CN108906653B - 一种桃子刷毛分级设备及桃子刷毛分级方法 - Google Patents
一种桃子刷毛分级设备及桃子刷毛分级方法 Download PDFInfo
- Publication number
- CN108906653B CN108906653B CN201810891576.XA CN201810891576A CN108906653B CN 108906653 B CN108906653 B CN 108906653B CN 201810891576 A CN201810891576 A CN 201810891576A CN 108906653 B CN108906653 B CN 108906653B
- Authority
- CN
- China
- Prior art keywords
- peaches
- peach
- main control
- near infrared
- control computer
- 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
Links
- 235000006040 Prunus persica var persica Nutrition 0.000 title claims abstract description 401
- 244000144730 Amygdalus persica Species 0.000 title claims abstract description 216
- 240000005809 Prunus persica Species 0.000 title claims abstract description 185
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000007246 mechanism Effects 0.000 claims abstract description 387
- 238000001514 detection method Methods 0.000 claims abstract description 177
- 238000005303 weighing Methods 0.000 claims abstract description 48
- 230000001680 brushing effect Effects 0.000 claims abstract description 32
- 239000000523 sample Substances 0.000 claims description 133
- 238000002329 infrared spectrum Methods 0.000 claims description 48
- 238000004458 analytical method Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 39
- 238000012937 correction Methods 0.000 claims description 33
- 238000001228 spectrum Methods 0.000 claims description 29
- 235000013399 edible fruits Nutrition 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 22
- 238000013145 classification model Methods 0.000 claims description 19
- 239000002699 waste material Substances 0.000 claims description 19
- 230000007547 defect Effects 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 14
- 239000013307 optical fiber Substances 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 229910052736 halogen Inorganic materials 0.000 claims description 7
- 150000002367 halogens Chemical class 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012843 least square support vector machine Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011197 physicochemical method Methods 0.000 description 2
- 208000034656 Contusions Diseases 0.000 description 1
- RFSUNEUAIZKAJO-ARQDHWQXSA-N Fructose Chemical compound OC[C@H]1O[C@](O)(CO)[C@@H](O)[C@@H]1O RFSUNEUAIZKAJO-ARQDHWQXSA-N 0.000 description 1
- 229930091371 Fructose Natural products 0.000 description 1
- 244000182264 Lucuma nervosa Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 229960002737 fructose Drugs 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- B07C5/28—Sorting according to weight using electrical control 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
Abstract
本发明提供了一种桃子刷毛分级设备及桃子刷毛分级方法，均包括分级机构和刷毛机构，所述的分级机构包括用于输送桃子的环状链条输送机构，以及沿环状链条输送机构的输送方向设置在环状链条输送机构上的用于采集环状链条输送机构输送的桃子的外部品质信息的机器视觉检测机构、用于采集环状链条输送机构输送的桃子的内部品质信息的近红外检测机构、以及用于采集环状链条输送机构输送的桃子的重量信息的称重机构，以及设置于环状链条输送机构末端旁侧与环状链条输送机构配合使用的分选机构。用于桃子的在线刷毛与分级。
Description
技术领域
本发明涉及水果分级领域，具体是一种桃子刷毛分级设备及桃子刷毛分级方法，用于桃子刷毛与检测分级。
背景技术
随着科技的发展，现有技术中对水果的检测分级，既有基于形状、色泽、大小等外部品质的分级，也有基于水果糖度、酸度、硬度等内部品质的分级，还有基于水果重量进行的分级，分选指标多样。
而目前，现有水果分级设备通常只能对水果单一指标进行分级，在用户依据当前批次待分类的水果的实际情况，需要改变分选指标进行水果分级时，却无法进行相应的分选指标调整。这在一定程度上影响用户的使用。
另外，桃子表面的绒毛虽然起到自身保护作用，但过多的绒毛影响桃子卖相，有的超市要求进超市前对桃子绒毛进行清除。现有去除桃毛的方法有水洗、人工刷毛等方法，前者会降低桃子货架寿命，后者效率低下。
本发明提供一种桃子刷毛分级设备及桃子刷毛分级方法，用于解决上述技术问题。
发明内容
本发明所要解决的技术问题是，针对现有技术的不足，提供一种桃子刷毛分级设备及桃子刷毛分级方法，用于实现桃子的刷毛和在线检测分级。
为解决上述技术问题，本发明提供了一种桃子刷毛分级设备，包括机架和设置于机架上的分级机构，所述的分级机构包括用于输送桃子的环状链条输送机构、以及设置于环状链条输送机构末端旁侧与环状链条输送机构配合使用的分选机构；
所述的分级机构还包括沿环状链条输送机构的输送方向设置在环状链条输送机构上的用于采集环状链条输送机构输送的桃子的外部品质信息的机器视觉检测机构、用于采集环状链条输送机构输送的桃子的内部品质信息的近红外检测机构、以及用于采集环状链条输送机构输送的桃子的重量信息的称重机构；
所述的桃子刷毛分级设备还包括用于为桃子刷毛的刷毛机构，所述刷毛机构设置于环状链条输送机构输送始端上方，该刷毛机构的输出端位于环状链条输送机构输送始端的正上方；
所述的机器视觉检测机构、近红外检测机构和称重机构分别设置在分选机构和刷毛机构之间；
所述的机器视觉检测机构与第一主控电脑相连，所述的近红外检测机构与第二主控电脑相连，所述的称重机构和分选机构分别与第三主控电脑相连，所述的第一主控电脑和第二主控电脑分别与所述的第三主控电脑网络连接。
其中，所述的刷毛机构包括两个并排设置的螺旋毛刷辊，该两个螺旋毛刷辊分别与环状链条输送机构的输送方向平行，两螺旋毛刷辊远离分选机构的端部各自安有用于驱动其向外翻转转动的毛刷辊驱动电机，两螺旋毛刷辊之间留有间隙，两螺旋毛刷辊之间形成用于支撑桃子并为桃子脱毛的脱毛室；两螺旋毛刷辊上毛刷的螺旋方向相反；
脱毛室邻近毛刷辊驱动电机的一端的正上方安有进料箱，进料箱的出料口竖直向下；
所述的刷毛机构还包括废料箱，各所述的螺旋毛刷辊和毛刷辊驱动电机均安装在废料箱内，所述的进料箱安装在废料箱的上方，进料箱的出料口位于废料箱内，废料箱的侧壁上设有过料口，该过料口与两螺旋毛刷辊远离两毛刷辊驱动电机的一端配合使用，所述过料口的底部向外延伸式地设有托料板舌，托料板舌的两旁设有用于限位桃子的导向板，所述的导向板分别固定在废料箱上；导向板的自由端与托料板舌的自由端的末端设有镂空。
其中，所述的环状链条输送机构包括安装在机架上的主动链轮和从动链轮，主动链轮和从动链轮通过环状链条传动连接，主动链轮安装在链轮驱动电机的输出轴上，链轮驱动电机固定在机架上，环状链条上沿其传送方向上依序设有一组各自用于装载单个桃子的托盘机构。
其中，所述的分选机构包括一组用于拨动单个托盘机构的托盘并使其各自拨动的托盘内所承载的桃子翻转出的分级拨杆机构，分级拨杆机构安装在机架上相应位置处，各分级拨杆机构的拨出方向侧分别设有与其一对一配合使用的分级箱，所述的第三主控电脑分别通过继电器与各所述的分级拨杆机构电控连接。
其中，所述的近红外检测机构包括近红外检测箱以及安装在近红外检测箱内的近红外光谱仪；
所述近红外检测箱的两侧设有用于供环状链条及其上托盘机构及托盘机构上所承载的桃子通过的开口，所述的环状链条及其上托盘机构穿过该两个开口；近红外光谱仪的光纤探头安装在位于近红外检测箱内的环状链条部分的正下方；
近红外检测箱内还设有至少三个卤素灯，各卤素灯分别安装在近红外检测箱的上端；所述的两个开口分别为近红外检测箱的入口和出口；
近红外检测箱内入口处安有一用于检测通过环状链条输送进入近红外检测箱内的托盘机构及该托盘机构的托盘上所承载的桃子的顺序编号的第一光电传感器，近红外检测箱内安有用于检测托盘机构的托盘上所承载的桃子到达近红外光谱仪的光纤探头正上方的第二光电传感器；所述的第一光电传感器、第二光电传感器和近红外光谱仪分别与所述的第二主控电脑相连。
其中，所述的机器视觉检测机构包括机器视觉检测箱，所述机器视觉检测箱的两侧设有用于供环状链条及其上托盘机构及托盘机构上所承载的桃子通过的开口，所述的环状链条及其上托盘机构穿过该两个开口；
机器视觉检测箱内设有四台分别用于采集环状链条上所传送的桃子的图像信息的相机，其中的任意三台相机安装在同一水平面上，该任意的三台相机两两之间呈120°角度；另一台相机安装在上述的任意三台相机所围成三角形的中心的正上方，该位于上方的相机安装在机器视觉检测箱的顶部；上述呈三角形分布的三台相机的中心位置位于机器视觉检测箱内环状链条的正上方；
机器视觉检测箱内还设有用于照亮的LED光源；
上述机器视觉检测箱的两个开口分别为机器视觉检测箱的入口和出口；机器视觉检测箱内入口处安有一用于检测通过环状链条输送进入机器视觉检测箱内的托盘机构及该托盘机构的托盘上所承载的桃子的顺序编号的第三光电传感器，机器视觉检测箱内安有用于检测托盘机构的托盘上所承载的桃子到达上述呈三角形分布的三台相机中心位置的第四光电传感器；所述的第三光电传感器、第四光电传感器和各所述的相机分别与所述的第一主控电脑相连。
本发明还提供了一种基于上述桃子刷毛分级设备的桃子刷毛分级方法，包括：
通过第三主控电脑设定当前所需的分选指标；
通过刷毛机构对所要刷毛分级的桃子进行刷毛；
通过环状链条输送机构输送通过刷毛机构刷毛后的桃子；
在上述环状链条输送机构输送桃子的过程中，进行以下s1-s5处理：
s1、机器视觉检测机构依序采集环状链条输送机构输送的各桃子的外部品质信息，并对应上传至第一主控电脑；
s2、近红外检测机构依序采集环状链条输送机构输送的各桃子的内部品质信息，并对应上传至第二主控电脑；
s3、称重机构依序采集环状链条输送机构输送的各桃子的重量信息，并对应上传至第三主控电脑；
s4、第一主控电脑、第二主控电脑、第三主控电脑，各自依据其内预先设定的分选指标，分别调用其内预先存储的相应处理系统，对环状链条输送机构上输送的各桃子，依序进行桃子外部品质等级、内部品质等级以及重量等级的划分；其中第一主控电脑将其划分的各桃子的外部品质等级、第二主控电脑将其划分的各桃子的内部品质等级，分别实时通过网络传输至第三主控电脑；
s5、第三主控电脑依据上述通过其预先设定的分选指标，控制分选机构对上述环状链条输送机构输送的各桃子进行相应的分选；
所述的分选指标包括基于机器视觉检测机构采集的桃子的外部品质信息进行桃子分级、基于近红外检测机构采集的桃子的内部品质信息进行桃子分级、以及基于称重机构采集的桃子的重量信息进行桃子分级。
其中，第一主控电脑通过其内预先存储的图像处理系统，对环状链条输送机构上输送的各桃子，依序进行桃子外部品质等级的划分；第一主控电脑通过图像处理系统内预先建立的机器视觉分级模型，计算并判定环状链条输送机构上输送的各桃子的等级，所述机器视觉分级模型的建立方法包括步骤：
p1、图像处理系统依据第一主控电脑接收到的第三光电传感器发来的传感信号，确定进入机器视觉检测箱内的托盘机构及该托盘机构的托盘上所承载的各样本桃的顺序编号；
p2、图像处理系统在第一主控电脑接收到第四光电传感器发来的传感信号后，控制四台相机同时拍摄并获取步骤p1中各所述样本桃的样本图像；
p3、图像处理系统对步骤p2中各相机所采集的样本图像分别依序进行灰度化、滤波降噪、二值化和边缘提取的预处理，并获取各样本图像对应的预处理后的图像；
p4、图像处理系统分别采用粒子群优化算法从上述获取到的各预处理后的图像中提取各样本桃的相同外部品质的外部品质特征，对应生成各样本桃各自的各相应外部品质对应的外部品质特征子集；所述的外部品质包括形状、颜色和果面缺陷，对应有所述的外部品质特征包括形状特征、颜色特征和果面缺陷特征；
p5、图像处理系统依据其内预先设定的规则，分别从步骤p4中生成的各样本桃的各外部品质特征子集中一对一地选取各外部品质特征子集中最优的一外部品质特征作为外部品质特征子集的最优外部品质特征，并将上述选取出的各样本桃的各最优外部品质特征对应生成各样本桃的最优外部品质特征集；
p6、分别以上述步骤p5中选取出的各样本桃的最优外部品质特征集为自变量、以上述步骤p5中所述的各样本所对应的等级为应变量，分别采用Fisher判别法、距离判别法和最小二乘支持向量机判别法构建各样本桃对应的分级模型，并由该所构建的各分级模型对应计算出各样本桃所对应的等级；
p7、基于上述p6中所计算的各等级、以及预先设定的各样本桃所对应的等级，对应统计并计算上述p6中采用Fisher判别法、距离判别法和最小二乘支持向量机判别法分别构建的分级模型的分级准确率，然后执行步骤p8；
p8、比较p7中计算出的各分级准确率的大小，确定分级准确率最高的分级模型为所述的机器视觉分级模型。
其中，第二主控电脑通过其内预先存储的近红外光谱分析系统，对环状链条输送机构上输送的各桃子，依序进行桃子内部品质等级的划分；第二主控电脑通过所述近红外光谱分析系统内预先建立的近红外光谱分级模型，计算并判定环状链条输送机构上输送的各桃子的等级；所述近红外光谱分级模型的建立方法包括步骤：
q1、近红外光谱分析系统依据第二主控电脑接收到的第一光电传感器发来的传感信号，确定进入近红外检测箱内的托盘机构及该托盘机构的托盘上所承载的各样本桃的顺序编号；
q2、近红外光谱分析系统在第二主控电脑接收到第二光电传感器发来的传感信号后，向近红外光谱仪发出检测命令；近红外光谱仪通过其光纤探头获取具有q1中确定的顺序编号的各样本桃的样本光谱信息，并将获取到的样本光谱信息发给近红外光谱分析系统；
q3、近红外光谱分析系统对近红外光谱仪采集的各样本光谱信息分别进行数据增强变换、散射校正、平滑和导数预处理中的至少一种预处理，并获取各预处理后的样本光谱信息；
q4、近红外光谱分析系统对上述各预处理后的样本光谱信息，分别进行波段优化，并对应获取波段优化后各样本光谱信息，之后执行步骤q5；
q5、近红外光谱分析系统自上述获取到的波段优化后各样本光谱信息中对应提取各样本桃的内部品质特征；所述的内部品质特征包括可溶性固形物特征、硬度特征、酸度特征和果肉褐变特征；
q6、近红外光谱分析系统以上述q5中提取的各样本桃的内部品质特征为自变量、以样本桃的分级为因变量，分别建立各样本桃的内部品质校正模型；
q7、近红外光谱分析系统基于校正集预测均方差RMSEC、校正集样本相关系数R、交叉验证均方差RMSECV和交叉验证相关系数R，对上述所构建的各内部品质校正模型进行优化，并对应获取各优化后的内部品质校正模型；
q8、近红外光谱分析系统通过q7中所获取的各优化后的内部品质校正模型，对应计算并获取各样本桃所对应的等级；
q9、近红外光谱分析系统基于上述q8中计算并获取的各样本桃的等级、以及预先设定的各样本桃所对应的等级，对应统计并计算上述所构建的各内部品质校正模型的分级准确率；
q10、比较q9中计算所得的各分级准确率的大小，确定分级准确率最高的内部品质校正模型为所述的近红外光谱分级模型。
其中，所述的分选指标还包括基于机器视觉检测机构采集的桃子的外部品质信息、近红外检测机构采集的桃子的内部品质信息、以及称重机构采集的桃子的重量信息中的任意组合进行桃子综合品质等级的划分；
在用户通过第三主控电脑设定分选指标为基于机器视觉检测机构采集的桃子的外部品质信息、近红外检测机构采集的桃子的内部品质信息、以及称重机构采集的桃子的重量信息的特定组合进行桃子综合品质等级的划分时，第三主控电脑内预先存储的多信息分析系统基于用户预先设定的分选指标，对应通过网络实时获取近红外光谱分析系统接收到的近红外光谱仪采集的各样本光谱信息、和/或通过网络实时获取图像处理系统接收到的机器视觉检测机构采集的各样本图像、和/或通过称重机构实时采集各桃子的重量信息，并通过其内预先存储的相应多信息融合分级模型，对环状链条输送机构上输送的各桃子，依序进行桃子综合品质等级的划分。
与现有技术相比，本发明的优点在于：
（1）本发明所述的桃子刷毛分级设备及桃子刷毛分级方法，其机架上集成有机器视觉检测机构、近红外检测机构以及称重机构，能够进行桃子内部品质检测分级、外部品质检测分级和自动称重分级，便于用户依据其不同需求，选择机器视觉检测机构、近红外检测机构以及称重机构其中的任意一种模块进行使用，在一定程度上可增加用户使用的便利性。
（2）本发明所述的桃子刷毛分级设备及桃子刷毛分级方法，其机架上集成有机器视觉检测机构、近红外检测机构以及称重机构，便于用户后续将多种功能任意组合后使用，用途相对广泛。
（3）本发明所述的桃子刷毛分级设备及桃子刷毛分级方法，其设有刷毛机构，使得桃子在分级前可以先进行刷毛，较为实用。
（4）本发明所述的桃子刷毛分级设备及桃子刷毛分级方法，其刷毛机构包括两个并排设置的螺旋毛刷辊，该两个螺旋毛刷辊分别与环状链条输送机构的输送方向平行，两螺旋毛刷辊远离分选机构的端部各自安有用于驱动其向外翻转转动的毛刷辊驱动电机，两螺旋毛刷辊之间留有间隙，两螺旋毛刷辊之间形成用于支撑桃子并为桃子脱毛的脱毛室，两螺旋毛刷辊上毛刷的螺旋方向相反，脱毛室邻近毛刷辊驱动电机的一端的正上方安有进料箱，进料箱的出料口竖直向下，使用时，启动毛刷辊驱动电机，两毛刷辊驱动电机各自驱动其对应的螺旋毛刷辊向外翻转转动，桃子自进料箱的出料口落入所述的脱毛室（支撑在两螺旋毛刷辊之间），（桃子）在两螺旋毛刷辊间翻转、并在翻转的过程中将桃子绒毛清除，并在两螺旋毛刷辊的螺旋毛刷的推动下向前进入分级区，结构简单、便于实现。
（5）本发明所述的桃子刷毛分级设备及桃子刷毛分级方法，其近红外检测机构的光纤探头安在近红外检测箱内环状链条部分的下方，即该近红外检测机构采取底部检测模式，在一定程度上避免了样本表皮漫反射光的干扰，有助于提高对桃子内部品质检测的精密度。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
附图说明
图1为本发明所述桃子刷毛分级设备的结构示意图1。
图2为本发明所述桃子刷毛分级设备的结构示意图2（局部透视图）。
图3为本发明所述桃子刷毛分级设备的结构示意图3（局部透视图）。
图4为图1、2和3中所示刷毛机构的结构示意图。
图5为图1、2和3中所示近红外检测机构的结构示意图。
图6为图1、2和3中所示机器视觉检测机构的结构示意图。
图7为图1-3中所示的托盘的一种具体实施方式的结构示意图。
图8为本发明所示托盘与分级拨杆机构的一种使用状态示意图。
图9为本发明所述桃子刷毛分级设备的电气原理框图示意图。
其中：1、环状链条，2、分级拨杆机构，3. 托盘，3.1、底板，3.2、安装孔，3.3、竖筒体，3.4、支撑柱，3.5、托板，3.5.1、叉形部，3.6、第一支座，3.7、第二支座，3.8、转轴，4、分级箱，5、近红外检测机构，5.1、近红外检测箱，5.2、近红外光谱仪，5.2.1、光纤探头，5.3、卤素灯，5.4、第二光电传感器，5.5、第一光电传感器，6、称重机构，7、机器视觉检测机构，7.1、机器视觉检测箱，7.2、相机，7.3、相机， 7.4、第四光电传感器，7.5、LED光源，7.6、第三光电传感器， 8、刷毛机构，8.1、螺旋毛刷辊，8.2、毛刷辊驱动电机，8.3、脱毛室，8.4、托料板舌，8.5、导向板，8.6、废料箱，8.7、进料箱，9、机架，10、链轮驱动电机，11、主动链轮，12、从动链轮，13、第一主控电脑，14、第二主控电脑，15、第三主控电脑。
具体实施方式
为使本发明的技术方案和优点更加清楚，下面将结合附图，对本发明的技术方案进行清楚、完整地描述。
图1-9为本发明所述桃子刷毛分级设备的一种具体实施方式。在本实施方式中，所述的桃子刷毛分级设备，包括机架9、设置于机架9上的分级机构以及用于为桃子刷毛的刷毛机构8。所述的分级机构包括用于输送桃子的环状链条输送机构，以及沿环状链条输送机构的输送方向设置在环状链条输送机构上的用于采集环状链条输送机构输送的桃子的外部品质信息的机器视觉检测机构7、用于采集环状链条输送机构输送的桃子的内部品质信息的近红外检测机构5、以及用于采集环状链条输送机构输送的桃子的重量信息的称重机构6，以及设置于环状链条输送机构末端旁侧与环状链条输送机构配合使用的分选机构。所述的刷毛机构8设置于环状链条输送机构输送始端上方，所述的机器视觉检测机构7、近红外检测机构5和称重机构6分别设置在分选机构和刷毛机构8之间。所述的机器视觉检测机构7与第一主控电脑13相连，所述的近红外检测机构5与第二主控电脑14相连，所述的称重机构6和分选机构分别与第三主控电脑15相连，所述的第一主控电脑13和第二主控电脑14分别与所述的第三主控电脑15网络连接。
如图1-3所示，机器视觉检测机构7、称重机构6、近红外检测机构5和分选机构按传送方向依次设置在环状链条输送机构的相应位置处。
参见图1-3，所述的环状链条输送机构包括安装在机架9上的主动链轮11和从动链轮12，主动链轮11和从动链轮12通过环状链条1传动连接，主动链轮11安装在链轮驱动电机10的输出轴上，链轮驱动电机10固定在机架9上，环状链条1上沿其传送方向上依序设有一组各自用于装载单个桃子的托盘机构。托盘机构均匀布满整个环状链条1，每个托盘机构均带有用于装载单个桃子的托盘3。链轮驱动电机10（通过外部电源供电）上电，带动环状链条1朝向远离刷毛机构8的一端传动，继而带动其上的托盘3随动。
参见图7，托盘3包括片状长条形的底板3.1，底板3.1的一端设有用于安装在环状链条1上的安装孔3.2，底板3.1中部垂直设有每次用于支撑单个桃子的竖筒体3.3，底板3.1上与竖筒体3.3位置相对的部位设置为镂空，底板3.1上设有两个沿环状链条1的输送方向分布的支撑柱3.4。该两个支撑柱3.4的高度相同，二者位于安装孔3.2和竖筒体3.3之间靠近安装孔3.2的一端。底板3.1上方设有一长条形的托板3.5，托板3.5的一端通过上述两支撑柱3.4支撑、另一端为叉形部3.5.1，叉形部3.5.1的两侧通过两支座组件（各所述的支座组件分别包括下端固定在底板3.1上的第一支座3.6、上端固定在托板3.5上的第二支座3.7，第一支座3.6的下端和第二支座3.7的上端通过转轴3.8转动连接。）可转动地安装在底板3.1上，叉形部3.5.1可转动地安装在竖筒体3.3的远离两支撑柱3.4 的一端的两旁。叉形部3.5.1下凹呈弧形，竖筒体3.3的上端开口在竖直方向上与叉形部3.5.1中下凹部分对应的镂空部位位置相对。在初始状态时，托板3.5的相应端（下称A端）自然搭在其对应的支撑柱3.4上，竖筒体3.3的上端面与叉形部3.5.1下凹部分的上端面位于同一平面上，叉形部3.5.1的下凹部分以及竖筒体3.3的上端面协同完成对桃子（每次一个）的支撑。使用时，在托板3.5的A端下端面上向上施力，托板3.5整体向远离支撑柱3.4的一端抬起，托板3.5上承载的桃子脱离竖筒体3.3，由托板3.5将其翻至相应侧。各托盘3分别固定在环状链条的同一侧。结构简单，便于实现与使用。
参见图1-4，所述的刷毛机构8包括两个并排设置的螺旋毛刷辊8.1，该两个螺旋毛刷辊8.1分别与环状链条输送机构的输送方向平行，两螺旋毛刷辊8.1远离分选机构的端部各自安有用于驱动其向外翻转转动的毛刷辊驱动电机8.2，两螺旋毛刷辊8.1之间留有间隙，两螺旋毛刷辊8.1之间形成用于支撑桃子并为桃子脱毛的脱毛室8.3；两螺旋毛刷辊8.1上毛刷的螺旋方向相反；脱毛室8.3邻近毛刷辊驱动电机8.2的一端的正上方安有进料箱8.7，进料箱8.7的出料口竖直向下；所述的刷毛机构8还包括废料箱8.6，各所述的螺旋毛刷辊8.1和毛刷辊驱动电机8.2均安装在废料箱8.6内，所述的进料箱8.7安装在废料箱8.6的上方，进料箱8.7的出料口位于废料箱8.6内，废料箱8.6的侧壁上设有过料口，该过料口与两螺旋毛刷辊8.1远离两毛刷辊驱动电机8.2的一端配合使用，所述过料口的底部向外延伸式地设有托料板舌8.4，托料板舌8.4的两旁设有用于限位桃子的导向板8.5，所述的导向板8.5分别固定在废料箱8.6上。导向板8.5的自由端与托料板舌8.4的自由端的末端设有镂空。所述镂空位于环状链条输送机构的输送始端的正上方，用于刷毛机构8输出桃子至链条输送机构上。
其中，两毛刷辊驱动电机8.2分别通过外部电源供电。使用该刷毛机构8为桃子清除绒毛时，启动两毛刷辊驱动电机8.2，两毛刷辊驱动电机8.2各自驱动其对应的螺旋毛刷辊8.1向外翻转转动，桃子自进料箱8.7的出料口落入所述的脱毛室8.3（支撑在两螺旋毛刷辊8.1之间），（桃子）在两螺旋毛刷辊8.1间翻转、并在翻转的过程中通过螺旋毛刷辊8.1上的螺旋状毛刷将桃子绒毛清除，并在两螺旋毛刷辊8.1的螺旋状毛刷的推动下向前经托料板舌8.4的支撑以及两导向板8.5的水平限位落至链条输送机构上。
托料板舌8.4与两导向板8.5及所述镂空的使用，在一定程度上确保了桃子自刷毛机构8出口进入托盘机构的托盘3的稳定性。
参见图1-3和图9，所述的分选机构包括一组用于拨动单个托盘机构的托盘3并使其各自拨动的托盘3内所承载的桃子翻转出的分级拨杆机构2，分级拨杆机构2安装在机架9上相应位置处，各分级拨杆机构2的拨出方向侧分别设有与其一对一配合使用的分级箱4。其中每个分级箱4各自对应的机架9的相应部位上分别对应安有一分级拨杆机构2，在第三主控电脑15的控制下，分级拨杆机构2得电工作并向上拨动托盘机构的托盘3的一端，托盘3倾斜，托盘3内承载的桃子落入其对应的分级箱4。为防止桃子碰伤，可在托盘3（即果托）和分级箱4内表面覆盖有由泡沫或纤维缓冲材料构成的缓冲层。其中，所述的第三主控电脑15分别通过继电器与各所述的分级拨杆机构2电控连接，使用时，第三主控电脑15向相应的继电器发送控制信号，进而控制相应的分级拨杆机构2得电工作。
具体地，参见图8，本实施方式中各所述的分级拨杆机构2包括固定在机架9相应位置处的步进电机2.1、以及一端端部垂直固定在步进电机2.1的输出轴上的拨杆2.2，所述拨杆2.2的另一端的端部能够沿环状链条1的输送方向依次通过各底板3.1及其对应托板3.5之间的空隙。每个步进电机2.1分别通过一所述的继电器与第三主控电脑15相连。使用时，第三主控电脑15依据待分选桃子对应的分级，通过相应的继电器对应控制相应的步进电机2.1得电工作，继而驱动该得电工作的步进电机2.1的输出轴上的拨杆2.2向上拨动对应托盘3的托板3.5的A端，托板3.5倾斜，托板3.5上承载的桃子落入其对应的分级箱4，从而实现对环状链条1上承载的桃子的分选。
参见图1-3和5，所述的近红外检测机构5包括近红外检测箱5.1以及安装在近红外检测箱5.1内的近红外光谱仪5.2。近红外检测箱5.1的两侧设有用于供环状链条1及其上托盘机构及托盘机构上所承载的桃子通过的开口，便于环状链条1带动托盘3和桃子通过。近红外检测箱5.1的两个开口分别为近红外检测箱5.1的入口和出口，其中该入口指向出口的方向为环状链条1的传送方向。近红外光谱仪5.2的光纤探头5.2.1安装在位于近红外检测箱5.1内的环状链条1的正下方，使近红外检测机构5从底部对环状链条1上的桃子进行光谱检测，在一定程度上避免了桃子表皮漫反射光的干扰，一定程度上提高了对桃子内部品质检测的精密度。近红外检测箱5.1呈矩形。近红外检测箱5.1内还设有四个卤素灯5.3（通过外部电源供电），各卤素灯5.3分别安装在近红外检测箱5.1上端的四个角上。近红外检测箱5.1内入口处安有一用于检测通过环状链条1输送进入近红外检测箱5.1内的托盘机构及该托盘机构的托盘3上所承载的桃子的顺序编号的第一光电传感器5.5，近红外检测箱5.1内安有用于检测托盘机构的托盘3上所承载的桃子到达近红外光谱仪5.2的光纤探头5.2.1正上方的第二光电传感器5.4。第一光电传感器5.5、第二光电传感器5.4和近红外光谱仪5.2分别与所述的第二主控电脑14相连。其中近红外光谱仪5.2通过USB接口与第二主控电脑14相连。第一光电传感器5.5和第二光电传感器5.4在环状链条1的传送方向上的间隔不超过托盘3在环状链条1传送方向上的宽度。
具体地，第一光电传感器5.5位于近红外检测箱5.1内的环状链条1部分的侧部，与各托盘3配合使用，用于检测托盘3及其上所承载的桃子的编号；第二光电传感器5.4位于各托盘3的上方的一旁，当托盘3上承载桃子通过第二光电传感器5.4时，托盘3上承载桃子能够切断第二光电传感器5.4发出的光电信号，此时第二光电传感器5.4向第二主控电脑14发送相关信号，用于第二主控电脑14判定托盘3上所承载的桃子到达近红外光谱仪5.2的光纤探头5.2.1正上方。
其中，可预先采用阿拉伯数字对环状链条1上的托盘进行顺序编号。
使用时，当位于环状链条1上的托盘（其上可能承载有桃子）经近红外检测箱5.1的入口进入箱内在到达第一光电传感器5.5后，第一光电传感器5.5将检测信号发送至第二主控电脑14，第二主控电脑14基于接收到的第一光电传感器5.5的检测信号，对应记录托盘（其上可能承载有桃子）的编号（在其上承载有桃子时，该编号对应为其上所承载的桃子的编号）。当托盘机构的托盘3上所承载的桃子到达近红外光谱仪5.2的光纤探头5.2.1正上方时，第二光电传感器5.4向第二主控电脑14发送其检测信号，第二主控电脑14接收到该第二光电传感器5.4发来的检测信号后，控制近红外光谱仪5.2通过其光纤探头5.2.1对应获取托盘上所承载的桃子的光谱信息。近红外光谱仪5.2将获取到的光谱信息发给第二主控电脑14。第二主控电脑14内预先存储有相应的软件分析系统，该相应的软件分析系统结合第二主控电脑14接收到的近红外光谱仪5.2采集的环状链条1上所传送的各桃子的光谱信息，依序对环状链条输送机构上传送的各桃子进行相应的分级。
参见图1-3和6，所述的机器视觉检测机构7包括机器视觉检测箱7.1，所述机器视觉检测箱7.1的两侧设有用于供环状链条1及其上托盘机构及托盘机构上所承载的桃子通过的开口，便于环状链条1带动托盘机构和桃子穿过。机器视觉检测箱7.1内设有四台分别用于采集环状链条1上所传送的桃子的图像信息的相机，均为高速工业相机。该四台相机中的三台安装在同一水平面上，（该三台相机）两两之间呈120°角度。四台相机中余下的一台安装在上述三台相机所围成三角形的中心的正上方，该位于上方的相机安装在机器视觉检测箱7.1的顶部，镜头朝下。上述呈三角形分布的三台相机的中心位置位于机器视觉检测箱7.1内环状链条1的正上方。机器视觉检测箱7.1内还设有用于照亮的四个LED光源7.5（通过外部电源供电），各LED光源7.5均采用条形光源，固定于机器视觉检测箱7.1内表面，用于照亮箱内各处，进而确保相机拍摄的图片信息更为清晰。上述机器视觉检测箱7.1的两个开口分别为机器视觉检测箱7.1的入口和出口，该入口指向出口的方向为环状链条1的传送方向。机器视觉检测箱7.1内入口处安有一用于检测通过环状链条1输送进入机器视觉检测箱7.1内的托盘机构及该托盘机构的托盘3上所承载的桃子的顺序编号的第三光电传感器7.6，机器视觉检测箱7.1内安有用于检测托盘机构的托盘3上所承载的桃子进入上述安装在机器视觉检测箱7.1的第四光电传感器7.4；所述的第三光电传感器7.6、第四光电传感器7.4和各所述的相机分别与所述的第一主控电脑13相连。
具体地，在本实施方式中，第三光电传感器7.6位于机器视觉检测箱7.1内的环状链条1部分的侧部，与各托盘3配合使用，当相应托盘3通过第三光电传感器7时，该相应托盘3（在竖直方向上）切断第三光电传感器7.6的光电信号，此时第三光电传感器7.6向第二主控电脑14发送该相关信号，供第二主控电脑14检测该相应托盘3及其上所承载的桃子的编号；第四光电传感器7.4位于各托盘3的上方的一旁，当托盘3上承载桃子通过第四光电传感器7.4时，托盘3上承载桃子切断第四光电传感器7.4发出的光电信号，此时第四光电传感器7.4向第二主控电脑14发送相关信号，用于第二主控电脑14控制上述四台相机拍摄相应桃子的图像。使用时，当环状链条1上的相应托盘承载的桃子经机器视觉检测箱7.1的入口进入箱内在到达第三光电传感器7.6后，第三光电传感器7.6将检测信号发送至第一主控电脑13，第一主控电脑13对应记录各托盘上所承载的相应桃子的编号。在托盘机构的相应托盘3上所承载的桃子到达第四光电传感器7.4的检测范围时，第四光电传感器7.4向第一主控电脑13发送其检测信号，第一主控电脑13接收到该检测信号后，控制上述四个相机对应且同时拍摄各托盘上所承载的相应桃子的图像信息。第一主控电脑13通过其内预先存储有相应的软件分析系统，该相应的软件分析系统基于机器视觉检测机构7的四台相机拍摄的环状链条1上所传送的各桃子的图像信息，依序对环状链条输送机构上传送的各桃子进行相应的分级。其中，第三光电传感器7.6和第四光电传感器7.4在环状链条1的传送方向上的间隔不超过托盘3在环状链条1传送方向上的宽度。
另外，在本实施方式中，所述的称重机构6为固定在机架9上的称重传感器，其通过USB接口与第三主控电脑15相连，用于检测环状链条输送机构上传送的各桃子的重量。第三主控电脑15通过其内预先存储的软件分析系统，基于称重机构6检测的重量信息，对环状链条输送机构上传送的各桃子进行相应的分级。
在本实施方式中，称重机构6安装在机器视觉检测机构7与近红外检测机构5之间的机架9上，位于各托盘3的下方，与各托盘3配合使用，当环状链条上的托盘在承载桃子后压在称重机构6上，从而对环状链条上输送的各桃子进行称重。
本发明使用时，通过机器视觉检测机构7采集环状链条输送机构输送的各桃子的外部品质信息，并通过机器视觉检测机构7将其采集的各桃子的外部品质信息对应上传至第一主控电脑13；之后第一主控电脑13基于其接收到的各桃子的外部品质信息以及其内预先存储的相应处理系统对环状链条输送机构上输送的各桃子分别进行桃子外部品质等级的划分，并实时将其划分的各桃子所属的外部品质等级通过网络传输至第三主控电脑15。
再者，本发明使用时，通过近红外检测机构5采集环状链条输送机构输送的各桃子的内部品质信息，并通过近红外检测机构5将其采集的各桃子的内部品质信息对应上传至第二主控电脑14；之后第二主控电脑14基于其接收到的各桃子的内部品质信息以及其内预先存储的相应处理系统对环状链条输送机构上输送的各桃子分别进行桃子内部品质等级的划分，并实时将其划分的各桃子所属的内部品质等级通过网络传输至第三主控电脑15。
再者，本发明使用时，通过称重机构6采集环状链条输送机构输送的各桃子的重量信息，并通过称重机构6将其采集的各桃子的重量信息对应上传至第三主控电脑15；之后第三主控电脑15基于其内预先存储的相应处理系统对环状链条输送机构上输送的各桃子分别进行桃子重量等级的划分，并实时接收第一主控电脑13通过网络传来的各桃子所属的外部品质等级、以及实时接收第二主控电脑14通过网络发送来的各桃子所属的内部品质等级，并依据用户预先设定的分选指标，基于与用户预先设定的分选指标相对应的分级方式（即依据桃子内部品质等级进行分选或依据桃子外部品质等级进行分选或依据桃子重量等级进行分选），通过相应的继电器对应控制相应的分选机构对环状链条输送机构输送的各桃子进行分选。
其中，需要说明的是，第一主控电脑13通过其内的相应软件分析系统实时将其对环状链条输送机构上传送的各桃子的分级结果通过网络传送给第三主控电脑15，第二主控电脑14通过其内相应的软件分析系统实时将其对环状链条输送机构上传送的各桃子的分级结果通过网络传送给第三主控电脑15内预先存储的相应软件分析系统。
另外需要说明的是，使用时，第三主控电脑15内预先存储的相应软件分析系统，依据用户预先设定的分选指标（可通过软件输入接口选择设定），基于分选指标对应的相应分级结果，对应控制分选机构进行桃子分选处理。
其中，所述的分选指标包括基于机器视觉检测机构采集的桃子的外部品质信息进行桃子分级（对应依据桃子内部品质等级进行分选）、基于近红外检测机构采集的桃子的内部品质信息进行桃子分级（对应依据桃子外部品质等级进行分选）、以及基于称重机构采集的桃子的重量信息进行桃子分级（对应依据桃子重量等级进行分选）。
综上，本发明所述的桃子刷毛分级设备，便于用户依据其自身不同时期的不同需求，选择机器视觉检测机构7、近红外检测机构5和称重机构6中任意模块或其任意组合进行桃子分选使用，增加了用户使用的便利性。
另外需要说明的是，本发明能够通过其机器视觉检测机构7依序检测环状链条输送机构上传送的每个桃子的外部品质信息、能够通过近红外检测机构5依序检测环状链条输送机构上传送的每个桃子的内部品质信息、并能够通过称重机构6依序检测环状链条输送机构上传送的每个桃子的重量信息，采集的信息具有多样化。
另外需要说明的是，机器视觉检测机构7、称重机构6、近红外检测机构5和分选机构中的任何机构，分别均可采用现有技术中用于本领域的相应的机器视觉检测机构、称重机构、近红外检测机构和分选机构进行实现。
另外还需要说明的是，本发明第一主控电脑13和第二主控电脑14分别与第三主控电脑15网络连接，其中第一主控电脑13还支持将机器视觉检测机构7检测的桃子的外部品质信息通过网络传送至第三控制电脑、第二主控电脑14还支持将近红外检测机构5检测的桃子的内部品质信息通过网络传送至第三控制电脑，且在第三控制电脑内预先存储的相应控制软件，便能够实现基于桃子的内部品质、外部品质以及重量信息的任意组合进行桃子综合品质的等级划分，可见本发明适用范围广泛。
另外，本发明还提供了一种基于上述桃子刷毛分级设备的桃子刷毛分级方法，包括步骤：
预先通过第三主控电脑15设定当前所需的分选指标；
之后通过刷毛机构8对所要刷毛分级的桃子进行刷毛；
之后通过环状链条输送机构输送通过刷毛机构8刷毛后的桃子；
在上述环状链条输送机构输送桃子的过程中，进行以下s1-s5处理：
s1、机器视觉检测机构7依序采集环状链条输送机构输送的各桃子的外部品质信息，并对应上传至第一主控电脑13；
s2、近红外检测机构5采集环状链条输送机构输送的各桃子的内部品质信息，并对应上传至第二主控电脑14；
s3、称重机构6采集环状链条输送机构输送的各桃子的重量信息，并对应上传至第三主控电脑15；
s4、第一主控电脑13、第二主控电脑14、第三主控电脑15，各自调用其内预先存储的相应处理系统，对环状链条输送机构上输送的各桃子依序进行桃子外部品质等级、内部品质等级以及重量等级的划分；其中第一主控电脑13将其划分的各桃子的外部品质等级、第二主控电脑14将其划分的各桃子的内部品质等级，分别实时通过网络传输至第三主控电脑15；
s5、第三主控电脑15依据上述通过其预先设定的分选指标，控制分选机构对环状链条输送机构输送的各桃子进行相应的分选；
所述的分选指标包括基于机器视觉检测机构采集的桃子的外部品质信息进行桃子分级、基于近红外检测机构采集的桃子的内部品质信息进行桃子分级、以及基于称重机构采集的桃子的重量信息进行桃子分级。
在本实施方式中，进一步地，第一主控电脑13通过其内预先存储的图像处理系统，对环状链条输送机构上输送的各桃子，依序进行桃子外部品质等级的划分；第一主控电脑13通过图像处理系统内预先建立的机器视觉分级模型，计算并判定环状链条输送机构上输送的各桃子的等级，所述机器视觉分级模型的建立方法包括步骤：
p1、图像处理系统依据第一主控电脑13接收到的第三光电传感器7.6发来的传感信号，确定进入机器视觉检测箱7.1内的托盘机构及该托盘机构的托盘3上所承载的各样本桃的顺序编号；
p2、图像处理系统在第一主控电脑13接收到第四光电传感器7.4发来的传感信号后，控制四台相机同时拍摄步骤p1中各所述样本桃的样本图像；
p3、图像处理系统对步骤p2中各相机所拍摄的样本图像分别依序进行灰度化、滤波降噪、二值化和边缘提取的预处理，并获取各样本图像对应的预处理后的图像；
p4、图像处理系统分别采用粒子群优化算法从上述获取到的各预处理后的图像中提取各样本桃的相同外部品质（比如形状、颜色和果面缺陷三种品质特征）的外部品质特征，对应生成各样本桃各自的各相应外部品质对应的外部品质特征子集；
p5、图像处理系统依据其内预先设定的规则，分别从步骤p4中生成的各样本桃的各外部品质特征子集中一对一地选取各外部品质特征子集中最优的一外部品质特征作为外部品质特征子集的最优外部品质特征，并将上述选取出的各样本桃的各最优外部品质特征对应生成各样本桃的最优外部品质特征集；
p6、分别以上述步骤p5中选取出的各样本桃的最优外部品质特征集为自变量、以上述步骤p5中所述的各样本所对应的等级为应变量，分别采用Fisher判别法、距离判别法和最小二乘支持向量机判别法构建各样本桃对应的分级模型，并由该所构建的各分级模型对应计算出各样本桃所对应的等级；
p7、基于上述p6中所计算的各等级、以及预先设定的各样本桃所对应的等级（即为预先根据本领域惯常标准，基于桃子形状、颜色和果面缺陷预先对样本桃划分的等级），对应统计并计算上述p6中采用Fisher判别法、距离判别法和最小二乘支持向量机判别法分别构建的分级模型的分级准确率，然后执行步骤p8；
p8、比较p7中计算出的各分级准确率的大小，确定分级准确率最高的分级模型为所述的机器视觉分级模型。
在本实施方式中，所述的机器视觉分级模型以桃子的形状特征、颜色特征和果面缺陷特征为自变量、以桃子的等级为因变量。
在本实施方式中，上述步骤p4中对应生成的各样本桃各自的各相应外部品质对应的外部品质特征子集，其中所述的外部品质特征子集与各桃子的外部品质一一对应，比如所述的外部品质采用桃子的形状、颜色和果面缺陷，对应有步骤p4中所提取的桃子的形状特征、颜色特征和果面缺陷特征各自对应一不同的外部品质特征子集，依序记为形状特征子集、颜色特征子集和果面缺陷特征子集，因此，每个样本桃对应三个外部品质特征子集，且该三个外部品质特征子集为形状特征子集、颜色特征子集和果面缺陷特征子集，其中形状特征子集的构成元素均为形状特征、颜色特征子集的构成元素均为颜色特征、果面缺陷特征子集的构成元素均为果面缺陷特征。
基于步骤p5，样本桃的每个外部品质特征子集对应一最优外部品质特征，样本桃的最优外部品质特征集包含其所有的最优外部品质特征。比如每个样本桃对应有形状特征子集、颜色特征子集和果面缺陷特征子集三个外部品质特征子集，其形状特征子集中有最优形状特征、颜色特征子集中有最优颜色特征、果面缺陷特征子集中有最优果面缺陷特征，则每个样本桃的最优外部品质特征集均包括其形状最优特征、颜色最优特和果面缺陷最优特征。
具体地，在本实施方式中，第二主控电脑14通过其内预先存储的近红外光谱分析系统，对环状链条输送机构上输送的各桃子，依序进行桃子内部品质等级的划分；第二主控电脑14通过所述近红外光谱分析系统内预先建立的近红外光谱分级模型，计算并判定环状链条输送机构上输送的各桃子的等级；所述近红外光谱分级模型的建立方法包括步骤：
q1、近红外光谱分析系统依据第二主控电脑14接收到的第一光电传感器5.5发来的传感信号，确定进入近红外检测箱5.1内的托盘机构及该托盘机构的托盘3上所承载的各样本桃的顺序编号；
q2、近红外光谱分析系统在第二主控电脑14接收到第二光电传感器5.4发来的传感信号后，向近红外光谱仪5.2发出检测命令；近红外光谱仪5.2通过其光纤探头5.2.1获取具有q1中确定的顺序编号的各样本桃的样本光谱信息，并将获取到的样本光谱信息发给近红外光谱分析系统；
q3、近红外光谱分析系统对近红外光谱仪5.2采集的各样本光谱信息分别进行数据增强变换预处理（还可以采用散射校正、平滑和导数预处理中的至少一种），并获取各预处理后的样本光谱信息；
q4、近红外光谱分析系统对上述各预处理后的样本光谱信息，分别进行波段优化，并对应获取波段优化后各样本光谱信息，之后执行步骤q5；
q5、近红外光谱分析系统自上述获取到的波段优化后各样本光谱信息中对应提取各样本桃的内部品质特征，此处所述的内部品质特征为桃子的可溶性固形物特征、硬度特征、酸度特征和果肉褐变特征；
q6、近红外光谱分析系统以上述q5中提取的各样本桃的内部品质特征为自变量、以样本桃的分级为因变量，分别建立各样本桃的内部品质校正模型；
q7、近红外光谱分析系统基于校正集预测均方差RMSEC、校正集样本相关系数R、交叉验证均方差RMSECV和交叉验证相关系数R，对上述所构建的各内部品质校正模型进行优化，并对应获取各优化后的内部品质校正模型；
q8、近红外光谱分析系统通过q7中所获取的各优化后的内部品质校正模型，对应计算并获取各样本桃所对应的等级；
q9、近红外光谱分析系统基于上述q8中计算并获取的各样本桃的等级、以及预先设定的各样本桃所对应的等级（即为预先基于理化方法检测桃子的可溶性固形物、硬度、酸度及果肉褐变，并依据本领域惯常所用标准，基于上述预先基于理化方法检测的可溶性固形物、硬度、酸度及果肉褐变预先划分所得的样本桃的等级），对应统计并计算上述所构建的各内部品质校正模型的分级准确率；
q10、比较q9中计算所得的各分级准确率的大小，确定分级准确率最高的内部品质校正模型为所述的近红外光谱分级模型。
本实施方式中所述的近红外光谱分级模型，以桃子的可溶性固形物特征、硬度特征、酸度特征和果肉褐变特征为自变量，以桃子的等级为应变量。
其中，在步骤q8与q7之间，还包括对步骤q7中获取的各优化后的内部品质校正模型的验证步骤，其利用各优化后的内部品质校正模型对验证集样本的相应指标进行预测，以各优化后的内部品质校正模型对验证集样本的预测均方差RMSEP及其相关系数R验证各优化后的内部品质校正模型的预测能力。
在本实施方式中，所述的分选指标还包括基于机器视觉检测机构采集的桃子的外部品质信息、近红外检测机构采集的桃子的内部品质信息、以及称重机构采集的桃子的重量信息中的任意组合进行桃子综合品质等级的划分。在用户通过第三主控电脑15设定分选指标为基于机器视觉检测机构采集的桃子的外部品质信息、近红外检测机构采集的桃子的内部品质信息、以及称重机构采集的桃子的重量信息的特定组合进行桃子综合品质等级的划分时，第三主控电脑15内预先存储的多信息分析系统基于用户预先设定的分选指标，对应通过网络实时获取近红外光谱分析系统接收到的近红外光谱仪5.2采集的各样本光谱信息、和/或通过网络实时获取图像处理系统接收到的机器视觉检测机构采集的各样本图像、和/或通过称重机构6实时采集各桃子的重量信息，并通过其内预先存储的相应多信息融合分级模型，对环状链条输送机构上输送的各桃子，依序进行桃子综合品质等级的划分。
比如在基于机器视觉检测机构7采集的桃子的外部品质信息、近红外检测机构5采集的桃子的内部品质信息、以及称重机构6采集的桃子的重量信息进行桃子分级时，第三控制电脑通过其内预先存储的控制软件将接收到的机器视觉检测机构7采集各样本桃子的图像信息、近红外检测机构5采集各样本桃子的光谱信息、以及称重机构6采集的各样本桃子的重量信息进行融合处理，并采用神经网络、D-S证据推理和支持向量机等方法进行决策层融合，建立综合品质信息融合分级模型，并基于该建立的综合品质信息融合分级模型分别计算各样品桃子的分级准确率，之后根据分级准确率，选出准确率最高的综合品质信息融合分级模型，该选出的综合品质信息融合分级模型即为一相应的多信息融合分级模型。
同样地，在基于机器视觉检测机构7采集的桃子的外部品质信息、近红外检测机构5采集的桃子的内部品质信息进行桃子分级时，第三控制电脑通过其内预先存储的控制软件将接收到的机器视觉检测机构7采集各样本桃子的图像信息、以及近红外检测机构5采集各样本桃子的光谱信息进行融合处理，并采用神经网络、D-S证据推理和支持向量机等方法进行决策层融合，建立综合品质信息融合分级模型，并基于该建立的综合品质信息融合分级模型分别计算各样品桃子的分级准确率，之后根据分级准确率，选出准确率最高的综合品质信息融合分级模型，该选出的综合品质信息融合分级模型即为另一相应的多信息融合分级模型。
其中，需要说明书的是，对于所述的桃子刷毛分级方法，本发明将样本随机分为两组：一组作为校正集，用于本发明中所涉及的各模型的建立；另一组作为验证集，用于验证本发明中所涉及的各模型的性能。其中所述校正集与验证集的样本数之比为3:1。
以上实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式技术方案的范围。
Claims (9)
1.一种桃子刷毛分级设备，包括机架(9)和设置于机架(9)上的分级机构，所述的分级机构包括用于输送桃子的环状链条输送机构、以及设置于环状链条输送机构末端旁侧与环状链条输送机构配合使用的分选机构；其特征在于:
所述的分级机构还包括沿环状链条输送机构的输送方向设置在环状链条输送机构上的用于采集环状链条输送机构输送的桃子的外部品质信息的机器视觉检测机构(7)、用于采集环状链条输送机构输送的桃子的内部品质信息的近红外检测机构(5)、以及用于采集环状链条输送机构输送的桃子的重量信息的称重机构(6)；
所述的桃子刷毛分级设备还包括用于为桃子刷毛的刷毛机构(8)，所述刷毛机构(8)设置于环状链条输送机构输送始端上方，该刷毛机构(8)的输出端位于环状链条输送机构输送始端的正上方；
所述的机器视觉检测机构(7)、近红外检测机构(5)和称重机构(6)分别设置在分选机构和刷毛机构(8)之间；
所述的机器视觉检测机构(7)与第一主控电脑(13)相连，所述的近红外检测机构(5)与第二主控电脑(14)相连，所述的称重机构(6)和分选机构分别与第三主控电脑(15)相连，所述的第一主控电脑(13)和第二主控电脑(14)分别与所述的第三主控电脑(15)网络连接；
所述的刷毛机构(8)包括两个并排设置的螺旋毛刷辊(8.1)，该两个螺旋毛刷辊(8.1)分别与环状链条输送机构的输送方向平行，两螺旋毛刷辊(8.1)远离分选机构的端部各自安有用于驱动其向外翻转转动的毛刷辊驱动电机(8.2)，两螺旋毛刷辊(8.1)之间留有间隙，两螺旋毛刷辊(8.1)之间形成用于支撑桃子并为桃子脱毛的脱毛室(8.3)；两螺旋毛刷辊(8.1)上毛刷的螺旋方向相反；
脱毛室(8.3)邻近毛刷辊驱动电机(8.2)的一端的正上方安有进料箱(8.7)，进料箱(8.7)的出料口竖直向下；
所述的刷毛机构(8)还包括废料箱(8.6)，各所述的螺旋毛刷辊(8.1)和毛刷辊驱动电机(8.2)均安装在废料箱(8.6)内，所述的进料箱(8.7)安装在废料箱(8.6)的上方，进料箱(8.7)的出料口位于废料箱(8.6)内，废料箱(8.6)的侧壁上设有过料口，该过料口与两螺旋毛刷辊(8.1)远离两毛刷辊驱动电机(8.2)的一端配合使用，所述过料口的底部向外延伸式地设有托料板舌(8.4)，托料板舌(8.4)的两旁设有用于限位桃子的导向板(8.5)，所述的导向板(8.5)分别固定在废料箱(8.6)上；导向板(8.5)的自由端与托料板舌(8.4)的自由端的末端设有镂空；
机器视觉检测机构(7)用于依序采集环状链条输送机构输送的各桃子的外部品质信息，并对应上传至第一主控电脑(13)；第一主控电脑(13)用于调用其内预先存储的处理系统，对环状链条输送机构上输送的各桃子进行桃子外部品质等级划分，并实时将其划分的各桃子的外部品质等级传输至第三主控电脑(15)；
近红外检测机构(5)用于依序采集环状链条输送机构输送的各桃子的内部品质信息，并对应上传至第二主控电脑(14)；第二主控电脑(14)用于调用其内预先存储的处理系统，对环状链条输送机构上输送的各桃子进行桃子内部品质等级划分，并实时将其划分的各桃子的内部品质等级传输至第三主控电脑(15)；
称重机构(6)用于依序采集环状链条输送机构输送的各桃子的重量信息，并对应上传至第三主控电脑(15)；
第三主控电脑(15)，用于设置当前所需的分选指标，用于接收第一主控电脑(13)传来的对应桃子的外部品质等级，用于接收第二主控电脑(14)传来的对应桃子的内部品质等级，用于调用其内预先存储的处理系统，对环状链条输送机构上输送的各桃子进行桃子重量等级的划分，还用于依据所述分选指标，控制分选机构对上述环状链条输送机构输送的桃子进行相应的分选；
所述分选指标为基于机器视觉检测机构采集的桃子的外部品质信息进行桃子分级、基于近红外检测机构采集的桃子的内部品质信息进行桃子分级或基于称重机构采集的桃子的重量信息进行桃子分级。
2.根据权利要求1所述的桃子刷毛分级设备，其特征在于:所述的环状链条输送机构包括安装在机架(9)上的主动链轮(11)和从动链轮(12)，主动链轮(11)和从动链轮(12)通过环状链条(1)传动连接，主动链轮(11)安装在链轮驱动电机(10)的输出轴上，链轮驱动电机(10)固定在机架(9)上，环状链条(1)上沿其传送方向上依序设有一组各自用于装载单个桃子的托盘机构。
3.根据权利要求2所述的桃子刷毛分级设备，其特征在于:所述的分选机构包括一组分别用于拨动单个托盘机构的托盘(3)并使其各自拨动的托盘(3)内所承载的桃子翻转出的分级拨杆机构(2)，分级拨杆机构(2)安装在机架(9)上相应位置处，各分级拨杆机构(2)的拨出方向侧分别设有与其一对一配合使用的分级箱(4)，所述的第三主控电脑(15)分别通过继电器与各所述的分级拨杆机构(2)电控连接。
4.根据权利要求3所述的桃子刷毛分级设备，其特征在于:所述的近红外检测机构(5)包括近红外检测箱(5.1)以及安装在近红外检测箱(5.1)内的近红外光谱仪(5.2)；所述近红外检测箱(5.1)的两侧设有用于供环状链条(1)及其上托盘机构及托盘机构上所承载的桃子通过的开口，所述的环状链条(1)及其上托盘机构穿过该两个开口；近红外光谱仪(5.2)的光纤探头(5.2.1)安装在位于近红外检测箱(5.1)内的环状链条(1)的正下方；
近红外检测箱(5.1)内还设有至少三个卤素灯(5.3)，各卤素灯(5.3)分别安装在近红外检测箱(5.1)的上端；所述的两个开口分别为近红外检测箱(5.1)的入口和出口；
近红外检测箱(5.1)内入口处安有一用于检测通过环状链条(1)输送进入近红外检测箱(5.1)内的托盘机构及该托盘机构的托盘(3)上所承载的桃子的顺序编号的第一光电传感器(5.5)，近红外检测箱(5.1)内安有用于检测托盘机构的托盘(3)上所承载的桃子到达近红外光谱仪(5.2)的光纤探头(5.2.1)正上方的第二光电传感器(5.4)；所述的第一光电传感器(5.5)、第二光电传感器(5.4)和近红外光谱仪(5.2)分别与所述的第二主控电脑(14)相连。
5.根据权利要求4所述的桃子刷毛分级设备，其特征在于，所述的机器视觉检测机构(7)包括机器视觉检测箱(7.1)，所述机器视觉检测箱(7.1)的两侧设有用于供环状链条(1)及其上托盘机构及托盘机构上所承载的桃子通过的开口，所述的环状链条(1)及其上托盘机构穿过该两个开口；
机器视觉检测箱(7.1)内设有四台分别用于采集环状链条(1)上所传送的桃子的图像信息的相机，其中的任意三台相机安装在同一水平面上，该任意的三台相机两两之间呈120°角度；另一台相机安装在上述的任意三台相机所围成三角形的中心的正上方，该位于上方的相机安装在机器视觉检测箱(7.1)的顶部；上述呈三角形分布的三台相机的中心位置位于机器视觉检测箱(7.1)内环状链条(1)的正上方；
机器视觉检测箱(7.1)内还设有用于照亮的LED光源(7.5)；
上述机器视觉检测箱(7.1)的两个开口分别为机器视觉检测箱(7.1)的入口和出口；机器视觉检测箱(7.1)内入口处安有一用于检测通过环状链条(1)输送进入机器视觉检测箱(7.1)内的托盘机构及该托盘机构的托盘上所承载的桃子的顺序编号的第三光电传感器(7.6)，机器视觉检测箱(7.1)内安有用于检测托盘机构的托盘(3)上所承载的桃子到达上述呈三角形分布的三台相机中心位置的第四光电传感器(7.4)；所述的第三光电传感器(7.6)、第四光电传感器(7.4)和各所述的相机分别与所述的第一主控电脑(13)相连。
6.一种基于上述权利要求5所述的桃子刷毛分级设备的桃子刷毛分级方法，其特征在于，包括：
预先通过第三主控电脑(15)设定当前所需的分选指标；
通过刷毛机构(8)对所要刷毛分级的桃子进行刷毛；
通过环状链条输送机构输送通过刷毛机构(8)刷毛后的桃子；
在上述环状链条输送机构输送桃子的过程中，进行以下s1-s5处理：
s1、机器视觉检测机构(7)依序采集环状链条输送机构输送的各桃子的外部品质信息，并对应上传至第一主控电脑(13)；
s2、近红外检测机构(5)依序采集环状链条输送机构输送的各桃子的内部品质信息，并对应上传至第二主控电脑(14)；
s3、称重机构(6)依序采集环状链条输送机构输送的各桃子的重量信息，并对应上传至第三主控电脑(15)；
s4、第一主控电脑(13)、第二主控电脑(14)、第三主控电脑(15)，分别调用其内预先存储的相应处理系统，对环状链条输送机构上输送的各桃子依序进行桃子外部品质等级、内部品质等级以及重量等级的划分；其中第一主控电脑(13)将其划分的各桃子的外部品质等级、第二主控电脑(14)将其划分的各桃子的内部品质等级，分别实时通过网络传输至第三主控电脑(15)；
s5、第三主控电脑(15)依据上述通过其预先设定的分选指标，控制分选机构对上述环状链条输送机构输送的各桃子进行相应的分选；
所述的分选指标包括基于机器视觉检测机构采集的桃子的外部品质信息进行桃子分级、基于近红外检测机构采集的桃子的内部品质信息进行桃子分级、以及基于称重机构采集的桃子的重量信息进行桃子分级。
7.根据权利要求6所述的桃子刷毛分级方法，其特征在于，进一步地，第一主控电脑(13)通过其内预先存储的图像处理系统，对环状链条输送机构上输送的各桃子，依序进行桃子外部品质等级的划分；第一主控电脑(13)通过图像处理系统内预先建立的机器视觉分级模型，计算并判定环状链条输送机构上输送的各桃子的等级，所述机器视觉分级模型的建立方法包括步骤：
p1、图像处理系统依据第一主控电脑(13)接收到的第三光电传感器(7.6)发来的传感信号，确定进入机器视觉检测箱(7.1)内的托盘机构及该托盘机构的托盘(3)上所承载的各样本桃的顺序编号；
p2、图像处理系统在第一主控电脑(13)接收到第四光电传感器(7.4)发来的传感信号后，控制四台相机同时拍摄步骤p1中各所述样本桃的样本图像；
p3、图像处理系统对步骤p2中各相机所拍摄的样本图像分别依序进行灰度化、滤波降噪、二值化和边缘提取的预处理，并获取各样本图像对应的预处理后的图像；
p4、图像处理系统分别采用粒子群优化算法从上述获取到的各预处理后的图像中提取各样本桃的相同外部品质的外部品质特征，对应生成各样本桃各自的各相应外部品质对应的外部品质特征子集；所述的外部品质包括形状、颜色和果面缺陷，对应有所述的外部品质特征包括形状特征、颜色特征和果面缺陷特征；
p5、图像处理系统依据其内预先设定的规则，分别从步骤p4中生成的各样本桃的各外部品质特征子集中一对一地选取各外部品质特征子集中最优的一外部品质特征作为外部品质特征子集的最优外部品质特征，并将上述选取出的各样本桃的各最优外部品质特征对应生成各样本桃的最优外部品质特征集；
p6、分别以上述步骤p5中选取出的各样本桃的最优外部品质特征集为自变量、以上述步骤p5中所述的各样本所对应的等级为应变量，分别采用Fisher判别法、距离判别法和最小二乘支持向量机判别法构建各样本桃对应的分级模型，并由该所构建的各分级模型对应计算出各样本桃所对应的等级；
p7、基于上述p6中所计算的各等级、以及预先设定的各样本桃所对应的等级，对应统计并计算上述p6中采用Fisher判别法、距离判别法和最小二乘支持向量机判别法分别构建的分级模型的分级准确率，然后执行步骤p8；
p8、比较p7中计算出的各分级准确率的大小，确定分级准确率最高的分级模型为所述的机器视觉分级模型。
8.根据权利要求6所述的桃子刷毛分级方法，其特征在于，
第二主控电脑(14)通过其内预先存储的近红外光谱分析系统，对环状链条输送机构上输送的各桃子，依序进行桃子内部品质等级的划分；第二主控电脑(14)通过所述近红外光谱分析系统内预先建立的近红外光谱分级模型，计算并判定环状链条输送机构上输送的各桃子的等级；所述近红外光谱分级模型的建立方法包括步骤：
q1、近红外光谱分析系统依据第二主控电脑(14)接收到的第一光电传感器(5.5)发来的传感信号，确定进入近红外检测箱(5.1)内的托盘机构及该托盘机构的托盘(3)上所承载的各样本桃的顺序编号；
q2、近红外光谱分析系统在第二主控电脑(14)接收到第二光电传感器(5.4)发来的传感信号后，向近红外光谱仪(5.2)发出检测命令；近红外光谱仪(5.2)通过其光纤探头(5.2.1)获取具有q1中确定的顺序编号的各样本桃的样本光谱信息，并将获取到的样本光谱信息发给近红外光谱分析系统；
q3、近红外光谱分析系统对近红外光谱仪(5.2)采集的各样本光谱信息分别进行数据增强变换、散射校正、平滑和导数预处理中的至少一种预处理，并获取各预处理后的样本光谱信息；
q4、近红外光谱分析系统对上述各预处理后的样本光谱信息，分别进行波段优化，并对应获取波段优化后各样本光谱信息，之后执行步骤q5；
q5、近红外光谱分析系统自上述获取到的波段优化后各样本光谱信息中对应提取各样本桃的内部品质特征；所述的内部品质特征包括可溶性固形物特征、硬度特征、酸度特征和果肉褐变特征；
q6、近红外光谱分析系统以上述q5中提取的各样本桃的内部品质特征为自变量、以样本桃的分级为因变量，分别建立各样本桃的内部品质校正模型；
q7、近红外光谱分析系统基于校正集预测均方差RMSEC、校正集样本相关系数R、交叉验证均方差RMSECV和交叉验证相关系数R，对上述所构建的各内部品质校正模型进行优化，并对应获取各优化后的内部品质校正模型；
q8、近红外光谱分析系统通过q7中所获取的各优化后的内部品质校正模型，对应计算并获取各样本桃所对应的等级；
q9、近红外光谱分析系统基于上述q8中计算并获取的各样本桃的等级、以及预先设定的各样本桃所对应的等级，对应统计并计算上述所构建的各内部品质校正模型的分级准确率；
q10、比较q9中计算所得的各分级准确率的大小，确定分级准确率最高的内部品质校正模型为所述的近红外光谱分级模型。
9.根据权利要求6所述的桃子刷毛分级方法，其特征在于，
所述的分选指标还包括基于机器视觉检测机构采集的桃子的外部品质信息、近红外检测机构采集的桃子的内部品质信息、以及称重机构采集的桃子的重量信息中的任意组合进行桃子综合品质等级的划分；
在用户通过第三主控电脑(15)设定分选指标为基于机器视觉检测机构采集的桃子的外部品质信息、近红外检测机构采集的桃子的内部品质信息、以及称重机构采集的桃子的重量信息的特定组合进行桃子综合品质等级的划分时，第三主控电脑(15)内预先存储的多信息分析系统基于用户预先设定的分选指标，对应通过网络实时获取近红外光谱分析系统接收到的近红外光谱仪(5.2)采集的各样本光谱信息、和/或通过网络实时获取图像处理系统接收到的机器视觉检测机构采集的各样本图像、和/或通过称重机构(6)实时采集各桃子的重量信息，并通过其内预先存储的相应多信息融合分级模型，对环状链条输送机构上输送的各桃子，依序进行桃子综合品质等级的划分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810891576.XA CN108906653B (zh) | 2018-08-07 | 2018-08-07 | 一种桃子刷毛分级设备及桃子刷毛分级方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810891576.XA CN108906653B (zh) | 2018-08-07 | 2018-08-07 | 一种桃子刷毛分级设备及桃子刷毛分级方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108906653A CN108906653A (zh) | 2018-11-30 |
| CN108906653B true CN108906653B (zh) | 2024-03-15 |
Family
ID=64394503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810891576.XA Active CN108906653B (zh) | 2018-08-07 | 2018-08-07 | 一种桃子刷毛分级设备及桃子刷毛分级方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108906653B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110125030B (zh) * | 2019-04-19 | 2021-04-30 | 湘潭湘左记食品有限公司 | 一种槟榔的自动分选装置及分选方法 |
| CN110369311A (zh) * | 2019-08-30 | 2019-10-25 | 华东交通大学 | 一种水果分选装置 |
| CN110369310A (zh) * | 2019-08-30 | 2019-10-25 | 华东交通大学 | 一种水果在线分选装置与方法 |
| CN111076670B (zh) * | 2019-12-03 | 2021-06-08 | 北京京仪仪器仪表研究总院有限公司 | 一种苹果内外品质在线无损检测方法 |
| CN110976331B (zh) * | 2019-12-24 | 2020-11-27 | 北京农业智能装备技术研究中心 | 托盘式水果重量检测分级系统 |
| CN111122488B (zh) * | 2019-12-24 | 2021-01-22 | 北京农业智能装备技术研究中心 | 用于水果内部质量检测的分级系统及方法 |
| US11801534B2 (en) | 2020-09-03 | 2023-10-31 | East China Jiao Tong University | Fruit quality inspecting and sorting appliance |
| CN112934734A (zh) * | 2021-01-27 | 2021-06-11 | 重庆檬泰生物科技有限公司 | 一种水果分拣设备 |
| CN113749265A (zh) * | 2021-05-31 | 2021-12-07 | 广西壮族自治区亚热带作物研究所（广西亚热带农产品加工研究所） | 一种沃柑采后商品化生产处理设备 |
| CN113333303A (zh) * | 2021-07-02 | 2021-09-03 | 江西绿萌科技控股有限公司 | 一种水果分选装置及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020004394A (ko) * | 2000-07-05 | 2002-01-16 | 이기준 | 과실 외관품질 인자의 온라인 검출 및 정량화를 위한시스템 및 방법 |
| CN1664568A (zh) * | 2005-03-28 | 2005-09-07 | 浙江大学 | 基于图像信息融合技术的水果品质检测系统 |
| CN101949686A (zh) * | 2010-08-02 | 2011-01-19 | 扬州福尔喜果蔬汁机械有限公司 | 水果内外综合品质在线无损检测方法及装置 |
| CN105170485A (zh) * | 2015-10-07 | 2015-12-23 | 西北农林科技大学 | 一种猕猴桃检测分级装置 |
| CN106690341A (zh) * | 2016-12-10 | 2017-05-24 | 赵宽学 | 椰子脱壳抛光机 |
| CN108043741A (zh) * | 2017-12-15 | 2018-05-18 | 北京物资学院 | 一种适用于水果分级拣选称重包装的处理系统 |
| CN208786963U (zh) * | 2018-08-07 | 2019-04-26 | 山东商业职业技术学院 | 一种桃子刷毛分级设备 |
-
2018
- 2018-08-07 CN CN201810891576.XA patent/CN108906653B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020004394A (ko) * | 2000-07-05 | 2002-01-16 | 이기준 | 과실 외관품질 인자의 온라인 검출 및 정량화를 위한시스템 및 방법 |
| CN1664568A (zh) * | 2005-03-28 | 2005-09-07 | 浙江大学 | 基于图像信息融合技术的水果品质检测系统 |
| CN101949686A (zh) * | 2010-08-02 | 2011-01-19 | 扬州福尔喜果蔬汁机械有限公司 | 水果内外综合品质在线无损检测方法及装置 |
| CN105170485A (zh) * | 2015-10-07 | 2015-12-23 | 西北农林科技大学 | 一种猕猴桃检测分级装置 |
| CN106690341A (zh) * | 2016-12-10 | 2017-05-24 | 赵宽学 | 椰子脱壳抛光机 |
| CN108043741A (zh) * | 2017-12-15 | 2018-05-18 | 北京物资学院 | 一种适用于水果分级拣选称重包装的处理系统 |
| CN208786963U (zh) * | 2018-08-07 | 2019-04-26 | 山东商业职业技术学院 | 一种桃子刷毛分级设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108906653A (zh) | 2018-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108906653B (zh) | 一种桃子刷毛分级设备及桃子刷毛分级方法 | |
| KR101998910B1 (ko) | 광학식 입상물 선별기 | |
| US4281933A (en) | Apparatus for sorting fruit according to color | |
| AU2013347861B2 (en) | Scoring and controlling quality of food products | |
| CN1121282C (zh) | 分拣谷物,坚果和豆子的方法和装置 | |
| US6629894B1 (en) | Inspection of playing cards | |
| US5106195A (en) | Product discrimination system and method therefor | |
| JP2010042326A (ja) | 光学式穀粒選別装置 | |
| AU2895100A (en) | Inspection of playing cards | |
| JPS5973087A (ja) | 果物および類似物を処理するための方法および装置 | |
| JPS5973089A (ja) | 電子的傷スキヤナ | |
| CN104368540A (zh) | 一种基于近红外技术的双波长粮食自动分选机 | |
| CN107614127A (zh) | 利用多反射和多角度视图的新型基于颜色的光学分级系统 | |
| KR20110081668A (ko) | 과일 비파괴 선별장치 | |
| CN204699963U (zh) | 一种具有黄曲霉素检测功能的农产品智能分选机 | |
| JPH0232229A (ja) | 穀粒選別装置用穀粒分布検出装置 | |
| EP0824042A1 (fr) | Machine de tri de bouteilles plastiques et procédé mis en oeuvre par la machine | |
| CN208786963U (zh) | 一种桃子刷毛分级设备 | |
| US11801534B2 (en) | Fruit quality inspecting and sorting appliance | |
| US5018864A (en) | Product discrimination system and method therefor | |
| CN213529709U (zh) | 一种果实分拣机 | |
| KR101830891B1 (ko) | 색채 선별장치 | |
| CN112122143A (zh) | 水果质检分选装置 | |
| JP2020199463A (ja) | 農産物の選別装置 | |
| CN112845183B (zh) | 一种果品智能分选机 |
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 |