CN111389745A - 基于机器视觉的智能化分拣方法 - Google Patents
基于机器视觉的智能化分拣方法 Download PDFInfo
- Publication number
- CN111389745A CN111389745A CN202010264249.9A CN202010264249A CN111389745A CN 111389745 A CN111389745 A CN 111389745A CN 202010264249 A CN202010264249 A CN 202010264249A CN 111389745 A CN111389745 A CN 111389745A
- Authority
- CN
- China
- Prior art keywords
- sorting
- tea leaves
- bud
- leaves
- fresh
- 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.)
- Granted
Links
Images
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
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23F—COFFEE; TEA; THEIR SUBSTITUTES; MANUFACTURE, PREPARATION, OR INFUSION THEREOF
- A23F3/00—Tea; Tea substitutes; Preparations thereof
- A23F3/06—Treating tea before extraction; Preparations produced thereby
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
- B07B1/00—Sieving, screening, sifting, or sorting solid materials using networks, gratings, grids, or the like
- B07B1/18—Drum screens
- B07B1/22—Revolving drums
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
- B07B1/00—Sieving, screening, sifting, or sorting solid materials using networks, gratings, grids, or the like
- B07B1/28—Moving screens not otherwise provided for, e.g. swinging, reciprocating, rocking, tilting or wobbling screens
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
- B07B9/00—Combinations of apparatus for screening or sifting or for separating solids from solids using gas currents; General arrangement of plant, e.g. flow sheets
-
- 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
-
- 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
- B07C2501/0063—Using robots
Abstract
本发明提出一种结构设计合理、适用于机采茶的分拣的基于机器视觉的智能化分拣方法,如下:S1、建立并训练人工神经网络:采集茶叶图像样本;建立人工神经网络;训练人工神经网络精度;S2、茶鲜叶粗分拣:人工下料;分拣设备对茶鲜叶进行粗分拣成两种等级;将粗分拣出的全芽茶鲜叶精分拣;同时将叶包芽和一芽一叶及一芽投入分拣转筒中粗分拣成两种等级;将粗分拣出的叶包芽和一芽一叶茶鲜叶精分拣;将粗分拣出的一芽两叶茶鲜叶精分拣;S3、茶鲜叶精分拣:对茶鲜叶进行拍摄取像;人工神经网络对图片进行特征判断;人工神经网络将需要剔除物的位置信息输出给控制设备;控制设备根据需要剔除的茶鲜叶或杂质的位置信息控制剔除机构对茶鲜叶和杂质剔除。
Description
技术领域
本发明涉及茶叶分拣技术领域,特别涉及一种基于机器视觉的智能化分拣方法。
背景技术
目前,国内较为常用的物理分选的方法,如风选、振摇、网筛式等方法,主要利用不同等级新梢的质量、外形尺寸等物理特征差异性,实现分级的目的。但是由于水肥、阳光等条件的差异,芽叶的质量、外形尺寸都存在较大的差异,不同等级新梢的这些物理特征存在一定的重叠性。例如,长势较好的一芽二叶长度与重量可能与长势较差的一芽三叶相同。因此仅用重量、外形尺寸这种比较直观的特征并不能完全实现茶叶新梢的等级筛分。由于这些物理方法仅能除去部分杂质,较难完成茶叶的分级,且对于物理特征与茶叶相近的杂质也难以去除;因此目前国内茶场对机采鲜叶多采用人工拣剔的方法,不但劳动强度大,而且极大地增加了生产成本。茶鲜叶分级问题也成为了机采茶技术发展的主要制约因素。为研究与机采茶技术配套的鲜叶高效智能分级技术对于破除茶叶机采瓶颈,推动茶叶产业发展,本发明由此产生。
发明内容
因此,针对上述的问题,本发明提出一种结构设计合理、操作简易、适用于机采茶的分拣的基于机器视觉的智能化分拣方法。
为解决上述技术问题,本发明采取的解决方案为: 基于机器视觉的智能化分拣方法,其特征在于:分拣方法如下:
S1、建立并训练人工神经网络:
A1、采集茶叶图像样本:将包含有长势较好的全芽三朵、叶包芽两朵、一芽一叶两朵、一芽两叶两朵和长势较差的全芽三朵、叶包芽两朵、一芽一叶两朵、一芽两叶两朵的鲜茶叶团通过下料设备自由散落在宽度为0.6 m、输送速度为4.2 m/min的输送带上,茶叶团在下料设备上完全抖落的时间约为3s,在输送带上铺设的面积约为0.6×0.2m2,利用设置在输送带上的摄像装置对输送带上的鲜茶叶进行拍摄取像,摄像装置的拍摄范围为0.7×0.4 m2,在茶叶完全处于到拍摄范围内的时间约为3s,摄像装置的拍摄次数为2次/s,拍摄的照片的像素分辨率不低于480×320,每组拍摄的照片为6张,重复拍摄取像50次;
A2、建立人工神经网络:将采集好的茶叶图像样本通过人工神经网络训练对茶叶信息进行采集,选择茶叶图像中对茶叶分类的相关性较大的茶叶形状和纹理特征参数作为输入向量,分类结果作为输出向量,以此作为基础建立人工神经网络;
A3、训练人工神经网络精度:并将采集到的具有代表性的茶叶图像样本进行对人工神经网络进行训练,利用神经网络系统的学习功能对实验数据整理出内在规律,建立分析同类事物的网络,精确人工神经网络对同类事物的分辨精度;
S2、茶鲜叶粗分拣:
A1、人工将机采茶鲜叶分次投入下料斗中;
A2、启动分拣设备对下料斗中的茶鲜叶进行粗分拣,茶鲜叶从下料斗下料到分拣板,将茶鲜叶分拣成全芽、叶包芽和一芽一叶及一芽两叶两种等级;
A3、将粗分拣出的全芽茶鲜叶通过接收斗下料到用于精分拣全芽茶鲜叶的输送带上进行精分拣;同时将叶包芽和一芽一叶及一芽投入分拣转筒中,分拣转筒将茶鲜叶粗分拣成叶包芽和一芽一叶、一芽两叶两种等级;
A4、将粗分拣出的叶包芽和一芽一叶茶鲜叶通过第一接收板下料到用于精分拣叶包芽、一芽一叶茶鲜叶的输送带上进行精分拣;将粗分拣出的一芽两叶茶鲜叶通过第二接收板下料到用于精分拣一芽两叶茶鲜叶的输送带上进行精分拣;
S3、茶鲜叶精分拣:
A1、茶鲜叶在输送带的输送下进入到摄像装置的输送通道内,摄像装置对茶鲜叶进行拍摄取像,并通过数据线将拍摄的图片传输给人工神经网络;
A2、人工神经网络提取茶鲜叶图片的几何、纹理以及颜色特征,采用灰度阈值分离法将图片中的茶鲜叶与背景分离,对分离出的茶鲜叶进行特征判断;
A3、当人工神经网络判断出是非精分拣茶鲜叶的类型,则判断为需要剔除的茶鲜叶或杂质时,人工神经网络将需要剔除的茶鲜叶或杂质的位置信息输出给分拣设备外的控制设备;
A4、控制设备根据需要剔除的茶鲜叶或杂质的位置信息控制剔除机构对茶鲜叶和杂质进行剔除;
A5、被剔除的茶鲜叶和杂质通过接收装置统一收集;
A6、精分拣后茶鲜叶通过输送带输送到后续加工位置进行加工。
进一步改进的是:所述分拣设备包括机架,所述机架上设置有用于放置机采茶鲜叶的下料斗,所述下料斗的出料口下方设置有用于粗分拣全芽分拣板,所述分拣板倾斜设置于所述下料斗下端部,所述分拣板上开设有若干供全芽通过的第一分拣口,所述第一分拣口下方设置有用于接收分拣后的全芽的接收斗,所述分拣板的出料端设置有用于接收分拣板上的茶鲜叶并粗分拣叶包芽和一芽一叶的分拣转筒,所述分拣转筒倾斜转动设置于所述机架上,所述分拣转筒的筒壁均匀开设有若干第二分拣口,所述第二分拣口下方设置有第一接收板,所述第一接收板倾斜设置于所述机架上,所述接第一收板下端部开设有出料口,所述分拣转筒的出料端下方设置有第二接收板,所述第二接收板倾斜设置于所述机架上,所述机架上设置有用于驱动所述分拣转筒转动的第一驱动机构,所述接收斗、第一接收板、第二接收板下方均设置有用于精分拣的精分拣机构。
进一步改进的是:所述精分拣机构包括输送带,所述机架上设置有若干驱动辊,所述输送带绕设于所述驱动辊上,所述输送带周侧沿输送方向依次设置有用于拍摄取像的摄像装置、用于剔除其它茶叶类型以及杂质的剔除机构、用于接收剔除的茶叶或杂质的接收装置,所述机架上设置有用于驱动所述驱动辊转动的第二驱动装置。
通过采用前述技术方案,本发明的有益效果是:本发明的具有以下优点:
1、本发明可以很好的适应机采茶叶的分拣,破除机采茶叶分拣困难的瓶颈,有利于推动茶叶产业发展,将传统机械分级设备与智能分级技术相结合,形成“粗精结合”的高效连续化茶鲜叶分拣设备,减少了人工的劳动强度、降低了生产成本。
2、本发明选择长势较好的茶叶与长势较差的茶叶来采集数据可以提高分拣的精度,符合茶鲜叶的生长情况,涵盖进去了较好的茶叶与较差的茶叶,可以充分采集茶叶图像样本,采集不同茶叶之间相互遮挡产生的形状的多种情况,充分采集数据,增加分拣的精度。
3、本发明中的剔除方式采用吸附剔除的方式对茶鲜叶进行剔除,吸附的管口也是具有弹性的弹性吸附口,在茶鲜叶吸附剔除的过程中不会损伤到茶鲜叶,不会影响茶制品的品质和口感。
4、本发明中采用弹性吸附口吸附的方式剔除,相比较于夹持剔除的方式,吸附剔除不局限于一次只能剔除一个,弹性吸附口可以将多个茶鲜叶或杂质同时吸附在弹性吸附口内然后统一收集在收集框内,可以减少六关节机器人的运动行程,提高剔除效率。
附图说明
图1是本发明实施例基于机器视觉的智能化分拣方法的分拣设备的侧视结构示意图。
图2是本发明实施例基于机器视觉的智能化分拣方法的分拣设备的俯视结构示意图。
图3是图2发明实施例基于机器视觉的智能化分拣方法中分拣设备中分拣转筒A处的局部结构放大图。
图4是图2发明实施例基于机器视觉的智能化分拣方法中分拣设备中分拣转筒沿B-B线方向的内部结构示意图。
图5是本发明实施例基于机器视觉的智能化分拣方法中精分拣机构中摄像装置的结构示意图。
图6是本发明实施例基于机器视觉的智能化分拣方法中精分拣机构中剔除机构的结构示意图。
图7是本发明实施例基于机器视觉的智能化分拣方法中精分拣机构中剔除装置的正视结构示意图。
图8是本发明实施例基于机器视觉的智能化分拣方法中精分拣机构中剔除装置的俯视结构示意图。
图9是本发明实施例基于机器视觉的智能化分拣方法中精分拣机构中剔除装置的内部结构示意图。
图10是本发明实施例基于机器视觉的智能化分拣方法中精分拣机构中剔除装置中过滤装置本体结构示意图。
具体实施方式
现结合附图和具体实施例对本发明进一步说明。
参考图1至图10,本发明实施例所揭示的是基于机器视觉的智能化分拣方法,分拣方法如下:
S1、建立并训练人工神经网络:
A1、采集茶叶图像样本:将包含有长势较好的全芽三朵、叶包芽两朵、一芽一叶两朵、一芽两叶两朵和长势较差的全芽三朵、叶包芽两朵、一芽一叶两朵、一芽两叶两朵的鲜茶叶团通过下料设备自由散落在宽度为0.6 m、输送速度为4.2 m/min的输送带上,茶叶团在下料设备上完全抖落的时间约为3s,在输送带上铺设的面积约为0.6×0.2m2,在此范围内不同茶叶之间多数为相对分散的,少数茶叶之间会相互遮挡重叠,通过对遮挡数据的采集有利于精分拣的分拣精度,利用设置在输送带上的摄像装置对输送带上的鲜茶叶进行拍摄取像,摄像装置的拍摄范围为0.7×0.4 m2,在茶叶完全处于到拍摄范围内的时间约为3s,摄像装置的拍摄次数为2次/s,拍摄的照片的像素分辨率不低于480×320,每组拍摄的照片为6张,重复拍摄取像50次;
A2、建立人工神经网络:将采集好的茶叶图像样本通过人工神经网络训练对茶叶信息进行采集,选择茶叶图像中对茶叶分类的相关性较大的茶叶形状和纹理特征参数作为输入向量,分类结果作为输出向量,以此作为基础建立人工神经网络;
A3、训练人工神经网络精度:并将采集到的具有代表性的茶叶图像样本进行对人工神经网络进行训练,利用神经网络系统的强大的学习功能可以对看似杂乱无章的实验数据整理出内在规律,建立分析同类事物的网络,精确人工神经网络对同类事物的分辨精度;
S2、茶鲜叶粗分拣:
A1、人工将机采茶鲜叶分次投入下料斗中;
A2、启动分拣设备对下料斗中的茶鲜叶进行粗分拣,茶鲜叶从下料斗下料到分拣板,将茶鲜叶分拣成全芽、叶包芽和一芽一叶及一芽两叶两种等级;
A3、将粗分拣出的全芽茶鲜叶通过接收斗下料到用于精分拣全芽茶鲜叶的输送带上进行精分拣;同时将叶包芽和一芽一叶及一芽投入分拣转筒中,分拣转筒将茶鲜叶粗分拣成叶包芽和一芽一叶、一芽两叶两种等级;
A4、将粗分拣出的叶包芽和一芽一叶茶鲜叶通过第一接收板下料到用于精分拣叶包芽、一芽一叶茶鲜叶的输送带上进行精分拣;将粗分拣出的一芽两叶茶鲜叶通过第二接收板下料到用于精分拣一芽两叶茶鲜叶的输送带上进行精分拣;
S3、茶鲜叶精分拣:
A1、茶鲜叶在输送带的输送下进入到摄像装置的输送通道内,摄像装置对茶鲜叶进行拍摄取像,并通过数据线将拍摄的图片传输给人工神经网络;
A2、人工神经网络提取茶鲜叶图片的几何、纹理以及颜色特征,采用灰度阈值分离法将图片中的茶鲜叶与背景分离,对分离出的茶鲜叶进行特征判断;
A3、当人工神经网络判断出是非精分拣茶鲜叶的类型,则判断为需要剔除的茶鲜叶或杂质时,人工神经网络将需要剔除的茶鲜叶或杂质的位置信息输出给分拣设备外的控制设备;
A4、控制设备根据需要剔除的茶鲜叶或杂质的位置信息控制剔除机构对茶鲜叶和杂质进行剔除;
A5、被剔除的茶鲜叶和杂质通过接收装置统一收集;
A6、精分拣后茶鲜叶通过输送带输送到后续加工位置进行加工。
所述分拣设备包括机架10,所述机架10上设置有用于放置机采茶鲜叶的下料斗11,所述下料斗11的出料口下方设置有用于粗分拣全芽分拣板12,所述分拣板12倾斜固定设置于所述下料斗11下端部,所述分拣板12上开设有若干供全芽通过的第一分拣口13,所述第一分拣口13下方设置有用于接收分拣后的全芽的接收斗14,所述分拣板12的出料端设置有用于接收分拣板12上的茶鲜叶并粗分拣叶包芽和一芽一叶的分拣转筒15,所述分拣转筒15倾斜转动设置于所述机架10上,所述分拣转筒15的筒壁均匀开设有若干供一芽一叶掉落的第二分拣口16,所述第二分拣口16下方设置有第一接收板17,所述第一接收板17的设置宽度大于分拣转筒15的直径,所述第一接收板17倾斜设置于所述机架10上,所述接第一收板下端部开设有出料口,掉落在第一接收板17上的茶叶会沿着倾斜的第一接收板17下滑并从出料口向下掉落,所述分拣转筒15的出料端下方设置有第二接收板18,所述第二接收板18倾斜设置于所述机架10上,沿着倾斜的分拣转筒15转动的茶叶最终会掉落在第二接收板18上并沿着倾斜的第二接收板18滑动掉落出第二接收板18,所述下料斗11、接收斗14、第一接收板17、第二接收板18上分别设置有用于将茶叶均匀抖落的振动器19,所述振动器19为微型气动振动器19,所述微型振动器19为市场上直接购买安装使用的,所述微型气动振动器19的壳体26分别设置于所述下料斗11、接收斗14、第一接收板17、第二接收板18的侧壁或底面上,通过微型振动器19可以让茶叶更好的更均匀的下落,便于后续分拣工作的进行,所述机架10上设置有用于驱动所述分拣转筒15转动的第一驱动机构,所述接收斗14、第一接收板17、第二接收板18下方均设置有用于精分拣的精分拣机构。
所述第一驱动机构包括转动轴20,所述转动轴20上两端部分别设置有环形支撑筒21,所述环形支撑筒21内壁与所述转动轴20之间设置有两根的连接杆22,所述连接杆22的两端部分别固定设置于所述环形支撑筒21和转动轴20上,所述环形支撑筒21外壁与所述分拣转筒15的内壁贴合固定,所述转动轴20两端部分别可转动设置于所述机架10上,所述转动轴20与机架10之间设置有便于转动轴20与机架10相对转动的滚珠轴承,所述机架10上设置有用于驱动所述转动轴20转动的第一驱动装置。所述第一驱动装置为第一驱动电机23,所述第一驱动电机23的壳体26固定设置于所述机架10上,所述第一驱动电机23的旋转轴与所述转动轴20固定连接。所述第一驱动电机23驱动转动轴20在机架10上转动,转动轴20转动带动固定在转动轴20上的环形支撑筒21转动,环形支撑筒21转动带动分拣转筒15转动对茶鲜叶进行分拣。
所述精分拣机构包括输送带24,所述机架10上设置有若干驱动辊9,所述输送带24绕设于所述驱动辊上,所述输送带24周侧沿输送方向依次设置有用于拍摄取像的摄像装置25、用于剔除其它茶叶类型以及杂质的剔除机构、用于接收剔除的茶叶或杂质的接收装置,所述机架10上设置有用于驱动所述驱动辊转动的第二驱动装置。
所述摄像装置25包括壳体26,所述壳体26下端部设置于所述机架10上,所述壳体26上沿输送带24的输送方向开设有供茶叶穿过的输送通道3627,所述壳体26内顶壁中部上设置有摄像头28,所述摄像头28为工业微型CCD影像检测设备,所述壳体26内顶壁两侧分别可阻尼转动设置有补光灯29,手动转动补光灯29调节灯光的聚集位置。
所述剔除机构包括六关节机器人30,所述六关节机器人30为公知设备,是直接从制造公司购买来使用的,是可以直接对六关节机器人30进行动作编程和控制的,所述六关节机器人30的执行末端设置有剔除装置,所述剔除装置包括安装板31、吸筒32,所述安装板31通过螺栓紧固设置于所述六关节机器人30的执行末端的连接法兰上,所述吸筒32设置于所述安装板31上,所述吸筒32侧壁固定设置有两根固定螺栓33,所述安装板31上开设有供所述螺栓穿过的通孔34,所述螺栓33穿过所述通孔34后使用紧固螺母35将吸筒32固定在安装板31上,所述吸筒32内开设有供气体穿过的通道36,所述通道36的进气端上可拆装设置有弹性吸附口37,所述弹性吸附口37的安装端设置有与所述吸筒32可拆装配合的环形安装块38,所述弹性吸附口37密封胶合设置在所述环形安装块38上,所述吸筒32上开设有外螺纹,所述环形安装块38开设有与所述外螺纹相配合的内螺纹,所述弹性吸附口37与所述通道36之间设置有用于防止茶叶和杂质进入通道36内部的过滤装置,所述吸筒32的出气端与负压机(图中未示出)的抽气管理螺纹连接,与分压机的抽气端相连通,所述弹性吸附口37的自由端横截面上设置有若干锯齿,所述锯齿在弹性吸附口37自由端在输送带吸附剔除的过程中始终保持与外部通气的状态,避免将输送带一起吸附起来。
所述过滤装置包括过滤装置本体39、过滤体40,所述过滤体40为海绵片,所述过滤装置本体39开设有用于安装过滤体40的凹槽41,所述过滤体40涨紧安装于所述凹槽41内,所述凹槽41底部开设有若干供气体穿过的开口42。所述吸筒32位于所述通道36的进气端内壁上开设有用于安装所述过滤装置本体39的安装凹台43,所述弹性吸附口37的环形安装块38上开设有用于安装所述过滤装置本体39的安装凸台44,所述过滤装置本体39设置于所述安装凹台与所述安装凸台之间,所述过滤装置本体39开设的凹槽开口朝向所述弹性吸附口37的进气端。
所述接收装置包括接收框45,所述接收框45上设置有用于拖拉的把手46,所述接收框45底部设置有四个万向轮47,所述接收框45用于接收剔除的茶叶或杂质,所述把手46和万向轮47便于接收框45的搬运。
所述第二驱动装置包括第二驱动电机(图中未示出),所述第二驱动电机的壳体26固定设置于所述机架10上,所述第二驱动电机的旋转轴上套设有第一齿轮,一所述驱动辊上套设有第二齿轮,所述第一齿轮与所述第二齿轮上绕设有齿轮链条,所述第二驱动电机驱动所述驱动辊转动,所述驱动辊带动输送带24输送茶叶。
设备外部还设置有用于控制设备48动作的控制设备48,所述第一驱动电机23、三个第二驱动电机、四个振动器19、三个摄像头28、三组补光灯29、三个六关节机器人30、三个负压机均与所述控制设备48信号连接,本案中控制设备48的控制程序为设备的核心,不愿公开,该控制程序并不影响该设备的运行和使用。
一种用于基于机器视觉的智能化分拣方法的分拣设备的使用方法:对设备进行相关编程控制。启动设备,控制设备48控制第一驱动电机23和第二驱动电机转动,同时控制四个振动器19得电振动。人工将及机采茶叶倒入下料斗11内,在下料斗11上的振动器19的作用下,茶叶在下料斗11内慢慢向下运动,并从下料斗11的出料口掉落在分拣板12上,在分拣板12上的振动器19的作用下茶叶在分拣板12上沿着倾斜的分拣板12运动对全芽茶叶进行粗分拣,在全芽茶叶运动到分拣板12上的第一分拣口13时,因为第一分拣口13的开设尺寸大于全芽茶叶的大小,并小于一芽一叶茶叶的尺寸,所以全芽茶叶和较小尺寸的杂质会从分拣板12上的第一分拣口13向下掉落到接收斗14内,并在接收斗14上的振动器19的作用下均匀掉落在分拣全芽茶叶的输送带24上。
没有从分拣板12上的第一分拣口13掉落的茶叶沿着分拣板12运动,并从分拣板12的出料口掉落到分拣转筒15内,分拣转筒15在第一驱动电机23的带动下对一芽一叶茶叶进行粗分拣,分拣转筒15上开设的第二分拣口16的尺寸大于一芽一叶茶叶的尺寸同时小于一芽两叶茶叶的尺寸,随着分拣转筒15的转动,一芽一叶茶叶和与一芽一叶茶叶尺寸相近的一芽两叶茶叶和杂质会从第二分拣口16掉落到第一接收板17上,并在第一接收板17上的振动器19的作用下,沿着倾斜的第一接收板17从第一接收板17下端部开设的出料口掉落到用于精分拣一芽一叶茶叶的输送带24上。
没有从分拣转筒15的第二分拣口16上掉落的茶叶和杂质从分拣转筒15的出料端掉落在第二接收板18上,并在振动器19的作用下沿着倾斜的第二接收板18掉落在用于精分拣一芽两叶茶叶的输送带24上。
三个第二驱动电机各自转动,带动相应的输送带24对茶叶进行输送,输送带24输送速度为4-5 m/min,当茶叶被输送带24输送到摄像装置25的壳体26内部时,补光灯29常亮,控制设备48控制相应的摄像头28对茶叶进行摄像,摄像的频率为每秒3次,拍摄的图片通过数据线输送到控制设备48,控制设备48对图片进行分析,分离出不符合相应精分拣的茶叶和杂质。例如在精分拣全芽时,对于图片中分析出的不是全芽的茶叶类型和杂质会在图片背景中被分离出并被记录;在精分拣一芽一叶和叶包芽茶叶时,对于图片中分析出的不是一芽一叶和叶包芽的茶叶类型和杂质会在图片背景中被分离出并被记录;在精分拣一芽两叶茶叶时,对于图片中分析出的不是一芽两叶的茶叶类型和杂质会在图片背景中被分离出并被记录。
控制设备48根据需要剔除的茶叶或杂质的位置信息来控制六关节机器人30动作,六关节机器人30带动设置在末端执行机构上的剔除装置运动到相应的需要剔除的茶叶和杂质的位置上,同时控制设备48控制负压机开始抽气,在六关节机器人30将弹性吸附口37对准需要剔除的茶叶或杂质上时,在负压机的抽气下茶叶和杂质对被吸入弹性吸附口37内,设置在弹性吸附口37与吸筒32之间的过滤海绵片会将茶叶和杂质限制在弹性吸附口37内,可以避免茶叶或杂质进入到负压机内影响负压机的正常工作,采用吸附剔除的方式不会损伤到茶叶,不会影响到茶叶的品质,在剔除完成后六关节机器人30带动剔除装置向设置在输送带24边上的接收框45的上方运动,在弹性吸附口37运动到接收框45上方时,控制设备48控制负压机停止抽气,茶叶和杂质在没有吸力下沿着弹性吸附口37光滑的内壁向下掉落到接收框45内。
收集在接收框内的茶叶和杂质可以通过人工进行精分拣,量大时可以再次使用精分拣机构进行精分拣。
本案后续会继续研发,在分拣上进行改进,将茶叶和杂质通过剔除机构分开剔除,剔除的杂质直接通过收集框收集起来,剔除的茶叶根据茶叶的类型分别输送到相应的精分拣输送带上直接输送进行后续加工,可以避免剔除后需要对剔除物再次分拣,精简步骤。
以上显示和描述了本发明的基本原理和主要特征及其优点,本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内,本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (3)
1.基于机器视觉的智能化分拣方法,其特征在于:分拣方法如下:
S1、建立并训练人工神经网络:
A1、采集茶叶图像样本:将包含有长势较好的全芽三朵、叶包芽两朵、一芽一叶两朵、一芽两叶两朵和长势较差的全芽三朵、叶包芽两朵、一芽一叶两朵、一芽两叶两朵的鲜茶叶团通过下料设备自由散落在宽度为0.6 m、输送速度为4.2 m/min的输送带上,茶叶团在下料设备上完全抖落的时间约为3s,在输送带上铺设的面积约为0.6×0.2m2,利用设置在输送带上的摄像装置对输送带上的鲜茶叶进行拍摄取像,摄像装置的拍摄范围为0.7×0.4 m2,在茶叶完全处于到拍摄范围内的时间约为3s,摄像装置的拍摄次数为2次/s,拍摄的照片的像素分辨率不低于480×320,每组拍摄的照片为6张,重复拍摄取像50次;
A2、建立人工神经网络:将采集好的茶叶图像样本通过人工神经网络训练对茶叶信息进行采集,选择茶叶图像中对茶叶分类的相关性较大的茶叶形状和纹理特征参数作为输入向量,分类结果作为输出向量,以此作为基础建立人工神经网络;
A3、训练人工神经网络精度:并将采集到的具有代表性的茶叶图像样本进行对人工神经网络进行训练,利用神经网络系统的学习功能对实验数据整理出内在规律,建立分析同类事物的网络,精确人工神经网络对同类事物的分辨精度;
S2、茶鲜叶粗分拣:
A1、人工将机采茶鲜叶分次投入下料斗中;
A2、启动分拣设备对下料斗中的茶鲜叶进行粗分拣,茶鲜叶从下料斗下料到分拣板,将茶鲜叶分拣成全芽、叶包芽和一芽一叶及一芽两叶两种等级;
A3、将粗分拣出的全芽茶鲜叶通过接收斗下料到用于精分拣全芽茶鲜叶的输送带上进行精分拣;同时将叶包芽和一芽一叶及一芽投入分拣转筒中,分拣转筒将茶鲜叶粗分拣成叶包芽和一芽一叶、一芽两叶两种等级;
A4、将粗分拣出的叶包芽和一芽一叶茶鲜叶通过第一接收板下料到用于精分拣叶包芽、一芽一叶茶鲜叶的输送带上进行精分拣;将粗分拣出的一芽两叶茶鲜叶通过第二接收板下料到用于精分拣一芽两叶茶鲜叶的输送带上进行精分拣;
S3、茶鲜叶精分拣:
A1、茶鲜叶在输送带的输送下进入到摄像装置的输送通道内,摄像装置对茶鲜叶进行拍摄取像,并通过数据线将拍摄的图片传输给人工神经网络;
A2、人工神经网络提取茶鲜叶图片的几何、纹理以及颜色特征,采用灰度阈值分离法将图片中的茶鲜叶与背景分离,对分离出的茶鲜叶进行特征判断;
A3、当人工神经网络判断出是非精分拣茶鲜叶的类型,则判断为需要剔除的茶鲜叶或杂质时,人工神经网络将需要剔除的茶鲜叶或杂质的位置信息输出给分拣设备外的控制设备;
A4、控制设备根据需要剔除的茶鲜叶或杂质的位置信息控制剔除机构对茶鲜叶和杂质进行剔除;
A5、被剔除的茶鲜叶和杂质通过接收装置统一收集;
A6、精分拣后茶鲜叶通过输送带输送到后续加工位置进行加工。
2.根据权利要求1所述的基于机器视觉的智能化分拣方法,其特征在于:所述分拣设备包括机架,所述机架上设置有用于放置机采茶鲜叶的下料斗,所述下料斗的出料口下方设置有用于粗分拣全芽分拣板,所述分拣板倾斜设置于所述下料斗下端部,所述分拣板上开设有若干供全芽通过的第一分拣口,所述第一分拣口下方设置有用于接收分拣后的全芽的接收斗,所述分拣板的出料端设置有用于接收分拣板上的茶鲜叶并粗分拣叶包芽和一芽一叶的分拣转筒,所述分拣转筒倾斜转动设置于所述机架上,所述分拣转筒的筒壁均匀开设有若干第二分拣口,所述第二分拣口下方设置有第一接收板,所述第一接收板倾斜设置于所述机架上,所述接第一收板下端部开设有出料口,所述分拣转筒的出料端下方设置有第二接收板,所述第二接收板倾斜设置于所述机架上,所述机架上设置有用于驱动所述分拣转筒转动的第一驱动机构,所述接收斗、第一接收板、第二接收板下方均设置有用于精分拣的精分拣机构。
3.根据权利要求2所述的基于机器视觉的智能化分拣方法,其特征在于:所述精分拣机构包括输送带,所述机架上设置有若干驱动辊,所述输送带绕设于所述驱动辊上,所述输送带周侧沿输送方向依次设置有用于拍摄取像的摄像装置、用于剔除其它茶叶类型以及杂质的剔除机构、用于接收剔除的茶叶或杂质的接收装置,所述机架上设置有用于驱动所述驱动辊转动的第二驱动装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010264249.9A CN111389745B (zh) | 2020-04-07 | 2020-04-07 | 基于机器视觉的智能化分拣方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010264249.9A CN111389745B (zh) | 2020-04-07 | 2020-04-07 | 基于机器视觉的智能化分拣方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111389745A true CN111389745A (zh) | 2020-07-10 |
CN111389745B CN111389745B (zh) | 2022-05-03 |
Family
ID=71416715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010264249.9A Active CN111389745B (zh) | 2020-04-07 | 2020-04-07 | 基于机器视觉的智能化分拣方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111389745B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113210264A (zh) * | 2021-05-19 | 2021-08-06 | 江苏鑫源烟草薄片有限公司 | 烟草杂物剔除方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059425A (zh) * | 2007-05-29 | 2007-10-24 | 浙江大学 | 基于多光谱图像的纹理分析鉴别不同品种绿茶的方法和装置 |
JP2011025208A (ja) * | 2009-07-29 | 2011-02-10 | Hattori Seisakusho Co Ltd | 選別及び分級装置 |
CN104286224A (zh) * | 2013-10-30 | 2015-01-21 | 贵州省山地农业机械研究所 | 名优茶机采鲜叶半智能分级加工工艺 |
CN105562345A (zh) * | 2016-03-21 | 2016-05-11 | 江苏大学 | 一种等直径滚筒式茶鲜叶分级装置及方法 |
CN105941670A (zh) * | 2016-04-29 | 2016-09-21 | 福建省武夷山市永生茶业有限公司 | 机采茶鲜叶输送分拣装置及工作方法 |
CN206565202U (zh) * | 2016-12-21 | 2017-10-20 | 铅山县英坪茶叶专业合作社 | 一种鲜茶分拣输送装置 |
CN109675787A (zh) * | 2018-08-21 | 2019-04-26 | 芜湖市春满壶茶业有限公司 | 一种具有筛选功能的炒茶装置 |
CN110555487A (zh) * | 2019-09-14 | 2019-12-10 | 贵州省茶叶研究所 | 一种基于卷积神经网络的鲜茶叶识别分类方法和系统 |
-
2020
- 2020-04-07 CN CN202010264249.9A patent/CN111389745B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059425A (zh) * | 2007-05-29 | 2007-10-24 | 浙江大学 | 基于多光谱图像的纹理分析鉴别不同品种绿茶的方法和装置 |
JP2011025208A (ja) * | 2009-07-29 | 2011-02-10 | Hattori Seisakusho Co Ltd | 選別及び分級装置 |
CN104286224A (zh) * | 2013-10-30 | 2015-01-21 | 贵州省山地农业机械研究所 | 名优茶机采鲜叶半智能分级加工工艺 |
CN105562345A (zh) * | 2016-03-21 | 2016-05-11 | 江苏大学 | 一种等直径滚筒式茶鲜叶分级装置及方法 |
CN105941670A (zh) * | 2016-04-29 | 2016-09-21 | 福建省武夷山市永生茶业有限公司 | 机采茶鲜叶输送分拣装置及工作方法 |
CN206565202U (zh) * | 2016-12-21 | 2017-10-20 | 铅山县英坪茶叶专业合作社 | 一种鲜茶分拣输送装置 |
CN109675787A (zh) * | 2018-08-21 | 2019-04-26 | 芜湖市春满壶茶业有限公司 | 一种具有筛选功能的炒茶装置 |
CN110555487A (zh) * | 2019-09-14 | 2019-12-10 | 贵州省茶叶研究所 | 一种基于卷积神经网络的鲜茶叶识别分类方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113210264A (zh) * | 2021-05-19 | 2021-08-06 | 江苏鑫源烟草薄片有限公司 | 烟草杂物剔除方法及装置 |
CN113210264B (zh) * | 2021-05-19 | 2023-09-05 | 江苏鑫源烟草薄片有限公司 | 烟草杂物剔除方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111389745B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105268659B (zh) | 基于视觉技术的红枣筛选机 | |
CN110125021A (zh) | 一种蚕茧自动分选装置 | |
CN111389745B (zh) | 基于机器视觉的智能化分拣方法 | |
CN111054655A (zh) | 一种螃蟹分拣装置及其运用方法 | |
CN110899124B (zh) | 一种垃圾智能分类系统 | |
CN211932193U (zh) | 一种具备筛选分离过滤虫体功能的虫情测报灯 | |
CN1891354A (zh) | 小颗粒农产品物料智能分级装置 | |
CN209006184U (zh) | 一种食品加工用筛选分离装置 | |
CN202385685U (zh) | 茶叶色选机 | |
CN220177465U (zh) | 一种全自动粮食待检样品除杂装置 | |
CN212576877U (zh) | 一种用于基于机器视觉的智能化分拣方法的分拣设备 | |
CN209715738U (zh) | 一种桑枝食用菌加工用自动分拣装置 | |
CN207147533U (zh) | 一种小型数字化水稻考种机 | |
CN205868750U (zh) | 一种丸剂药分选装置 | |
CN212975940U (zh) | 一种烟叶智能定级检测装置 | |
CN213001298U (zh) | 一种烟草除杂装置 | |
CN209020792U (zh) | 一种花生仁分选设备 | |
CN208495031U (zh) | 一种用于石墨筒生产过程中的分选系统 | |
CN214107886U (zh) | 一种大米加工用大米筛选装置 | |
CN212328944U (zh) | 一种机器视觉结合激光的货物分选设备及其系统 | |
CN214391131U (zh) | 一种烟叶碎片分选除杂回收设备 | |
CN112974239B (zh) | 一种大米加工的筛选分级设备 | |
CN114146921A (zh) | 一种名优绿茶鲜叶自动分级设备及分级方法 | |
CN2673116Y (zh) | 多功能烟草除杂设备 | |
CN209997942U (zh) | 一种秸秆颗粒后处理装置 |
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 |