CN109821854A - 一种蔬菜废弃物综合处理装置及方法 - Google Patents

Abstract

本发明实施例公开了一种蔬菜废弃物综合处理装置及方法，装置包括机械清洗单元、传输脱水单元、图像获取单元、中央控制单元和分拣单元；所述机械清洗单元、传输脱水单元、图像获取单元和分拣单元依次排列在传送带传输路径上。本发明将蔬菜废弃物经过清洗、脱水、图像采集及分析，按照功能组分分割开，方便对不同的功能组分进一步加工处理，充分发挥蔬菜废弃物的价值，变废为宝，避免浪费，消除对环境的污染。

Description

一种蔬菜废弃物综合处理装置及方法

技术领域

本发明涉及农业环保装置技术领域,具体地说是一种蔬菜废弃物综合处理装置及方法。

背景技术

蔬菜废弃物是指蔬菜生产及产品收获、贮存、运输、销售与加工处理过程中被丢弃的无商品价值的固体废弃物，包括根、茎、叶、烂果及尾菜等。这些废弃物随意堆积，易腐烂发臭，为苍蝇、蚊子以及有害微生物的繁殖和传播创造了条件，其腐烂的污水经地表径流冲刷或直接渗漏污染地表水和地下水，散发的臭味不仅污染环境，更影响人们的生活质量。

发明内容

本发明实施例中提供了一种蔬菜废弃物综合处理装置，以解决现有技术中蔬菜废弃物未得到充分利用、造成浪费及环境污染的问题。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

本发明第一方面提供了一种蔬菜废弃物综合处理装置，所述综合处理装置包括：

机械清洗单元，包括清洗池以及与清洗池活动连接的振动筛，所述振动筛对蔬菜废弃物振动脱水，并将蔬菜废弃物倾倒至传送面上；

传输脱水单元，包括传送带和烘干器，在传输过程中，将蔬菜废弃物进行脱水烘干；

图像获取单元，包括背景板和摄像机，对进入摄像区域的蔬菜废弃物进行拍照，并上传至中央控制单元；

中央控制单元，对摄像机拍摄的照片进行图像分析，根据颜色特征，划分蔬菜废弃物的功能组分；

分拣单元，包括切割装置和接收区，所述切割装置按照所述功能组分切割蔬菜废弃物，所述接收区用于分类接收切割后的蔬菜废弃物；

所述机械清洗单元、传输脱水单元、图像获取单元和分拣单元依次排列在传送带传输路径上。

进一步地，所述振动筛的底部设有若干筛孔，振动筛通过升降套杆与清洗池活动连接。

进一步地，所述升降套杆包括第一组升降套杆和第二组升降套杆，所述第一组升降套杆的升降高度大于所述第二组升降套杆的升降高度。

进一步地，所述传送带上设置网状孔，所述烘干器包括设置于传送带下方的鼓风装置和设置于传送带上方的出气通道，所述鼓风装置与出气通道竖直相对。

进一步地，所述切割装置包括若干独立工作的切割区域，所述切割区域的大小与传送带上网状孔的大小一致。

进一步地，所述切割区域的边界包括若干独立工作的切刀。

进一步地，所述背景板为单色板，设置于传输带下方，所述摄像机设置于传送带上方。

本发明第二方面提供了一种蔬菜废弃物综合处理方法，所述方法包括以下步骤：

将清洗的蔬菜废弃物经振动脱水，通过传送带运输，进行脱水烘干；

对平铺在传送带上的蔬菜废弃物进行图像采集；

分析所述图像，根据颜色特征，划分蔬菜废弃物的功能组分；

按照所述功能组分切割蔬菜废弃物，并将切割后的蔬菜废弃物按照功能组分分别收集。

进一步地，分析所述图像，根据颜色特征，划分蔬菜废弃物功能组分的具体过程为：

采用YCrCb颜色空间对所述图像分割，去除图像的背景色，得到目标图像；

选用HIS模式，提取目标图像的颜色特征；

采用多层感知器神经网络算法，根据所述颜色特征确定输入层的神经元个数，输出层输出不同功能组分的分拣结果。

发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：

1、将蔬菜废弃物经过清洗、脱水、图像采集及分析，按照功能组分分割开，方便对不同的功能组分进一步加工处理，充分发挥蔬菜废弃物的价值，变废为宝，避免浪费，消除对环境的污染。

2、第一升降套杆的升降高度大于第二升降套杆，便于将清洗好的蔬菜废弃物顺利通过第一滑轨到达传送带，蔬菜废弃物的传送过程不需要人为参与，且平滑过渡，不影响蔬菜废弃物的均匀分布。

3、切割装置的切割区域对应图像处理后对蔬菜废弃物功能组分的划分区域，蔬菜废弃物到达分拣单元后，由于每个切割区域是独立活动的，其一功能组分对应的切割区域落下，将蔬菜废弃物切下，被切下的蔬菜废弃物落入第一接收池中，实现蔬菜废弃物按照功能组分的分割，整个处理过程不需要人为参与，提高工作效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明所述装置的示意图；

图2是本发明所述装置实施例的结构示意图；

图3是本发明所述机械清洗单元实施例的结构示意图；

图4是本发明所述方法实施例的流程示意图；

图5是本发明摄像机采集的原始图像示例；

图6是图5所示原始图像去除背景色后得到的原始图像示例；

图中，1机械清洗单元、11振动筛、111筛孔、12清洗池、131第一升降套杆、132第二升降套杆、2传输脱水单元、21鼓风装置、322出气通孔、23传送带、3图像获取单元、31背景板、32光源、33摄像机、4分拣单元、41切割装置、42第一接收池、43第二接收池、5中央控制单元、61第一传送面、62第二传送面。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

蔬菜废弃物中含有丰富的有机质和N(氮)、P(磷)、K(钾)等多种营养元素，经过无害化处理和资源化开发利用，既可以变废为宝又可以保护环境。本发明基于该理念，把蔬菜废弃物转变为饲料和有机肥，并实现了该过程的自动化，具有准确、高效、节省劳动力的特点。

蔬菜废弃物通常有两部分组成，一部分是腐烂的无法食用的部分，该部分可以经过加工处理为农业有机肥料，该部分称为有机肥组分；还有一部分是未腐烂的但不新鲜的或者包裹在蔬菜外层的、老的部分，这部分经过加工处理后可以制成作物饲料，该部分称为饲料组分。经过分拣，可以有效地实现蔬菜废弃物分拣处理，从而实现废弃物资源最大化利用。

如图1-3所示，本发明的蔬菜废弃物综合处理装置包括机械清洗单元1、传输脱水单元2、图像处理单元3、分拣单元4和中央控制单元5。

机械清洗单元1包括清洗池12以及与清洗池活动连接的振动筛11，振动筛11对蔬菜废弃物振动脱水，并将蔬菜废弃物倾倒至第一传送面61上。振动筛11与清洗池12通过第一升降套杆131和第二升降套杆132连接。

由于蔬菜废弃物上收获时沾有泥土，妨碍后续颜色识别，因此需先进行清洗，清洗时振动筛11的高度设置为水面高度以下，振动筛11设置一定的频率和震动次数(该数值可根据蔬菜种类调整)。清洗完成后，设置振动筛11的高度在水面以上，并控制第一升降套杆131的升降高度大于第二升降套杆132的升降高度，是清洗后的蔬菜废弃物沿第一传送面61滑入传送带23上，确保蔬菜废弃物传输过程呈均匀分布，避免分布高低悬殊。

第一升降套杆131和第二升降套杆132的表面均包防水耐磨塑料波纹管，避免损坏，延长使用寿命。

传输脱水单元2包括传送带23和烘干器，烘干器包括设置于传送带23下方的鼓风装置21和设置于传送带23上方的出气通道22，鼓风装置21与出气通道22竖直相对。

蔬菜废弃物在传送带23上通过烘干器完成脱水和蔬菜废弃物的均匀平铺。鼓风装置21可选用圆筒状鼓风烘干机，蔬菜废弃物在传输过程中呈均匀分布，避免给后续拍摄过程带来颜色干扰，影响拍摄质量。传送带23为网状结构，顶部设置出气通道22，便于散出水蒸气。

图像获取单元3包括背景板31、光源32和摄像机33，背景板31为单色板，本实施例中选用黑色背景板，背景板31设置于传送带23的下方，传送带23的上方设置光源32和摄像机33，光源32和摄像机33位于传送带23上方，光源32和摄像机33所在平面与背景板31竖直相对。光源32可以是点光源或线光源。摄像机33可选用千兆网工业相机，对进入摄像区域的蔬菜废弃物进行拍照，并上传至中央控制单元5。

中央控制单元5对摄像机33拍摄的照片进行图像分析，根据颜色特征，划分蔬菜废弃物的功能组分。

分拣单元4包括切割装置41、第一接收池42和第二接收池43。切割装置41包括若干独立工作的网状切割区域，切割区域的大小与传送带上网状孔的大小一致。切割区域与图像处理后对蔬菜废弃物功能组分的划分区域相对应。蔬菜废弃物到达分拣单元4后，由于每个切割区域是独立活动的，其一功能组分对应的切割区域落下，将蔬菜废弃物切下，被切下的蔬菜废弃物落入第一接收池42中，未被切下的蔬菜废弃物沿第二传送面62进入第二接收池43中，实现蔬菜废弃物按功能组分的分类。

中央控制单元5实现整个综合处理装置的控制过程，包括控制振动筛11的振动频率、控制第一升降套杆131和第二升降套杆132的升降高度、摄像机的拍照频率和时间、切割装置41对应下落的切割区域及下落时间。

如图4所示，本发明实施例还公开了蔬菜废弃物综合处理方法，包括以下步骤：

S1,将清洗的蔬菜废弃物经振动脱水，通过传送带运输，进行脱水烘干；

S2,对平铺在传送带上的蔬菜废弃物进行图像采集；

S3,分析所述图像，根据颜色特征，划分蔬菜废弃物的功能组分；

S4,按照所述功能组分切割蔬菜废弃物，并将切割后的蔬菜废弃物按照功能组分分别收集。

步骤S3的具体实现过程为：

采用YCrCb颜色空间对所述图像分割，去除图像的背景色，得到目标图像；

选用HIS模式，提取目标图像的颜色特征；

采用多层感知器神经网络算法，根据所述颜色特征确定输入层的神经元个数，输出层输出不同功能组分的分拣结果。

如图5、6所示，摄像机在现场采集的图像除了包含蔬菜废弃物外还夹杂有复杂的背景图像，会给目标图像的特征造成干扰。YCrCb颜色空间能够减少RGB颜色空间色彩通道的冗余，利用该空间进行彩色图像分割，图像分割后用色调和亮度来表示颜色信息，Y为亮度值，ir、ig、ib是加权因子，如下式所示。

亮度值计算公式：Y＝irR+igG+ibB (1)

色差计算公式：Cr＝R-Y，Cg＝G-Y，Cb＝B-Y (2)

蔬菜废弃物的尺寸、大小和形状很难完全统一，所以提取图像的颜色特征进行分析式需要选择更符合人的视觉感应的HIS模式，它是由色调(H)、饱和度(S)和亮度(I)三个分量组成。当光源和光源强度一定时，不同蔬菜废弃物所反映的亮度特征基本相似，因此只有选择稳定的色调H和饱和度S来进行颜色特征分析，亮度在颜色特征提取过程中不予考虑。RGB模型向HIS模型的转换公式如下：

色调H的计算公式：

此处：

饱和度S由下式计算得到：

多层感知器神经网络是在输入层与输出层之间加了一个隐含层。多层感知器的分拣是一种正向传播过程：需分拣模式由输入层进入到神经网络，经过加权传播到下一层的感知器，经感知器的激活函数计算后又向下层感知器传播，最终在输出层上给出分拣结果。数学模型为：

Y_i＝f(x_i)，i＝1，2，……m (7)

式中，W_ij为权值矩阵，S_j是输入矩阵，θ_i是阈值函数，f(x_i)是激活函数。这里可以选用softmax函数作为激活函数。蔬菜废弃物的颜色特征共有2个，因此输入层神经元个数为2，为尽可能减少网络模型的规模和网络的训练时间，选择隐含层数为2，每层隐含层神经元个数为4，这里分选的蔬菜废弃物为2类，输出神经元个数为2。

以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视为本发明的保护范围。

Claims (9)

1.一种蔬菜废弃物综合处理装置，其特征是，所述综合处理装置包括：

机械清洗单元，包括清洗池以及与清洗池活动连接的振动筛，所述振动筛对蔬菜废弃物振动脱水，并将蔬菜废弃物倾倒至第一传送面上；

传输脱水单元，包括传送带和烘干器，在传输过程中，将蔬菜废弃物进行脱水烘干；

图像获取单元，包括背景板和摄像机，对进入摄像区域的蔬菜废弃物进行拍照，并上传至中央控制单元；

中央控制单元，对摄像机拍摄的照片进行图像分析，根据颜色特征，划分蔬菜废弃物的功能组分；

分拣单元，包括切割装置和接收区，所述切割装置按照所述功能组分切割蔬菜废弃物，所述接收区用于分类接收切割后的蔬菜废弃物；

所述传输脱水单元、图像获取单元和分拣单元依次排列在传送带传输路径上。

2.根据权利要求1所述的一种蔬菜废弃物综合处理装置，其特征是，所述振动筛的底部设有若干筛孔，振动筛通过升降套杆与清洗池活动连接。

3.根据权利要求2所述的一种蔬菜废弃物综合处理装置，其特征是，所述升降套杆包括第一组升降套杆和第二组升降套杆，所述第一组升降套杆的升降高度大于所述第二组升降套杆的升降高度。

4.根据权利要求1所述的一种蔬菜废弃物综合处理装置，其特征是，所述传送带上设置网状孔，所述烘干器包括设置于传送带下方的鼓风装置和设置于传送带上方的出气通道，所述鼓风装置与出气通道竖直相对。

5.根据权利要求3所述的一种蔬菜废弃物综合处理装置，其特征是，所述切割装置包括若干独立工作的切割区域，所述切割区域的大小与传送带上网状孔的大小一致。

6.根据权利要求5所述的一种蔬菜废弃物综合处理装置，其特征是，所述切割区域的边界包括若干独立工作的切刀。

7.根据权利要求1所述的一种蔬菜废弃物综合处理装置，其特征是，所述背景板为单色板，设置于传输带下方，所述摄像机设置于传送带上方。

8.一种蔬菜废弃物综合处理方法，其特征是，所述方法包括以下步骤：

将清洗的蔬菜废弃物经振动脱水，通过传送带运输，进行脱水烘干；

对平铺在传送带上的蔬菜废弃物进行图像采集；

分析所述图像，根据颜色特征，划分蔬菜废弃物的功能组分；

按照所述功能组分切割蔬菜废弃物，并将切割后的蔬菜废弃物按照功能组分分别收集。

9.根据权利要求8所述的一种蔬菜废弃物综合处理方法，其特征是，分析所述图像，根据颜色特征，划分蔬菜废弃物功能组分的具体过程为：

采用YCrCb颜色空间对所述图像分割，去除图像的背景色，得到目标图像；

选用HIS模式，提取目标图像的颜色特征；

采用多层感知器神经网络算法，根据所述颜色特征确定输入层的神经元个数，输出层输出不同功能组分的分拣结果。