CN113976475B - 蔬果择优方法 - Google Patents
蔬果择优方法 Download PDFInfo
- Publication number
- CN113976475B CN113976475B CN202111249727.XA CN202111249727A CN113976475B CN 113976475 B CN113976475 B CN 113976475B CN 202111249727 A CN202111249727 A CN 202111249727A CN 113976475 B CN113976475 B CN 113976475B
- Authority
- CN
- China
- Prior art keywords
- vegetable
- fruit
- soft
- fruits
- vegetables
- 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
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
- B07C5/34—Sorting according to other particular properties
-
- 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
-
- 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
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- 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
- B07C2501/009—Sorting of fruit
Landscapes
- Sorting Of Articles (AREA)
Abstract
本公开实施例中提供了一种蔬果择优筛选系统及蔬果择优方法,属于图像处理技术领域,具体包括:传输组件包括进料端和分拣端,传输组件的中间位置设置有拍摄区域;成像装置的拍摄端朝向拍摄区域;机械臂设置于分拣端;多个软体吸盘均与行走器连接,行走器与固定板的一面连接,固定板的另一面与机械臂的夹持端连接;成像装置、机械臂和软体吸附爪均与控制器电连接。通过本公开的方案,传输组件对蔬果自动输送,成像装置分析蔬果的外形数据,并通过控制器控制机械臂带动软体吸附爪对优选的蔬果进行吸附,完成分拣,实现了蔬果择优筛选自动化,提高了蔬果择优筛选的效率和精准度。
Description
技术领域
本公开实施例涉及图像处理技术领域,尤其涉及一种蔬果择优筛选系统及蔬果择优方法。
背景技术
目前,蔬果择优技术是农业生产中重要的环节,准确而快速的择优能极大地优化生产流程,不仅能实现蔬果分等级筛选,还能及时发现蔬果上的虫洞、淤坏等瑕疵,便于进行蔬果次品剔除,能大幅度提升生产效率,减少生产中的浪费。目前蔬果择优技术被广泛地用于蔬菜、水果等农业生产流水线中。
传统的蔬果择优主要利用人力,以人眼发现蔬果表面的瑕疵来进行筛选,辅以输送带,电子秤等基础设备,以其大小和重量等特征再进行分类;而实践生产中,由于人眼疲劳、筛选量巨大、设备择优条件单一等各种难以避免的原因,择优准确度较低,筛选往往需要重复多次才能达到生产标准,造成重复劳作、生产损耗过大,耗时过长等问题,最终择优效果并不理想。现有生产商也有对输送带等设备进行改造,采用限高通道、抖动筛网等装置来改良生产,虽然可在一定程度上提高效率,但也容易导致蔬果损坏,无法实质性地提高择优效果。
可见,亟需一种能自动识别且能精准筛选的蔬果择优筛选系统。
发明内容
有鉴于此,本公开实施例提供一种蔬果择优筛选系统及蔬果择优方法,至少部分解决现有技术中存在筛选效率和筛选精准度较差的问题。
第一方面,本公开实施例提供了一种蔬果择优筛选系统,包括:
传输组件,所述传输组件包括进料端和分拣端,所述传输组件的中间位置设置有拍摄区域;
成像装置,所述成像装置设置于所述拍摄区域上方,所述成像装置的拍摄端朝向所述拍摄区域;
机械臂,所述机械臂设置于所述分拣端;
软体吸附爪,所述软体吸附爪包括多个软体吸盘、固定板和行走器,多个所述软体吸盘均与所述行走器连接,所述行走器与所述固定板的一面连接,所述固定板的另一面与所述机械臂的夹持端连接;
控制器,所述成像装置、所述机械臂和所述软体吸附爪均与所述控制器电连接,所述控制器用于控制所述成像装置拍摄从所述进料端输送来的蔬果,并进行外形数据分析和优选排列,根据所述优选排列控制所述机械臂移动至对应的蔬果位置,并控制所述软体吸附爪吸取蔬果。
根据本公开实施例的一种具体实现方式,所述软体吸附爪还包括连接软管、多个真空空腔管和多个配流盘,每个所述真空空腔管与一个所述软体吸盘顶部的端面中心处连接,且所述端面中心处设置有开孔与所述连接软管连通,所述连接软管通过空腔区与所述配流盘连接。
根据本公开实施例的一种具体实现方式,所述真空空腔管与所述软体吸盘的连接处设置有多个螺旋形密封圈,多个所述螺旋形密封圈多层嵌套。
根据本公开实施例的一种具体实现方式,所述软体吸盘的吸附面设置有多个环槽,所述环槽的密度由所述吸附面的中心到外逐渐降低。
根据本公开实施例的一种具体实现方式,所述行走器上设置有限位块。
根据本公开实施例的一种具体实现方式,所述蔬果择优筛选系统还包括真空发生器,所述真空发生器与所述真空空腔管连接,所述连接软管套接在所述真空发生器的抽气软管上,所述抽气软管设置有排气孔,所述抽气软管的排气孔与所述配流盘的内部排气孔连接。
第二方面,本公开实施例提供了一种蔬果择优方法,应用于上述公开实施例中任一项所述的蔬果择优筛选系统,所述方法包括:
提供一蔬果择优筛选系统,所述蔬果择优筛选系统包括传输组件、成像装置、机械臂、软体吸附爪和控制器;
所述传输组件将待分拣蔬果输送至拍摄区域;
所述成像装置采集每个所述待分拣蔬果的轮廓特征;
根据预设算法,所述控制器根据所述轮廓特征对每个所述待分拣蔬果进行重构运算,得到每个待分拣蔬果对应的蔬果模型;
根据所述蔬果模型进行外形数据分析操作,生成优选排列数据;
根据所述优选排列数据,所述机械臂带动所述软体吸附爪移动至对应的目标蔬果位置,所述软体吸附爪吸取所述目标蔬果。
本公开实施例中的蔬果择优筛选系统方案,包括:传输组件,所述传输组件包括进料端和分拣端,所述传输组件的中间位置设置有拍摄区域;成像装置,所述成像装置设置于所述拍摄区域上方,所述成像装置的拍摄端朝向所述拍摄区域;机械臂,所述机械臂设置于所述分拣端;软体吸附爪,所述软体吸附爪包括多个软体吸盘、固定板和行走器,多个所述软体吸盘均与所述行走器连接,所述行走器与所述固定板的一面连接,所述固定板的另一面与所述机械臂的夹持端连接;控制器,所述成像装置、所述机械臂和所述软体吸附爪均与所述控制器电连接,所述控制器用于控制所述成像装置拍摄从所述进料端输送来的蔬果,并进行外形数据分析和优选排列,根据所述优选排列控制所述机械臂移动至对应的蔬果位置,并控制所述软体吸附爪吸取蔬果。
本公开实施例的有益效果为:通过本公开的方案,传输组件对蔬果自动输送,成像装置分析蔬果的外形数据,并通过控制器控制机械臂带动软体吸附爪对优选的蔬果进行吸附,完成分拣,实现了蔬果择优筛选自动化,提高了蔬果择优筛选的效率和精准度。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,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它的附图。
图1为本公开实施例提供的一种蔬果择优筛选系统的结构示意图;
图2为本公开实施例提供的一种成像装置的系统组成示意图;
图3为本公开实施例提供的一种机械臂与软体吸附爪的装配结构示意图;
图4为本公开实施例提供的一种软体吸附爪的结构示意图;
图5为本公开实施例提供的一种蔬果择优方法的流程示意图;
图6为本公开实施例提供的一种蔬果模型示意图。
附图标记汇总:
蔬果择优筛选系统100;
传输组件110,拍摄区域111;
成像装置120;
机械臂130;
软体吸附爪140,软体吸盘141,固定板142,行走器143,连接软管144,真空空腔管145,配流盘146。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
目前,蔬果择优技术是农业生产中重要的环节,准确而快速的择优能极大地优化生产流程,不仅能实现蔬果分等级筛选,还能及时发现蔬果上的虫洞、淤坏等瑕疵,便于进行蔬果次品剔除,能大幅度提升生产效率,减少生产中的浪费。目前蔬果择优技术被广泛地用于蔬菜、水果等农业生产流水线中。
传统的蔬果择优主要利用人力,以人眼发现蔬果表面的瑕疵来进行筛选,辅以输送带,电子秤等基础设备,以其大小和重量等特征再进行分类;而实践生产中,由于人眼疲劳、筛选量巨大、设备择优条件单一等各种难以避免的原因,择优准确度较低,筛选往往需要重复多次才能达到生产标准,造成重复劳作、生产损耗过大,耗时过长等问题,最终择优效果并不理想。现有生产商也有对输送带等设备进行改造,采用限高通道、抖动筛网等装置来改良生产,虽然可在一定程度上提高效率,但也容易导致蔬果损坏,无法实质性地提高择优效果。
本公开实施例提供一种蔬果择优筛选系统,所述系统可以应用于果园和水果厂等场景的蔬果择优筛选过程。
参见图1,为本公开实施例提供的一种蔬果择优筛选系统的结构示意图。如图1所示,所述蔬果择优筛选系统100主要包括:
传输组件110,所述传输组件110包括进料端和分拣端,所述传输组件110 的中间位置设置有拍摄区域111;
成像装置120,所述成像装置120设置于所述拍摄区域111上方,所述成像装置120的拍摄端朝向所述拍摄区域111;
机械臂130,所述机械臂130设置于所述分拣端;
软体吸附爪140,所述软体吸附爪140包括多个软体吸盘141、固定板142 和行走器143,多个所述软体吸盘141均与所述行走器143连接,所述行走器 143与所述固定板142的一面连接,所述固定板142的另一面与所述机械臂130 的夹持端连接;
控制器(图中未示出),所述成像装置120、所述机械臂130和所述软体吸附爪140均与所述控制器电连接,所述控制器用于控制所述成像装置120 拍摄从所述进料端输送来的蔬果,并进行外形数据分析和优选排列,根据所述优选排列控制所述机械臂130移动至对应的蔬果位置,并控制所述软体吸附爪 140吸取蔬果。
具体装配时,所述传输组件110可以包括支架和铺设在支架上的传送带,以使得所述传输组件110可以完成对蔬果从所述进料端到所述分拣端的自动传输,然后可以将所述传输组件110的中间位置定义为所述拍摄区域111并将所述成像装置120固定设置于所述拍摄区域111上方,并使得所述成像装置 120的拍摄端朝向所述拍摄区域111,例如,考虑到传输蔬果时,蔬果为运动状态,所述成像装置120可以选用高速机芯组件及高速光学镜头等组成,如图 2所示,以便于清晰拍摄每个蔬果的图像,方便后续的图像处理。然后可以在所述分拣端设置有机械臂130,然后将多个所述软体吸盘141均与所述行走器 143连接,所述行走器143与所述固定板142的一面连接,所述固定板142的另一面与所述机械臂130的夹持端连接,所述机械臂130与所述软体吸附爪140的装配结构如图3所示,再将所述成像装置120、所述机械臂130和所述软体吸附爪140均与所述控制器电连接。
在使用时,启动所述传输组件110,将待分拣蔬果从所述进料端输送至所述分拣端,在到达所述拍摄区域111时,所述控制器控制所述成像装置120 拍摄所述待分拣蔬果的图像,并根据图像进行外形数据分析和优选排列,然后在所述待分拣蔬果到达所述分拣端时,所述控制器根据所述优选排列控制所述机械臂130移动至对应的蔬果位置,并控制所述软体吸附爪140吸取蔬果,完成分拣操作。
本实施例提供的蔬果择优筛选系统,通过传输组件对蔬果自动输送,成像装置分析蔬果的外形数据,并通过控制器控制机械臂带动软体吸附爪对优选的蔬果进行吸附,完成分拣,实现了蔬果择优筛选自动化,提高了蔬果择优筛选的效率和精准度。
在上述实施例的基础上,如图4所示,所述软体吸附爪140还包括连接软管144、多个真空空腔管145和多个配流盘146,每个所述真空空腔管145与一个所述软体吸盘141顶部的端面中心处连接,且所述端面中心处设置有开孔与所述连接软管144连通,所述连接软管144通过空腔区与所述配流盘146 连接。
具体实施时,每个所述真空空腔管145与一个所述软体吸盘141顶部的端面中心处连接,且所述端面中心处设置有开孔与所述连接软管144连通,所述连接软管144通过空腔区与所述配流盘146连接,以使得所述软体吸盘141 的底面在连接后形成向内凹陷的腔体,并能根据所述控制器的控制完成吸附和松开。
进一步的,所述真空空腔管145与所述软体吸盘141的连接处设置有多个螺旋形密封圈,多个所述螺旋形密封圈多层嵌套。
具体实施时,考虑到需要所述真空空腔管145与所述软体吸盘141配合产生真空环境从而吸附蔬果,可以在所述真空空腔管145与所述软体吸盘141 的连接处设置有多个螺旋形密封圈,多个所述螺旋形密封圈多层嵌套,也可以根据所述真空空腔管145的真空腔体压力大小调整密封位置,提高密封性。
可选的,所述软体吸盘141的吸附面设置有多个环槽,所述环槽的密度由所述吸附面的中心到外逐渐降低。
具体实施时,考虑到有的蔬果不够光滑,吸附时容易掉落,则可以在所述软体吸盘141的吸附面设置有多个环槽,所述环槽的密度由所述吸附面的中心到外逐渐降低,以适应不同条件的蔬果。
可选的,所述行走器143上设置有限位块。
具体实施时,所述行走器143上可以设置有限位块,以避免所述软体吸盘 141在所述行走器143在移动时发生故障如掉落或者不同的软体吸盘141之间发生挤压。
在上述实施例的基础上,所述蔬果择优筛选系统100还包括真空发生器,所述真空发生器与所述真空空腔管145连接,所述连接软管144套接在所述真空发生器的抽气软管上,所述抽气软管设置有排气孔,所述抽气软管的排气孔与所述配流盘146的内部排气孔连接。
具体实施时,所述蔬果择优筛选系统100还可以包括有所述真空发生器,所述真空发生器与所述真空空腔管145连接,所述连接软管144套接在所述真空发生器的抽气软管上,所述抽气软管设置有排气孔,所述抽气软管的排气孔与所述配流盘146的内部排气孔连接,以使得配合产生更稳定的真空腔体压力。
此外,如图5所示,本公开实施例还提供了一种蔬果择优方法,所述方法包括:
S501,提供一蔬果择优筛选系统,所述蔬果择优筛选系统包括传输组件、成像装置、机械臂、软体吸附爪和控制器;
S502,所述传输组件将待分拣蔬果输送至拍摄区域;
具体实施时,所述传输组件可以将待分拣蔬果以任意不互相重叠的旋转状态输送至拍摄区域,还可以根据蔬果密度,在100ms~500ms的可调拍摄停留时间内。
S503,所述成像装置采集每个所述待分拣蔬果的轮廓特征;
当所述待分拣蔬果传输至所述拍摄区域时,所述成像装置对所述待分拣蔬果的表面进行持续非接触识别采集,再对所述待分拣蔬果的特征点进行定位,例如,根据不同蔬果形状,采集系统将智能选择两种采集测量模式,即完整截面测量模式以及螺旋测量模式,高速采集图像后并通过数据分析、剔除,获取蔬果轮廓的真实位移数据,取得大量数据采集点并将矢量数据传输至所述控制器,从而完成单个采集蔬果的高速轮廓特征采集与识别。
S504,根据预设算法,所述控制器根据所述轮廓特征对每个所述待分拣蔬果进行重构运算,得到每个待分拣蔬果对应的蔬果模型;
所述控制器在接收到所述轮廓特征后,根据预设算法开始进行重构运算,其基本思想为柔性构件截面轮廓重构原理,从简单的初始形状曲线出发,通过对某些目标函数的优化,由迭代计算自适应地更新隐式曲线曲面,使其逐步收敛于给定的目标形状,如计算P点在当前隐式曲线V(fk)的垂足位置通过极小化二次函数:
求得控制系数向量fk的偏移量gk,再通过更新控制向量判断是否再次循环计算,由函数:
fk+1=fk+gk
满足轮廓重构条件后,初始曲线逐步收敛于给定目标形状,完成模型重构,具体包括以下两种模式。
(a)第一种为基于完整截面步进式测量的重构模式,即由计算公式A如下方所示,基于大量采集点数据计算得出截面采集点数据计算组成轮廓的小线段的斜率,结合数据点集与重构后的曲线,分析并提取轮廓的关键点集,再按照一定顺序,取两相邻轮廓线,按关键点个数多少分别将其点集赋值给P 和Q,根据逻辑运算代入判断公式计算是否可行并取样,遍历所有点后,由相邻轮廓同步前进法,利用微三角面片连接,最后进行各部分的拼接,完成重构。计算公式A:
(b)第二种为基于螺旋式测量轨迹的重构模式,即由约束极值模型:
min{||X-P|||f(X)=0}
在选定P点对f(X)进行二阶泰勒展开:
得到二阶近似距离:
再建立Reduced-Sampson距离误差与二阶能量综合极小化模型:
得到信赖域子模型:
0<μ<μ0,0<γ1<γ2<1,γ∈(0,1),ε>0,κ:=0
得到:
再通过判断条件||bk||<ε,若是,则停止计算,输出fk,得到重构曲面轮廓,若否,则进入计算:
若ρk≤0,置fk+1=fk,否者,置fk+1=gk,总置σk+1=λσk;κ:=κ+1,回到判断条件前再次计算,最终满足条件后输出fk,得到重构曲面轮廓,完成所述蔬果模型的重构,生成的所述蔬果模型如图6所示。
S505,根据所述蔬果模型进行外形数据分析操作,生成优选排列数据;
具体实施时,在得到每个所述待分拣蔬果对应的蔬果模型后,可以将所述蔬果模型传输至所述控制器进行外形数据分析操作,并生成所述优选排序数据。
S506,根据所述优选排列数据,所述机械臂带动所述软体吸附爪移动至对应的目标蔬果位置,所述软体吸附爪吸取所述目标蔬果。
具体实施时,根据所述优选排序数据,所述控制器可以控制所述机械臂带动所述软体吸附爪移动至对应的目标蔬果位置,所述软体吸附爪吸取所述目标蔬果,完成自动分拣。当然,当完成线下蔬果择优分拣后,所述控制器还可以将对蔬果进行模拟重构的每一批对应单个蔬果的择优大数据信息保存至线上云端服务器数据库中,如体积、重量、表面重构模型、淤点、坏点坐标等一系列数据,为后续蔬果定位、标记、溯源等加工后处理提供数据支持,使蔬果择优具有可溯源性,保证了生产后的蔬果安全性。
上述本公开实施例提供的蔬果择优方法,通过采用航空发动机涡轮盘模锻过程微观组织的模拟、预测与重构的算法原理,在由图像识别进行数据采集后,利用两种数据测量模式及其对应算法进行重构计算,再以分析得出的优选排列数据对蔬果进行机械臂吸附分拣筛选,提高了分拣筛选的效率和精准度。
综上所述,上述本公开实施例的蔬果择优筛选系统及蔬果择优方法,通过设置传输组件、成像装置、机械臂、软体吸附爪和控制器,能自动输送蔬果的同时采集每个蔬果的图像,并根据每个蔬果的轮廓特征重构模型,然后根据蔬果模型生成优选排序数据,并能根据优选排序数据控制机械臂带动软体吸附爪吸取待分拣蔬果,完成分拣,实现了分拣自动化,提高了择优分拣的效率和精准度。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (4)
1.一种蔬果择优方法,其特征在于,所述方法包括:
提供一蔬果择优筛选系统,所述蔬果择优筛选系统包括传输组件、成像装置、机械臂、软体吸附爪和控制器;
所述传输组件将待分拣蔬果输送至拍摄区域;
所述成像装置采集每个所述待分拣蔬果的轮廓特征;
根据预设算法,所述控制器根据所述轮廓特征对每个所述待分拣蔬果进行重构运算,得到每个待分拣蔬果对应的蔬果模型;所述蔬果模型为三维模型;
根据所述蔬果模型进行外形数据分析操作,生成优选排列数据;
根据所述优选排列数据,所述机械臂带动所述软体吸附爪移动至对应的目标蔬果位置,所述软体吸附爪吸取所述目标蔬果;
其中,所述传输组件包括进料端和分拣端,所述传输组件的中间位置设置有拍摄区域;所述成像装置设置于所述拍摄区域上方,所述成像装置的拍摄端朝向所述拍摄区域;所述机械臂设置于所述分拣端;所述软体吸附爪包括多个软体吸盘、固定板和行走器,多个所述软体吸盘均与所述行走器连接,所述行走器与所述固定板的一面连接,所述固定板的另一面与所述机械臂的夹持端连接;所述成像装置、所述机械臂和所述软体吸附爪均与所述控制器电连接,所述控制器用于控制所述成像装置拍摄从所述进料端输送来的蔬果,并进行外形数据分析和优选排列,根据所述优选排列控制所述机械臂移动至对应的蔬果位置,并控制所述软体吸附爪吸取蔬果;
所述软体吸附爪还包括连接软管、多个真空空腔管和多个配流盘,每个所述真空空腔管与一个所述软体吸盘顶部的端面中心处连接,且所述端面中心处设置有开孔与所述连接软管连通,所述连接软管通过空腔区与所述配流盘连接;
所述蔬果择优筛选系统还包括真空发生器,所述真空发生器与所述真空空腔管连接,所述连接软管套接在所述真空发生器的抽气软管上,所述抽气软管设置有排气孔,所述抽气软管的排气孔与所述配流盘的内部排气孔连接。
2.根据权利要求1所述的方法,其特征在于,所述真空空腔管与所述软体吸盘的连接处设置有多个螺旋形密封圈,多个所述螺旋形密封圈多层嵌套。
3.根据权利要求1所述的方法,其特征在于,所述软体吸盘的吸附面设置有多个环槽,所述环槽的密度由所述吸附面的中心到外逐渐降低。
4.根据权利要求1所述的方法,其特征在于,所述行走器上设置有限位块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249727.XA CN113976475B (zh) | 2021-10-26 | 2021-10-26 | 蔬果择优方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249727.XA CN113976475B (zh) | 2021-10-26 | 2021-10-26 | 蔬果择优方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113976475A CN113976475A (zh) | 2022-01-28 |
CN113976475B true CN113976475B (zh) | 2022-09-30 |
Family
ID=79741842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111249727.XA Active CN113976475B (zh) | 2021-10-26 | 2021-10-26 | 蔬果择优方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113976475B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102431026A (zh) * | 2011-10-09 | 2012-05-02 | 田玉胜 | 吸盘式机械手 |
CN106345706A (zh) * | 2016-11-01 | 2017-01-25 | 苏州襄行智能科技有限公司 | 产品筛选分拣装置 |
CN107350173A (zh) * | 2017-08-07 | 2017-11-17 | 华中农业大学 | 一种板栗自动分拣装置和分拣方法 |
JP2018075509A (ja) * | 2016-11-08 | 2018-05-17 | ティーエスプラント有限会社 | 果菜物選別装置及び果菜物選別方法 |
CN207656721U (zh) * | 2017-12-13 | 2018-07-27 | 苏州市凯丽耐实业有限公司 | 一种具有检测提醒功能的分拣机械臂 |
CN210701224U (zh) * | 2019-08-19 | 2020-06-09 | 中山德著智能科技有限公司 | 一种基于图像识别的蔬果分拣装置 |
-
2021
- 2021-10-26 CN CN202111249727.XA patent/CN113976475B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102431026A (zh) * | 2011-10-09 | 2012-05-02 | 田玉胜 | 吸盘式机械手 |
CN106345706A (zh) * | 2016-11-01 | 2017-01-25 | 苏州襄行智能科技有限公司 | 产品筛选分拣装置 |
JP2018075509A (ja) * | 2016-11-08 | 2018-05-17 | ティーエスプラント有限会社 | 果菜物選別装置及び果菜物選別方法 |
CN107350173A (zh) * | 2017-08-07 | 2017-11-17 | 华中农业大学 | 一种板栗自动分拣装置和分拣方法 |
CN207656721U (zh) * | 2017-12-13 | 2018-07-27 | 苏州市凯丽耐实业有限公司 | 一种具有检测提醒功能的分拣机械臂 |
CN210701224U (zh) * | 2019-08-19 | 2020-06-09 | 中山德著智能科技有限公司 | 一种基于图像识别的蔬果分拣装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113976475A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609037B (zh) | 产品缺陷检测系统及方法 | |
CN106934833B (zh) | 一种散乱堆放物料拾取装置和方法 | |
Sarig | Robotics of fruit harvesting: A state-of-the-art review | |
CN107804514B (zh) | 一种基于图像识别的牙刷分拣方法 | |
CN109632033A (zh) | 一种体积测量的设备与方法 | |
CN106598043B (zh) | 面向多个动态目标的并联机器人高速拾取路径优化方法 | |
CN112715162B (zh) | 一种智能化采摘串型水果的系统 | |
CN111192237A (zh) | 一种基于深度学习的涂胶检测系统和方法 | |
CN102682286B (zh) | 基于激光视觉系统的采摘机器人果实识别方法 | |
CN109238135B (zh) | 一种基于视觉精准定位来料到测试箱的方法 | |
CN111470317B (zh) | 一种具有自清洁吸盘机械手的餐具分拣机 | |
CN106920259A (zh) | 一种定位方法及系统 | |
CN110089350A (zh) | 一种蘑菇采摘机器人系统及采摘方法 | |
CN107138432A (zh) | 非刚性物体分拣方法和装置 | |
CN115553132A (zh) | 一种基于视觉算法的荔枝识别方法和仿生荔枝采摘机器人 | |
CN111768365A (zh) | 基于卷积神经网络多特征融合的太阳能电池缺陷检测方法 | |
CN112893007A (zh) | 一种基于机器视觉的点胶系统及其点胶方法 | |
CN108480239A (zh) | 基于立体视觉的工件快速分拣方法及装置 | |
CN108764076A (zh) | 一种用于多臂采摘机器人的猕猴桃果实群多目标识别方法 | |
CN109625922A (zh) | 一种用于智能制造的自动上下料系统及方法 | |
CN116686545B (zh) | 基于机器视觉控制的荔枝采摘机器人除遮方法 | |
CN112733747A (zh) | 一种缓解阀拉杆脱落故障的识别方法、系统及装置 | |
CN113976475B (zh) | 蔬果择优方法 | |
CN114240866B (zh) | 基于二维图像与三维生长信息的组培苗分级方法及装置 | |
CN114193440B (zh) | 基于3d视觉的机器人自动抓取系统及方法 |
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 |