CN114082675A - 一种用于杨梅品质检测的自动分级装置及其分级方法 - Google Patents

一种用于杨梅品质检测的自动分级装置及其分级方法 Download PDF

Info

Publication number
CN114082675A
CN114082675A CN202111254339.0A CN202111254339A CN114082675A CN 114082675 A CN114082675 A CN 114082675A CN 202111254339 A CN202111254339 A CN 202111254339A CN 114082675 A CN114082675 A CN 114082675A
Authority
CN
China
Prior art keywords
camera
waxberry
waxberries
fruit tray
color
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.)
Pending
Application number
CN202111254339.0A
Other languages
English (en)
Inventor
袁雷明
游历凡
杨小峰
傅雪平
陈孝敬
孙一叶
李理敏
陈熙
黄光造
石文
冯绍然
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.)
Wenzhou University
Original Assignee
Wenzhou 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 Wenzhou University filed Critical Wenzhou University
Priority to CN202111254339.0A priority Critical patent/CN114082675A/zh
Publication of CN114082675A publication Critical patent/CN114082675A/zh
Pending legal-status Critical Current

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
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • 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
    • B07C5/04—Sorting according to size
    • B07C5/10—Sorting according to size measured by light-responsive 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
    • 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
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G15/00—Conveyors having endless load-conveying surfaces, i.e. belts and like continuous members, to which tractive effort is transmitted by means other than endless driving elements of similar configuration
    • B65G15/30—Belts or like endless load-carriers
    • B65G15/58—Belts or like endless load-carriers with means for holding or retaining the loads in fixed position, e.g. magnetic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B65G43/08—Control devices operated by article or material being fed, conveyed or discharged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G65/00—Loading or unloading
    • B65G65/30—Methods or devices for filling or emptying bunkers, hoppers, tanks, or like containers, of interest apart from their use in particular chemical or physical processes or their application in particular machines, e.g. not covered by a single other subclass
    • B65G65/32—Filling devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • B07C2501/0081—Sorting of food items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Sorting Of Articles (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种用于杨梅品质检测的自动分级装置及其分级方法，通过传输单元、视觉成像单元、分拣单元和数据处理单元构建自动分级装置，传输单元包括环形的传输带、驱动机构和多个存料机构，每个存料机构分别包括用于存放杨梅的果盘、第一竖杆、第二竖杆、第一横杆和配重球，视觉成像单元包括第一相机、第二相机、卤素灯和高通近红外滤波片，分拣单元包括n‑1个电动拨杆、一个推杆、n个收纳盒以及n个引导轨道，数据处理单元包括数据处理器和显示屏，在分级过程中，杨梅之间不接触，且结合图像处理方法和分类模型来确定杨梅等级；优点是能够避免杨梅受到碰撞挤压，适用于长时间、大批量杨梅分级，分级稳定性和效率均较高。

Description

一种用于杨梅品质检测的自动分级装置及其分级方法
技术领域
本发明涉及一种杨梅品质检测技术，尤其是涉及一种用于杨梅品质检测的自动分级装置及其分级方法。
背景技术
杨梅(Myrica rubra Sieb.et Zucc)为我国南方特色水果，属杨梅科杨梅属的多年生常绿乔木。杨梅果实富含糖、酸、花色苷、维生素和矿物质等，风味浓郁。杨梅品质是决定市场价格的重要因素。杨梅酸甜可口，深受各个年龄段的消费者喜欢。但是，杨梅主产区主要集中于江苏南部、浙江、福建、云南等地，外地消费者往往通过快递运输才可以品尝到新鲜杨梅。
目前，包装销售的杨梅，对杨梅品质的分级，主要是依靠杨梅颜色和大小指标。而杨梅品质的分级主要是通过人工粗略分拣包装。但人工分拣方法，是依靠有经验者的视力，主观性强、稳定性差，且视觉易疲劳、效率低，不适合长时间、大批量杨梅产品的分级。当前虽然已经出现了一些自动化的分拣技术，比如专利申请号为200710118974.X的中国专利中公开的一种基于机器视觉的苹果检测分级方法、专利申请号为200910079727.2的中国专利中公开的一种果品分检装置及板栗分检方法等。但是，上述基于机器视觉的苹果检测分级方法中水果需要在在滚轮上自动翻滚，而上述果品分检装置中，通过推杆或气泵来施加一个外力使果品离开主干线，由此这两种技术在分拣过程中，被分拣的水果会受到及压力，杨梅汁多质软，无外皮保护，很容易被挤压而损伤。由此这两种分拣技术仅适用于有外皮保护的苹果或者橘子等水果，无法用于杨梅分级。
鉴此，设计一种用于杨梅品质检测的自动分级装置及其分级方法，对于提高杨梅分级稳定性和效率具有重要意义。
发明内容
本发明所要解决的技术问题之一是提供一种能够避免杨梅受到碰撞挤压适用于长时间、大批量杨梅分级，分级稳定性和效率均较高的用于杨梅品质检测的自动分级装置。
本发明解决上述技术问题之一所采用的技术方案为：一种用于杨梅品质检测的自动分级装置，包括传输单元、视觉成像单元、分拣单元和数据处理单元；
所述的传输单元包括环形的传输带、用于驱动所述的传输带移动的驱动机构和多个存料机构，多个存料机构均匀间隔安装在所述的传输带上，每个所述的存料机构分别包括用于存放杨梅的果盘、第一竖杆、第二竖杆、第一横杆和配重球，所述的果盘为椭圆形状，所述的第一竖杆的下端固定在所述的传输带上，所述的第一竖杆的上端和所述的第一横杆的一端固定连接，所述的第一横杆的另一端从所述的果盘的一端插入，所述的果盘位于所述的传输带的外侧，所述的第二竖杆的上端固定在所述的果盘的底部，所述的配重球位于所述的竖杆的下方，且固定在所述的第二竖杆的另一端上，当所述的第二竖杆受到外力作用时，所述的果盘能够绕所述的第一横杆的另一端旋转，当所述的第二竖杆不受外力时，能够保持所述的果盘正面朝上处于平衡状态，此时所述的果盘在传输过程中不会绕所述的第一横杆的另一端旋转；
所述的视觉成像单元包括第一相机、第二相机、卤素灯和高通近红外滤波片，所述的第一相机和所述的第二相机并行设置在所述的果盘的传输路径上方，且距离传输路径的起始端的距离为传输路径的1/4至1/3，所述的第一相机用于拍摄果盘的彩色图像，所述的第二相机用于拍摄果盘的黑白图像，所述的卤素灯用于为所述的第一相机和所述的第二相机提供照明光源，所述的高通近红外滤波片设置在所述的第二相机的镜头前侧，用于滤除可见光，避免可见光进入所述的第二相机，使所述的第二相机拍摄近红外光波段的图像；
所述的分拣单元包括n-1个电动拨杆、一个推杆、n个收纳盒以及n个引导轨道，n等于杨梅分级的等级数，n-1个电动拨杆位于所述的视觉成像单元的后侧，且沿所述的果盘的传输路径从前向后依次间隔排布，所述的推杆设置在所述的果盘的传输路径的末端，n个收纳盒分别用于收纳n个等级的杨梅，n-1个电动拨杆和所述的推杆处分别设置有一个收纳盒和一个引导轨道，将n个收纳盒按照从前向后顺序称为第1个收纳盒至第n个收纳盒，第i个收纳盒用于收纳第i个等级的杨梅，i＝1，2，…，n，将第i个收纳盒处的电动拨杆称为第i级电动拨杆，所述的推杆处的收纳盒用于收纳第n个等级的杨梅，每个电动拨杆均具有初始状态和工作状态，每个电动拨杆的默认状态为初始状态，在初始状态时，所述的电动拨杆不能拨动经过其处的果盘上的第二竖杆使果盘翻转，在工作状态时，所述的电动拨杆能够拨动经过其处的果盘上的第二竖杆，使果盘翻转，当果盘中有杨梅时，杨梅会沿该处引导轨道滑落至该处收纳盒中，所述的推杆只具有工作状态，当有果盘经过所述的推杆处时，所述的推杆能够拨动经过其处的果盘上的第二竖杆，使果盘翻转，当果盘中有杨梅时，杨梅会沿该处引导轨道滑落至该处收纳盒中；
所述的数据处理单元包括数据处理器和显示屏，所述的显示屏和所述的数据处理器连接，所述的数据处理器分别与所述的驱动机构、所述的第一相机、第二相机和n-1个电动拨杆连接，所述的第一相机和所述的第二相机在所述的数据处理器控制下拍摄经过其处的果盘图像并发送给所述的数据处理器，所述的数据处理器对所述的第一相机和所述的第二相机拍摄的果盘图像进行处理识别，确定果盘内杨梅等级，当果盘中的杨梅等级被判定为第j级时，j＝1，2，…，n-1，在该果盘传送至第j级电动拨杆处时，所述的数据处理器驱动第j级电动拨杆进入工作状态，果盘被推翻使其内杨梅沿该处引导轨道滑落至第j个收纳盒中，被第j个收纳盒收纳，然后所述的数据处理器再驱动第j级电动拨杆恢复初始状态，当杨梅等级判定为第n级时，所述的数据处理器不驱动任何一个电动拨杆，所述的数据处理器还实时统计杨梅总数量以及各级杨梅总数量，所述的显示屏处用于显示所述的数据处理器得到的相关数据。
所述的果盘正面贴附有黑色绒布，所述的黑色绒布能够避免后续图像处理过程中果盘正面对杨梅图像分割造成干扰，保证杨梅图像分割的精度。
与现有技术相比，本发明的分级装置的优点在于通过传输单元、视觉成像单元、分拣单元和数据处理单元构建自动分级装置，传输单元包括环形的传输带、用于驱动传输带移动的驱动机构和多个存料机构，多个存料机构均匀间隔安装在传输带上，每个存料机构分别包括用于存放杨梅的果盘、第一竖杆、第二竖杆、第一横杆和配重球，果盘为椭圆形状，第一竖杆的下端固定在传输带上，第一竖杆的上端和第一横杆的一端固定连接，第一横杆的另一端从果盘的一端插入，果盘位于传输带的外侧，第二竖杆的上端固定在果盘的底部，配重球位于竖杆的下方，且固定在第二竖杆的另一端上，当第二竖杆受到外力作用时，果盘能够绕第一横杆的另一端旋转，当第二竖杆不受外力时，能够保持果盘正面朝上处于平衡状态，此时果盘在传输过程中不会绕第一横杆的另一端旋转；视觉成像单元包括第一相机、第二相机、卤素灯和高通近红外滤波片，第一相机和第二相机并行设置在果盘的传输路径上方，且距离传输路径的起始端的距离为传输路径的1/4至1/3，第一相机用于拍摄果盘的彩色图像，第二相机用于拍摄果盘的黑白图像，卤素灯用于为第一相机和第二相机提供照明光源，高通近红外滤波片设置在第二相机的镜头前侧，用于滤除可见光，避免可见光进入第二相机，使第二相机拍摄近红外光波段的图像；分拣单元包括n-1个电动拨杆、一个推杆、n个收纳盒以及n个引导轨道，n等于杨梅分级的等级数，n-1个电动拨杆位于视觉成像单元的后侧，且沿果盘的传输路径从前向后依次间隔排布，推杆设置在果盘的传输路径的末端，n个收纳盒分别用于收纳n个等级的杨梅，n-1个电动拨杆和推杆处分别设置有一个收纳盒和一个引导轨道，将n个收纳盒按照从前向后顺序称为第1个收纳盒至第n个收纳盒，第i个收纳盒用于收纳第i个等级的杨梅，i＝1，2，…，n，将第i个收纳盒处的电动拨杆称为第i级电动拨杆，推杆处的收纳盒用于收纳第n个等级的杨梅，每个电动拨杆均具有初始状态和工作状态，每个电动拨杆的默认状态为初始状态，在初始状态时，电动拨杆不能拨动经过其处的果盘上的第二竖杆使果盘翻转，在工作状态时，电动拨杆能够拨动经过其处的果盘上的第二竖杆，使果盘翻转，当果盘中有杨梅时，杨梅会沿该处引导轨道滑落至该处收纳盒中，推杆只具有工作状态，当有果盘经过推杆处时，推杆能够拨动经过其处的果盘上的第二竖杆，使果盘翻转，当果盘中有杨梅时，杨梅会沿该处引导轨道滑落至该处收纳盒中；数据处理单元包括数据处理器和显示屏，显示屏和数据处理器连接，数据处理器分别与驱动机构、第一相机、第二相机和n-1个电动拨杆连接，第一相机和第二相机在数据处理器控制下拍摄经过其处的果盘图像并发送给数据处理器，数据处理器对第一相机和第二相机拍摄的果盘图像进行处理识别，确定果盘内杨梅等级，当果盘中的杨梅等级被判定为第j级时，j＝1，2，…，n-1，在该果盘传送至第j级电动拨杆处时，数据处理器驱动第j级电动拨杆进入工作状态，果盘被推翻使其内杨梅沿该处引导轨道滑落至第j个收纳盒中，被第j个收纳盒收纳，然后数据处理器再驱动第j级电动拨杆恢复初始状态，当杨梅等级判定为第n级时，数据处理器不驱动任何一个电动拨杆，数据处理器还实时统计杨梅总数量以及各级杨梅总数量，显示屏处用于显示数据处理器得到的相关数据，由此本发明在分级过程中，能够避免杨梅受到碰撞挤压，适用于长时间、大批量杨梅分级，且分级稳定性和效率均较高。
本发明所要解决的技术问题之二是提供一种分级稳定性较高，且分级效率较高，能够适用于长时间、大批量杨梅的分级的用于杨梅品质检测的自动分级装置的分级方法。
本发明解决上述技术问题之二所采用的技术方案为：一种用于杨梅品质检测的自动分级装置的分级方法，包括以下步骤：
步骤1、在所述的数据处理器存储中预存如下数据：所述的传输带的速度v、相邻两个果盘之间的中心间距l、所述的第一相机和所述的第二相机的拍摄中心连线与第1级电动拨杆的水平距离L、第1级电动拨杆与第k级电动拨杆之间的距离(k-1)*2l，k＝2，3，…，n-1，所述的第一相机和所述的第二相机的拍摄中心连线与第k级电动拨杆之间的距离L+(k-1)*2l、果盘从所述的第一相机和所述的第二相机处传送至第j级电动拨杆处的时间(L+(j-1)*2l)/v；其中，v的取值范围为3m/s～6m/s，l的取值范围为10cm～30cm，L大于1m；
步骤2、开启所述的驱动机构，所述的传输带开始传输，所述的数据处理器同步开始计时，在所述的传输带传输过程中，通过人工方式将杨梅放入位于杨梅传输路径起始端的果盘内，所述的数据处理器根据计时判断传输路径起始端的果盘是否传输到所述的第一相机和所述的第二相机处，每当一个果盘从起始端传输至所述的第一相机和所述的第二相机处时，所述的数据处理器就控制所述的第一相机和所述的第二相机同步启动进行拍摄，曝光时间为tc，tc取值范围为20ms～40ms，所述的第一相机拍摄一张彩色图像，所述的数据处理器从所述的第一相机处采集彩色图像，从所述的第二相机处采集黑白图像；
步骤3、将所述的数据处理器控制所述的第一相机和所述的第二相机启动的时刻记为T，在时间区间[T,T+tc]内，所述的第一相机完成彩色图像的拍摄、所述的第二相机完成黑白图像的拍摄，在时间区间[T+tc,T+tc+L/v]内，所述的数据处理器对采集到的彩色图像和黑白图像，按照以下步骤进行处理，实现杨梅等级判定：
S3-1、判断果盘是否空载：对黑白图像进行快速灰度统计，查看灰度值大于G0的像素个数是否大于等于N，其中G0的取值为80，N的取值为2000，若大于N，则果盘非空载，进入步骤S3-2；若小于N，则果盘空载，本次处理过程结束；
S3-2、分割杨梅果实目标区域ROI：提取彩色图像的RGB三个颜色通道单色图像，作差值运算与中值滤波后，经阈值分割、形态学开运算，得到杨梅果实目标区域，标记为感兴趣区域(Interest of region,ROI)。
S3-3、提取杨梅果实目标区域ROI的特征属性，具体为：杨梅投影面积(Area)、周长(Contlength)、圆形度(Roundness)、矩形度(Rectangularity)、凸起因子(Convexity)、椭圆长轴(Ra)、椭圆短轴(Rb)、不均匀度(Anisometry)、蓬松度(Bulkiness)和结构因子(Structure Factor)，共计10个特征属性变量；
S3-4、提取杨梅果实目标区域ROI的颜色属性：将彩色图像的RGB颜色空间转换至HSV颜色空间后，提取颜色分量色度(Hue)的平均值H0及标准偏差Hv，并分别统计色度在区间[-60,0)、[0,60)、[60,120)、[120,180]中的数值，然后分别计算色度在区间[-60,0)的数值的平均值H1以及该区间像素面积所占杨梅投影面积(Area)的百分比P1、色度在区间[0,60)的数值的平均值H2以及该区间像素面积所占杨梅投影面积(Area)的百分比P2、色度在区间[60,120)的数值的平均值H3以及该区间像素面积所占杨梅投影面积(Area)的百分比P3、色度在区间[120,180]的数值的平均值H4以及该区间像素面积所占杨梅投影面积Area)的百分比P4，共计10个颜色属性变量；
S3-5、多通道灰度特征变量提取：将彩色图像分解为R、G、B三个颜色分量图像、将彩色图像分别转换为灰度图像Gray和短波近红外NIR图像、将彩色图像转换至HSV颜色空间得到H、S、V三个颜色分量图像，累计得到8个颜色分量图像，8个颜色分量图像形成一个多光谱图像数据块；针对这8个颜色分量图像，分别提取每个颜色分量图像中杨梅果实目标区域ROI的平均强度(Intensity)和标准偏差(Deviation)；由此得到每个颜色分量图像的2个变量，8个颜色分量图像累计有16个多通道灰度特征变量；
S3-6、外部品质(重量、颜色、形状)计算：将杨梅的10个特征属性变量为输入项，通过杨梅重量的回归模型来预测杨梅重量指标；以杨梅的10个特征属性变量为输入项，通过杨梅的外观等级分类模型来评价杨梅的外观形状等级；将杨梅的10个颜色属性变量输入杨梅的颜色等级分类模型，预测杨梅的颜色等级；
S3-7、内部品质(可溶性固形物含量)计算：将多通道灰度特征的16个变量作为杨梅糖度回归模型的输入项，预测杨梅的可溶性固形物含量；
S3-8、杨梅品质的综合分级：根据杨梅分级技术标准，对杨梅的各个指标(重量、颜色、形状、可溶性固形物含量)分别进行评判；当上述计算的杨梅内部品质等级为第p级，外部品质等级评判为第q级时，p和q分别为大于等于1且小于等于n的整数，此时判断p与q的大小逻辑关系；若p≤q时，则判断该待测杨梅等级为第q级；若p≥q时，则判断该待测杨梅等级为第p级。
杨梅重量的回归模型、杨梅的外观等级分类模型、杨梅的颜色等级分类模型和杨梅糖度回归模型预先通过以下方法获得：
a、采用所述的第二相机拍摄杨梅样品的彩色图像，然后按照步骤3-3～3-5的方法提取杨梅样品的10个特征属性变量、10个颜色属性变量和16个多通道灰度特征变量；
b、采用电子称称取杨梅样品的实际重量，采用多元线性回归(MLR)方法，基于杨梅样品的10个特征属性变量来拟合杨梅样品的实际重量，得到杨梅重量的回归模型；
c、按照现有的杨梅分级技术标准，由农艺技术人员将杨梅颜色按照比色卡划分等级1-10，作为MLR模型的输出项，将杨梅样品的10个颜色属性变量作为MLR模型的输入项，对MLR模型进行训练，得到杨梅的颜色等级分类模型；
d、按照现有的杨梅分级技术标准，杨梅的外观形状被划分为多个等级，采用线性判别法(LDA)或偏最小二乘-判别法(PLS-DA))构建分类器，将杨梅样品的10个特征属性变量作为输入项，杨梅样品的外观形状等级作为输出项，训练分类器，得到杨梅的外观等级分类模型；
e、采用杨梅样品的16个多通道灰度特征变量与可溶性固形物指标之间建立偏最小二乘回归模型，以交互验证法优化模型参数，以交互验证均方根误差(RMSECV)最小为原则选择最佳主成分数，从而确定最佳PLS模型，该最佳PLS模型即为杨梅糖度回归模型。
与现有技术相比，本发明的分级方法优点在于通过传输单元、视觉成像单元、分拣单元和数据处理单元构建自动分级装置，传输单元包括环形的传输带、用于驱动传输带移动的驱动机构和多个存料机构，多个存料机构均匀间隔安装在传输带上，每个存料机构分别包括用于存放杨梅的果盘、第一竖杆、第二竖杆、第一横杆和配重球，果盘为椭圆形状，第一竖杆的下端固定在传输带上，第一竖杆的上端和第一横杆的一端固定连接，第一横杆的另一端从果盘的一端插入，果盘位于传输带的外侧，第二竖杆的上端固定在果盘的底部，配重球位于竖杆的下方，且固定在第二竖杆的另一端上，当第二竖杆受到外力作用时，果盘能够绕第一横杆的另一端旋转，当第二竖杆不受外力时，能够保持果盘正面朝上处于平衡状态，此时果盘在传输过程中不会绕第一横杆的另一端旋转；视觉成像单元包括第一相机、第二相机、卤素灯和高通近红外滤波片，第一相机和第二相机并行设置在果盘的传输路径上方，且距离传输路径的起始端的距离为传输路径的1/4至1/3，第一相机用于拍摄果盘的彩色图像，第二相机用于拍摄果盘的黑白图像，卤素灯用于为第一相机和第二相机提供照明光源，高通近红外滤波片设置在第二相机的镜头前侧，用于滤除可见光，避免可见光进入第二相机，使第二相机拍摄近红外光波段的图像；分拣单元包括n-1个电动拨杆、一个推杆、n个收纳盒以及n个引导轨道，n等于杨梅分级的等级数，n-1个电动拨杆位于视觉成像单元的后侧，且沿果盘的传输路径从前向后依次间隔排布，推杆设置在果盘的传输路径的末端，n个收纳盒分别用于收纳n个等级的杨梅，n-1个电动拨杆和推杆处分别设置有一个收纳盒和一个引导轨道，将n个收纳盒按照从前向后顺序称为第1个收纳盒至第n个收纳盒，第i个收纳盒用于收纳第i个等级的杨梅，i＝1，2，…，n，将第i个收纳盒处的电动拨杆称为第i级电动拨杆，推杆处的收纳盒用于收纳第n个等级的杨梅，每个电动拨杆均具有初始状态和工作状态，每个电动拨杆的默认状态为初始状态，在初始状态时，电动拨杆不能拨动经过其处的果盘上的第二竖杆使果盘翻转，在工作状态时，电动拨杆能够拨动经过其处的果盘上的第二竖杆，使果盘翻转，当果盘中有杨梅时，杨梅会沿该处引导轨道滑落至该处收纳盒中，推杆只具有工作状态，当有果盘经过推杆处时，推杆能够拨动经过其处的果盘上的第二竖杆，使果盘翻转，当果盘中有杨梅时，杨梅会沿该处引导轨道滑落至该处收纳盒中；数据处理单元包括数据处理器和显示屏，显示屏和数据处理器连接，数据处理器分别与驱动机构、第一相机、第二相机和n-1个电动拨杆连接，第一相机和第二相机在数据处理器控制下拍摄经过其处的果盘图像并发送给数据处理器，数据处理器对第一相机和第二相机拍摄的果盘图像进行处理识别，确定果盘内杨梅等级，当果盘中的杨梅等级被判定为第j级时，j＝1，2，…，n-1，在该果盘传送至第j级电动拨杆处时，数据处理器驱动第j级电动拨杆进入工作状态，果盘被推翻使其内杨梅沿该处引导轨道滑落至第j个收纳盒中，被第j个收纳盒收纳，然后数据处理器再驱动第j级电动拨杆恢复初始状态，当杨梅等级判定为第n级时，数据处理器不驱动任何一个电动拨杆，数据处理器还实时统计杨梅总数量以及各级杨梅总数量，显示屏处用于显示数据处理器得到的相关数据，由此本发明在分级过程中，能够避免杨梅受到碰撞挤压，适用于长时间、大批量杨梅分级，且结合图像处理方法和分类模型来确定杨梅等级，分级稳定性和效率均较高。
附图说明
图1为本发明的用于杨梅品质检测的自动分级装置的结构示意图；
图2为本发明的用于杨梅品质检测的自动分级装置的存料机构和分拣单元的配合结构示意图一；
图3为本发明的用于杨梅品质检测的自动分级装置的存料机构和分拣单元的配合结构示意图二。
具体实施方式
本发明公开了一种用于杨梅品质检测的自动分级装置，以下结合附图实施例对本发明的用于杨梅品质检测的自动分级装置作进一步详细描述。
实施例：如图1至图3所示，一种用于杨梅品质检测的自动分级装置，包括传输单元、视觉成像单元、分拣单元和数据处理单元；
传输单元包括环形的传输带1、用于驱动传输带1移动的驱动机构和多个存料机构2，多个存料机构2均匀间隔安装在传输带1上，每个存料机构2分别包括用于存放杨梅的果盘3、第一竖杆4、第二竖杆5、第一横杆6和配重球7，果盘3为椭圆形状，第一竖杆4的下端固定在传输带1上，第一竖杆4的上端和第一横杆6的一端固定连接，第一横杆6的另一端从果盘3的一端插入，果盘3位于传输带1的外侧，第二竖杆5的上端固定在果盘3的底部，配重球7位于竖杆的下方，且固定在第二竖杆5的另一端上，当第二竖杆5受到外力作用时，果盘3能够绕第一横杆6的另一端旋转，当第二竖杆5不受外力时，能够保持果盘3正面朝上处于平衡状态，此时果盘3在传输过程中不会绕第一横杆6的另一端旋转；
视觉成像单元包括第一相机8、第二相机9、卤素灯和高通近红外滤波片，第一相机8和第二相机9并行设置在果盘3的传输路径上方，且距离传输路径的起始端的距离为传输路径的1/4至1/3，第一相机8用于拍摄果盘3的彩色图像，第二相机9用于拍摄果盘3的黑白图像，卤素灯用于为第一相机8和第二相机9提供照明光源，高通近红外滤波片设置在第二相机9的镜头前侧，用于滤除可见光，避免可见光进入第二相机9，使第二相机9拍摄近红外光波段的图像；
分拣单元包括n-1个电动拨杆10、一个推杆11、n个收纳盒以及n个引导轨道12，n等于杨梅分级的等级数，n-1个电动拨杆10位于视觉成像单元的后侧，且沿果盘3的传输路径从前向后依次间隔排布，推杆11设置在果盘3的传输路径的末端，n个收纳盒分别用于收纳n个等级的杨梅，n-1个电动拨杆10和推杆11处分别设置有一个收纳盒和一个引导轨道12，将n个收纳盒按照从前向后顺序称为第1个收纳盒至第n个收纳盒，第i个收纳盒用于收纳第i个等级的杨梅，i＝1，2，…，n，将第i个收纳盒处的电动拨杆10称为第i级电动拨杆10，推杆11处的收纳盒用于收纳第n个等级的杨梅，每个电动拨杆10均具有初始状态和工作状态，每个电动拨杆10的默认状态为初始状态，在初始状态时，电动拨杆10不能拨动经过其处的果盘3上的第二竖杆5使果盘3翻转，在工作状态时，电动拨杆10能够拨动经过其处的果盘3上的第二竖杆5，使果盘3翻转，当果盘3中有杨梅时，杨梅会沿该处引导轨道12滑落至该处收纳盒中，推杆11只具有工作状态，当有果盘3经过推杆11处时，推杆11能够拨动经过其处的果盘3上的第二竖杆5，使果盘3翻转，当果盘3中有杨梅时，杨梅会沿该处引导轨道12滑落至该处收纳盒中；
数据处理单元包括数据处理器和显示屏，显示屏和数据处理器连接，数据处理器分别与驱动机构、第一相机8、第二相机9和n-1个电动拨杆10连接，第一相机8和第二相机9在数据处理器控制下拍摄经过其处的果盘3图像并发送给数据处理器，数据处理器对第一相机8和第二相机9拍摄的果盘3图像进行处理识别，确定果盘3内杨梅等级，当果盘3中的杨梅等级被判定为第j级时，j＝1，2，…，n-1，在该果盘3传送至第j级电动拨杆10处时，数据处理器驱动第j级电动拨杆10进入工作状态，果盘3被推翻使其内杨梅沿该处引导轨道12滑落至第j个收纳盒中，被第j个收纳盒收纳，然后数据处理器再驱动第j级电动拨杆10恢复初始状态，当杨梅等级判定为第n级时，数据处理器不驱动任何一个电动拨杆10，数据处理器还实时统计杨梅总数量以及各级杨梅总数量，显示屏处用于显示数据处理器得到的相关数据。
本实施例中，果盘3正面贴附有黑色绒布，黑色绒布能够避免后续图像处理过程中果盘3正面对杨梅图像分割造成干扰，保证杨梅图像分割的精度。
本发明还公开了一种上述用于杨梅品质检测的自动分级装置的分级方法，以下结合附图实施例对本发明的用于杨梅品质检测的自动分级装置的分级方法作进一步详细描述。
实施例：一种用于杨梅品质检测的自动分级装置的分级方法，包括以下步骤：
步骤1、在数据处理器存储中预存如下数据：传输带1的速度v、相邻两个果盘3之间的中心间距l、第一相机8和第二相机9的拍摄中心连线与第1级电动拨杆10的水平距离L、第1级电动拨杆10与第k级电动拨杆10之间的距离(k-1)*2l，k＝2，3，…，n-1，第一相机8和第二相机9的拍摄中心连线与第k级电动拨杆10之间的距离L+(k-1)*2l、果盘3从第一相机8和第二相机9处传送至第j级电动拨杆10处的时间(L+(j-1)*2l)/v；其中，v的取值范围为3m/s～6m/s，l的取值范围为10cm～30cm，L大于1m；
步骤2、开启驱动机构，传输带1开始传输，数据处理器同步开始计时，在传输带1传输过程中，通过人工方式将杨梅放入位于杨梅传输路径起始端的果盘3内，数据处理器根据计时判断传输路径起始端的果盘3是否传输到第一相机8和第二相机9处，每当一个果盘3从起始端传输至第一相机8和第二相机9处时，数据处理器就控制第一相机8和第二相机9同步启动进行拍摄，曝光时间为tc，tc取值范围为20ms～40ms，第一相机8拍摄一张彩色图像，数据处理器从第一相机8处采集彩色图像，从第二相机9处采集黑白图像；
步骤3、将数据处理器控制第一相机8和第二相机9启动的时刻记为T，在时间区间[T,T+tc]内，第一相机8完成彩色图像的拍摄、第二相机9完成黑白图像的拍摄，在时间区间[T+tc,T+tc+L/v]内，数据处理器对采集到的彩色图像和黑白图像，按照以下步骤进行处理，实现杨梅等级判定：
S3-1、判断果盘3是否空载：对黑白图像进行快速灰度统计，查看灰度值大于G0的像素个数是否大于等于N，其中G0的取值为80，N的取值为2000，若大于N，则果盘3非空载，进入步骤S3-2；若小于N，则果盘3空载，本次处理过程结束；
S3-2、分割杨梅果实目标区域ROI：提取彩色图像的RGB三个颜色通道单色图像，作差值运算与中值滤波后，经阈值分割、形态学开运算，得到杨梅果实目标区域，标记为感兴趣区域(Interest of region,ROI)。
S3-3、提取杨梅果实目标区域ROI的特征属性，具体为：杨梅投影面积(Area)、周长(Contlength)、圆形度(Roundness)、矩形度(Rectangularity)、凸起因子(Convexity)、椭圆长轴(Ra)、椭圆短轴(Rb)、不均匀度(Anisometry)、蓬松度(Bulkiness)和结构因子(Structure Factor)，共计10个特征属性变量；
S3-4、提取杨梅果实目标区域ROI的颜色属性：将彩色图像的RGB颜色空间转换至HSV颜色空间后，提取颜色分量色度(Hue)的平均值H0及标准偏差Hv，并分别统计色度在区间[-60,0)、[0,60)、[60,120)、[120,180]中的数值，然后分别计算色度在区间[-60,0)的数值的平均值H1以及该区间像素面积所占杨梅投影面积(Area)的百分比P1、色度在区间[0,60)的数值的平均值H2以及该区间像素面积所占杨梅投影面积(Area)的百分比P2、色度在区间[60,120)的数值的平均值H3以及该区间像素面积所占杨梅投影面积(Area)的百分比P3、色度在区间[120,180]的数值的平均值H4以及该区间像素面积所占杨梅投影面积Area)的百分比P4，共计10个颜色属性变量；
S3-5、多通道灰度特征变量提取：将彩色图像分解为R、G、B三个颜色分量图像、将彩色图像分别转换为灰度图像Gray和短波近红外NIR图像、将彩色图像转换至HSV颜色空间得到H、S、V三个颜色分量图像，累计得到8个颜色分量图像，8个颜色分量图像形成一个多光谱图像数据块；针对这8个颜色分量图像，分别提取每个颜色分量图像中杨梅果实目标区域ROI的平均强度(Intensity)和标准偏差(Deviation)；由此得到每个颜色分量图像的2个变量，8个颜色分量图像累计有16个多通道灰度特征变量；
S3-6、外部品质(重量、颜色、形状)计算：将杨梅的10个特征属性变量为输入项，通过杨梅重量的回归模型来预测杨梅重量指标；以杨梅的10个特征属性变量为输入项，通过杨梅的外观等级分类模型来评价杨梅的外观形状等级；将杨梅的10个颜色属性变量输入杨梅的颜色等级分类模型，预测杨梅的颜色等级；
S3-7、内部品质(可溶性固形物含量)计算：将多通道灰度特征的16个变量作为杨梅糖度回归模型的输入项，预测杨梅的可溶性固形物含量；
S3-8、杨梅品质的综合分级：根据杨梅分级技术标准，对杨梅的各个指标(重量、颜色、形状、可溶性固形物含量)分别进行评判；当上述计算的杨梅内部品质等级为第p级，外部品质等级评判为第q级时，p和q分别为大于等于1且小于等于n的整数，此时判断p与q的大小逻辑关系；若p≤q时，则判断该待测杨梅等级为第q级；若p≥q时，则判断该待测杨梅等级为第p级。
杨梅重量的回归模型、杨梅的外观等级分类模型、杨梅的颜色等级分类模型和杨梅糖度回归模型预先通过以下方法获得：
a、采用第二相机9拍摄杨梅样品的彩色图像，然后按照步骤3-3～3-5的方法提取杨梅样品的10个特征属性变量、10个颜色属性变量和16个多通道灰度特征变量；
b、采用电子称称取杨梅样品的实际重量，采用多元线性回归(MLR)方法，基于杨梅样品的10个特征属性变量来拟合杨梅样品的实际重量，得到杨梅重量的回归模型；
c、按照现有的杨梅分级技术标准，由农艺技术人员将杨梅颜色按照比色卡划分等级1-10，作为MLR模型的输出项，将杨梅样品的10个颜色属性变量作为MLR模型的输入项，对MLR模型进行训练，得到杨梅的颜色等级分类模型；
d、按照现有的杨梅分级技术标准，杨梅的外观形状被划分为多个等级，采用线性判别法(LDA)或偏最小二乘-判别法(PLS-DA))构建分类器，将杨梅样品的10个特征属性变量作为输入项，杨梅样品的外观形状等级作为输出项，训练分类器，得到杨梅的外观等级分类模型；
e、采用杨梅样品的16个多通道灰度特征变量与可溶性固形物指标之间建立偏最小二乘回归模型，以交互验证法优化模型参数，以交互验证均方根误差(RMSECV)最小为原则选择最佳主成分数，从而确定最佳PLS模型，该最佳PLS模型即为杨梅糖度回归模型。

Claims (3)

1.一种用于杨梅品质检测的自动分级装置，其特征在于包括传输单元、视觉成像单元、分拣单元和数据处理单元；
所述的传输单元包括环形的传输带、用于驱动所述的传输带移动的驱动机构和多个存料机构，多个存料机构均匀间隔安装在所述的传输带上，每个所述的存料机构分别包括用于存放杨梅的果盘、第一竖杆、第二竖杆、第一横杆和配重球，所述的果盘为椭圆形状，所述的第一竖杆的下端固定在所述的传输带上，所述的第一竖杆的上端和所述的第一横杆的一端固定连接，所述的第一横杆的另一端从所述的果盘的一端插入，所述的果盘位于所述的传输带的外侧，所述的第二竖杆的上端固定在所述的果盘的底部，所述的配重球位于所述的竖杆的下方，且固定在所述的第二竖杆的另一端上，当所述的第二竖杆受到外力作用时，所述的果盘能够绕所述的第一横杆的另一端旋转，当所述的第二竖杆不受外力时，能够保持所述的果盘正面朝上处于平衡状态，此时所述的果盘在传输过程中不会绕所述的第一横杆的另一端旋转；
所述的视觉成像单元包括第一相机、第二相机、卤素灯和高通近红外滤波片，所述的第一相机和所述的第二相机并行设置在所述的果盘的传输路径上方，且距离传输路径的起始端的距离为传输路径的1/4至1/3，所述的第一相机用于拍摄果盘的彩色图像，所述的第二相机用于拍摄果盘的黑白图像，所述的卤素灯用于为所述的第一相机和所述的第二相机提供照明光源，所述的高通近红外滤波片设置在所述的第二相机的镜头前侧，用于滤除可见光，避免可见光进入所述的第二相机，使所述的第二相机拍摄近红外光波段的图像；
所述的分拣单元包括n-1个电动拨杆、一个推杆、n个收纳盒以及n个引导轨道，n等于杨梅分级的等级数，n-1个电动拨杆位于所述的视觉成像单元的后侧，且沿所述的果盘的传输路径从前向后依次间隔排布，所述的推杆设置在所述的果盘的传输路径的末端，n个收纳盒分别用于收纳n个等级的杨梅，n-1个电动拨杆和所述的推杆处分别设置有一个收纳盒和一个引导轨道，将n个收纳盒按照从前向后顺序称为第1个收纳盒至第n个收纳盒，第i个收纳盒用于收纳第i个等级的杨梅，i＝1，2，…，n，将第i个收纳盒处的电动拨杆称为第i级电动拨杆，所述的推杆处的收纳盒用于收纳第n个等级的杨梅，每个电动拨杆均具有初始状态和工作状态，每个电动拨杆的默认状态为初始状态，在初始状态时，所述的电动拨杆不能拨动经过其处的果盘上的第二竖杆使果盘翻转，在工作状态时，所述的电动拨杆能够拨动经过其处的果盘上的第二竖杆，使果盘翻转，当果盘中有杨梅时，杨梅会沿该处引导轨道滑落至该处收纳盒中，所述的推杆只具有工作状态，当有果盘经过所述的推杆处时，所述的推杆能够拨动经过其处的果盘上的第二竖杆，使果盘翻转，当果盘中有杨梅时，杨梅会沿该处引导轨道滑落至该处收纳盒中；
所述的数据处理单元包括数据处理器和显示屏，所述的显示屏和所述的数据处理器连接，所述的数据处理器分别与所述的驱动机构、所述的第一相机、第二相机和n-1个电动拨杆连接，所述的第一相机和所述的第二相机在所述的数据处理器控制下拍摄经过其处的果盘图像并发送给所述的数据处理器，所述的数据处理器对所述的第一相机和所述的第二相机拍摄的果盘图像进行处理识别，确定果盘内杨梅等级，当果盘中的杨梅等级被判定为第j级时，j＝1，2，…，n-1，在该果盘传送至第j级电动拨杆处时，所述的数据处理器驱动第j级电动拨杆进入工作状态，果盘被推翻使其内杨梅沿该处引导轨道滑落至第j个收纳盒中，被第j个收纳盒收纳，然后所述的数据处理器再驱动第j级电动拨杆恢复初始状态，当杨梅等级判定为第n级时，所述的数据处理器不驱动任何一个电动拨杆，所述的数据处理器还实时统计杨梅总数量以及各级杨梅总数量，所述的显示屏处用于显示所述的数据处理器得到的相关数据。
2.根据权利要求1所述的一种用于杨梅品质检测的自动分级装置，其特征在于所述的果盘正面贴附有黑色绒布，所述的黑色绒布能够避免后续图像处理过程中果盘正面对杨梅图像分割造成干扰，保证杨梅图像分割的精度。
3.一种权利要求1或者2所述的用于杨梅品质检测的自动分级装置的分级方法，其特征在于包括以下步骤：
步骤1、在所述的数据处理器存储中预存如下数据：所述的传输带的速度v、相邻两个果盘之间的中心间距l、所述的第一相机和所述的第二相机的拍摄中心连线与第1级电动拨杆的水平距离L、第1级电动拨杆与第k级电动拨杆之间的距离(k-1)*2l，k＝2，3，…，n-1，所述的第一相机和所述的第二相机的拍摄中心连线与第k级电动拨杆之间的距离L+(k-1)*2l、果盘从所述的第一相机和所述的第二相机处传送至第j级电动拨杆处的时间(L+(j-1)*2l)/v；其中，v的取值范围为3m/s～6m/s，l的取值范围为10cm～30cm，L大于1m；
步骤2、开启所述的驱动机构，所述的传输带开始传输，所述的数据处理器同步开始计时，在所述的传输带传输过程中，通过人工方式将杨梅放入位于杨梅传输路径起始端的果盘内，所述的数据处理器根据计时判断传输路径起始端的果盘是否传输到所述的第一相机和所述的第二相机处，每当一个果盘从起始端传输至所述的第一相机和所述的第二相机处时，所述的数据处理器就控制所述的第一相机和所述的第二相机同步启动进行拍摄，曝光时间为tc，tc取值范围为20ms～40ms，所述的第一相机拍摄一张彩色图像，所述的数据处理器从所述的第一相机处采集彩色图像，从所述的第二相机处采集黑白图像；
步骤3、将所述的数据处理器控制所述的第一相机和所述的第二相机启动的时刻记为T，在时间区间[T,T+tc]内，所述的第一相机完成彩色图像的拍摄、所述的第二相机完成黑白图像的拍摄，在时间区间[T+tc,T+tc+L/v]内，所述的数据处理器对采集到的彩色图像和黑白图像，按照以下步骤进行处理，实现杨梅等级判定：
S3-1、判断果盘是否空载：对黑白图像进行快速灰度统计，查看灰度值大于G0的像素个数是否大于等于N，其中G0的取值为80，N的取值为2000，若大于N，则果盘非空载，进入步骤S3-2；若小于N，则果盘空载，本次处理过程结束；
S3-2、分割杨梅果实目标区域ROI：提取彩色图像的R、G、B三个颜色通道单色图像，作差值运算与中值滤波后，经阈值分割、形态学开运算，得到杨梅果实的目标区域作为感兴趣区域(Interest of region,ROI)。
S3-3、提取杨梅果实目标区域ROI的特征属性，具体为：杨梅投影面积(Area)、周长(Contlength)、圆形度(Roundness)、矩形度(Rectangularity)、凸起因子(Convexity)、椭圆长轴(Ra)、椭圆短轴(Rb)、不均匀度(Anisometry)、蓬松度(Bulkiness)和结构因子(Structure Factor)，共计10个特征属性变量；
S3-4、提取杨梅果实目标区域ROI的颜色属性：将彩色图像的RGB颜色空间转换至HSV颜色空间后，提取颜色分量色度(Hue)的平均值H0及标准偏差Hv，并分别统计色度在区间[-60,0)、[0,60)、[60,120)、[120,180]中的数值，然后分别计算色度在区间[-60,0)的数值的平均值H1以及该区间像素面积所占杨梅投影面积(Area)的百分比P1、色度在区间[0,60)的数值的平均值H2以及该区间像素面积所占杨梅投影面积(Area)的百分比P2、色度在区间[60,120)的数值的平均值H3以及该区间像素面积所占杨梅投影面积(Area)的百分比P3、色度在区间[120,180]的数值的平均值H4以及该区间像素面积所占杨梅投影面积Area)的百分比P4，共计10个颜色属性变量；
S3-5、多通道灰度特征变量提取：将彩色图像分解为R、G、B三个颜色分量图像、将彩色图像分别转换为灰度图像Gray和短波近红外NIR图像、将彩色图像转换至HSV颜色空间得到H、S、V三个颜色分量图像，累计得到8个颜色分量图像，8个颜色分量图像形成一个多光谱图像数据块；针对这8个颜色分量图像，分别提取每个颜色分量图像中杨梅果实目标区域ROI的平均强度(Intensity)和标准偏差(Deviation)；由此得到每个颜色分量图像的2个变量，8个颜色分量图像累计有16个多通道灰度特征变量；
S3-6、外部品质(重量、颜色、形状)计算：将杨梅的10个特征属性变量为输入项，通过杨梅重量的回归模型来预测杨梅重量指标；以杨梅的10个特征属性变量为输入项，通过杨梅的外观等级分类模型来评价杨梅的外观形状等级；将杨梅的10个颜色属性变量输入杨梅的颜色等级分类模型，预测杨梅的颜色等级；
S3-7、内部品质(可溶性固形物含量)计算：将多通道灰度特征的16个变量作为杨梅糖度回归模型的输入项，预测杨梅的可溶性固形物含量；
S3-8、杨梅品质的综合分级：根据杨梅分级技术标准，对杨梅的各个指标(重量、颜色、形状、可溶性固形物含量)分别进行评判；当上述计算的杨梅内部品质等级为第p级，外部品质等级评判为第q级时，p和q分别为大于等于1且小于等于n的整数，此时判断p与q的大小逻辑关系；若p≤q时，则判断该待测杨梅等级为第q级；若p≥q时，则判断该待测杨梅等级为第p级。
杨梅重量的回归模型、杨梅的外观等级分类模型、杨梅的颜色等级分类模型和杨梅糖度回归模型预先通过以下方法获得：
a、采用所述的第二相机拍摄杨梅样品的彩色图像，然后按照步骤3-3～3-5的方法提取杨梅样品的10个特征属性变量、10个颜色属性变量和16个多通道灰度特征变量；
b、采用电子称称取杨梅样品的实际重量，采用多元线性回归(MLR)方法，基于杨梅样品的10个特征属性变量来拟合杨梅样品的实际重量，得到杨梅重量的回归模型；
c、按照现有的杨梅分级技术标准，由农艺技术人员将杨梅颜色按照比色卡划分等级1-10，作为MLR模型的输出项，将杨梅样品的10个颜色属性变量作为MLR模型的输入项，对MLR模型进行训练，得到杨梅的颜色等级分类模型；
d、按照现有的杨梅分级技术标准，农艺技术人员将杨梅的外观形状划分为多个等级，采用线性判别法(LDA)或偏最小二乘-判别法(PLS-DA))构建分类器，将杨梅样品的10个特征属性变量作为输入项，杨梅样品的外观形状等级作为输出项，训练分类器，得到杨梅的外观等级分类模型；
e、采用杨梅样品的16个多通道灰度特征变量与可溶性固形物指标之间建立偏最小二乘回归模型，以交互验证法优化模型参数，以交互验证均方根误差(RMSECV)最小为原则选择最佳主成分数，从而确定最佳PLS模型，该最佳PLS模型即为杨梅糖度回归模型。
CN202111254339.0A 2021-10-27 2021-10-27 一种用于杨梅品质检测的自动分级装置及其分级方法 Pending CN114082675A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111254339.0A CN114082675A (zh) 2021-10-27 2021-10-27 一种用于杨梅品质检测的自动分级装置及其分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111254339.0A CN114082675A (zh) 2021-10-27 2021-10-27 一种用于杨梅品质检测的自动分级装置及其分级方法

Publications (1)

Publication Number Publication Date
CN114082675A true CN114082675A (zh) 2022-02-25

Family

ID=80297870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111254339.0A Pending CN114082675A (zh) 2021-10-27 2021-10-27 一种用于杨梅品质检测的自动分级装置及其分级方法

Country Status (1)

Country Link
CN (1) CN114082675A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114468324A (zh) * 2022-04-15 2022-05-13 杭州富阳福士得食品有限公司 一种全自动杨梅清洗分拣设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114468324A (zh) * 2022-04-15 2022-05-13 杭州富阳福士得食品有限公司 一种全自动杨梅清洗分拣设备
CN114468324B (zh) * 2022-04-15 2022-06-21 杭州富阳福士得食品有限公司 一种全自动杨梅清洗分拣设备

Similar Documents

Publication Publication Date Title
US9014434B2 (en) Method for scoring and controlling quality of food products in a dynamic production line
Diaz et al. Comparison of three algorithms in the classification of table olives by means of computer vision
Miller et al. A color vision system for peach grading
CN100480680C (zh) 多光谱肉类新鲜度人工智能测量方法及系统
Fashi et al. The relationship between the appearance of pomegranate fruit and color and size of arils based on image processing
Eissa et al. Understanding color image processing by machine vision for biological materials
CN110276386A (zh) 一种基于机器视觉的苹果分级方法及系统
KR101703542B1 (ko) 멍게의 특징 측정과 hsv 색상 모델을 이용한 멍게 자동 선별방법
CN103528967B (zh) 基于高光谱图像的过熟蓝靛果果实识别方法
US20190392262A1 (en) Food quality image classification
CN114419311B (zh) 一种基于多源信息的百香果成熟度无损检测方法及装置
CN109089992A (zh) 一种基于机器视觉的鱼类新鲜度的分类方法及系统
Çınar et al. Determination of effective and specific physical features of rice varieties by computer vision in exterior quality inspection
CN114082675A (zh) 一种用于杨梅品质检测的自动分级装置及其分级方法
Li et al. A method for color classification of fruits based on machine vision
JPH0929185A (ja) 果皮表面に固有のネットパターンを有する青果物の等級判定方法
Thinh et al. Sorting and classification of mangoes based on artificial intelligence
CN110118735B (zh) 一种检测香梨公母的高光谱成像检测方法及装置
CN107403181B (zh) 基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法
Sabzi et al. Non-intrusive image processing Thompson orange grading methods
CN217451031U (zh) 一种用于杨梅品质检测的自动分级装置
Udayakumar Visible light imaging
Savchenko et al. Construction of a linear food quality classifier based on their color analysis
CN113192090B (zh) 一种基于机器学习的水蜜桃分拣方法及装置
KR100400861B1 (ko) 과실 외관품질 인자의 온라인 검출 및 정량화를 위한시스템 및 방법

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