控制第二分离器10选择连通大小不合格通道11，使不合格马铃薯沿大小不合格通道11滑出；
当某一马铃薯的重量大于等于20克并小于50克时，电控装置将其归类为小马铃薯，并控制第一分离器7连通小差通道8，控制第二分离器10连通小品通道12，使该马铃薯沿小品通道12滑出，并进入相应检测线中的上层滑道16中；
当某一马铃薯的重量大于等于50克并小于100克时，电控装置将其归类为中马铃薯，并控制第一分离器7连通中大通道9，控制第二分离器10连通中品通道14，使该马铃薯沿中品通道14滑出，并进入相应检测线中的上层滑道16中；
当某一马铃薯的重量大于等于100克时，电控装置将其归类为大马铃薯，并控制第一分离器7连通中大通道9，控制第二分离器10连通大品通道15，使该马铃薯沿大品通道15滑出，并进入相应检测线中的上层滑道16中；
③第三步骤是各条检测线通过光敏检测获取马铃薯的形状信息，并进行相应的分选；
首先是待检测的马铃薯在重力的作用下通过上层滑道16进入上层透明通道17，在通过第一红外对射装置19时，马铃薯遮挡第一红外对射装置19的发射端所发出的红外线，使第一红外对射装置19的接收端接收不到红外线；此时第一红外对射装置19向电控装置发出信号，电控装置根据该信号启动光敏阵列形状检测机构，使第一组光敏矩阵检测模块18和第二组光敏矩阵检测模块22中的球形光源24发光；
所述两组光敏矩阵检测模块的工作过程相同，球形光源24发出的光经凹面镜23反射后形成基本平行的光束，平行光束先通过矩阵导光板25上的透光孔28，然后通过上层透明通道17，一部分被马铃薯所遮挡，未被马铃薯遮挡的部分光束通过上层透明通道17后进入矩阵聚光板26，最后被矩阵聚光板26上的光敏元件27所吸收，光敏元件27检测入射光的强度；
所述两组光敏矩阵检测模块分别通过呈矩阵布置的光敏元件27从相互垂直的两个方向上检测马铃薯的轮廓形状，通过计算马铃薯边缘曲线的导数变化趋势判断是否存在畸形，将马铃薯分类为畸形马铃薯和正常马铃薯，并将结果传送给电控装置，电控装置存储检测结果并关闭光敏阵列形状检测机构，马铃薯通过上层透明通道17滑落进入中层分选通道20；
对于畸形马铃薯，电控装置控制第四分离器21连通畸形通道30，使马铃薯通过畸形通道30滑出；对于正常马铃薯，电控装置控制第四分离器21连通正常通道29，同时电控装置控制第二步进电机，第二步进电机通过弹性杆45带动弹性球头46进入其遮挡位置；
使马铃薯通过正常通道29进入第三皮带输送装置31，马铃薯由第三皮带输送装置31进入下层滑道32，马铃薯沿下层滑道32滑动，并在通过常开阀门40后进入下层透明通道33；
④第四步骤是各条检测线通过光学扫描获得表面缺陷信息，并进行相应的分选；
首先是马铃薯通过下层透明通道33的出料端，在惯性的作用下与弹性球头46发生撞击，弹性杆45和弹性球头46在弹力的作用下将马铃薯弹回下层透明通道33；
马铃薯在通过第二红外对射装置44所在位置时，马铃薯遮挡第二红外对射装置44的发射端所发出的红外线，使第二红外对射装置44的接收端接收不到红外线，此时第二红外对射装置44向电控装置发出信号；马铃薯在第一次通过下层透明通道33时第二红外对射装置44向电控装置发出第一次信号，马铃薯在弹性球头46的作用下回弹入下层透明通道33时第二红外对射装置44向电控装置发出第二次信号，电控装置收到第二次信号时，启动下层透明通道33的下方的背景板43所连接的驱动装置，将该背景板43送至其工作位置，然后电控装置控制下层透明通道33上方的光学扫描模块42自上而下扫描待检测马铃薯的上部表面特征，扫描完成后该光学扫描模块42将马铃薯的上部图像传输给电控装置，电控装置控制该驱动装置，使该背景板43离开下层透明通道33并进入其等待位置；
电控装置接着启动下层透明通道33的上方的背景板43所连接的驱动装置，将该背景板43送至其工作位置，然后电控装置控制该光学扫描模块42自下而上扫描待检测马铃薯的下部表面特征，扫描完成后该光学扫描模块42将马铃薯的下部图像传输给电控装置；电控装置控制该驱动装置，使该背景板43离开下层透明通道33并进入其等待位置；
电控装置对马铃薯的上部图像和下部图像进行处理，将马铃薯分为表面质量合格马铃薯和表面质量不合格马铃薯；电控装置接着控制第二步进电机，第二步进电机通过弹性杆45带动弹性球头46离开其遮挡位置并到达其离开位置；
电控装置打开高压气体导管38上的电磁阀39，使高压气源41内的高压气体通过高压气体导管38进入下层滑道32的出口段，在气压的作用下常开阀门40的阀板自动关闭，高压气体通过下层透明通道33和下层分选通道34吹出，在此过程中高压气体将下层透明通道33内的马铃薯吹出并进入下层分选通道34；
对于表面质量不合格的马铃薯，电控装置控制第五分离器35连通表面不合格通道37，使马铃薯通过表面不合格通道37滑出并收集起来；
对于表面质量合格的马铃薯，电控装置控制第五分离器35连通表面合格通道36，使马铃薯通过表面合格通道36滑出并收集起来。
凹面镜23所反射的平行光束中，部分不平行的光线照射到透光孔28的黑色孔壁上被吸收，使通过矩阵导光板25上的光束为平行光束，从而避免倾斜光线带来的图像变形现象，提高检测结果的准确度。本步骤中，第一挡光盒减少了外部光线对检测结果的影响。
电控装置对马铃薯的上部图像和下部图像进行处理的方法是：
电控装置使用三种尺寸的窗口模板分别对马铃薯的上部图像和下部图像进行分割，将马铃薯的上部图像和下部图像分割为三种分辨率下的小图像；所述三种尺寸的窗口模板分别为32像素×32像素、64像素×64像素和128像素×128像素；
然后电控装置对于三种分辨率的小图像进行分别处理，检测马铃薯是否存在绿皮不合格和黑心不合格的情形；
电控装置从以上每种小图像中提取连续的黑色像素的面积大小，如果连续的黑色像素的面积超出了设定的阈值(设定该阈值为本领域技术人员的常规技能，正常情况下该阈值设定为黑色像素占总马铃薯总面积的5％，工作人员也可以更具实际情况对该阈值进行调整)，则将该马铃薯归类为表面质量不合格的马铃薯；否则接着从每种小图像中提取连续的绿色像素的面积大小，如果连续的绿色像素的面积超出了设定的阈值，则将该马铃薯归类为表面质量不合格的马铃薯；否则将马铃薯所述三种分辨率的小图像进行二值化；
对于二值化后的图像，电控装置分别计算其图像矩和分形维数来标记小图像的特征值，再通过离线训练过的支持向量机(SVM)缺陷分级模型，识别马铃薯表面的机械破损和发芽缺陷，将机械破损程度和发芽程度超出阈值(该阈值由离线训练过的支持向量机自动设定并修正，为离线训练过的支持向量机常规能力)的马铃薯归类为表面质量不合格的马铃薯。
所述第一至第五分离器7、10、13、21、35的动作过程相同，皆为电磁铁通电状态下活动板选择连通其前方两个通道中的一个通道，电磁铁断电状态下活动板选择连通其前方两个通道中的另一个通道；
所述第四步骤中，在没有马铃薯通过时，电控装置通过自检算法分析下层透明通道33中是否存在脏物，在需要清扫的时候，电控装置打开所述电磁阀39，高压气源41中的高压气体通过高压气体导管38进入下层滑道32的出口段，在气压的作用下常开阀门40的阀板自动关闭，高压气体通过下层透明通道33和下层分选通道34吹出，对下层透明通道33和下层分选通道34进行吹扫清理；吹扫进行30秒后，关闭所述电磁阀39，在扭簧弹力的作用下所述常开阀门40的阀板自动打开；在吹扫的过程中，当第二红外对射装置44检测到有马铃薯通过时，电控装置立即关闭电磁阀39，停止吹扫过程；
当然，也可以在上层滑道16的出口段设置常开阀门40和高压气体导管38、电磁阀39以及高压气源41，这样就可以对上层透明通道17也同样进行吹扫作业了。
所述第一步骤中，设置补偿系数，补偿系数为a，1≤a≤1.35；电控装置收到的马铃薯的初始重量为m，电控装置修正后的马铃薯重量为m*a；
马铃薯在称重装置上的速度为第一皮带输送装置1的皮带运行速度v(电控装置控制第一皮带输送装置1的运行速度，电控装置可以根据第一皮带输送装置1的驱动电机的转速计算出第一皮带输送装置1的运行速度)，单位为米/秒；v＝0米/秒时，补偿系数a取值为1；v≥5米/秒时，补偿系数a取值为1.35；0米/秒＜v＜5米/秒时，补偿系数a＝(v*0.35/5)+1；即a＝1+v*(1.35-1)/(5-0)；设定补偿系数，能够抵消大部分因速度变化带来的称重偏差，使称重结果更为准确。
所述第四步骤中，工作人员根据马铃薯的品质更换不同颜色的背景板43；当背景板43进入其工作位置时，磁性读头50读取背景板43上磁性标识49的信息，从而获取该背景板43的颜色信息；磁性读头50将背景板43的颜色信息发送给电控装置；
这样，就无须人工向电控装置输入当前背景板43的颜色信息，避免人工输入带来的误操作现象和延时现象，既提高工作效率，又避免颜色信息输入错误。
第三步骤中，第一组光敏矩阵检测模块18和第二组光敏矩阵检测模块22在检测马铃薯的轮廓形状时，建立马铃薯的边缘曲线并对马铃薯的形状进行分类的方法是：第一组光敏矩阵检测模块18中的光束由上向下照射马铃薯并得到马铃薯的矩阵检测俯视图，第二组光敏矩阵检测模块22中的光束由前向后照射马铃薯并得到马铃薯的矩阵检测主视图；
对于马铃薯的矩阵检测俯视图和矩阵检测主视图，分别对图像内的有效点进行分析，辨识是否为马铃薯的边缘点；以有效点点P0(x，y)为中心，分别搜索X轴正、负方向和Y轴正、负方向的四个邻接点，判断P1(x+，y)、P2(x-，y)、P3(x，y+)和P4(x，y-)是否为马铃薯图像，如果以上四个邻接点中的任何一个落在马铃薯图像外部，当前点P0(x，y)即为边缘点，标记后连接所有边缘点即可构建边缘曲线；对于马铃薯的矩阵检测俯视图所构建的边缘曲线，计算其所围成的面积A；
然后，根据由马铃薯的矩阵检测俯视图所构建的边缘曲线的周长C和该边缘曲线所围成的面积A，计算其等效椭圆的长半轴长a和短半轴长b，并由数学公式计算等效椭圆的周长Cd和等效面积Ad，其中，β1＝a/b，β2＝C/Cd和β3＝A/Ad，按照以下规则确定马铃薯的形状：
(1)如果β1大于等于0.95，并且β2大于等于0.95或者β3大于等于0.95，将当前马铃薯的形状归类为圆形，完成马铃薯形状的确定；否则进行第(2)步；
(2)如果β1小于0.95，并且β2大于等于0.95，将当前马铃薯的形状归类为椭圆形，完成马铃薯形状的确定；否则进行第(3)步；
(3)如果β1小于0.95，并且β2大于0.95或者β3大于等于1.05，将当前马铃薯的形状归类为矩形，完成马铃薯形状的确定；否则进行第(4)步；
(4)将马铃薯的形状归类为不规则形状；
第三步骤中通过光敏检测获取马铃薯的形状信息时，通过计算马铃薯边缘曲线的导数变化趋势判断是否存在畸形的方法具体是：
对于马铃薯的矩阵检测俯视图和矩阵检测主视图，
第一小步骤是根据马铃薯的矩阵检测俯视图和矩阵检测主视图，分别构建矩阵主视图和矩阵俯视图的二值图像，对于每一个二值图像，分别找到X、Y方向的边界中左、右、上和下四个边界点，标记为A(xmin，ya)、B(xmax，yb)、C(xc，ymax)和D(xd，ymin)；
第二小步骤是ABC方向边缘曲线导数的计算公式为P0(y)′＝(P1(y)-Po(y))/(P1(x)-P0(x))，其中P1和P0为ABC方向边缘曲线上的相邻点，P1点X坐标大于P0的X坐标；
对于CDA方向边缘曲线导数的计算公式为P0(y)′＝(P0(y)-P1(y))/(P0(x)-P1(x))，P1和P0为CDA方向边缘曲线上的相邻点，P0点X坐标大于P1的X坐标；
第三小步骤是，对于计算后获取的边缘曲线导数，寻找导数变化最大的曲线段，获取畸形的起点和终点的坐标点，通过三点模板和五点模板搜寻导数变化最大的曲线段，三点模板使用的导数点为P-1(y)′、P0(y)′和P1(y)′，五点模板使用的导数点为P-2(y)′、P-1(y)′、P0(y)′和P2(y)′，同时符合以下两点特征的点为畸形点：①该点的导数符号出现变化；②三点或者五点导数的平均值的绝对值小于0.40；畸形的起点选取第一次出现的畸形点，畸形的终点选取最后一次出现的畸形点；
第小步骤是，计算畸形的起点和终点之间的边缘曲线长度与直线长度的比值，即计算该区间边缘曲线点的个数与直线点的个数比值；
当矩阵检测俯视图和矩阵检测主视图中任一个的所述比值大于1.8且边缘曲线长度大于8个像素，光敏矩阵检测模块判断该马铃薯存在畸形情况，否则判断该马铃薯的表面正常；
所述第四步骤中，电控装置判断马铃薯是否存在绿皮不合格和黑心不合格的情形时，首先分别提取所述三种尺寸的窗口模板分割后所得到R分量子图像，并对所述R分量子图像进行二值化，并提取马铃薯H分量图像，对于马铃薯区域内各点根据R分量值和H分量值判断是否为绿皮或者黑心，计算当前子图像的绿皮面积(Ai green)或者黑心面积(Ai black)，再汇总计算总的绿皮面积(Atotal green＝∑i nAi green)或者黑心面积(Atotal black＝∑i nAi black)，接着着取三种窗口模板分割模板下最大的面积为最终计算结果，最后根据绿皮面积或者黑心面积占整个马铃薯面积的比例判断是否存在绿皮不合格和黑心不合格的情形；
所述第四步骤中，电控装置计算图像矩和分形维数的方法是：
对于图像矩(Hu矩)的计算，首先计算(p+q)阶矩mpq，
其中f(x，y)为二值化后的图像，x和y为图像的x方向和y方向的坐标；
接着，计算(p+q)阶中心矩μpq
其中，
xavg＝m10/m00
yavg＝m01/m00
再次，计算正则化的(p+q)阶中心矩ηpq
ηpq＝μpq/μ00 γ，γ＝(p+q)/2；
p，q＝1，2，3，...
最后，其前7阶图像矩(Hu矩)为，
[3(η30+η12)2-3(η21+η03)2]
[3(η30+η12)2-(η21+η03)2]
所述第四步骤中，所述经离线训练过的支持向量机(SVM)的输入向量除了包含图像矩和分形维数外，还包括窗口模板尺寸，分别用尺寸代码1、2和3标示，进一步，所述支持向量机(SVM)的离线训练样本库可以通过检测装置人机界面进行增加，提升支持向量机分类方法的鲁棒性。
以上实施例仅用以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.马铃薯多级联合智能缺陷检测系统，其特征在于：包括动态称重预选机构、检测线和电控装置；检测线设有三条，各检测线均包括上层滑道、光敏阵列形状检测机构、下层滑道和全表面缺陷检测机构；上层滑道和下层滑道均向下倾斜设置；
动态称重预选机构包括第一皮带输送装置、电子称重装置、助力装置、第二皮带输送装置、上层分选通道、第一分离器、第二分离器和第三分离器，上层分选通道向下倾斜设置；
所述电子称重装置位于第一皮带输送装置的下料端和第二皮带输送装置的上料端之间，第二皮带输送装置的下料端与所述上层分选通道的进口相连接；助力装置设置在电子称重装置的正上方，助力装置包括第一步进电机和与第一步进电机相连并由第一步进电机驱动的助力推杆，助力推杆的下端的轨迹圆位于电子称重装置上方并与电子称重装置相邻；
上层分选通道的进口部设有所述第一分离器，以马铃薯的运动方向为前向，第一分离器前方的上层分选通道分为小差通道和中大通道，第一分离器选择连通小差通道或中大通道；
小差通道的进口部设有所述第二分离器，第二分离器前方的小差通道分为大小不合格通道和小品通道，第二分离器选择连通大小不合格通道或小品通道；
中大通道的进口部设有所述第三分离器，第三分离器前方的中大通道分为中品通道和大品通道，第三分离器选择连通中品通道或大品通道；
小品通道、中品通道和大品通道与三条所述检测线一一对应，小品通道、中品通道和大品通道分别连接一条检测线的上层滑道；
光敏阵列形状检测机构包括截面呈口字型的上层透明通道、光敏矩阵检测模块、第一红外对射装置、中层分选通道和第四分离器；相应检测线中的上层滑道的出口连接上层透明通道的进口；
上层透明通道的顶面和底面上安装有第一组光敏矩阵检测模块，上层透明通道的左侧面和右侧面上安装有第二组光敏矩阵检测模块，第一组光敏矩阵检测模块和第二组光敏矩阵检测模块相互垂直布置；
第一红外对射装置包括发射端和接收端，发射端和接收端分别设置在上层透明通道的相对两侧，且第一红外对射装置位于第一组光敏矩阵检测模块和第二组光敏矩阵检测模块的后方；
第一组光敏矩阵检测模块和第二组光敏矩阵检测模块结构相同，包括凹面镜、球形光源、矩阵导光板、矩阵聚光板和光敏元件；球形光源位于所述凹面镜的焦点位置，矩阵导光板和矩阵聚光板均由不透明材料制成，矩阵导光板上设有若干透光孔，透光孔的孔壁呈黑色，各透光孔排列为矩阵形状；
矩阵聚光板上设有若干聚光孔，各聚光孔排列为矩阵形状，聚光孔与透光孔一一对应设置；各聚光孔背离上层透明通道一侧均设有光敏元件；
凹面镜的镜面呈旋转抛物面，且其主轴方向垂直于矩阵导光板和矩阵聚光板；
矩阵导光板设置于上层透明通道的一侧，矩阵聚光板设置于上层透明通道相对矩阵导光板的另一侧，且矩阵导光板与矩阵聚光板正对设置，矩阵导光板的各透光孔与矩阵聚光板上的光敏元件一一对应；
上层透明通道的出口连接所述中层分选通道的进口；所述第四分离器前方的中层分选通道分为正常通道和畸形通道，第四分离器选择连通正常通道或畸形通道；
正常通道连接第三皮带输送装置的上料端，第三皮带输送装置的下料端连接下层滑道的进口；
所述全表面缺陷检测机构包括下层透明通道和下层分选通道，下层分选通道向下倾斜设置；
下层透明通道的进料端连接所述下层滑道的出口，下层透明通道的出料端连接下层分选通道的进口；下层分选通道的进口部设有第五分离器，第五分离器前方的下层分选通道分为表面合格通道和表面不合格通道，第五分离器选择连通表面合格通道或表面不合格通道；
下层滑道的出口段连接有高压气体导管，高压气体导管后方的下层滑道内设有常开阀门；高压气体导管连接有高压气源，高压气体导管上设有电磁阀；
下层透明通道的上方和下方分别设有光学扫描模块，两个光学扫描模块一前一后设置；下层透明通道的下方和上方分别设有背景板，背景板与光学扫描模块一一对应；背景板连接有用于驱动背景板的驱动装置；背景板具有位于下层透明通道处的工作位置和离开下层透明通道处的等待位置；下层透明通道上方的背景板位于该处光学扫描模块的下方，下层透明通道下方的背景板位于该处光学扫描模块的上方；
两个光学扫描模块前方的下层透明通道上设有第二红外对射装置；第二红外对射装置与第一红外对射装置结构相同，第二红外对射装置的发射端和接收端分别设置在下层透明通道的相对两侧，且第二红外对射装置位于下层透明通道的出料端后方1－3厘米；
下层透明通道的出料端前方设有第二步进电机，第二步进电机位于下层分选通道的上方；第二步进电机连接有弹性杆，弹性杆向下伸出下层分选通道且其底端固定连接有用于阻挡马铃薯的弹性球头，弹性球头具有遮挡位置和离开位置，弹性球头的遮挡位置位于下层透明通道的正前方并与下层透明通道的出料端相邻；弹性球头的离开位置位于下层透明通道的前侧上方；
所述电控装置连接所述电磁阀、所述第一皮带输送装置、电子称重装置、第二皮带输送装置、第一组光敏矩阵检测模块、第二组光敏矩阵检测模块、驱动装置、光学扫描模块、第一步进电机、第二步进电机、第一红外对射装置、第二红外对射装置以及第一至第五分离器。
2.根据权利要求1所述的马铃薯多级联合智能缺陷检测系统，其特征在于：所述上层透明通道外围设有第一挡光盒；所述下层透明通道外围设有第二挡光盒；第一挡光盒和第二挡光盒均用于遮挡外界光线。
3.根据权利要求2所述的马铃薯多级联合智能缺陷检测系统，其特征在于：凹面镜的外侧面通过第一连杆与第二连杆的中部相连接，第二连杆的两端分别连接矩阵导光板和矩阵聚光板；矩阵导光板上的导光孔和矩阵聚光板上的聚光孔的孔径均为0.25毫米，矩阵导光板上的导光孔和矩阵聚光板上的聚光孔均设置为64*64点阵。
4.根据权利要求1至3中任一项所述的马铃薯多级联合智能缺陷检测系统，其特征在于：所述第一至第五分离器均采用电磁铁式分离器，包括电磁铁和用于选择连通其后方两个通道的活动板。
5.根据权利要求4所述的马铃薯多级联合智能缺陷检测系统，其特征在于：所述常开阀门包括固定连接在下层滑道内侧壁上的铰接柱，铰接柱转动连接有阀板，阀板与铰接柱之间设有扭簧。
6.根据权利要求5所述的马铃薯多级联合智能缺陷检测系统，其特征在于：所述两个背景板的端部分别设有一个储存有背景板的颜色信息的磁性标识，所述两个背景板的工作位置处分别设有用于读取磁性标识的磁性读头，磁性读头与电控装置相连接；
所述第一皮带输送装置、电子称重装置和第二皮带输送装置的左右两侧设有用于遮挡马铃薯的挡板。
7.使用权利要求6中所述的马铃薯多级联合智能缺陷检测系统的马铃薯缺陷检测方法，其特征在于依次按以下步骤进行：
①第一步骤是动态称重预选步骤；
人工或者使用机械将待检测的马铃薯放在动态称重预选机构的第一皮带输送装置上，电控装置启动第一皮带输送装置、第二皮带输送装置、第三皮带输送装置、第一红外对射装置和第二红外对射装置，第一皮带输送装置将马铃薯向前输送至电子称重装置，电子称重装置将马铃薯的重量数据传送给电控装置；在电控装置的控制下，第一步进电机带动助力推杆旋转，将电子称重装置上的马铃薯向前拨动，进入第二皮带输送装置；第二皮带输送装置将马铃薯向前输送，使马铃薯进入上层分选通道；
②第二步骤是上层分选步骤；
当某一马铃薯的重量小于20克时，电控装置将其归类为不合格马铃薯，并控制第一分离器选择连通小差通道，控制第二分离器选择连通大小不合格通道，使不合格马铃薯沿大小不合格通道滑出；
当某一马铃薯的重量大于等于20克并小于50克时，电控装置将其归类为小马铃薯，并控制第一分离器连通小差通道，控制第二分离器连通小品通道，使该马铃薯沿小品通道滑出，并进入相应检测线中的上层滑道中；
当某一马铃薯的重量大于等于50克并小于100克时，电控装置将其归类为中马铃薯，并控制第一分离器连通中大通道，控制第二分离器连通中品通道，使该马铃薯沿中品通道滑出，并进入相应检测线中的上层滑道中；
当某一马铃薯的重量大于等于100克时，电控装置将其归类为大马铃薯，并控制第一分离器连通中大通道，控制第二分离器连通大品通道，使该马铃薯沿大品通道滑出，并进入相应检测线中的上层滑道中；
③第三步骤是各条检测线通过光敏检测获取马铃薯的形状信息，并进行相应的分选；
首先是待检测的马铃薯在重力的作用下通过上层滑道进入上层透明通道，在通过第一红外对射装置时，马铃薯遮挡第一红外对射装置的发射端所发出的红外线，使第一红外对射装置的接收端接收不到红外线；此时第一红外对射装置向电控装置发出信号，电控装置根据该信号启动光敏阵列形状检测机构，使第一组光敏矩阵检测模块和第二组光敏矩阵检测模块中的球形光源发光；
所述两组光敏矩阵检测模块的工作过程相同，球形光源发出的光经凹面镜反射后形成基本平行的光束，平行光束先通过矩阵导光板上的透光孔，然后通过上层透明通道，一部分被马铃薯所遮挡，未被马铃薯遮挡的部分光束通过上层透明通道后进入矩阵聚光板，最后被矩阵聚光板上的光敏元件所吸收，光敏元件检测入射光的强度；
所述两组光敏矩阵检测模块分别通过呈矩阵布置的光敏元件从相互垂直的两个方向上检测马铃薯的轮廓形状，通过计算马铃薯边缘曲线的导数变化趋势判断是否存在畸形，将马铃薯分类为畸形马铃薯和正常马铃薯，并将结果传送给电控装置，电控装置存储检测结果并关闭光敏阵列形状检测机构，马铃薯通过上层透明通道滑落进入中层分选通道；
对于畸形马铃薯，电控装置控制第四分离器连通畸形通道，使马铃薯通过畸形通道滑出；对于正常马铃薯，电控装置控制第四分离器连通正常通道，同时电控装置控制第二步进电机，第二步进电机通过弹性杆带动弹性球头进入其遮挡位置；
使马铃薯通过正常通道进入第三皮带输送装置，马铃薯由第三皮带输送装置进入下层滑道，马铃薯沿下层滑道滑动，并在通过常开阀门后进入下层透明通道；
④第四步骤是各条检测线通过光学扫描获得表面缺陷信息，并进行相应的分选；
首先是马铃薯通过下层透明通道的出料端，在惯性的作用下与弹性球头发生撞击，弹性杆和弹性球头在弹力的作用下将马铃薯弹回下层透明通道；
马铃薯在通过第二红外对射装置所在位置时，马铃薯遮挡第二红外对射装置的发射端所发出的红外线，使第二红外对射装置的接收端接收不到红外线，此时第二红外对射装置向电控装置发出信号；马铃薯在第一次通过下层透明通道时第二红外对射装置向电控装置发出第一次信号，马铃薯在弹性球头的作用下回弹入下层透明通道时第二红外对射装置向电控装置发出第二次信号，电控装置收到第二次信号时，启动下层透明通道的下方的背景板所连接的驱动装置，将该背景板送至其工作位置，然后电控装置控制下层透明通道上方的光学扫描模块自上而下扫描待检测马铃薯的上部表面特征，扫描完成后该光学扫描模块将马铃薯的上部图像传输给电控装置，电控装置控制该驱动装置，使该背景板离开下层透明通道并进入其等待位置；
电控装置接着启动下层透明通道的上方的背景板所连接的驱动装置，将该背景板送至其工作位置，然后电控装置控制该光学扫描模块自下而上扫描待检测马铃薯的下部表面特征，扫描完成后该光学扫描模块将马铃薯的下部图像传输给电控装置；电控装置控制该驱动装置，使该背景板离开下层透明通道并进入其等待位置；
电控装置对马铃薯的上部图像和下部图像进行处理，将马铃薯分为表面质量合格马铃薯和表面质量不合格马铃薯；电控装置接着控制第二步进电机，第二步进电机通过弹性杆带动弹性球头离开其遮挡位置并到达其离开位置；
电控装置打开高压气体导管上的电磁阀，使高压气源内的高压气体通过高压气体导管进入下层滑道的出口段，在气压的作用下常开阀门关闭，高压气体通过下层透明通道和下层分选通道吹出，在此过程中高压气体将下层透明通道内的马铃薯吹出并进入下层分选通道；
对于表面质量不合格的马铃薯，电控装置控制第五分离器连通表面不合格通道，使马铃薯通过表面不合格通道滑出并收集起来；
对于表面质量合格的马铃薯，电控装置控制第五分离器连通表面合格通道，使马铃薯通过表面合格通道滑出并收集起来。
8.根据权利要求7所述的马铃薯缺陷检测方法，其特征在于：第四步骤中，电控装置对马铃薯的上部图像和下部图像进行处理的方法是：
电控装置使用三种尺寸的窗口模板分别对马铃薯的上部图像和下部图像进行分割，将马铃薯的上部图像和下部图像分割为三种分辨率下的小图像；所述三种尺寸的窗口模板分别为32像素×32像素、64像素×64像素和128像素×128像素；
然后电控装置对于三种分辨率的小图像进行分别处理，检测马铃薯是否存在绿皮不合格和黑心不合格的情形；
电控装置从以上每种小图像中提取连续的黑色像素的面积大小，如果连续的黑色像素的面积超出了设定的阈值，则将该马铃薯归类为表面质量不合格的马铃薯；否则接着从每种小图像中提取连续的绿色像素的面积大小，如果连续的绿色像素的面积超出了设定的阈值，则将该马铃薯归类为表面质量不合格的马铃薯；否则将马铃薯所述三种分辨率的小图像进行二值化；
对于二值化后的图像，电控装置分别计算其图像矩和分形维数来标记小图像的特征值，再通过离线训练过的支持向量机缺陷分级模型，识别马铃薯表面的机械破损和发芽缺陷，将机械破损程度和发芽程度超出阈值的马铃薯归类为表面质量不合格的马铃薯。
9.根据权利要求8所述的马铃薯缺陷检测方法，其特征在于：所述第一至第五分离器的动作过程相同，皆为电磁铁通电状态下活动板选择连通其前方两个通道中的一个通道，电磁铁断电状态下活动板选择连通其前方两个通道中的另一个通道；
所述第四步骤中，在没有马铃薯通过时，电控装置打开所述电磁阀，高压气源中的高压气体通过高压气体导管进入下层滑道的出口段，在气压的作用下常开阀门关闭，高压气体通过下层透明通道和下层分选通道吹出，对下层透明通道和下层分选通道进行吹扫清理；吹扫进行30秒后，关闭所述电磁阀，所述常开阀门打开；在吹扫的过程中，当第二红外对射装置检测到有马铃薯通过时，电控装置立即关闭电磁阀，停止吹扫过程；
所述第一步骤中，设置补偿系数，补偿系数为a，1≤a≤1.35；电控装置收到的马铃薯的初始重量为m，电控装置修正后的马铃薯重量为m*a；
马铃薯在称重装置上的速度为第一皮带输送装置的皮带运行速度v，单位为米/秒；v＝0米/秒时，补偿系数a取值为1；v＞5米/秒时，补偿系数a取值为1.35；0米/秒＜v≤5米/秒时，补偿系数a＝(v*0.35/5)+1；
所述第四步骤中，工作人员根据马铃薯的品质更换不同颜色的背景板；当背景板进入其工作位置时，磁性读头读取背景板上磁性标识的信息，从而获取该背景板的颜色信息；磁性读头将背景板的颜色信息发送给电控装置。
10.根据权利要求9所述的马铃薯缺陷检测方法，其特征在于：第三步骤中，第一组光敏矩阵检测模块和第二组光敏矩阵检测模块在检测马铃薯的轮廓形状时，建立马铃薯的边缘曲线并对马铃薯的形状进行分类的方法是：第一组光敏矩阵检测模块中的光束由上向下照射马铃薯并得到马铃薯的矩阵检测俯视图，第二组光敏矩阵检测模块中的光束由前向后照射马铃薯并得到马铃薯的矩阵检测主视图；
对于马铃薯的矩阵检测俯视图和矩阵检测主视图，分别对图像内的有效点进行分析，辨识是否为马铃薯的边缘点；以有效点点P0(x,y)为中心，分别搜索X轴正、负方向和Y轴正、负方向的四个邻接点，判断P1(x+,y)、P2(x-,y)、P3(x,y+)和P4(x,y-)是否为马铃薯图像，如果以上四个邻接点中的任何一个落在马铃薯图像外部，当前点P0(x,y)即为边缘点，标记后连接所有边缘点即可构建边缘曲线；对于马铃薯的矩阵检测俯视图所构建的边缘曲线，计算其所围成的面积A；
然后，根据由马铃薯的矩阵检测俯视图所构建的边缘曲线的周长C和该边缘曲线所围成的面积A，计算其等效椭圆的长半轴长a和短半轴长b，并由数学公式计算等效椭圆的周长Cd和等效面积Ad,其中，β1＝a/b，β2＝C/Cd和β3＝A/Ad，按照以下规则确定马铃薯的形状：
(1)如果β1大于等于0.95，并且β2大于等于0.95或者β3大于等于0.95，将当前马铃薯的形状归类为圆形，完成马铃薯形状的确定；否则进行第(2)步；
(2)如果β1小于0.95，并且β2大于等于0.95，将当前马铃薯的形状归类为椭圆形，完成马铃薯形状的确定；否则进行第(3)步；
(3)如果β1小于0.95，并且β2大于0.95或者β3大于等于1.05，将当前马铃薯的形状归类为矩形，完成马铃薯形状的确定；否则进行第(4)步；
(4)将马铃薯的形状归类为不规则形状；
第三步骤中通过光敏检测获取马铃薯的形状信息时，通过计算马铃薯边缘曲线的导数变化趋势判断是否存在畸形的方法具体是：
对于马铃薯的矩阵检测俯视图和矩阵检测主视图，
第一小步骤是根据马铃薯的矩阵检测俯视图和矩阵检测主视图，分别构建矩阵主视图和矩阵俯视图的二值图像，对于每一个二值图像，分别找到X、Y方向的边界中左、右、上和下四个边界点，标记为A(xmin,ya)、B(xmax,yb)、C(xc,ymax)和D(xd,ymin)；
第二小步骤是ABC方向边缘曲线导数的计算公式为P0(y)′＝(P1(y)－P0(y))/(P1(x)－P0(x))，其中P1和P0为ABC方向边缘曲线上的相邻点，P1点X坐标大于P0的X坐标；
对于CDA方向边缘曲线导数的计算公式为P0(y)′＝(P0(y)－P1(y))/(P0(x)－P1(x))，P1和P0为CDA方向边缘曲线上的相邻点，P0点X坐标大于P1的X坐标；
第三小步骤是，对于计算后获取的边缘曲线导数，寻找导数变化最大的曲线段，获取畸形的起点和终点的坐标点，通过三点模板和五点模板搜寻导数变化最大的曲线段，三点模板使用的导数点为P－1(y)′、P0(y)′和P1(y)′，五点模板使用的导数点为P－2(y)′、P－1(y)′、P0(y)′和P2(y)′，同时符合以下两点特征的点为畸形点：①该点的导数符号出现变化；②三点或者五点导数的平均值的绝对值小于0.40；畸形的起点选取第一次出现的畸形点，畸形的终点选取最后一次出现的畸形点；
第四小步骤是，计算畸形的起点和终点之间的边缘曲线长度与直线长度的比值，即计算该区间边缘曲线点的个数与直线点的个数比值；
当矩阵检测俯视图和矩阵检测主视图中任一个的所述比值大于1.8且边缘曲线长度大于8个像素，光敏矩阵检测模块判断该马铃薯存在畸形情况，否则判断该马铃薯的表面正常；
所述第四步骤中，电控装置判断马铃薯是否存在绿皮不合格和黑心不合格的情形时，首先分别提取所述三种尺寸的窗口模板分割后所得到R分量子图像，并对所述R分量子图像进行二值化，并提取马铃薯H分量图像，对于马铃薯区域内各点根据R分量值和H分量值判断是否为绿皮或者黑心，计算当前子图像的绿皮面积(Ai green)或者黑心面积(Ai black)，再汇总计算总的绿皮面积(Atotal green＝∑i nAi green)或者黑心面积(Atotal black＝∑i nAi black)，接着取三种窗口模板分割模板下最大的面积为最终计算结果，最后根据绿皮面积或者黑心面积占整个马铃薯面积的比例判断是否存在绿皮不合格和黑心不合格的情形；
所述第四步骤中，电控装置计算图像矩和分形维数的方法是：
对于图像矩(Hu矩)的计算，首先计算(p+q)阶矩mpq，
其中f(x，y)为二值化后的图像，x和y为图像的x方向和y方向的坐标；
接着，计算(p+q)阶中心矩μpq
<mrow> <msub> <mi>&amp;mu;</mi> <mrow> <mi>p</mi> <mi>q</mi> </mrow> </msub> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mi>x</mi> </munder> <munder> <mo>&amp;Sigma;</mo> <mi>y</mi> </munder> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> <mo>)</mo> </mrow> <mi>p</mi> </msup> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>-</mo> <msub> <mi>y</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> <mo>)</mo> </mrow> <mi>q</mi> </msup> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow>
其中，
xavg＝m10/m00
yavg＝m01/m00
再次，计算正则化的(p+q)阶中心矩ηpq
ηpq＝μpq/μ00 γ，γ＝(p+q)/2；
p，q＝1，2，3，...
最后，其前7阶图像矩(Hu矩)为，
所述第四步骤中，所述经离线训练过的支持向量机的输入向量除了包含图像矩和分形维数外，还包括窗口模板尺寸，分别用尺寸代码1、2和3标示，进一步，所述支持向量机的离线训练样本库可以通过检测装置人机界面进行增加，提升支持向量机分类方法的鲁棒性。
CN201611208254.8A 2016-12-23 2016-12-23 马铃薯多级联合智能缺陷检测系统及检测方法 Active CN106733701B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611208254.8A CN106733701B (zh) 2016-12-23 2016-12-23 马铃薯多级联合智能缺陷检测系统及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611208254.8A CN106733701B (zh) 2016-12-23 2016-12-23 马铃薯多级联合智能缺陷检测系统及检测方法

Publications (2)

Publication Number Publication Date
CN106733701A CN106733701A (zh) 2017-05-31
CN106733701B true CN106733701B (zh) 2018-05-22

Family

ID=58920127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611208254.8A Active CN106733701B (zh) 2016-12-23 2016-12-23 马铃薯多级联合智能缺陷检测系统及检测方法

Country Status (1)

Country Link
CN (1) CN106733701B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE1028641B1 (nl) * 2020-09-29 2022-04-25 Warnez Nv Werkwijze voor rasselectie en kwaliteitscontrole bij aardappelen
US11794214B2 (en) 2019-05-03 2023-10-24 Verily Life Sciences Llc Insect singulation and classification

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609628A (zh) * 2017-09-25 2018-01-19 牛力立 一种马铃薯原种分级计数装置
CN108346141B (zh) * 2018-01-11 2021-10-22 杭州衡眺科技有限公司 单边侧入光式导光板缺陷提取方法
CN108416766B (zh) * 2018-01-31 2021-10-22 杭州衡眺科技有限公司 双侧入光式导光板缺陷视觉检测方法
CN109030504B (zh) * 2018-07-19 2020-10-02 郑州轻工业学院 基于虚实成像相结合的全景马铃薯缺陷检测装置及方法
CN109365257A (zh) * 2018-11-23 2019-02-22 福建梅隆生态旅游有限公司 一种百香果自动分选设备
CN109794435A (zh) * 2019-01-18 2019-05-24 金陵科技学院 基于深度学习的水果质量检测系统及方法
CN109865673B (zh) * 2019-02-28 2023-05-05 平顶山天安煤业股份有限公司 坩埚整列装置
CN109827971B (zh) * 2019-03-19 2021-09-24 湖州灵粮生态农业有限公司 一种无损检测水果表面缺陷的方法
US12038969B2 (en) 2019-05-03 2024-07-16 Verily Life Sciences Llc Predictive classification of insects
CN110193475A (zh) * 2019-05-28 2019-09-03 中国农业科学院农业信息研究所 一种饲料杂质筛选分离系统及其方法
CN110548699B (zh) * 2019-09-30 2024-04-05 华南农业大学 一种基于双目视觉和多光谱检测技术的菠萝自动分级分拣方法及装置
CN113051992B (zh) * 2020-11-16 2022-01-18 山东米捷软件有限公司 应用透明卡槽的匀速辨识系统
CN112791992B (zh) * 2020-12-16 2023-04-25 安徽唯嵩光电科技有限公司 一种用于红枣分选生产线的自动控制系统
CN113109240B (zh) * 2021-04-08 2022-09-09 国家粮食和物资储备局标准质量中心 一种计算机实施的粮食不完善粒测定方法和系统
CN116002596A (zh) * 2022-03-14 2023-04-25 宜昌喜旺食品有限公司 一种适用于微生物灌装生产线的自变轨方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10151417A (ja) * 1996-11-25 1998-06-09 Saakuru Tekko:Kk 農産物分別装置とその整列搬送手段
JP2009061424A (ja) * 2007-09-07 2009-03-26 Circle Iron Work Co Ltd 農産物分別装置
CN102259096A (zh) * 2011-07-19 2011-11-30 中机美诺科技股份有限公司 基于图像识别的马铃薯外部损伤检测分级装置
CN103394472A (zh) * 2013-07-04 2013-11-20 中国农业大学 一种基于机器视觉的绿化马铃薯检测分级方法
CN104089925A (zh) * 2014-06-30 2014-10-08 华南理工大学 一种基于高光谱成像检测虾仁品质的目标区域提取方法
CN104597052A (zh) * 2015-02-09 2015-05-06 淮阴工学院 基于多特征融合的马铃薯高速无损分级检测方法及系统
CN205110067U (zh) * 2015-11-10 2016-03-30 贾银连 一种新型马铃薯分级分装装置
CN106238342A (zh) * 2016-09-14 2016-12-21 郑州轻工业学院 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10151417A (ja) * 1996-11-25 1998-06-09 Saakuru Tekko:Kk 農産物分別装置とその整列搬送手段
JP2009061424A (ja) * 2007-09-07 2009-03-26 Circle Iron Work Co Ltd 農産物分別装置
CN102259096A (zh) * 2011-07-19 2011-11-30 中机美诺科技股份有限公司 基于图像识别的马铃薯外部损伤检测分级装置
CN103394472A (zh) * 2013-07-04 2013-11-20 中国农业大学 一种基于机器视觉的绿化马铃薯检测分级方法
CN104089925A (zh) * 2014-06-30 2014-10-08 华南理工大学 一种基于高光谱成像检测虾仁品质的目标区域提取方法
CN104597052A (zh) * 2015-02-09 2015-05-06 淮阴工学院 基于多特征融合的马铃薯高速无损分级检测方法及系统
CN205110067U (zh) * 2015-11-10 2016-03-30 贾银连 一种新型马铃薯分级分装装置
CN106238342A (zh) * 2016-09-14 2016-12-21 郑州轻工业学院 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11794214B2 (en) 2019-05-03 2023-10-24 Verily Life Sciences Llc Insect singulation and classification
BE1028641B1 (nl) * 2020-09-29 2022-04-25 Warnez Nv Werkwijze voor rasselectie en kwaliteitscontrole bij aardappelen

Also Published As

Publication number Publication date
CN106733701A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106733701B (zh) 马铃薯多级联合智能缺陷检测系统及检测方法
CN106409711B (zh) 一种太阳能硅晶片缺陷检测系统及方法
JP6037125B2 (ja) 光学式粒状物選別機
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
CN105044122B (zh) 一种基于半监督学习模型的铜件表面缺陷视觉检测方法
CN206139527U (zh) 全景视觉马铃薯分选和缺陷检测装置
CN106238342A (zh) 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法
CN103801520A (zh) 虾的自动精选分级方法与装置
CN114354637A (zh) 基于机器视觉和x射线的水果品质综合分级方法和装置
CN1485616A (zh) 禽蛋品质无损自动检测分级设备及方法
CN113145492A (zh) 一种用于梨外观品质视觉分级方法及分级生产线
CN111805541B (zh) 一种基于深度学习的中药饮片净选装置及净选方法
CN106370667A (zh) 一种玉米籽粒品质视觉检测装置及方法
CN102998316A (zh) 一种透明液体杂质检测系统及其检测方法
CN104597052A (zh) 基于多特征融合的马铃薯高速无损分级检测方法及系统
CN108672316A (zh) 一种基于卷积神经网络的微小零件质量检测系统
CN113077450B (zh) 基于深度卷积神经网络的樱桃分级检测方法及系统
Yuan et al. Detection of early bruise in apple using near-infrared camera imaging technology combined with deep learning
CN106353336A (zh) 一种镜片镀膜自动检测系统
CN109570051A (zh) 基于机器视觉、激光和声学的板栗虫眼检测装置
CN109030504A (zh) 基于虚实成像相结合的全景马铃薯缺陷检测装置及方法
CN110125044A (zh) 一种基于双目视觉的苹果分选设备
CN207222383U (zh) 木板分拣系统
CN109663747A (zh) 一种板栗虫眼智能检测方法
CN206139529U (zh) 透明滚轴机构

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant