CN114462523A - 基于图像处理技术的仙人掌果去刺分选一体化方法 - Google Patents

基于图像处理技术的仙人掌果去刺分选一体化方法 Download PDF

Info

Publication number
CN114462523A
CN114462523A CN202210092445.1A CN202210092445A CN114462523A CN 114462523 A CN114462523 A CN 114462523A CN 202210092445 A CN202210092445 A CN 202210092445A CN 114462523 A CN114462523 A CN 114462523A
Authority
CN
China
Prior art keywords
image
prickly pear
cactus
sorting
fruit
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
CN202210092445.1A
Other languages
English (en)
Inventor
邓皓
刘勇
景富军
张亮
段武堂
樊晓屏
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.)
Yibin Micro Intelligent Technology Co ltd
Original Assignee
Yibin Micro Intelligent Technology Co ltd
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 Yibin Micro Intelligent Technology Co ltd filed Critical Yibin Micro Intelligent Technology Co ltd
Priority to CN202210092445.1A priority Critical patent/CN114462523A/zh
Publication of CN114462523A publication Critical patent/CN114462523A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
    • A23N15/06—Devices for other treatment of fruit, e.g. marking, maturing, polishing
    • 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
    • B07C5/16—Sorting according to weight
    • B07C5/18—Sorting according to weight using a single stationary weighing mechanism
    • B07C5/20—Sorting according to weight using a single stationary weighing mechanism for separating articles of less than a predetermined weight from those of more than that weight
    • 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
    • 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
    • B07C5/38—Collecting or arranging articles in groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
    • A23N2015/008—Sorting of fruit and vegetables
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Polymers & Plastics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Food Science & Technology (AREA)
  • Molecular Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明公开了一种基于图像处理技术的仙人掌果去刺分选一体化方法，首先利用去刺机对仙人掌果进行清洗和去刺；接着将去刺后的仙人掌果输送至品质分选装置，使用基于深度学习技术的腐坏检测算法对仙人掌果进行腐坏检测；并根据检测结果，利用步进电机控制托盘向不同方向旋转对仙人掌果进行筛选；筛选出的品质良好的仙人掌果被输送至传送带，使用相机采集传送带上的仙人掌果照片并实时传送至电脑；先对彩色图像做预处理得到灰度图；接着对灰度图进行特征提取，提取出图像分割所需的目标区域特征；最后使用图像分割技术得出计数结果。本发明与传统的仙人掌果去刺以及计数方法相比，具有大众实用性强、时效性高、低成本高度自动化、生产效率高的特点。

Description

基于图像处理技术的仙人掌果去刺分选一体化方法
技术领域
本发明涉及数字图像处理、农产品加工和分选计数装置技术领域，具体涉及一种基于图像处理技术对去刺仙人掌果计数的系统与方法。
背景技术
仙人掌果为仙人掌属植物的果实，是一种高蛋白、低脂肪、低糖、高膳食纤维的水果。此外，在多方面的研究中也证明了仙人掌果中提取的多糖物质在防治高血压、高血糖、高血脂和抗肿瘤方面有很好的功效。
但由于仙人掌果表面上有很多毛刺，且毛刺非常细小，如果不进行处理，人们在家里食用仙人掌果时，很容易就会让毛刺扎入人手内部，并且扎入后很难将其取出。因此，仙人掌果在销售前必须将毛刺彻底清理干净。仙人掌果在销售前一般要经过两个过程，第一个过程是去刺，目前是人工去刺，一方面会出现毛刺扎入人手的情况，另一方面也会造成仙人掌果损伤不好保存；第二个过程是分选计数，目前是人工分选计数。仙人掌果的去刺和分选计数工作量大，人工作业时间长，造成仙人掌果在果农手里的滞留时间长，不能及时上市，影响果农经济收益。同时，人工作业还存在劳动强度大、效率低，去刺效果差，分选等级少、一致性差，计数结果不准确等问题。针对仙人掌果加工过程中存在的问题，研制一种自动化去刺、智能化分选计数的仙人掌果加工设备，是仙人掌果产业发展的迫切需要。
发明内容
本发明克服了现有技术的不足，提供一种基于图像处理技术对去刺仙人掌果计数的系统与方法，旨在解决的技术问题之一是：现有仙人掌果采摘过程或去刺后需由人工计数的技术问题。
考虑到现有技术的上述问题，根据本发明的一个方面，为解决上述的技术问题，本发明采用以下技术方案：
一种基于图像处理技术的仙人掌果去刺分选一体化方法，其包括：
S1：将经过清洗和通过去刺机去刺的仙人掌果输送至水果品质分选装置，使用所述水果品质分选装置中的称重装置对仙人掌果进行称重，将重量小于预设值的仙人掌果从卸料口输送至水果收集箱，重量大于等于预设值的仙人掌果做进一步品质判断；
S2：使用图像采集设备对满足重量要求的仙人掌果进行图像采集，将采集到的图像发送至计算机，再使用计算机中内置的基于深度学习技术的水果腐坏检测算法对仙人掌果进行形态学判断；将经算法判定为腐坏的仙人掌果通过卸料口输送至水果收集箱；经算法判定为品质良好的仙人掌果将被输送至传送带；
S3：使用图像采集设备采集传送带上品质良好的仙人掌果图像，并将采集到的图像实时传送至计算机，再使用计算机中内置的仙人掌果计数算法对品质良好的仙人掌果进行计数，然后将计数结果输出。
为了更好地实现本发明，进一步的技术方案是：
进一步地，所述步骤S1中，包括：
称重托盘对仙人掌果称重完成后，重量被实时发送至计算机；
称重托盘底部具有两根分选杠杆，分选杠杆与步进电机相连，当仙人掌果重量小于预设值时，计算机返回给步进电机信号，步进电机控制托盘向左旋转45°，使重量小于预设值的仙人掌果从卸料口输送至水果收集箱。
进一步地，所述步骤S2中，所示使用计算机中内置的基于深度学习技术的水果腐坏检测算法对仙人掌果进行形态学判断的方式包括：
计算机对采集的图形进行处理，制作数据集；
利用数据集训练网络模型；
测试训练好的网络模型；
利用训练好的网络模型对仙人掌果进行腐坏检测，并筛选分类。
进一步地，所述步骤S2中，所述经算法判定为品质良好的仙人掌果后，计算机发送信号给步进电机，如果水果没有腐坏区域，步进电机控制托盘向右旋转45°，使品质良好的仙人掌果输送至传送带。
进一步地，所述步骤S3中，所述采集传送带上品质良好的仙人掌果图像为彩色图像M。
进一步地，所述步骤S3中，使用计算机中内置的仙人掌果计数算法对品质良好的仙人掌果进行计数的方式包括：
对彩色图像M进行一般灰度化处理，得到灰度图G1；
对彩色图像M进行选择性灰度化处理，得到灰度图G2；
分别对灰度图G1和G2进行降噪与滤波，得到图像Q1和Q2；
对灰度图Q1进行边缘检测，得到图像P1；
将灰度图Q2与图像P1进行混合，得到混合图像P2；
对混合图像P2进行形态学腐蚀与重构，得到图像P3；
标记图像P3的前景背景，得到图像P4；
对图像P4进行孤立像素与空洞处理得到图像P5；
对图像P5进行分割与计数，得到该幅图像中的仙人掌果数量。
进一步地，所述步骤S2和/或S3中的图像采集设备为相机。
进一步地，所述步骤S2和/或S3中的图像采集设备设置于传送带上方。
进一步地，所述步骤S1中的称重装置为称重托盘。
与现有技术相比，本发明的有益效果之一是：
本发明的基于图像处理技术的仙人掌果去刺分选一体化方法，其为仙人掌果去刺和计数一体的方案，首先对农场采摘到的仙桃进行去刺，然后利用图像处理技术对仙人掌果进行计数，本发明与传统的仙人掌果去刺以及计数方法相比，具有大众实用性强、时效性高、低成本高度自动化、生产效率高的特点。
附图说明
为了更清楚的说明本申请文件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的描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅是对本申请文件中一些实施例的参考，对于本领域技术人员来讲，在不付出创造性劳动的情况下，还可以根据这些附图得到其它的附图。
图1为根据本发明一个实施例的仙人掌果去刺与品质分选计数装置的示意图。
图2为根据本发明一个实施例的品质分选装置示意图。
图3为根据本发明一个实施例的基于深度学习的腐坏检测算法流程示意图。
图4为根据本发明一个实施例的基于图像处理技术的仙人掌果计数算法流程图。
其中，附图标记对应的附图名称为：
1-进料口，2-去刺机，3-称重托盘，4-水果收集箱，5-第一相机，6-第二相机，7-分选杠杆，8-步进电机。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。
参见图3所示，一种基于图像处理技术的仙人掌果去刺分选一体化方法，包括：
S1：将经过清洗和通过去刺机去刺的仙人掌果输送至水果品质分选装置，使用所述水果品质分选装置中的称重装置对仙人掌果进行称重，将重量小于预设值的仙人掌果从卸料口输送至水果收集箱，重量大于等于预设值的仙人掌果做进一步品质判断。
其中，结合图1和图2所示，仙人掌果从进料口1进入去刺机2内，并在图1所示的A处进行清洗，清洗后在图1所示B处进行去刺，去刺后通过出料口进入品质分选装置内，通过称重装置对其称重，该称重装置可以是称重托盘3，称重后对其不合格的卸料至水果收集箱4。
以及本步骤一优选方案是，继续如图1所示，称重托盘3对仙人掌果称重完成后，重量被实时发送至计算机；
如图2所示，称重托盘3底部具有两根分选杠杆7，分选杠杆7与步进电机8相连，当仙人掌果重量小于预设值时，计算机返回给步进电机8信号，步进电机8控制称重托盘3向左旋转45°，使重量小于预设值的仙人掌果从卸料口输送至水果收集箱4。
S2：使用图像采集设备对满足重量要求的仙人掌果进行图像采集，将采集到的图像发送至计算机，再使用计算机中内置的基于深度学习技术的水果腐坏检测算法对仙人掌果进行形态学判断；将经算法判定为腐坏的仙人掌果通过卸料口输送至水果收集箱；经算法判定为品质良好的仙人掌果将被输送至传送带；
其中，如图1所示，本实施例的图像采集设备可以是第一相机5，该第一相机5可以设置于水果品质分选装置顶部。
以上使用计算机中内置的基于深度学习技术的水果腐坏检测算法对仙人掌果进行形态学判断的方式包括：
计算机对采集的图形进行处理，制作数据集；
利用数据集训练网络模型；
测试训练好的网络模型；
利用训练好的网络模型对仙人掌果进行腐坏检测，并筛选分类。
以及如果水果没有腐坏区域，则所述经算法判定为品质良好的仙人掌果后，计算机发送信号给步进电机，步进电机控制托盘向右旋转45°，使品质良好的仙人掌果输送至传送带。
S3：使用图像采集设备采集传送带上品质良好的仙人掌果图像，并将采集到的图像实时传送至计算机，再使用计算机中内置的仙人掌果计数算法对品质良好的仙人掌果进行计数，然后将计数结果输出。
其中，如图1所示，本步骤的图像采集设备可优选第二相机6，该第二相机6可设置于传输带的上方。
一般地，采集的传送带上品质良好的仙人掌果图像优选彩色图像M，其具体处理方式可以采用以下方案，如图4所示：
对彩色图像M进行一般灰度化处理，得到灰度图G1；
对彩色图像M进行选择性灰度化处理，得到灰度图G2；
分别对灰度图G1和G2进行降噪与滤波，得到图像Q1和Q2；
对灰度图Q1进行边缘检测，得到图像P1；
将灰度图Q2与图像P1进行混合，得到混合图像P2；
对混合图像P2进行形态学腐蚀与重构，得到图像P3；
标记图像P3的前景背景，得到图像P4；
对图像P4进行孤立像素与空洞处理得到图像P5；
对图像P5进行分割与计数，得到该幅图像中的仙人掌果数量。
综上而言，针对目前仙人掌果去刺以及计数过程中存在的问题：其一仙人掌果的去刺和计数过程不能同时进行，因而导致生产效率低；其二采用人工计数工作强度高、计数结果不准确等问题，本发明设计的结合图像处理技术与移动设备技术的仙人掌果去刺以及计数的方法，以此实现快速、可靠、低成本高度自动化的对仙人掌果进行去刺以及计数。首先利用去刺机对仙人掌果进行清洗、去刺；接着将去刺后的仙人掌果输送至传送带，使用相机采集传送带上的仙人掌果照片并实时传送至计算机；先对彩色图像做图像预处理，将彩色图像分别作一般灰度化与选择性灰度化得到两张灰度图，分别对两张灰度图做小波去噪与中值滤波处理，得到两张经过图像预处理操作后的图像；接着对灰度图进行特征提取，由于一般灰度图保留较多图形边缘细节，故算法应该从一般灰度图入手对其进行目标对象的边缘提取工作。接着将提取到的边缘与经过预处理的选择性灰度化图像叠加得到目标边缘增强的灰度图。最后通过基于形态学的腐蚀膨胀操作与图像重建计算将粘连的图像进一步分离，提取出图像分割所需的目标区域特征；利用分水岭算法对图像进行分割，应用该算法需要先标记前景背景。标记以后的前景背景存在有一些干扰结果的因素主要是孤立的像素与少量空洞，所以需要对这些干扰因素进行清理。最后，应用分水岭算法得出分割结果与计数结果。本发明与传统的仙人掌果去刺以及计数方法相比，具有大众实用性强、时效性高、低成本高度自动化、生产效率高的特点。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分相互参见即可。
在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”、等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开、附图和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (9)

1.一种基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于包括：
S1：将经过清洗和通过去刺机去刺的仙人掌果输送至水果品质分选装置，使用所述水果品质分选装置中的称重装置对仙人掌果进行称重，将重量小于预设值的仙人掌果从卸料口输送至水果收集箱，重量大于等于预设值的仙人掌果做进一步品质判断；
S2：使用图像采集设备对满足重量要求的仙人掌果进行图像采集，将采集到的图像发送至计算机，再使用计算机中内置的基于深度学习技术的水果腐坏检测算法对仙人掌果进行形态学判断；将经算法判定为腐坏的仙人掌果通过卸料口输送至水果收集箱；经算法判定为品质良好的仙人掌果将被输送至传送带；
S3：使用图像采集设备采集传送带上品质良好的仙人掌果图像，并将采集到的图像实时传送至计算机，再使用计算机中内置的仙人掌果计数算法对品质良好的仙人掌果进行计数，然后将计数结果输出。
2.根据权利要求1所述的基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于所述步骤S1中，包括：
称重托盘对仙人掌果称重完成后，重量被实时发送至计算机；
称重托盘底部具有两根分选杠杆，分选杠杆与步进电机相连，当仙人掌果重量小于预设值时，计算机返回给步进电机信号，步进电机控制托盘向左旋转45°，使重量小于预设值的仙人掌果从卸料口输送至水果收集箱。
3.根据权利要求1所述的基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于所述步骤S2中，所示使用计算机中内置的基于深度学习技术的水果腐坏检测算法对仙人掌果进行形态学判断的方式包括：
计算机对采集的图形进行处理，制作数据集；
利用数据集训练网络模型；
测试训练好的网络模型；
利用训练好的网络模型对仙人掌果进行腐坏检测，并筛选分类。
4.根据权利要求1所述的基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于所述步骤S2中，所述经算法判定为品质良好的仙人掌果后，计算机发送信号给步进电机，如果水果没有腐坏区域，步进电机控制托盘向右旋转45°，使品质良好的仙人掌果输送至传送带。
5.根据权利要求1所述的基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于所述步骤S3中，所述采集传送带上品质良好的仙人掌果图像为彩色图像M。
6.根据权利要求5所述的基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于所述步骤S3中，使用计算机中内置的仙人掌果计数算法对品质良好的仙人掌果进行计数的方式包括：
对彩色图像M进行一般灰度化处理，得到灰度图G1；
对彩色图像M进行选择性灰度化处理，得到灰度图G2；
分别对灰度图G1和G2进行降噪与滤波，得到图像Q1和Q2；
对灰度图Q1进行边缘检测，得到图像P1；
将灰度图Q2与图像P1进行混合，得到混合图像P2；
对混合图像P2进行形态学腐蚀与重构，得到图像P3；
标记图像P3的前景背景，得到图像P4；
对图像P4进行孤立像素与空洞处理得到图像P5；
对图像P5进行分割与计数，得到该幅图像中的仙人掌果数量。
7.根据权利要求1所述的基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于所述步骤S2和/或S3中的图像采集设备为相机。
8.根据权利要求1所述的基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于所述步骤S2和/或S3中的图像采集设备设置于传送带上方。
9.根据权利要求1所述的基于图像处理技术的仙人掌果去刺分选一体化方法，其特征在于所述步骤S1中的称重装置为称重托盘。
CN202210092445.1A 2022-01-26 2022-01-26 基于图像处理技术的仙人掌果去刺分选一体化方法 Pending CN114462523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210092445.1A CN114462523A (zh) 2022-01-26 2022-01-26 基于图像处理技术的仙人掌果去刺分选一体化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210092445.1A CN114462523A (zh) 2022-01-26 2022-01-26 基于图像处理技术的仙人掌果去刺分选一体化方法

Publications (1)

Publication Number Publication Date
CN114462523A true CN114462523A (zh) 2022-05-10

Family

ID=81411365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210092445.1A Pending CN114462523A (zh) 2022-01-26 2022-01-26 基于图像处理技术的仙人掌果去刺分选一体化方法

Country Status (1)

Country Link
CN (1) CN114462523A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116899685A (zh) * 2023-09-08 2023-10-20 黑龙江省林业科学院伊春分院 一种水飞蓟籽研磨装置
CN117509095A (zh) * 2023-12-06 2024-02-06 枣庄华宝牧业开发有限公司 一种肉制品加工输送机

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116899685A (zh) * 2023-09-08 2023-10-20 黑龙江省林业科学院伊春分院 一种水飞蓟籽研磨装置
CN116899685B (zh) * 2023-09-08 2023-12-01 黑龙江省林业科学院伊春分院 一种水飞蓟籽研磨装置
CN117509095A (zh) * 2023-12-06 2024-02-06 枣庄华宝牧业开发有限公司 一种肉制品加工输送机
CN117509095B (zh) * 2023-12-06 2024-07-02 枣庄华宝牧业开发有限公司 一种肉制品加工输送机

Similar Documents

Publication Publication Date Title
CN114462523A (zh) 基于图像处理技术的仙人掌果去刺分选一体化方法
Wen et al. Building a rule-based machine-vision system for defect inspection on apple sorting and packing lines
Blasco et al. Development of a machine for the automatic sorting of pomegranate (Punica granatum) arils based on computer vision
Blasco et al. Automatic sorting of satsuma (Citrus unshiu) segments using computer vision and morphological features
Rehkugler et al. Apple sorting with machine vision
CN106238342B (zh) 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法
Zhang et al. Development and evaluation of an apple infield grading and sorting system
Sahu et al. Identification and classification of mango fruits using image processing
CN206139527U (zh) 全景视觉马铃薯分选和缺陷检测装置
CN112233107B (zh) 基于图像处理技术的葵花籽品级分类方法
CN107121436B (zh) 一种硅料品质的智能鉴别方法及鉴别装置
CN111359907B (zh) 基于嵌入式深度学习的小麦感染赤霉病病粒率实时在线检测系统及方法
CN211839115U (zh) 一种多指标综合的球形果蔬品质分级分选装置
CN102773217A (zh) 猕猴桃自动分级系统
CN102855641A (zh) 基于外在品质的水果等级分类系统
Puno et al. Quality Assessment of Mangoes using Convolutional Neural Network
CN106645180A (zh) 检查基板玻璃缺陷的方法、现场终端及服务器
CN111438072A (zh) 一种称重产品分拣设备
Chong et al. Features extraction for eggplant fruit grading system using machine vision
CN117011259A (zh) 果实缺陷检测方法、装置、设备及介质
EP4102952A1 (de) Verfahren zum betrieb einer maschine zum ernten und/oder trennen von hackfrüchten, zugehörige maschine und zugehöriges computerprogrammprodukt
JP6122655B2 (ja) 農作物の農作物選定装置及び農作物選定方法
Deplomo et al. Classifying quality grading and size of allium cepa using digital image processing algorithms
Xun et al. Automatic system of seeds refined grading based on machine vision
CN116267226B (zh) 一种基于机器视觉智能识别成熟度的桑葚采摘方法与装置

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