CN211756981U - 一种基于卷积神经网络的咸鸭蛋品质分检装置 - Google Patents
一种基于卷积神经网络的咸鸭蛋品质分检装置 Download PDFInfo
- Publication number
- CN211756981U CN211756981U CN202020078789.3U CN202020078789U CN211756981U CN 211756981 U CN211756981 U CN 211756981U CN 202020078789 U CN202020078789 U CN 202020078789U CN 211756981 U CN211756981 U CN 211756981U
- Authority
- CN
- China
- Prior art keywords
- salted duck
- conveying mechanism
- black box
- conveying
- duck egg
- 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.)
- Expired - Fee Related
Links
Images
Abstract
本实用新型公开了一种基于卷积神经网络的咸鸭蛋品质分检装置,包括机架、设置在机架上的黑箱、设置在黑箱内的检测装置、用于将咸鸭蛋输送到黑箱中进行检测的输送装置以及控制系统;本实用新型的咸鸭蛋品质分检装置通过检测咸鸭蛋散发气体中的气体成分优先排除已发臭的咸鸭蛋,对剩余咸鸭蛋利用事先训练好的用于检测咸鸭蛋品质的卷积神经网络模型对咸鸭蛋进行检测,将劣质的咸鸭蛋与优质咸鸭蛋进行分类,代替传统人工检测的方式,节省了劳动力,提高了生产效率。
Description
技术领域
本实用新型涉及一种咸鸭蛋检测设备,具体涉及一种基于卷积神经网络的咸鸭蛋品质分检装置。
背景技术
咸鸭蛋又称腌鸭蛋,是我国传统的一种食物。咸鸭蛋以新鲜鸭蛋为主要原料经过腌制而成的再制蛋,营养丰富,富含脂肪、蛋白质及人体所需的各种微量元素、维生素等,易被人体吸收。优质的咸鸭蛋外观圆润光滑,蛋壳完整干净,没有裂痕,外壳呈青色;劣质咸鸭蛋则外壳灰暗,表面有较多白色或黑色的斑点,蛋壳薄脆易破损,已变质的咸鸭蛋甚至会产生刺鼻的臭味,其恶臭主要来源于氨气、硫化氢气体等化学气体,由于蛋壳表面存在许多微小的气孔,因此即使外壳完整的咸鸭蛋,也能散发出气味。
鸡蛋、鸭蛋等禽类蛋及蛋制品是人们保障充足营养的重要途径,关于禽蛋类的分级、检测技术也层出不穷,但绝大多数都是针对鲜蛋类所进行的研究,而如咸鸭蛋等经过一定加工制成的蛋类制品则多为对其营养或有害成分的检测,对于咸鸭蛋的品质优劣的检测和分类依然主要由人工挑选分类,这样不仅费时费力,效率低下,而且还容易出错。为此,市面上出现了一些对咸鸭蛋的品质进行检测和分析的装置和方法,例如申请公布号为CN108051449A的实用新型专利公开了“基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法”,通过利用机器视觉进行检测,能够实现咸鸭蛋裂纹在线检测与分级,对应用环境要求低,设备成本低,对比利用声学检测具有更好的应用推广前景;利用单个工业相机对咸鸭蛋进行多翻转角度拍照,检测范围全;利用形态学边缘检测提取裂纹,更加直观和准确。
然而上述的咸鸭蛋表面裂纹在线视觉检测方法存在以下的不足:
虽然上述的咸鸭蛋表面裂纹在线视觉检测方法通过检测咸鸭蛋表面裂纹来剔除可能发生变质的咸鸭蛋,但市面上依然有不少劣质咸鸭蛋外壳虽未破裂但内部已发生了不同程度变质的情况,因此通过上述咸鸭蛋表面裂纹在线视觉检测方法很难检测出来。
实用新型内容
本实用新型的目的在于克服现有技术的不足,提供了一种基于卷积神经网络的咸鸭蛋品质分检装置,所述咸鸭蛋品质分检装置可以更加精准地实现对咸鸭蛋的质量进行检测,并且检测精度更高。
本实用新型解决上述技术问题的技术方案是:
一种基于卷积神经网络的咸鸭蛋品质分检装置,包括机架、设置在机架上的黑箱、设置在黑箱内的检测装置、用于将咸鸭蛋输送到黑箱中进行检测的输送装置以及控制系统,其中,
所述黑箱的两侧分别设置有咸鸭蛋进口和咸鸭蛋出口,其中,所述咸鸭蛋进口设置有进口挡板以及用于驱动所述进口挡板转动以促使咸鸭蛋逐个进入到黑箱中的第一驱动电机,其中,所述第一驱动电机安装在所述黑箱上,且该第一驱动电机的主轴与所述进口挡板连接;
所述输送装置包括第一输送机构、第二输送机构和第三输送机构,其中,所述第二输送机构贯穿所述黑箱,且该第二输送机构的首端与第一输送机构的末端连接,末端与第三输送机构的首端连接;所述第三输送机构用于将检测后的咸鸭蛋输送到不同的收集机构;
所述检测装置包括设置在黑箱内的第一检测模块以及用于对咸鸭蛋的表面进行检测的第二检测模块,其中,
所述第一检测模块包括设置在黑箱内的氨气传感器、硫化氢气体传感器以及风扇,其中,所述氨气传感器与硫化氢气体传感器安装在所述黑箱的内壁上,且位于所述第二输送机构的一侧,用于检测由咸鸭蛋散发出的气体中是否含有的氨气与硫化氢气体;所述风扇安装在黑箱的内壁上,且与所述氨气传感器和硫化氢气体传感器相对设置,用于将咸鸭蛋散发的气体吹至所述氨气传感器与硫化氢气体传感器的检测范围内;
所述第二检测模块包括图像收集装置,用于采集在黑箱中进行检测的咸鸭蛋的图像,并将其传递给控制系统,由控制系统对图像进行分析处理。
优选的,所述图像收集装置包括工业相机,所述工业相机设置在所述黑箱内壁的顶部,且位于所述第二输送机构的上方。
优选的,所述图像收集装置还包括补光灯,所述补光灯安装在工业相机的两侧,用于补光。
优选的,所述氨气传感器和所述硫化氢气体传感器之间设置有红外传感器,用于检测是否有咸鸭蛋正在被检测。
优选的,所述黑箱内部还设置有内挡板以及用于驱动内挡板转动的第二驱动电机,其中,所述内挡板位于所述第二输送机构的上方;所述第二驱动电机安装在所述黑箱内壁上,且该第二驱动电机的主轴与所述内挡板连接。
优选的,所述第一输送机构的输送速度小于第二输送机构的速度。
优选的,所述第三输送机构为多组,每组第三输送机构的首端与第二输送机构的末端连通,末端与各个收集机构连接;所述第二输送机构的末端设置有分拣挡板,所述分拣挡板通过第三驱动电机驱动,用于将咸鸭蛋送入到对应的第三输送机构中。
优选的,所述第一输送机构、第二输送机构和第三输送机构均为同步带传动机构。
本实用新型与现有技术相比具有以下的有益效果:
1、本实用新型通过检测咸鸭蛋散发气体中的气体成分优先排除已发臭的咸鸭蛋,对剩余咸鸭蛋利用事先训练好的用于检测咸鸭蛋品质的卷积神经网络模型对咸鸭蛋进行检测,将劣质的咸鸭蛋与优质咸鸭蛋进行分类,代替传统人工检测的方式,节省了劳动力,提高了生产效率。
2、本实用新型通过检测咸鸭蛋散发的气体成分优先排除已发生严重变质的咸鸭蛋,后续利用卷积神经网络对剩余咸鸭蛋进行检测,针对外壳完整的咸鸭蛋依然可将表面斑点作为依据进行分类,最终能以较高的准确率将优质咸鸭蛋与劣质咸鸭蛋进行分类,提高检测精度。
3、本实用新型可应用于咸鸭蛋生产出厂包装前的产品质量检测环节,取代了传统的人工检测分类,提高了生产效率,有效控制咸鸭蛋的出厂品质。
附图说明
图1为本实用新型的基于卷积神经网络的咸鸭蛋品质分检装置的第一个具体实施方式的结构简图。
图2为黑箱、检测装置和第二输送机构的结构简图。
图3为本实用新型的基于卷积神经网络的咸鸭蛋品质分检方法的流程示意图。
图4为图3中构建卷积神经网络模型的流程示意图。
图5为图4中的训练卷积神经网络模型的流程示意图。
图6为卷积神经网络模型的网络结构示意图。
图7为本实用新型的基于卷积神经网络的咸鸭蛋品质分检装置的第二个具体实施方式的中的第一输送机构和第二输送机构的结构简图。
图8为本实用新型的基于卷积神经网络的咸鸭蛋品质分检装置的第三个具体实施方式的结构简图。
具体实施方式
下面结合实施例及附图对本实用新型作进一步详细的描述,但本实用新型的实施方式不限于此。
实施例1
参见图1-图2,本实用新型的基于卷积神经网络的咸鸭蛋品质分检装置包括机架、设置在机架上的黑箱7、设置在黑箱7内的检测装置、用于将咸鸭蛋8输送到黑箱7中进行检测的输送装置11以及控制系统。
参见图1-图2,所述黑箱7的两侧分别设置有咸鸭蛋进口和咸鸭蛋出口,其中,所述咸鸭蛋进口设置有进口挡板9以及用于驱动所述进口挡板9转动以促使咸鸭蛋8逐个进入到黑箱7中的第一驱动电机,其中,所述第一驱动电机安装在所述黑箱7上,且主轴与所述进口挡板9连接。
参见图1-图2,所述输送装置11包括第一输送机构11-1、第二输送机构11-2和第三输送机构11-3,其中,所述第二输送机构11-2贯穿所述黑箱7,且该第二输送机构11-2的首端与第一输送机构11-1的末端连接,末端与第三输送机构11-3的首端连接;所述第三输送机构11-3用于将检测完后的咸鸭蛋8输送到不同收集机构11-4。
参见图1-图2,所述检测装置包括设置在黑箱7内的第一检测模块以及用于对咸鸭蛋8的表面进行检测的第二检测模块,其中,所述第一检测模块包括设置在黑箱7内的氨气传感器3、硫化氢气体传感器5以及风扇13,其中,所述氨气传感器3与硫化氢气体传感器5安装在所述黑箱7的内壁上,且位于所述第二输送机构11-2的侧边,用于检测由咸鸭蛋8散发出的气体中是否含有的氨气与硫化氢气体;所述风扇安装在黑箱7的内壁上,且与所述氨气传感器3和硫化氢气体传感器5相对设置,用于将咸鸭蛋8散发的气体吹至所述氨气传感器3与硫化氢气体传感器5的检测范围内;所述氨气传感器3和所述硫化氢气体传感器5之间设置有红外传感器4,用于检测是否有咸鸭蛋8在被检测;
所述第二检测模块包括图像收集装置,用于采集在黑箱7中进行检测的咸鸭蛋8的图像,并将其传递给控制系统,由控制系统对图像进行分析处理,其中,所述图像收集装置包括工业相机1和补光灯2,其中,所述工业相机1通过相机支架6安装在所述黑箱7内壁的顶部,且位于所述第二输送机构11-2的上方;所述补光灯2安装在工业相机1的两侧,用于补光。
参见图1-图2,所述黑箱7内部还设置有内挡板10以及用于驱动内挡板10转动的第二驱动电机,其中,所述内挡板10位于所述第二输送机构11-2的上方;所述第二驱动电机安装在所述黑箱7内壁上,并与所述内挡板10连接。通过第二驱动电机带动内挡板10转动,从而起到阻拦咸鸭蛋8运动的作用。当咸鸭蛋8在被检测时,所述第二驱动电机带动内挡板10转动,从而带动内挡板10阻挡咸鸭蛋8,使其始终位于所述检测装置的检测范围内,待检测完成后,所述第二驱动电机带动内挡板10转动,从而实现放行,这样有助于实现对咸鸭蛋8的检测。
参见图1-图2,本实用新型的基于卷积神经网络的咸鸭蛋品质分检装置还包括安装在机架上的分拣装置,其中,所述分拣装置为两组,所述两组分拣装置沿着第三输送机构11-3的输送方向依次排列,每组分拣装置包括搬运爪16、用于驱动搬运爪16做垂直于第三输送机构11-3的输送方向运动的驱动气缸17以及将第三输送机构11-3中的咸鸭蛋8输送到对应的收集机构11-4的第四输送机构18,其中,所述搬运爪16与驱动气缸17的伸缩杆连接;所述第四输送机构18的输送方向与第三输送机构11-3的输送方向垂直,且该第四输送机构18一端与第三输送机构11-3对接,另一端与收集机构11-4对接。当第二输送机构11-2将咸鸭蛋8输送到第三输送机构11-3后,所述第三输送机构11-3将咸鸭蛋8按照品质的不同,将其输送到对应的分拣装置处,例如本实施例中的两个分拣装置,其中一个用于将咸鸭蛋8送入到不合格的收集机构11-4中;而另一个分拣装置则将咸鸭蛋8送进合格的收集机构11-4中;对应的分拣装置的驱动气缸17带动搬运爪16运动,从而驱动咸鸭蛋8做垂直于第三输送机构11-3的输送方向的方向运动,以此将咸鸭蛋8送至到对应的第四输送机构18中,由第四输送机构18将其输送到对应的收集机构11-4内,从而完成对咸鸭蛋8的分拣工作。
除上述实施方式外,所述分拣装置还可以采用机械手分拣搬运的方式,将不同品质的咸鸭蛋8搬运到不同的收集机构11-4中,其中,所述机械手分拣搬运的方式可以参照市面上现有的分拣装置实施,例如申请公布号为CN109349164A的发明专利申请公开的“鸡蛋分拣装置”实施。
本实施例中的第一输送机构11-1、第二输送机构11-2和第三输送机构11-3和第四输送机构18均为同步带传动机构,通过电机带动同步带轮转动,从而带动同步带运动,实现对咸鸭蛋8的输送,其中,同步带上设置限位块19,该限位块19可以是同步带上的拨齿,用于防止咸鸭蛋8在输送过程中发生与同步带之间发生相对运动,所述限位块19可设置在咸鸭蛋8的前后两侧,该限位块19的横截面为半圆形或圆形,这样不仅可以有利于对咸鸭蛋8的输送,而且还有利于限制咸鸭蛋8与同步带之间发生相对运动;所述第一输送机构11-1、第二输送机构11-2、第三输送机构11-3和第四输送机构18可在该限位块19的左右两侧设置挡边,用于防止咸鸭蛋8从同步带上滚落下去。
另外,将限位块19的横截面设置为半圆形或圆形的好处在于:当第二输送机构11-2将咸鸭蛋8输送到检测装置处进行检测时,第二驱动电机带动内挡板10转动,从而起到阻拦咸鸭蛋8运动随着第二输送机构11-2的同步带运动,这样,咸鸭蛋8与第二输送机构11-2之间会产生相对运动,但是由于第二输送机构11-2的同步带上的限位块19的截面为半圆形或圆形,当咸鸭蛋8与限位块19发生相对运动时,咸鸭蛋8沿着限位块19的外轮廓滚动,既可以将咸鸭蛋8始终限制在检测装置的检测范围处,同时又不会对咸鸭蛋8造成任何损伤。
参见图1-图2,本实用新型的基于卷积神经网络的咸鸭蛋品质分检装置的工作原理是:
工作时,所述第一输送机构11-1带动咸鸭蛋8运动,将咸鸭蛋8输送到所述第二输送机构11-2中,随后由第二输送机构11-2将咸鸭蛋8输送到检测装置的检测范围内;接着,所述第一驱动电机带动进口挡板9运动,挡住黑箱7中的咸鸭蛋8进口;当红外传感器4检查检测到咸鸭蛋8后,所述控制系统控制风扇13工作,将咸鸭蛋8的气味吹送到氨气传感器3和硫化氢气体传感器5处,由氨气传感器3和硫化氢气体传感器5将检测信息传递给控制系统;若检测到的咸鸭蛋8散发出来的氨气和硫化氢气体的含量超过标准值后,则表明该咸鸭蛋8不合格;所述第二输送机构11-2将该咸鸭蛋8输送到第三输送机构11-3中,并通过第三输送机构11-3将其输送到用于收集不合格的咸鸭蛋的收集机构11-4中;若检测到的咸鸭蛋8散发出来的氨气和硫化氢气体的含量没有超过标准值,所述控制系统控制图像收集装置工作,拍摄咸鸭蛋8的照片,并将该照片信息发送给控制系统;通过控制系统对图片进行处理,搭建卷积神经网络模型,通过卷积神经网络模型,对咸鸭蛋8的品质进行分析;所述控制系统根据卷积神经网络模型的分析结果,控制第三输送机构11-3将完成检测后的咸鸭蛋8输送到对应的收集机构11-4中,从而实现对咸鸭蛋8品质分检工作的自动化和无人化。且由于本实用新型中所采集的数据不仅包括咸鸭蛋8的气味、咸鸭蛋8蛋壳的裂纹、而且还有咸鸭蛋8蛋壳的颜色、斑点等,通过这些数据,可以实现对没有裂纹的咸鸭蛋8进行品质分析,且检测精度更高。
参见图1-图,6,本实用新型的基于卷积神经网络的咸鸭蛋品质分检方法,包括以下步骤:
(1)、首先,第一输送机构11-1带动咸鸭蛋8运动,将咸鸭蛋8输送到所述第二输送机构11-2中,随后由第二输送机构11-2将咸鸭蛋8输送到检测装置的检测范围内;所述第一驱动电机带动进口挡板9运动,挡住黑箱7中的咸鸭蛋8进口;
(2)、控制系统控制风扇13工作,将咸鸭蛋8的气味吹送到氨气传感器3和硫化氢气体传感器5处,由氨气传感器3和硫化氢气体传感器5将检测信息传递给控制系统;若检测到的咸鸭蛋8散发出来的氨气和硫化氢气体的含量超过标准值后,则表明该咸鸭蛋8不合格;所述第二输送机构11-2将该咸鸭蛋8输送到第三输送机构11-3中,并通过第三输送机构11-3将其输送到用于收集不合格的咸鸭蛋8的收集机构11-4中;
(3)、若检测到的咸鸭蛋8散发出来的氨气和硫化氢气体的含量没有超过标准值,所述控制系统控制图像收集装置工作,拍摄咸鸭蛋8的照片,并将该照片信息发送给控制系统;所述控制系统通过对照片进行处理,构建卷积神经网络模型,其中,所述卷积神经网络模型的构建包括以下步骤:
(3-1)、样本图像采集与样本库的建立,其中,所采集的样本图像包括不同角度拍摄的优劣程度不同的咸鸭蛋8的彩色照片(即说明书附图6中的RGB-IMAGE);将所获取的咸鸭蛋8的照片进行类别标注,具体包括:将蛋外观圆润光滑,蛋壳完整干净,没有裂痕,外壳呈青色的咸鸭蛋8标记为正类;将外壳灰暗,表面有较多白色或黑色斑点的或表面有裂纹的咸鸭蛋8标注为反类;若输入图片中存在不包含咸鸭蛋8的图片,标注为无关类;将标注后的图像的70%保存为训练样本集,30%保存为测试样本集;
(3-2)、对输入样本的进行归一化;即将训练样本集与测试样本集中的输入样本归一化到227×227(像素)大小,用于后续输入卷积神经网络,提高卷积神经网络的训练效率;
(3-3)、搭建卷积神经网络模型;所搭建的卷积神经网络模型为AlexNet模型,该卷积神经网络模型包括5个卷积层(CONV),3个最大池化层(POOL),3个全连接层(FC),1个输出层;其中,第一个卷积层采用大小为11×11的卷积核,步长为4,紧接着一个大小为3×3(像素)的最大池化层,步长为2(像素);第二个卷积层采用大小为5×5的卷积核,采用图像填充操作保持图像大小不变由于进行一次卷积操作,图像大小会被压缩,图像填充操作即在卷积前的原始图像外充一圈空白的像素(对卷积结果不产生影响),可以保持卷积后的图像大小不变;紧接着一个大小为3×3的最大池化层,步长为2;随后,第三个卷积层、第四个卷积层和第五个卷积层为三个紧密连接的且大小为3×3的相同卷积层,并采用图像填充操作保持图像大小不变;紧接着一个大小为3×3的最大池化层,步长为2;随后接一输出为9216维度的全连接层,紧接着两个相同的输出为4096维度的相同全连接层,随后紧接所述输出层;该输出层采用Softmax函数作为激励函,其余的网络层采用Relu函数作为激励函数;
(3-4)、初始化卷积神经网络模型;利用Msra法进行初始化,当只考虑输入个数时,Msra初始化是一个均值为0、方差为2/n的高斯分布;
(3-5)、训练卷积神经网络模型;
(3-6)、通过训练好的卷积神经网络模型对咸鸭蛋8进行分类;由卷积神经网络模型将对输入的咸鸭蛋8照片进行分类,即将正常拍摄的含有咸鸭蛋8的图片归为正类或反类;将由于错误拍摄的无咸鸭蛋8的图片归为无关类;
(4)、所述控制系统根据卷积神经网络模型的分类结果,控制第三输送机构11-3将完成检测后的咸鸭蛋8输送到对应的收集机构11-4中。
参见图1-图,6,在步骤(3-5)中,所述训练卷积神经网络模型的步骤为:
(3-51)、输入特征变量;
(3-52)、对特征变量中各项数据进行逻辑计算,并在计算时加入正规化项;
(3-53)、计算各层各神经元的输出,并在前两层全连接层内采用Dropou t方法随机舍弃一部分神经元的输出;
(3-54)、计算逻辑回归的成本函数;
(3-55)、利用梯度下降法求出适合的权值矩阵与偏置向量值,使逻辑回归的成本函数最小化;
(3-56)、重复步骤(3-53)-(3-55),直至预测准确度满足要求;
(3-57)、结果分析并输出结果。
实施例2
参见图7,本实施例与实施例1的不同之处在于:所述第一输送机构11-1的输送速度小于第二输送机构11-2的速度,即V2>V1。这样,在咸鸭蛋8由第一输送机构11-1转移到第二输送机构11-2时,由于第二输送机构11-2的输送速度大于第一输送机构11-1的输送速度,这样相当于咸鸭蛋8受到一个加速度,产生一个水平向前的作用力,这样有助于将该咸鸭蛋8与后面的咸鸭蛋8拉开一段距离,例如当V2的速度为V1的两倍时,进入到第二输送机构11-2的咸鸭蛋8之间的距离是第一输送机构11-1中的两倍,因此,只需要根据检测时间合理调整V1和V2的参数,可以保证进口挡板9可以顺利关闭咸鸭蛋进口,且不损伤咸鸭蛋8;同时可以使得所述第一驱动电机可以带动进口挡板9转动,从而顺利地将后面的咸鸭蛋8阻拦,使得咸鸭蛋8可以逐个进行检测,并且可以避免损伤咸鸭蛋8。
除上述结构外,其余结构可参照实施例1实施。
实施例3
参见图8,本实施例与实施例1的不同之处在于,所述第三输送机构11-3为两组,其中一组第三输送机构11-3与第二输送机构11-2的夹角为135度,另一组第三输送机构11-3与第二输送机构11-2的夹角为225度,且两组第三输送机构11-3均分别与第二输送机构11-2对接,其中,每组第三输送机构11-3的首端与第二输送机构11-2的末端连通,末端与各个收集机构11-4连接;所述第二输送机构11-2的末端设置有分拣挡板14,所述分拣挡板14通过第三驱动电机驱动,用于将咸鸭蛋8送入不同的第三输送机构11-3内;当第三驱动电机带动分拣挡板14旋转到与第二输送机构11-2的夹角为135度时,从第二输送机构11-2中出来的咸鸭蛋8与所述分拣挡板14接触,并在第二输送机构11-3的驱动下,沿着该分拣挡板14的倾斜方向运动至与第二输送机构11-2呈135度夹角的第三输送机构11-3中,由该第三输送机构输11-3送到对应的收集机构11-4内;同理,当第三驱动电机驱动分拣挡板14旋转到与第二输送机构11-2的夹角为225度时,咸鸭蛋8会在分拣挡板14的导向下进入到与第二输送机构11-2呈225度夹角的第三输送机构11-3中。这样就可以实现对不同品质的咸鸭蛋8进行分拣。
在本实施例中,所述第一输送机构11-1、第二输送机构11-2和第三输送机构11-3的同步带的两侧均设置有挡边,例如位于第一输送机构11-1两侧的挡边12和位于第三输送机构11-3两侧的挡边15;这样可以防止咸鸭蛋8从同步带中掉落下去。
除上述结构外,其余结构可参照实施例1实施。
上述为本实用新型较佳的实施方式,但本实用新型的实施方式并不受上述内容的限制,其他的任何未背离本实用新型的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本实用新型的保护范围之内。
Claims (8)
1.一种基于卷积神经网络的咸鸭蛋品质分检装置,其特征在于,包括机架、设置在机架上的黑箱、设置在黑箱内的检测装置、用于将咸鸭蛋输送到黑箱中进行检测的输送装置以及控制系统,其中,
所述黑箱的两侧分别设置有咸鸭蛋进口和咸鸭蛋出口,其中,所述咸鸭蛋进口设置有进口挡板以及用于驱动所述进口挡板转动以促使咸鸭蛋逐个进入到黑箱中的第一驱动电机,其中,所述第一驱动电机安装在所述黑箱上,且该第一驱动电机的主轴与所述进口挡板连接;
所述输送装置包括第一输送机构、第二输送机构和第三输送机构,其中,所述第二输送机构贯穿所述黑箱,且该第二输送机构的首端与第一输送机构的末端连接,末端与第三输送机构的首端连接;所述第三输送机构用于将检测后的咸鸭蛋输送到不同的收集机构;
所述检测装置包括设置在黑箱内的第一检测模块以及用于对咸鸭蛋的表面进行检测的第二检测模块,其中,
所述第一检测模块包括设置在黑箱内的氨气传感器、硫化氢气体传感器以及风扇,其中,所述氨气传感器与硫化氢气体传感器安装在所述黑箱的内壁上,且位于所述第二输送机构的一侧,用于检测由咸鸭蛋散发出的气体中是否含有的氨气与硫化氢气体;所述风扇安装在黑箱的内壁上,且与所述氨气传感器和硫化氢气体传感器相对设置,用于将咸鸭蛋散发的气体吹至所述氨气传感器与硫化氢气体传感器的检测范围内;
所述第二检测模块包括图像收集装置,用于采集在黑箱中进行检测的咸鸭蛋的图像,并将其传递给控制系统,由控制系统对图像进行分析处理。
2.根据权利要求1所述的基于卷积神经网络的咸鸭蛋品质分检装置,其特征在于,所述图像收集装置包括工业相机,所述工业相机设置在所述黑箱内壁的顶部,且位于所述第二输送机构的上方。
3.根据权利要求2所述的基于卷积神经网络的咸鸭蛋品质分检装置,其特征在于,所述图像收集装置还包括补光灯,所述补光灯安装在工业相机的两侧,用于补光。
4.根据权利要求1所述的基于卷积神经网络的咸鸭蛋品质分检装置,其特征在于,所述氨气传感器和所述硫化氢气体传感器之间设置有红外传感器,用于检测是否有咸鸭蛋正在被检测。
5.根据权利要求1所述的基于卷积神经网络的咸鸭蛋品质分检装置,其特征在于,所述黑箱内部还设置有内挡板以及用于驱动内挡板转动的第二驱动电机,其中,所述内挡板位于所述第二输送机构的上方;所述第二驱动电机安装在所述黑箱内壁上,且该第二驱动电机的主轴与所述内挡板连接。
6.根据权利要求1所述的基于卷积神经网络的咸鸭蛋品质分检装置,其特征在于,所述第一输送机构的输送速度小于第二输送机构的速度。
7.根据权利要求1所述的基于卷积神经网络的咸鸭蛋品质分检装置,其特征在于,所述第三输送机构为多组,每组第三输送机构的首端与第二输送机构的末端连通,末端与各个收集机构连接;所述第二输送机构的末端设置有分拣挡板,所述分拣挡板通过第三驱动电机驱动,用于将咸鸭蛋送入到对应的第三输送机构中。
8.根据权利要求1所述的基于卷积神经网络的咸鸭蛋品质分检装置,其特征在于,所述第一输送机构、第二输送机构和第三输送机构均为同步带传动机构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202020078789.3U CN211756981U (zh) | 2020-01-14 | 2020-01-14 | 一种基于卷积神经网络的咸鸭蛋品质分检装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202020078789.3U CN211756981U (zh) | 2020-01-14 | 2020-01-14 | 一种基于卷积神经网络的咸鸭蛋品质分检装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN211756981U true CN211756981U (zh) | 2020-10-27 |
Family
ID=72892451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202020078789.3U Expired - Fee Related CN211756981U (zh) | 2020-01-14 | 2020-01-14 | 一种基于卷积神经网络的咸鸭蛋品质分检装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN211756981U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111136027A (zh) * | 2020-01-14 | 2020-05-12 | 广东技术师范大学 | 一种基于卷积神经网络的咸鸭蛋品质分检装置及方法 |
-
2020
- 2020-01-14 CN CN202020078789.3U patent/CN211756981U/zh not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111136027A (zh) * | 2020-01-14 | 2020-05-12 | 广东技术师范大学 | 一种基于卷积神经网络的咸鸭蛋品质分检装置及方法 |
CN111136027B (zh) * | 2020-01-14 | 2024-04-12 | 广东技术师范大学 | 一种基于卷积神经网络的咸鸭蛋品质分检装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111136027B (zh) | 一种基于卷积神经网络的咸鸭蛋品质分检装置及方法 | |
CN107944504B (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
CN100547394C (zh) | 基于图像信息融合技术的水果品质检测系统 | |
CN112452801A (zh) | 一种高效率的玻璃瓶缺陷在线检测装置及其工作方法 | |
CN102179374B (zh) | 禽蛋品质自动检测分选设备及其方法 | |
CN206139527U (zh) | 全景视觉马铃薯分选和缺陷检测装置 | |
JP7186304B2 (ja) | 欠陥検査装置 | |
CN109187553B (zh) | 一种基于机器视觉的变质鸡蛋在线智能识别方法 | |
CN110458807A (zh) | 一种铁路轨道缺陷机器视觉检测系统 | |
JP7129669B2 (ja) | ラベル付き画像データ作成方法、検査方法、プログラム、ラベル付き画像データ作成装置及び検査装置 | |
CN211756981U (zh) | 一种基于卷积神经网络的咸鸭蛋品质分检装置 | |
CN1485616A (zh) | 禽蛋品质无损自动检测分级设备及方法 | |
TWI700129B (zh) | 基於自我學習技術之移動物品分類系統及方法 | |
CN110125021A (zh) | 一种蚕茧自动分选装置 | |
US20220414861A1 (en) | Product inspection system and method | |
CN111239142A (zh) | 膏体外观缺陷检测设备及方法 | |
CN212301356U (zh) | 一种轮毂焊缝视觉检测装置 | |
CN113077450A (zh) | 基于深度卷积神经网络的樱桃分级检测方法及系统 | |
CN112950602B (zh) | 基于深度相机与机器学习的糖果缺陷检测装置及分类方法 | |
CN111805541B (zh) | 一种基于深度学习的中药饮片净选装置及净选方法 | |
CN113781435A (zh) | 一种基于yolov5网络的香烟小包外观缺陷检测方法 | |
CN111257339B (zh) | 一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置 | |
CN114384080B (zh) | 一种橡胶圈缺陷批量检测方法及检测系统 | |
CA3115459A1 (en) | Milk analyser for classifying milk | |
CN107742355B (zh) | 自动传送分拣硬币的装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201027 Termination date: 20220114 |
|
CF01 | Termination of patent right due to non-payment of annual fee |