肉質(zhì)桃多級分揀系統(tǒng)的設(shè)計

劉鑫尚，徐浩銘，楊麗軍

（楊凌職業(yè)技術(shù)學院，陜西 楊凌 712100）

0 引言

在現(xiàn)在生活中，桃子是我們最喜愛的水果之一，人們對桃子大小、顏色等方面的要求越來越高。為了滿足消費者的多樣化需求就必須做好桃子的多級分選處理[1]。然而傳統(tǒng)的人工分揀方式速度慢、效率低，造成了生產(chǎn)成本增加。

為了能夠?qū)崿F(xiàn)肉質(zhì)桃多級分揀的目的，系統(tǒng)需要根據(jù)肉質(zhì)桃的顏色、重量等重要信息對桃子進行信息采集。在桃子顏色識別系統(tǒng)中，機器視覺技術(shù)是目前應用較廣的一種方式，其最大的特點就是能夠?qū)崿F(xiàn)使得桃子檢測過程中柔性操作，不被損壞，從而提高分揀過程的無損檢測，提高在線檢測的生產(chǎn)效率[2-3]。

為了能夠?qū)μ易宇伾畔⑦M行識別，可以通過聚類性能監(jiān)督的方式對桃子顏色特征進行識別，同時借助各種數(shù)學模型算法，分揀系統(tǒng)才能識別桃子的特征，從而進行分類。為此，本系統(tǒng)采用RGB 圖像檢測的方法，首先對肉質(zhì)桃進行顏色方面的圖像數(shù)據(jù)采集，根據(jù)數(shù)據(jù)處理算法對肉質(zhì)桃進行顏色識別和分類[4]，之后進一步采用AD7195 芯片，利用交流激勵和比率測量的方法，設(shè)計出了肉質(zhì)桃分選稱重模塊進行重量篩選，從而實現(xiàn)肉質(zhì)桃的多級分揀系統(tǒng)。其系統(tǒng)設(shè)計原理結(jié)構(gòu)如圖所示1。

圖1 桃子多級分選系統(tǒng)結(jié)構(gòu)圖

1 肉質(zhì)桃的分揀流程

在肉質(zhì)桃分選過程中，首先要對桃子進行實時圖像采集，主要采集桃子的紅、白、綠三色信息，為桃子分揀提供數(shù)據(jù)基礎(chǔ)。但是采集后的桃子圖像信息內(nèi)部除了桃子顏色信息之外還會摻雜大量的和信息無關(guān)的噪音信息及環(huán)境背景信息[5]。這就需要通過各種圖像數(shù)據(jù)處理方式對采集到的桃子圖像數(shù)據(jù)進行分割處理，從而得到對桃子分級處理有用的數(shù)據(jù)信息，并對其進行數(shù)據(jù)提取。因此，為了能夠提取有效的桃子特征信息，本文通過采用RGB 圖像檢測與識別的方法，來提取桃子的各種特征信息，并根據(jù)這些信息來進行肉質(zhì)桃的等級鑒定，之后進一步采用AD7195 芯片，利用交流激勵和比率測量的方法，設(shè)計出了肉質(zhì)桃分選稱重模塊進行重量篩選，從而設(shè)計出肉質(zhì)桃的多級分揀系統(tǒng)，最后借助機械手實現(xiàn)肉質(zhì)桃的分揀過程。圖2 所示為肉質(zhì)桃的分揀過程控制流程圖。

圖2 桃子多級分選設(shè)計流程圖

2 肉質(zhì)桃圖像采集與分揀處理

本文是通過實時、動態(tài)的方式來采集肉質(zhì)桃圖像信息的。借助軟件環(huán)境獲取肉質(zhì)桃的圖像數(shù)據(jù)。通過圖像采集設(shè)備采集到的桃子圖像數(shù)據(jù)中會夾雜大量的環(huán)境噪音及對系統(tǒng)分析圖像較大的噪音信號，因此需要利用濾波方式對這些干擾信號進行濾波處理，本文采用空域濾波的方式進行數(shù)字圖像去噪音。得到的圖像數(shù)據(jù)經(jīng)過濾波后，就可以得到新圖像的各點像素值，為了便于分析，假設(shè)新圖像數(shù)據(jù)的為M× N矩陣，經(jīng)濾波后新圖像數(shù)據(jù)的像素值為R，其對應的公式為：

為了能夠更好地排除無關(guān)因素，本文主要采用高斯濾波與中值濾波兩種濾波器。利用高斯濾波器能夠線性平滑處理的最大優(yōu)點，對桃子數(shù)據(jù)進行加權(quán)值平均處理和高斯噪音抑制，可以得到整幅圖像的中心點像素值。為了能夠更多地保存原圖像的真實信息，因此需要引入中值濾波，引入中值濾波最主要的目的就是能夠通過其消除桃子數(shù)據(jù)信息中的椒鹽噪音，這樣還能盡量克服桃子圖像模糊的現(xiàn)象。

為了改善中值濾波和高斯濾波減弱圖像的缺陷，為了能夠突出圖像邊沿信息，可以采用圖像增強的方式，之后再把增強后的圖像與原圖像數(shù)據(jù)進行做差處理，以系數(shù)增強的方法改善圖像數(shù)據(jù)，把得到的新數(shù)據(jù)再與原數(shù)據(jù)進行疊加處理，就可以得到想過更好的新數(shù)據(jù)圖像，該增強過程的數(shù)學模型為：

增強處理后的圖像中會包含大量的特征信息，為降低處理過程的計算量，還需要對增強后的圖像信息按需求進行分割，從而盡量提取出同類有用特征信息。本文采用全局自動閾值分割法對圖像特征信息進行數(shù)據(jù)采集，從而可以得到RGB 的分布情況，再通過該數(shù)據(jù)得到高頻率RGB 圖像印漬，之后可以利用頻率最高的圖像數(shù)據(jù)作為桃子圖像的特征閾值，對桃子數(shù)據(jù)圖進行分割。

3 肉質(zhì)桃的分類

在通過RGB 圖像信息對肉質(zhì)桃進行分類過程中，為了能夠保證分類的準確性，本文采用了服從于高斯正態(tài)分布的高斯混合模型分類法，利用高斯混合模型提取桃子圖像特征信息，之后再通過分類器對桃子進行分類。

肉質(zhì)桃在進行分類過程中主要是提取肉質(zhì)桃的區(qū)域特征和顏色特征。顏色提取過程主要是通過對經(jīng)過濾波增強后的桃子特征信息進行分類，通過提前設(shè)定顏色閾值和選取區(qū)域，利用RGB 各個通道中最大通道的的顏色數(shù)據(jù)對桃子進行特征分析，從而就能夠得到不同顏色桃子的分類信息。其過程流程圖如圖3 所示。

圖3 桃子顏色分類過程流程圖

4 稱重電路的設(shè)計

為了能夠更準確的提取桃子的重量信息，本文通過采用性能較好的AD7195 芯片，引入了一種稱重模塊的調(diào)理電路。這種稱重電路模塊可以對系統(tǒng)中的稱重傳感器輸出的稱重信號進行放大處理、然后通過AD 轉(zhuǎn)換把信息傳遞給濾波器，進過信號濾波之后出輸給單片機，從而實現(xiàn)質(zhì)量信號的輸出和處理。其系統(tǒng)結(jié)構(gòu)如圖所示。為了減少稱重傳感器中的非線性成分，提高稱重的準確性，該系統(tǒng)還采用了特定的數(shù)字處理技術(shù)對稱重信號進了的修正，其系統(tǒng)結(jié)構(gòu)圖如圖4 所示。

圖4 桃子稱重分類結(jié)構(gòu)圖

5 水果等級鑒定和分揀

提高桃子分級的重要指標就是顏色和重量，這直接決定了桃子的經(jīng)濟價值。桃子在分級過程中通過采用RGB 進行顏色識別以確定桃子的成熟程度，同時還需要對桃子進行稱重以進行二次分類，之后為了減少對桃子的損傷，再通過機械手進行抓取分揀[6]。在系統(tǒng)進行分揀之前，需要將肉質(zhì)桃的位姿等信息在多坐標系中提前進行標定，之后根據(jù)肉質(zhì)桃子的位置、姿態(tài)等信息，機械手才能對不同顏色、不同重量等級的桃子進行抓取分揀。

6 試驗驗證

為了驗證本系統(tǒng)的可靠性，通過人工測量的方式選取了30 個大小不一的秦王桃，其中有10 個未成熟的綠色桃子，10 個半成熟的白色桃子和10 個成熟的紅色桃子。再把三種桃子混合在一起，使用分揀系統(tǒng)進行圖采集及特征識別。通過試驗能夠測得該系統(tǒng)的檢測結(jié)果不論是水果顏色的測定還是重量的測定都和人工選測方式得到的結(jié)論完全相同，重量方面的精確度還要高于人工測量的結(jié)果，其部分結(jié)果統(tǒng)計如表1 所示。該試驗過程沒有對機械手分揀過程進行測驗。

表1 多級分揀系統(tǒng)測試結(jié)果統(tǒng)計表

7 結(jié)論

本文主要通過提取肉質(zhì)桃的RGB 圖像的方式獲取桃子的圖像信息，同時結(jié)合多種濾波的方式對桃子的顏色識別系統(tǒng)信息進行濾波處理，并對經(jīng)過濾波除噪后的圖像數(shù)據(jù)進行邊緣加強，從而得到了圖像信息更加清晰準確的加強型特征信息。之后再通過高斯混合模型對肉質(zhì)桃進行了第一次帥選分類，然后又通過采用AD7195 芯片，利用交流激勵和比率測量的方法設(shè)計了桃子稱重電路，對桃子進一步分類處理，從而細化了桃子的類別，最終借助機械手完成對肉質(zhì)桃的分揀過程。通過顏色識別和稱重試驗試表明，本分揀系統(tǒng)具有很高的實用性和可靠性。