CN114082674B - 面扫线扫光电特征相结合的小颗粒农产品色选方法 - Google Patents

面扫线扫光电特征相结合的小颗粒农产品色选方法 Download PDF

Info

Publication number
CN114082674B
CN114082674B CN202111235116.XA CN202111235116A CN114082674B CN 114082674 B CN114082674 B CN 114082674B CN 202111235116 A CN202111235116 A CN 202111235116A CN 114082674 B CN114082674 B CN 114082674B
Authority
CN
China
Prior art keywords
agricultural products
line
scanning
area
unqualified
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
CN202111235116.XA
Other languages
English (en)
Other versions
CN114082674A (zh
Inventor
石吉勇
石宇
邹小波
黄晓玮
李志华
乔长晟
余君伟
张新爱
张迪
翟晓东
胡雪桃
申婷婷
周晨光
张钖
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.)
Jiangsu University
Original Assignee
Jiangsu University
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 Jiangsu University filed Critical Jiangsu University
Priority to CN202111235116.XA priority Critical patent/CN114082674B/zh
Priority to EP21839813.9A priority patent/EP4194108A4/en
Priority to US17/626,502 priority patent/US11878328B2/en
Priority to PCT/CN2021/128062 priority patent/WO2023065396A1/zh
Publication of CN114082674A publication Critical patent/CN114082674A/zh
Application granted granted Critical
Publication of CN114082674B publication Critical patent/CN114082674B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/36Sorting apparatus characterised by the means used for distribution
    • B07C5/363Sorting apparatus characterised by the means used for distribution by means of air
    • B07C5/367Sorting apparatus characterised by the means used for distribution by means of air using a plurality of separation means
    • B07C5/368Sorting apparatus characterised by the means used for distribution by means of air using a plurality of separation means actuated independently
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/34Sorting according to other particular properties
    • B07C5/342Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/34Sorting according to other particular properties
    • B07C5/342Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3425Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/36Sorting apparatus characterised by the means used for distribution
    • B07C5/363Sorting apparatus characterised by the means used for distribution by means of air
    • B07C5/365Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
    • B07C5/366Sorting apparatus characterised by the means used for distribution by means of air using a single separation means during free fall of the articles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2134Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0018Sorting the articles during free fall

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明属于农产品品质检测技术领域,具体涉及一种面扫线扫光电特征相结合的小颗粒农产品色选方法。主要包括颗粒农产品的面扫识别、农产品降落过程不合格农产品的线扫定位以及不合格农产品的气动分选;本发明利用面扫描相机获取输送带上颗粒农产品物料的面扫描图像,可精准的提取物料的面阵特征,实现不合格物料的精准识别;同时,本发明利用面扫描图像识别不合格物料的同时,也可为物料自由降落过程中的精准定位提供关键参数,并与线扫定位相机、气动喷嘴配合实现不合格物料的高速剔除。本发明解决了现有色选方法对小颗粒农产品分选速度快但精度差的不足,可在保证色选速度的同时提高对不合格物料的色选精度,具备广阔的应用前景。

Description

面扫线扫光电特征相结合的小颗粒农产品色选方法
技术领域
本发明属于农产品品质检测技术领域,具体涉及一种面扫线扫光电特征相结合的小颗粒农产品色选方法。
背景技术
光电色选方法根据农产品物料的光学特性差异,利用光电传感器结合气动分拣机构将颗粒物料中的异色、异形物料分选出来,可实现小颗粒农产品的品质检测。为了实现大批量小颗粒农产品的高效分选,现有的光电色选方法首先促使物料进入单层瀑布式的自由落体状态,然后利用高速线扫相机实时获取处于自由落体状态物料对应的光电信号;随后,物料对应的线扫信号被送入计算机进行快速分析并将分析结果反馈至气动分拣机构;最后,气动分拣机构在物料结束自由落体状态之前对不合格物料喷射出气流,使得不合格物料与合格物料拥有不同的下落轨迹,从而实现不合格物料的大批量色选,如专利CN201320636345.7、CN201420509399.1。
农产品物料的自由下落是一个重力持续加速的过程,物料不仅速度快且在不同高度速度差异明显,导致面阵扫描相机精确取像困难,且面阵信号分析耗时,导致气动分拣机构难以在物料结束自由下落状态前实现对不合格物料的分选。线扫描相机可以准确获取高速运动物料的线扫信号,且单条线扫信号的解析时间远远低于单幅面扫信号。因此,线扫信号被广泛用于农产物料的大批量色选。然而,受到相机性能、物料处理量、色选机高度等因素的影响,在高速下落的状态即使是高速线扫相机也难以实现颗粒物料所有表面区域的逐个解析,扫描区域的遗漏以及单线扫描信号的处理方式导致其图像解析的精度低于传统的面阵成像方式,该缺点最终呈现形式为色选方法对应的分拣精度差,如专利CN201520700362.1。
鉴于此,为了克服现有技术方案的不足,本发明利用面扫描图像解析精度高、线扫描图像信号解析速度快的特点,提出了一种面扫线扫光电特征相结合的小颗粒农产品色选方法。
发明内容
一种面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于包含颗粒农产品的面扫识别、降落过程不合格农产品的线扫定位、不合格农产品的气动分选三个步骤:
步骤一,所述颗粒农产品的面扫识别包含以下过程:
过程一,将面阵扫描相机架设于物料输送装置的输送带出料口的上方,设置相机面扫区域的宽度等同于输送带的宽度W,同时设置相机面扫区域的长度为L,输送带的输送速度为V0;循环启动相机,在不同的t时刻,得到面扫描区域包含M×N个像素的面扫描图像I_t;
过程二,利用图像处理算法对面扫描图像I_t中的颗粒农产品进行分析,逐一提取图像中单颗粒农产品的面阵特征,根据面阵特征识别出图像I_t中的不合格农产品,并标记出不合格农产品对应的区域A_t_1,A_t_2,……,A_t_(n-1),A_t_n,其中n为图像I_t中不合格农产品的颗粒数,n的取值为自然数;
过程三,以输送带传输方向y轴为正向,以面阵扫描相机扫描区域的左下顶点作为坐标原点(0,0),以像素点作为坐标刻度的最小单位,建立直角坐标系;逐一定位不合格农产品对应的区域A_t_i的中心像素P_t_i(x,y),计算A_t_i所属农产品从t时刻所在位置移动至线扫描区域所需的时间△t1_i以及A_t_i所属农产品在当前图像I_t中沿x轴方向的排列顺序p_i,从而确定A_t_i所属农产品对应的定位参数K_t_i(t,i,△t1_i,p_i)并反馈至中央控制模块,其中i∈[1,n];
步骤二,所述农产品降落过程不合格农产品的线扫定位包含以下过程:
过程一,中央控制模块根据步骤一反馈的图像I_t对应的定位参数K_t_i(t,i,△t1_i,p_i),按照△t1_i从小到大的顺序,中央控制模块依次在t+△t1_i时刻启动线扫定位相机获取A_t_i所属农产品对应的线扫描信号L_t_i,其像素个数为H;
过程二,以h作为去噪阈值,将L_t_i中小于等于h的信号值归0后,计算L_t_i中第p_i个峰对应的峰宽F_t_i,并计算半峰宽(F_t_i)/2处对应的像素位置D_t_i;
过程三,根据标定的线扫描信号像素与气动分选喷嘴的位置对应关系,结合D_t_i确定出A_t_i所属农产品对应的分选气动喷嘴q_i;同时,计算t+△t1_i时刻A_t_i所属农产品所在位置运动至气动喷嘴作用位点所需的时间△t2_i,从而确定A_t_i所属农产品的分选参数Q_t_i(t,i,△t1_i,△t2_i,q_i)并反馈至中央控制模块;
步骤三,所述不合格农产品的气动分选包含以下过程:
中央控制模块根据步骤二反馈的图像I_t对应的分选参数Q_t_i(t,i,△t1_i,△t2_i,q_i),按照△t1_i+△t2_i从小到大的顺序,中央控制模块依次在△t1_i+△t2_i时刻控制第q_i分选气动喷嘴喷出气流,改变A_t_i所属不合格农产品的下降轨迹使其掉落至不合格品槽,实现对不合格农产品的气动分选。
进一步的,步骤一中,所述A_t_i所属农产品在图像I_t中沿x轴方向的排列顺序p_i的计算方法为:首先,根据所建立直角坐标系,确定不合格农产品A_t_i的中心像素坐标P_t_i(x,y);然后,对图像I_t进行二值化处理并得到像素点(0,P_t_i(y))与像素点(M,P_t_i(y))连线上的m条线段,分别提取m条线段的两个端点的坐标(Z_k’,P_t_i(y))和(Z_k”,P_t_i(y));最后,判断不合格农产品A_t_i的中心像素坐标P_t_i(x,y)与端点坐标(Z_k’,P_t_i(y))、(Z_k”,P_t_i(y))之间的关系,当Z_k’<P_t_i(x)<Z_k”时,可确定A_t_i所属农产品在图像I_t中沿x轴排列顺序p_i=k;其中m为大于0的整数,k∈[1,m];
进一步的,步骤一中,所述A_t_i所属农产品从t时刻所在位置运动至线扫定位相机扫描区域所需的时间△t1_i的确定方法为△t1_i=△t1_i_1+△t1_i_2,其中△t1_i_1是A_t_i所属农产品由t时刻开始做匀速直线运动到输送带末端所需时间,△t1_i_2是A_t_i所属农产品由输送带末端做平抛运动到线阵扫描区域的时间。
进一步的,所述△t1_i_1的确定方式为△t1_i_1=△L_i/V0,其中V0为匀速输送带的运动速度;△L_i为不合格农产品区域A_t_i中心像素点P_t_i(x,y)距离输送带末端的水平距离;其计算方式为△L_i=L*[N-P_t_i(y)]/N;
进一步的,所述△t1_i_2确定方式为其中所述h1为输送带水平末端与线扫描区域之间的高度差,其中输送带末端边界线与线阵扫描区域平行;g为色选设备所处地区的重力加速度。
进一步的,步骤二中,所述线扫描信号像素与气动分选喷嘴的位置对应关系的标定方法为,线阵相机线扫描区域与面阵相机横向扫描区域宽度相同,均为W,且单次线扫描包含H个像素;气动喷嘴阵列的总有效作用范围的长度与线阵扫描区域相同,气动喷嘴阵列有效作用区域的中心线平行于线阵扫描区域,且二者之间的高度差为h2;假定每个分选喷嘴q_j的有效气动区间长度为E个像素,则气动喷嘴阵列有效作用于像素个数为H的线扫描区域所需的喷嘴个数R1为:
其一,当H除以E的余数mod(H/E)=0时,所需喷嘴个数R1=(H/E)个,第j个喷嘴的有效工作区间为[(j-1)*E+1,j*E],j∈[1,R1];
其二,当H除以E的余数mod(H/E)≠0时,所需喷嘴个数R1=floor(H/E)+1个;当j<R1时,第j个喷嘴的有效工作区间为[(j-1)*E+1,j*E];当j=R1时,其有效工作区间为[floor(H/E)*E+1,H],floor(H/E)代表对H除以E的整数部分,j∈[1,R1]。
进一步的,步骤二的过程三中,所述A_t_i所属农产品对应的分选气动喷嘴q_i的确定方法为q_i=floor[(D_t_i-1)/E]+1;其中floor[(D_t_i-1)/E]代表对(D_t_i-1)除以E的整数部分。
进一步的,步骤二的过程三中,所述t+△t1_i时刻不合格农产品A_t_i自当前所在位置运动至气动喷嘴作用位点所需的时间△t2_i的计算方法为其中h2为线阵扫描区域与喷嘴有效作用区域中心线之间的高度差,其中输送带末端与线扫描区域扫描线平行;g为色选设备所处地重力加速度。
进一步的,所述中央控制模块包括工业计算机、计时器、PLC控制器组成,面阵扫描相机、线扫定位相机、线阵气动喷嘴均与中央控制模块电性连接。
所述线阵相机扫描区域为一条与输送带末端边界线平行的线,其单次线扫像素为H。
本发明的有益效果:
本发明利用面扫描相机获取输送带上颗粒农产品物料的面扫描图像,可精准的提取物料的面阵特征(轮廓、大小、形状等),实现不合格物料的精准识别,克服了现有色选方法中线阵相机对不合格物料识别精度差的不足;同时,本发明利用面扫描图像识别不合格物料的同时,也可为物料自由降落过程中的精准定位提供关键参数,并与线扫定位相机、气动喷嘴配合实现不合格物料的高速剔除。本发明方案解决了现有色选方法对小颗粒农产品分选速度快但精度差的不足,可在保证色选速度的同时提高对不合格物料的色选精度。
附图说明
图1为本发明一种具体实施方式图。
图2为本发明实施例1的物品排列顺序标定示意图。
图3为本发明实施例1的基本参数标注图;其中M为面阵相机面扫描区域的横向扫描像素;N为面阵相机面扫描区域的纵向扫描像素;H为线扫定位相机的单次线扫描像素;E为单个喷嘴的有效作用长度,单位为像素;4E代表四个喷嘴的有效作用长度,单位为像素。
图1中附图标记:1-面阵扫描相机;2-物料输送装置;3-线扫定位相机;4-气动喷嘴阵列;5-合格品槽;6-不合格品槽;7-工业计算机;8-PLC控制柜;9-不合格品;10-合格品;11-线阵扫描区域;12-气动喷嘴阵列有效工作范围中心线。
具体实施方式
下面结合一些具体实施例为本发明进一步详细说明,但本发明的保护范围不仅限于这些实施例;在本发明中,小颗粒所指的粒径或长度范围为0.5-30mm。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1:
一种基于面扫线扫光电特征相结合的枸杞色选方法,其优势在于利用面扫描图像解析精度高、线扫描图像信号解析速度快的特点,以面阵相机对枸杞进行品质鉴别和分级,以线扫定位相机对农产品进行定位及剔除,进一步提升色选设备性能。
步骤一,所述基于面阵相机的枸杞品质鉴别和分级包含以下过程:
过程一,如图1所示,将面阵扫描相机1架设于物料输送装置2的输送带出料口的上方,面阵扫描相机1为MV-VS系列1394高速CCD工业相机,相机分辨率为1280×960,设置相机面扫区域的宽度等同于输送带的宽度W=0.5m,同时设置相机面扫区域的长度为L=0.3m,输送带的输送速度V0为2m/s;在物料开始输送t=1s时刻,启动相机得到面扫描区域对应的1280(M)×960(N)个像素的面扫描图像I_1;
过程二,工业计算机7内置图像处理算法,利用图像处理算法对面扫描图像I_1中的枸杞进行分析,逐一提取图像中单颗粒枸杞的面阵特征。如图3所示,根据面阵特征识别出I_1中的不合格枸杞共3个,并标记出不合格枸杞对应的3个区域A_1_1,A_1_2,A_1_3。
过程三,逐一定位不合格枸杞对应的区域A_1_i的中心像素P_1_i(x,y),经面扫相机定位可得每个不合格农产品A_1_i的中心像素分别为P_1_1(512,320),P_1_2(768,640),P_1_3(1230,800)。
计算出A_1_i所属枸杞对应的定位参数K_1_i(1,i,△t1_i,p_i)并反馈至中央控制模块,(所述中央控制模块包括工业计算机7、计时器和PLC控制器;面阵扫描相机1、线扫定位相机3、线阵气动喷嘴均与中央控制模块电性连接)其中△t1_i为A_1_i所属枸杞从t=1s时刻所在位置运动至线扫定位相机3扫描区域所需的时间;如图3所示,由图像处理结果可知A_1_1所属不合格枸杞距离输送带末端的距离为△L_1=L*[N-P_1_1(y)]/N=0.3×(960-320)/960=0.2m;故A_1_1所属不合格枸杞运动至输送带末端的所需时间△t1_1_1=△L_1/V0=0.2/2=0.1s;设计输送带末端边界线与线阵扫描区域11平行,二者之间的高度差h1=0.8m,故可求解出该枸杞做平抛运动至线扫描区域时间(其中线阵扫描区域11为一条与输送带末端的边界线平行的线;所述h1实质为2条平行线之间的距离,所以枸杞自输送带末端边界线做平抛运动至线阵扫描区域11的高度差是确定的);
故根据计算方式△t1_i=△t1_i_1+△t1_i_2,可求解出A_1_1所属枸杞从t=1s时刻所在位置移动至线阵扫描区域11所需的时间△t1_1=△t1_1_1+△t1_1_2=0.1s+0.404s=0.504s;
其中p_i为A_1_i所属农产品在图像I_1中沿x轴方向的排列顺序,其中不合格枸杞A_1_1的中心像素纵坐标P_t_i(y)=P_1_1(y)=320,对图像I_1进行二值化处理;如图2所示,对点(0,320)与点(1280,320)连线,取连线上m条线段的端点坐标,(其中线段的端点为连线上二值化后各个枸杞的两个端点;如图2所示,在点(0,320)与点(1280,320)连线之间共有m=4个枸杞,每个枸杞的两个端点连线,则各自对应连线上有4条不同的线段,以连线之间横坐标自小向大方向为正向,确定该连线上第k条线段(即m个枸杞中第k个枸杞)沿x轴方向上两端点的横坐标Z_k’,Z_k”,k∈[1,4];计算结果为Z_1’=491,Z_1”=533,Z_2’=617,Z_2”=663,Z_3’=717,Z_3”=763,Z_4’=937,Z_4”=983。不合格枸杞A_1_1的中心像素横坐标P_1_1(x)=512,Z_1’=491<P_1_1(x)=512<Z_1”=533,也即是P_1_1(x)∈[Z_1’,Z_1”],故可知p_1=1。
按区间划分,落于第一个区间则p_1=1;例如[Z_k’,Z_k”]表示第k个区间,若不合格枸杞A_t_i的中心像素横坐标位于区间[Z_k’,Z_k”]内,则其顺序为p_i=k。
同理可知,在点(0,640)与点(1280,640)连线之间,P_1_2(x)=768,Z_3’=747<P_1_2(x)=768<Z_3”=789,也即是P_1_2(x)∈[Z_3’,Z_3”],故可知p_2=3;在点(0,800)与点(1280,800)连线之间,P_1_3(x)=1230,Z_5’=1209<P_1_3(x)=1230<Z_5”=1251,也即是P_1_3(x)∈[Z_5’,Z_5”],故可知p_3=5。
综上可知A_1_1所属不合格枸杞其定位参数为K_1_1(1,1,0.504,1),该定位参数的物理意义表述如下:在输送带运动1s时刻,面阵扫描相机1采集扫描区域内的图像I_1,计算机对采集到的图像I_1进行图像处理。处理后的结果为A_1_1所属不合格枸杞相对于点(0,320)与点(1280,320)连线之间的其它枸杞,沿x轴方向,其位置处于的第一个,并将于0.504s后下落至线阵扫描区域11。
同理可求得其余各不合格枸杞定位参数分别为K_1_2(1,2,0.454,3),K_1_3(1,3,0.429,5)。
步骤二,所述降落过程不合格枸杞A_1_1,A_1_2,A_1_3的线扫定位包含以下过程:
过程一,分别在0.504s,0.454s,0.429s三个不同时刻后开启线扫相机获取3个不合格农产品的线扫描信号L_1_i,i∈[1,3],所选用线扫定位相机3单次线扫包含的像素H=1280个像素;由0.429s<0.454s<0.504s的从小到大的顺序依次获取的线扫描信号为L_1_3,L_1_2,L_1_1。
过程二,以h作为去噪阈值,将L_t_i中小于等于h的信号值归0后,计算L_t_i中第p_i个峰对应的峰宽F_t_i,并计算半峰宽(F_t_i)/2处对应的像素位置D_t_i。
以A_1_3对应的枸杞为例,确定其分选参数Q_1_i(1,i,△t1_i,△t2_i,q_i):根据A_1_3枸杞对应的定位参数K_1_3(1,3,0.429,5),可知其时间△t1_3=0.429s为最短时间,可知最早被线扫相机检测到的信号为A_1_3枸杞,其排列顺序p_3=5,可知该枸杞是点(0,800)与(1280,800)连线上的第5个枸杞,经过计算机处理后可知,线扫描信号L_1_3的第5个信号峰其半峰宽的像素位置D_1_3=1230。
过程三,首先,标定需要启动的气动喷嘴,所选用气动喷嘴有效工作范围E=60个像素;然后,由计算式mod(H/E)=mod(1280/60)=20≠0,将该气动喷嘴阵列划分为floor(1280/60)+1=22个区间,也即是需要R1=22个喷嘴,前21个喷嘴的总有效工作区间为[1,1260],第22个喷嘴的有效工作区间为[1261,1280];
已知不合格枸杞A_1_3的线扫描信号L_1_3其半峰宽的像素位置D_1_3=1230,则由计算式q_i=floor[(D_t_i-1)/E]+1可得出q_3=floor[(1230-1)/60]+1=21。故用于剔除不合格枸杞A_1_3的喷嘴为第21个喷嘴。
随后,计算t+△t1_3=1.429s时刻A_1_3所属枸杞所在位置运动至气动喷嘴作用位点所需的时间△t2_3,设定气动喷嘴阵列有效工作范围中心线12与线阵扫描区域11平行,二者之间的高度差为h2=0.05m,则由公式求解得出在t+△t1_3=1.429s时刻后,A_1_3所属枸杞运动至气动喷嘴作用位点所需的时间△t2_3=0.012s;
h2的实质是两条平行线之间距离,气动喷嘴阵列有效工作范围中心线12与线阵扫描区域11平行,所以两条平行线之间的高度差h2是确定的。
最后,计算得出A_1_3对应的不合格枸杞其分选参数Q_1_3(1,3,0.429,0.012,21);分选参数Q_1_3中各参数的物理意义表述如下:物料自开始输送,在t=1s时刻,面阵扫描相机1启动并采集扫描区域内的图像I_1,之后传送给工业计算机7进行信号处理,并识别出图像I_1中有3个不合格枸杞。在经过0.429s后,第一个不合格枸杞A_1_3经过线扫描定位模块;定位完成后,又经过0.012s,第一个不合格枸杞A_1_3进入气动喷嘴阵列4的第21个气动喷嘴的有效工作位点;所以在经过1+0.429+0.012=1.441s时间后,以物料输送方向为正向,自左向右的第21个气动喷嘴在中央控制模块发出的指令控制下喷出气流,将A_1_3不合格枸杞剔除。
同理可计算出其它不合格枸杞的分选参数分别为:Q_1_1(1,1,0.504,0.012,9),Q_1_2(1,2,0.454,0.012,13)。
步骤三,中央控制模块根据上述不同枸杞的分选参数在物料开始输送的1.516s时刻开启第9个气动喷嘴将A_1_1枸杞剔除,在1.466s时刻开启第13个气动喷嘴将A_1_2枸杞剔除,在1.441s时刻开启第21个气动喷嘴将A_1_3枸杞剔除;剔除的不合格品9进入不合格品槽6,合格品10则落入合格品槽5。
说明:以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案;因此,尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明,但是本领域的普通技术人员应当理解,仍然可以对本发明进行修改或等同替换;而一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围内。

Claims (9)

1.面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,按照下述步骤进行:
步骤一,所述颗粒农产品的面扫识别包含以下过程:
过程一,将面阵扫描相机架设于物料输送装置的输送带出料口的上方,设置相机面扫区域的宽度等同于输送带的宽度W,同时设置相机面扫区域的长度为L,传送带的输送速度为V0;循环启动相机,在不同的t时刻,得到面扫描区域包含M×N个像素的面扫描图像I_t;
过程二,利用图像处理算法对面扫描图像I_t中的颗粒农产品进行分析,逐一提取图像中单颗粒农产品的面阵特征,根据面阵特征识别出图像I_t中的不合格农产品,并标记出不合格农产品对应的区域A_t_1,A_t_2,……,A_t_(n-1),A_t_n,其中n为图像I_t中不合格农产品的颗粒数,n的取值为自然数;
过程三,以输送带传输方向y轴为正向,以面阵扫描相机扫描区域的左下顶点作为坐标原点(0,0),以像素点作为坐标刻度的最小单位,建立直角坐标系;逐一定位不合格农产品对应的区域A_t_i的中心像素P_t_i(x,y),计算A_t_i所属农产品从t时刻所在位置移动至线扫描区域所需的时间△t1_i以及A_t_i所属农产品在当前图像I_t中沿x轴方向的排列顺序p_i,从而确定A_t_i所属农产品对应的定位参数K_t_i(t,i,△t1_i,p_i)并反馈至中央控制模块,其中i∈[1,n];
步骤二,所述农产品降落过程不合格农产品的线扫定位包含以下过程:
过程一,中央控制模块根据步骤一反馈的图像I_t对应的定位参数K_t_i(t,i,△t1_i,p_i),按照△t1_i从小到大的顺序,中央控制模块依次在t+△t1_i时刻启动线扫定位相机获取A_t_i所属农产品对应的线扫描信号L_t_i,其像素个数为H;
过程二,以H作为去噪阈值,将L_t_i中小于等于H的信号值归0后,计算L_t_i中第p_i个峰对应的峰宽F_t_i,并计算半峰宽(F_t_i)/2处对应的像素位置D_t_i;
过程三,根据标定的线扫描信号像素与气动分选喷嘴的位置对应关系,结合D_t_i确定出A_t_i所属农产品对应的分选气动喷嘴q_i;同时,计算t+△t1_i时刻A_t_i所属农产品所在位置运动至气动喷嘴作用位点所需的时间△t2_i,从而确定A_t_i所属农产品的分选参数Q_t_i(t,i,△t1_i,△t2_i,q_i)并反馈至中央控制模块;
步骤三,所述不合格农产品的气动分选包含以下过程:
中央控制模块根据步骤二反馈的图像I_t对应的分选参数Q_t_i(t,i,△t1_i,△t2_i,q_i),按照△t1_i+△t2_i从小到大的顺序,中央控制模块依次在△t1_i+△t2_i时刻控制第q_i分选气动喷嘴喷出气流,改变A_t_i所属不合格农产品的下降轨迹,实现对不合格农产品的气动分选。
2.根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,步骤一中,所述A_t_i所属农产品在图像I_t中沿x轴方向的排列顺序p_i的计算方法为:首先,根据所建立直角坐标系,确定不合格农产品A_t_i的中心像素坐标P_t_i(x,y);然后,对图像I_t进行二值化处理并得到像素点(0,P_t_i(y))与像素点(M,P_t_i(y))连线上的m条线段,分别提取m条线段的两个端点的坐标(Z_k’,P_t_i(y))和(Z_k”,P_t_i(y));最后,判断不合格农产品A_t_i的中心像素坐标P_t_i(x,y)与端点坐标(Z_k’,P_t_i(y))、(Z_k”,P_t_i(y))之间的关系,当Z_k’<P_t_i(x)<Z_k”时,可确定A_t_i所属农产品在图像I_t中沿x轴排列顺序p_i=k;其中m为大于0的整数,k∈[1,m]。
3.根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,步骤一中,所述A_t_i所属农产品从t时刻所在位置运动至线扫定位相机扫描区域所需的时间△t1_i的确定方法为△t1_i=△t1_i_1+△t1_i_2,其中△t1_i_1是A_t_i所属农产品由t时刻开始做匀速直线运动到输送带末端所需时间,△t1_i_2是A_t_i所属农产品由输送带末端做平抛运动到线阵扫描区域的时间。
4.根据权利要求3所述的面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,所述△t1_i_1的确定方式为,△t1_i_1=△L_i/V0,其中V0为匀速输送带的运动速度;△L_i为不合格农产品区域A_t_i中心像素点P_t_i(x,y)距离输送带末端的水平距离;其计算方式为△L_i=L*[N-P_t_i(y)]/N。
5.根据权利要求3面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,所述△t1_i_2确定方式为其中所述h1为传送带水平末端与线扫描区域之间的高度差,其中输送带末端边界线与线阵扫描区域平行;g为色选设备所处地区的重力加速度。
6.根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,步骤二中,所述线扫描信号像素与气动分选喷嘴的位置对应关系的标定方法为,线阵相机线扫描区域与面阵相机横向扫描区域宽度相同,均为W,且单次线扫描包含H个像素;气动喷嘴阵列的总有效作用范围的长度与线阵扫描区域相同,气动喷嘴阵列有效作用区域的中心线平行于线阵扫描区域,且二者之间的高度差为h2;假定每个分选喷嘴q_j的有效气动区间长度为E个像素,则气动喷嘴阵列有效作用于像素个数为H的线扫描区域所需的喷嘴个数R1为:
其一,当H除以E的余数mod(H/E)=0时,所需喷嘴个数R1=(H/E)个,第j个喷嘴的有效工作区间为[(j-1)*E+1,j*E],j∈[1,R1];
其二,当H除以E的余数mod(H/E)≠0时,所需喷嘴个数R1=floor(H/E)+1个;当j<R1时,第j个喷嘴的有效工作区间为[(j-1)*E+1,j*E];当j=R1时,其有效工作区间为[floor(H/E)*E+1,H],floor(H/E)代表对H除以E取整数部分,j∈[1,R1]。
7.根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,步骤二的过程三中,所述A_t_i所属农产品对应的分选气动喷嘴q_i的确定方法为q_i=floor[(D_t_i-1)/E]+1;其中floor[(D_t_i-1)/E]代表对(D_t_i-1)除以E取整数部分。
8.根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,步骤二的过程三中,所述t+△t1_i时刻不合格农产品A_t_i自当前所在位置运动至气动喷嘴作用位点所需的时间△t2_i的计算方法为其中h2为线阵扫描区域与喷嘴有效作用区域中心线之间的高度差,其中输送带末端与线扫描区域扫描线平行;g为色选设备所处地重力加速度;所述h2为线扫描区域与喷嘴有效作用区域中心线之间的高度差,故h2为一确定值。
9.根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法,其特征在于,所述中央控制模块包括工业计算机、计时器、PLC控制器;面阵扫描相机、线扫定位相机、线阵气动喷嘴均与中央控制模块电性连接。
CN202111235116.XA 2021-10-22 2021-10-22 面扫线扫光电特征相结合的小颗粒农产品色选方法 Active CN114082674B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202111235116.XA CN114082674B (zh) 2021-10-22 2021-10-22 面扫线扫光电特征相结合的小颗粒农产品色选方法
EP21839813.9A EP4194108A4 (en) 2021-10-22 2021-11-02 COLOR SORTING PROCESS FOR SMALL AGRICULTURAL PRODUCTS WITH A COMBINATION OF AREA SCANNING PHOTOELECTRIC CHARACTERISTICS AND LINE SCANNING PHOTOELECTRIC CHARACTERISTICS
US17/626,502 US11878328B2 (en) 2021-10-22 2021-11-02 Color sorting method for small-grain agricultural products combining area scanning photoelectric characteristic and line scanning photoelectric characteristic
PCT/CN2021/128062 WO2023065396A1 (zh) 2021-10-22 2021-11-02 面扫线扫光电特征相结合的小颗粒农产品色选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111235116.XA CN114082674B (zh) 2021-10-22 2021-10-22 面扫线扫光电特征相结合的小颗粒农产品色选方法

Publications (2)

Publication Number Publication Date
CN114082674A CN114082674A (zh) 2022-02-25
CN114082674B true CN114082674B (zh) 2023-10-10

Family

ID=80297409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111235116.XA Active CN114082674B (zh) 2021-10-22 2021-10-22 面扫线扫光电特征相结合的小颗粒农产品色选方法

Country Status (4)

Country Link
US (1) US11878328B2 (zh)
EP (1) EP4194108A4 (zh)
CN (1) CN114082674B (zh)
WO (1) WO2023065396A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116140230A (zh) * 2023-04-18 2023-05-23 北京霍里思特科技有限公司 用于物料分选的方法及其相关产品

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101234381A (zh) * 2008-03-07 2008-08-06 天津市华核科技有限公司 基于视觉识别的颗粒物料分选分级方法
CN101439335A (zh) * 2008-12-26 2009-05-27 天津市华核科技有限公司 采用彩色电荷藕合器件的多功能色选方法
CN103611691A (zh) * 2013-12-17 2014-03-05 江苏大学 一种渗油软胶囊在线检测装置
CN104138851A (zh) * 2014-06-25 2014-11-12 山东大学 基于振动给料与成像识别的大颗粒物料分选系统及方法
CN104646315A (zh) * 2015-03-02 2015-05-27 青岛农业大学 一种具有黄曲霉素检测功能的农产品智能分选机
CN106391506A (zh) * 2015-06-08 2017-02-15 绿索仕(徐州)环境科技有限公司 建筑垃圾色彩分选系统
CN110077812A (zh) * 2014-04-21 2019-08-02 昕芙旎雅有限公司 送料器用图像处理装置以及送料器
CN110090818A (zh) * 2019-04-19 2019-08-06 浙江大学 一种智能色选装备高精细气流自适应控制方法
CN113458016A (zh) * 2021-08-17 2021-10-01 江苏大学 基于面阵图像特征的小颗粒农产品色选装置
CN113458013A (zh) * 2021-05-13 2021-10-01 深圳市蓝际工业技术有限公司 基于ccd检测和皮带供料的建筑垃圾分选系统和方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5305894A (en) * 1992-05-29 1994-04-26 Simco/Ramic Corporation Center shot sorting system and method
US5848706A (en) * 1996-03-19 1998-12-15 Sortex Limited Sorting apparatus
FR2860581B1 (fr) * 2003-10-03 2006-04-14 A Resposabilte Limitee De La B Procede et installation pour le controle de qualite en boulangerie
EP1975603A1 (en) * 2007-03-27 2008-10-01 Visys NV Method and system for use in inspecting and/or removing unsuitable objects from a stream of products and a sorting apparatus implementing the same
WO2009015486A1 (en) * 2007-08-02 2009-02-05 Montrose Technologies Inc. Apparatus for inspecting and grouping articles traveling on a conveyor
CN101279321B (zh) * 2008-05-14 2012-10-10 合肥泰禾光电科技股份有限公司 颗粒物料光学色选机
CN101823057A (zh) * 2009-03-04 2010-09-08 上海亦晨信息科技发展有限公司 大米色选仪系统
JP5569799B2 (ja) * 2010-06-18 2014-08-13 株式会社サタケ 色彩選別機
KR101194776B1 (ko) * 2012-01-19 2012-10-25 주식회사 아이디알시스템 3단 색채 선별장치
CN203610329U (zh) 2013-10-16 2014-05-28 天津佳柱电子科技有限公司 大米色选机
CN103697833B (zh) * 2013-12-30 2016-03-09 北京农业智能装备技术研究中心 农产品形状检测方法及装置
EP2907592A1 (en) * 2014-02-13 2015-08-19 Buhler Sortex Ltd. Sorting apparatus and method
DE102014207157A1 (de) * 2014-02-28 2015-09-03 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Fördersystem, Anlage zur Schüttgutsortierung mit einem solchen Fördersystem und Transportverfahren
CN204159564U (zh) 2014-09-05 2015-02-18 东莞市新泰粮食有限公司 大米色选机
CN204974516U (zh) 2015-09-11 2016-01-20 赣州谷神米业有限公司 大米色选机
US10197504B2 (en) * 2016-10-10 2019-02-05 Altria Client Services Llc Method and system of detecting foreign materials within an agricultural product stream
FR3100140B1 (fr) * 2019-08-30 2021-09-17 Ets Dubrulle Dispositif de tri pour produits agricoles, et procédé correspondant
CN111833385A (zh) * 2020-07-20 2020-10-27 山东科技大学 一种视觉技术用智能检测装置成像系统及成像方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101234381A (zh) * 2008-03-07 2008-08-06 天津市华核科技有限公司 基于视觉识别的颗粒物料分选分级方法
CN101439335A (zh) * 2008-12-26 2009-05-27 天津市华核科技有限公司 采用彩色电荷藕合器件的多功能色选方法
CN103611691A (zh) * 2013-12-17 2014-03-05 江苏大学 一种渗油软胶囊在线检测装置
CN110077812A (zh) * 2014-04-21 2019-08-02 昕芙旎雅有限公司 送料器用图像处理装置以及送料器
CN104138851A (zh) * 2014-06-25 2014-11-12 山东大学 基于振动给料与成像识别的大颗粒物料分选系统及方法
CN104646315A (zh) * 2015-03-02 2015-05-27 青岛农业大学 一种具有黄曲霉素检测功能的农产品智能分选机
CN106391506A (zh) * 2015-06-08 2017-02-15 绿索仕(徐州)环境科技有限公司 建筑垃圾色彩分选系统
CN110090818A (zh) * 2019-04-19 2019-08-06 浙江大学 一种智能色选装备高精细气流自适应控制方法
CN113458013A (zh) * 2021-05-13 2021-10-01 深圳市蓝际工业技术有限公司 基于ccd检测和皮带供料的建筑垃圾分选系统和方法
CN113458016A (zh) * 2021-08-17 2021-10-01 江苏大学 基于面阵图像特征的小颗粒农产品色选装置

Also Published As

Publication number Publication date
EP4194108A1 (en) 2023-06-14
WO2023065396A1 (zh) 2023-04-27
CN114082674A (zh) 2022-02-25
US11878328B2 (en) 2024-01-23
EP4194108A4 (en) 2023-07-05
US20230256473A1 (en) 2023-08-17

Similar Documents

Publication Publication Date Title
CN110174334B (zh) 一种粗骨料形态质量检测系统及方法
CN106409711B (zh) 一种太阳能硅晶片缺陷检测系统及方法
US4446481A (en) Automatic product inspection system
CN103170459B (zh) 镜片瑕疵检测系统
CN102495076B (zh) 一种基于机器视觉的拉链金属链牙缺陷检测方法
CN101105459A (zh) 一种空瓶瓶口缺陷的检测方法及装置
KR20150119398A (ko) 광학식 입상물 선별기
CN114082674B (zh) 面扫线扫光电特征相结合的小颗粒农产品色选方法
CN103913468A (zh) 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法
CN215314059U (zh) 基于面阵图像特征的小颗粒农产品色选装置
FI67043C (fi) Foerfarande och anordning foer klassificering av styckegods so befinner sig i roerelse
CN103406286A (zh) 一种基于LabVIEW的水果外部品质在线分级方法
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN113458016A (zh) 基于面阵图像特征的小颗粒农产品色选装置
US5311977A (en) High resolution parts handling system
CN111487192A (zh) 一种基于人工智能的机器视觉表面缺陷检测装置及方法
US20210129188A1 (en) Seed sorting
CN114280073A (zh) 激光和相机复合检测方式的瓷砖缺陷检测装置及分级方法
CN113640310A (zh) 瓷砖表面缺陷检测视觉系统及检测方法
CN201357150Y (zh) 白瓜子色选机
CN109701890A (zh) 磁瓦表面缺陷检测与分拣方法
CN109063738B (zh) 一种压缩感知的陶瓷水阀片自动在线检测方法
CN107413674B (zh) 一种作物种籽在线分拣方法及系统
CN203111594U (zh) 一种在卷烟物流中烟箱缺条的自动分拣装置
CN113066085B (zh) 一种目标实时视频测速方法、装置、设备和介质

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