CN209006205U - 一种基于机器视觉的冬枣损伤检测剔除设备 - Google Patents
一种基于机器视觉的冬枣损伤检测剔除设备 Download PDFInfo
- Publication number
- CN209006205U CN209006205U CN201821623458.2U CN201821623458U CN209006205U CN 209006205 U CN209006205 U CN 209006205U CN 201821623458 U CN201821623458 U CN 201821623458U CN 209006205 U CN209006205 U CN 209006205U
- Authority
- CN
- China
- Prior art keywords
- impeller
- guide rail
- winter jujube
- jujube
- stepping
- 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
Abstract
本实用新型提出了一种基于机器视觉的冬枣损伤检测剔除设备,解决了现有技术中冬枣检测效率低、成本高的问题。该设备包括导轨,所述导轨倾斜设置,供冬枣在自身重力作用下滚落;暗室,设置于所述导轨上,所述冬枣滚入所述暗室内,所述暗室内设有用于补光的环形光源和用于对冬枣进行拍照的摄像头;图像处理设备,所述图像处理设备对所述摄像头拍摄的照片进行处理,计算出冬枣的损伤特征面积百分比,并将结果传输至单片机进行对比;剔除出口,所述剔除出口设置在所述导轨的下方并与其相连通,所述剔除出口与导轨的连通处设有与其大小相适配的步进叶轮,所述步进叶轮根据所述单片机的对比结果顺时针或逆时针旋转,实现优枣与劣枣的筛分。
Description
技术领域
本实用新型涉及冬枣检测技术领域,特别是指一种基于机器视觉的冬枣损伤检测剔除设备。
背景技术
我国冬枣产量大,冬枣果实的表皮较薄且脆,为了不对冬枣的表皮产生破坏,通常都是通过人工进行采摘,现有技术为了提高采摘的效率,也出现了很多冬枣专用的采摘机械。在冬枣采摘完成后,为最大限度的保持果实的新鲜,需要较为高效的设备来将优质果品和劣果进行分离,现有的方法通常是利用高光谱检测法或核磁共振图像进行分析,但这种方法检测效率低、每个冬枣的检测周期过长,且所需的成本较高。
实用新型内容
本实用新型提出一种基于机器视觉的冬枣损伤检测剔除设备,解决了现有技术中冬枣检测效率低、成本高的问题。
本实用新型的技术方案是这样实现的:一种基于机器视觉的冬枣损伤检测剔除设备,包括
导轨,所述导轨倾斜设置,供冬枣在自身重力作用下滚落;
暗室,设置于所述导轨上,所述冬枣滚入所述暗室内,所述暗室内设有用于补光的环形光源和用于对冬枣进行拍照的摄像头;
图像处理设备,所述图像处理设备对所述摄像头拍摄的照片进行处理,计算出冬枣的损伤特征面积百分比,并将结果传输至单片机进行对比;
剔除出口,所述剔除出口设置在所述导轨的下方并与其相连通,所述剔除出口与导轨的连通处设有与其大小相适配的步进叶轮,所述步进叶轮根据所述单片机的对比结果顺时针或逆时针旋转,实现优枣与劣枣的筛分。
作为一种优选的实施方式,所述导轨上还设有位于所述暗室上游位置的流速控制叶轮,所述冬枣在所述流速控制叶轮的作用下单个依次进入所述暗室内;
所述流速控制叶轮由步进电机驱动旋转,所述流速控制叶轮上设有力传感器,所述力传感器感应到受力异常时,控制流速控制叶轮的步进电机反向旋转后再正向旋转。
作为一种优选的实施方式,所述步进叶轮具有四片叶轮并在周向上均布,所述流速控制叶轮具有五片叶轮并在周向上均布;
所述步进叶轮的旋转轴呈水平设置,所述流速控制叶轮的旋转轴呈竖直设置;
所述步进叶轮的单次旋转角度为90°,所述控制流速控制叶轮的步进电机反向旋转的角度为72°。
作为一种优选的实施方式,所述导轨的倾斜角度为30°,所述导轨、步进叶轮及流速控制叶轮均为不锈钢材质制作,在所述导轨和步进叶轮上还粘贴有纯白色的贴纸,以减小对冬枣颜色的干扰。
采用了上述技术方案后,本实用新型的有益效果是:本实用新型的基于机器视觉的冬枣损伤检测剔除方法的设备利用摄像头不间断地采集冬枣图片,并利用图像处理算法将采集到的RGB图像转换为LAB模型,利用颜色分量描述冬枣的颜色特征方法,从而构建冬枣识别的快速检测法,之后再结合单片机、叶轮等执行机构实现对优枣和劣枣的高效分离。整个方法和设备能够实现对冬枣360°的动态监测,识别准确率高,剔除速度快,相对于基于核磁共振成像的水果轻微损伤识别,能够降低成本,提高安全性,无辐射。
附图说明
为了更清楚地说明本实用新型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描述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实用新型的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本实用新型检测剔除方法的工艺流程图;
图2为本实用新型检测剔除设备一种实施例的结构示意图;
图3为图2所示实施例去除暗室后的结构示意图;
图中:1-导轨;2-暗室;3-摄像头;4-剔除出口;5-优枣出口;6-第一步进电机;7-流速控制叶轮;8-步进叶轮;9-第二步进电机。
具体实施方式
下面将结合本实用新型实施例中的附图,对本实用新型实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本实用新型一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,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,都属于本实用新型保护的范围。
实施例:
如图2和图3所示,为本实用新型基于机器视觉的冬枣损伤检测剔除设备的一种实施例,其包括一个倾斜设置的导轨1,以供冬枣在自身重力作用下滚落,经过实验数据验证,导轨1的倾斜角度设置为30°为最佳。
在导轨1上设置有流速控制叶轮7,该流速控制叶轮7由一个步进电机6控制旋转,流速控制叶轮7的旋转轴呈竖直设置,一般情况下,流速控制叶轮7是匀速旋转的,其作用是将滚落下来的冬枣单个依次通过。在流速控制叶轮7上还设置有力传感器(图中未示出),其能够感受流速控制叶轮7所受的作用力,当有冬枣卡在流速控制叶轮7处时,力传感器即能感应到异常,此时即发出电信号至控制流速控制叶轮7的步进电机6处,控制步进电机6反向旋转一定角度后再正向旋转,以使得被卡住的冬枣能够顺利通过。此实施例中,流速控制叶轮7上共有5片叶轮并周向均布,流速控制叶轮7每次反向旋转的角度即为1/5圈,也即72°。当然也可根据需要随时调整流速控制叶轮7上叶轮的数量,例如更换成6片,从而改变叶轮之间的间距,适应不同大小的枣。
在流速控制叶轮7的下游位置设置有暗室2,经流速控制叶轮7减速后的冬枣依次单个地进入到暗室2内,在暗室2内设有用于补光的环形光源(图中未示出)和用于对冬枣进行拍照的摄像头3,同时为了减小外界环境对冬枣的影响,在导轨1和步进叶轮8上均粘贴有纯白色的贴纸,而且环形光源的光强可根据实际的需要随时调整。在摄像头3对进入的冬枣进行不间断地拍照后,将采集到的冬枣图像传至图像处理设备进行分析处理,以提取计算出冬枣的损伤特征面积百分比S,并将计算的结果实时传递至单片机处与设定的阈值S0进行对比,若S≥S0,则代表此为劣枣,即利用剔除机构将此冬枣剔除,反之则为优枣,同样利用剔除机构进行筛分,最终实现优枣与劣枣的筛分。
此处的剔除机构具体为一步进叶轮8,其也通过步进电机6进行控制,在导轨1的下方设置有一与其连通的剔除出口4,步进叶轮8正好处于剔除出口4与导轨1的连通处,步进叶轮8上设有四片叶轮并呈“十”字形,步进叶轮8的旋转轴呈水平设置。而且控制步进叶轮8的步进电机6也由单片机控制,S与S0比较的结果将决定步进电机6的旋转。如图1中角度所示,当S≥S0,则代表此为劣枣,此时的步进电机6控制步进叶轮8逆时针旋转90°,劣枣即掉落下去,并通过剔除出口4剔除。反之为优枣,则步进电机6控制步进叶轮8顺时针旋转90°,优枣即从优枣出口5排出,同时也保证了下一个冬枣的筛分。
由于各个机构需要持续工作,极易产生磨损,因此此实施例中的导轨1、步进叶轮8及流速控制叶轮7均为不锈钢材质制作,可以有效延长其使用寿命。
如图1所示,为该实施例的工艺流程图,其主要包括以下步骤:枣叶分离、图像采集、图像处理、剔除劣枣。其中,枣叶分离步骤是利用风力将质量小于冬枣的枝叶吹开,从而将冬枣筛选出来。冬枣在筛选出来后,在自身重力作用下沿倾斜设置的导轨滚落,然后滚入下方的暗室内,在滚落过程中,为了确保冬枣单个依次进入暗室内,在暗室的上游位置还需设置一个减速机构,以确保冬枣单个滚落。为了防止减速机构工作时冬枣卡入,该方法还特地在减速机构上设置了一力传感器,当冬枣在减速机构处卡住时,该力传感器就会感应到异常,此时,驱动减速机构的动力机构反向转动一定的角度,以使卡住的冬枣能够顺利通过,之后减速机构再正向旋转即可。冬枣在进入暗室内后,暗室内的摄像头对滚入的冬枣进行不间断地动态采样,同时为了确保图像采集的准确度,在暗室内还设有用于补光的环形光源,暗室的内表面上还粘贴纯白色的贴纸,以尽量减小其他颜色对采集图像造成的干扰,而且环形光源的光强可以通过改变电流的大小加以控制改变,以凸显冬枣的重要特征,降低后期图像处理的难度。
在采集图像后,即需要对采集的图像进行处理,其基本思路是利用图像处理算法将采集到的RGB图像转化到LAB模型空间,利用颜色分量描述冬枣颜色特征,对采集到的图片进行滤波增强,去除图像中的干扰,对图片进行锐化处理,凸显冬枣特征,采用阈值分割得到包含冬枣的图像区域,去除图像中的背景。由于RGB图像无法直接转换为LAB,因此,需先将RGB转换为XYZ,RGB为像素的三个通道,取值范围均为[0,255],转换公式如下:
之后再将XYZ转换为LAB,转换公式如下:
上述公式(5)和公式(6)中,L*,a*,b*是最终的LAB色彩空间三个通道的值,X、Y、Z是RGB转换为XYZ后计算出来的值,Xn、Yn、Zn分别选取0.950456、1.0、1.088754。
再经过上述图像处理后,提取冬枣的损伤特征面积百分比S,然后将S与设定的阈值S0进行比较,比较结果通过单片机控制步进电机动作,将优枣和劣枣进行分离。例如,当S≥S0,则代表为劣枣,所述单片机控制步进电机逆时针旋转,剔除劣枣,反之,则为优枣,所述单片机控制步进电机顺时针旋转,将优枣进行收集。
此外,图像在处理过程中还可利用帧差分算法,其是一种典型的时间压缩法,它通过比较本帧与相邻帧之间的差异,仅记录本帧与其相邻帧的差值,这样可以大大减少数据量。帧间差分法是一种通过对视频图像序列的连续两帧图像做差分运算获取运动目标轮廓的方法。当监控场景中出现异常目标运动时,相邻两帧图像之间会出现较为明显的差别,两帧相减,求得图像对应位置像素值差的绝对值,判断其是否大于某一阈值,进而分析视频或图像序列的物体运动特性。其数学公式描述如下:
其中,D(x,y)为连续两帧图像之间的差分图像,I(t)和I(t-1)分别为t和t-1时刻的图像,T为差分图像二值化时选取的阈值,D(x,y)=1表示前景,D(x,y)=0表示背景。
这种算法实现简单,程序设计复杂度低,运行速度快;动态环境自适应性强,对场景光线变化不敏感。
本实用新型的基于机器视觉的冬枣损伤检测剔除设备采用色彩识别原理,运用摄像头不间断采集视野图像,然后用图像处理算法将采集到的RGB图像转化到LAB模型空间,利用颜色分量描述冬枣颜色特征方法,构建了冬枣识别的快速检测法;并据此将单片机作为测控核心,结合叶轮作为冬枣识别后的分离机构,步进电机作为执行件,建构了高效的冬枣自动优劣检测与剔除设备,具有很好的实用性。
以上所述仅为本实用新型的较佳实施例而已,并不用以限制本实用新型,凡在本实用新型的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实用新型的保护范围之内。
Claims (4)
1.基于机器视觉的冬枣损伤检测剔除设备,其特征在于:包括
导轨,所述导轨倾斜设置,供冬枣在自身重力作用下滚落;
暗室,设置于所述导轨上,所述冬枣滚入所述暗室内,所述暗室内设有用于补光的环形光源和用于对冬枣进行拍照的摄像头;
图像处理设备,所述图像处理设备对所述摄像头拍摄的照片进行处理,计算出冬枣的损伤特征面积百分比,并将结果传输至单片机进行对比;
剔除出口,所述剔除出口设置在所述导轨的下方并与其相连通,所述剔除出口与导轨的连通处设有与其大小相适配的步进叶轮,所述步进叶轮根据所述单片机的对比结果顺时针或逆时针旋转,实现优枣与劣枣的筛分。
2.如权利要求1所述的设备,其特征在于:所述导轨上还设有位于所述暗室上游位置的流速控制叶轮,所述冬枣在所述流速控制叶轮的作用下单个依次进入所述暗室内;
所述流速控制叶轮由步进电机驱动旋转,所述流速控制叶轮上设有力传感器,所述力传感器感应到受力异常时,控制流速控制叶轮的步进电机反向旋转后再正向旋转。
3.如权利要求2所述的设备,其特征在于:所述步进叶轮具有四片叶轮并在周向上均布,所述流速控制叶轮具有五片叶轮并在周向上均布;
所述步进叶轮的旋转轴呈水平设置,所述流速控制叶轮的旋转轴呈竖直设置;
所述步进叶轮的单次旋转角度为90°,所述控制流速控制叶轮的步进电机反向旋转的角度为72°。
4.如权利要求2所述的设备,其特征在于:所述导轨的倾斜角度为30°,所述导轨、步进叶轮及流速控制叶轮均为不锈钢材质制作,在所述导轨和步进叶轮上还粘贴有纯白色的贴纸,以减小对冬枣颜色的干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201821623458.2U CN209006205U (zh) | 2018-09-30 | 2018-09-30 | 一种基于机器视觉的冬枣损伤检测剔除设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201821623458.2U CN209006205U (zh) | 2018-09-30 | 2018-09-30 | 一种基于机器视觉的冬枣损伤检测剔除设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN209006205U true CN209006205U (zh) | 2019-06-21 |
Family
ID=66837752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201821623458.2U Active CN209006205U (zh) | 2018-09-30 | 2018-09-30 | 一种基于机器视觉的冬枣损伤检测剔除设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN209006205U (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110496795A (zh) * | 2019-09-06 | 2019-11-26 | 合肥蓝优净环保科技有限公司 | 智能物料双向导送装置 |
CN110508512A (zh) * | 2019-09-06 | 2019-11-29 | 合肥蓝优净环保科技有限公司 | 单辊双向推送机构 |
CN110508508A (zh) * | 2019-09-06 | 2019-11-29 | 合肥蓝优净环保科技有限公司 | 智能物料分选导送方法 |
WO2021223330A1 (zh) * | 2020-05-08 | 2021-11-11 | 青岛理工大学 | 一种基于网格结构预定位的规模化冬枣智能动态优选设备 |
-
2018
- 2018-09-30 CN CN201821623458.2U patent/CN209006205U/zh active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110496795A (zh) * | 2019-09-06 | 2019-11-26 | 合肥蓝优净环保科技有限公司 | 智能物料双向导送装置 |
CN110508512A (zh) * | 2019-09-06 | 2019-11-29 | 合肥蓝优净环保科技有限公司 | 单辊双向推送机构 |
CN110508508A (zh) * | 2019-09-06 | 2019-11-29 | 合肥蓝优净环保科技有限公司 | 智能物料分选导送方法 |
CN110508508B (zh) * | 2019-09-06 | 2020-09-29 | 安庆柯麦机电科技有限公司 | 智能物料分选导送方法 |
CN110508512B (zh) * | 2019-09-06 | 2021-04-02 | 合肥蓝优净环保科技有限公司 | 单辊双向推送机构及智能物料双向导送装置 |
WO2021223330A1 (zh) * | 2020-05-08 | 2021-11-11 | 青岛理工大学 | 一种基于网格结构预定位的规模化冬枣智能动态优选设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN209006205U (zh) | 一种基于机器视觉的冬枣损伤检测剔除设备 | |
CN102297867B (zh) | 线束装配质量检测系统 | |
CN105181714B (zh) | 一种基于图像处理的瓶装液体杂质检测系统及其检测方法 | |
CN103323457B (zh) | 水果外观缺陷实时在线检测系统及检测方法 | |
CN103706574A (zh) | 一种固体籽粒自动分拣系统 | |
CN106295705B (zh) | 一种运动背景下的多颜色物料筛选计数系统 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN103090804A (zh) | 成品磁环图像自动检测系统及检测方法 | |
CN110335262A (zh) | 一种机器视觉中印刷品缺陷自动分类方法 | |
CN102590225A (zh) | 胶囊质量检测机及基于该胶囊质量检测机的胶囊质量检测方法 | |
CN109030504B (zh) | 基于虚实成像相结合的全景马铃薯缺陷检测装置及方法 | |
CN109886170B (zh) | 一种钉螺智能检测识别与统计系统 | |
CN109409289A (zh) | 一种电力作业安全监督机器人安全作业识别方法及系统 | |
CN101620278A (zh) | 直升机电力巡检机载系统控制采集图像的方法 | |
CN111054655A (zh) | 一种螃蟹分拣装置及其运用方法 | |
CN104992448B (zh) | 机器人防损伤采摘葡萄的自动定位方法 | |
CN106778439A (zh) | 一种基于图像处理的锂电池批量扫码系统及方法 | |
CN109465204A (zh) | 一种基于机器视觉的冬枣损伤检测剔除方法及设备 | |
CN102495067B (zh) | 一种食用菌杂质在线识别系统 | |
CN104048966A (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
CN105319166A (zh) | 一种大豆实时检测仪器 | |
CN111359907A (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 | |
CN102519971A (zh) | 食用菌杂质在线识别装置及方法 | |
CN203069148U (zh) | 一种成品磁环图像自动检测系统 | |
CN113567448A (zh) | 一种用于工业产品的三维视觉物体检测的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |