基于机器视觉的马铃薯智能分级系统

基于机器视觉的马铃薯智能分级系统
邓立苗;韩仲志;徐艳;熊凯
【摘要】为实现马铃薯外观品质自动分级,构建马铃薯智能分级装置,提出一种简单易行的马铃薯智能分级控制方法和流程,并基于Visual C++环境实现马铃薯智能分级软件系统.该系统通过下位机发送信号给上位机来控制摄像头拍照,上位机对所拍摄的马铃薯图像进行处理与分级检测,并将检测结果发送给下位机智能分级装置,最后分级执行器执行分级.经测试:该分级控制方法简单易行且运行稳定,不受机器运行速度的影响,基本消除了强电干扰所构建的分级系统分级结果稳定,分级精度达到90％,可满足马铃薯实时分级的要求.
【期刊名称】《食品与机械》
【年(卷),期】2014(030)005
【总页数】3页(P144-146)
【关键词】分级系统;机器视觉;检测;传感器
【作者】邓立苗;韩仲志;徐艳;熊凯
【作者单位】青岛农业大学理学与信息科学学院,山东青岛 266109;青岛农业大学理学与信息科学学院,山东青岛 266109;青岛农业大学理学与信息科学学院,山东青岛 266109;青岛农业大学理学与信息科学学院,山东青岛 266109
【正文语种】中文
马铃薯自动分级是提高马铃薯市场竞争力和增值的重要途径。

随着机器视觉技术的
发展，该技术已广泛应用于农产品生产检测过程中，使用机器视觉可以排除人为因素干扰，避免人工分级的不确定性，提高生产率和分级精度。

目前，国内外学者已在马铃薯自动分级方面做了大量的研究工作。

Marchant等［1］研制了一种根据尺寸对马铃薯进行分级的系统，分级速度为40个/s，但精度还不能满足实际生产的需要。

Deck等［2］按照形状、尺寸和发绿程度对马铃薯进行分类，其结果优于统计分类方法。

Tao等［3］研究了基于傅里叶形状的马铃薯形状分级自动检测系统。

Zhou等［4］开发了一个基于PC机的机器视觉系统，该系统针对马铃薯的主要分类指标进行分级，分级速率为50个/s，总的分级准确率为86.5%。

郑冠楠等［5］根据外形特性，采用离心率法进行马铃薯的形状分级。

虽然国外研究者［6，7］在马铃薯外观品质分级方面做了大量工作，但研究大多数集中在理论和方法研究阶段，对于实时分级系统的研究并不多；中国［8］尽管已经研制了一些马铃薯的分级设备，但由于分级效率低、性能不稳定和适应性差等问题，尚不能满足实际生产的需要。

为了实现马铃薯外观品质自动分级，本研究构建马铃薯智能分级软硬件平台，并参照马铃薯等级标准［9］，提出了马铃薯外观品质分级检测方法和流程，并基于Visual C＋＋集成开发环境实现了马铃薯智能分级系统。

1 马铃薯智能分级硬件系统
马铃薯智能分级系统是在现有水果机械式分级系统基础上增加计算机视觉检测系统和智能分级控制系统构建而成。

系统装置如图1所示，主要由输送装置、计算机视觉系统、分级执行系统、控制电路等部分组成。

机器接通电源后，通过步进电机5带动传送带12运动。

马铃薯7放置在托盘6上随传送带运动。

每过一个托盘，光电传感器11发送一个信号到智能控制器（下位机）3，智能控制器接收到信号即发送信号到计算机（上位机）2，上位机接收到信号，控制工业摄像头9进行拍照，并将拍摄的图像发送给上位机处理。

上位机对所拍摄的图像进行处理并根据外
观特征检测方法进行分级，得到分级结果（是否为次品），并将分级结果（0或1）发送给智能控制器。

智能控制器接收到分级结果，若是1（次品）则发信号给次品区打果器14，打果器收到信号打翻托盘，马铃薯滚入次品收集区13。

当马铃薯经过压力传感器10处时，压力传感器获取重量信息并发送到机械控制器4，机械控
制器按照重量信息分级，发送信号到重量等级出口的对应等级的打果器，打果器打翻托盘，马铃薯则会进入相应重量等级的分级区15内。

图1 分级系统示意图Figure 1 Diagram of general scheme
2 系统流程和分级控制方法
智能分级系统分为4个模块，分别为拍照控制模块、图像采集和预处理模块、特
征提取和检测模块以及分级控制模块，系统流程见图2。

拍照控制模块控制拍照时间间隔，保证每个马铃薯图片拍摄1次；图像采集和预处理模块负责马铃薯图像
采集和预处理；特征提取和检测模块对形状、绿皮和缺陷3个分级指标进行特征
提取和量化分级；分级控制模块根据分级结果控制分级执行器执行分级结果。

图2 系统流程图Figure 2 Flow diagram
由于马铃薯在传输带上运动，分级时必须保证上位机发出的分级信号与分级执行时间保持一致。

由于机器运行速度可调，每个图片的处理时间也不固定，由上位机确定发送分级信号的时间比较困难。

为保证每个马铃薯图片只拍摄1次且分级控制
不受图像处理时间的影响，本试验采用计数的方式来进行分级控制。

使用光电传感器作为计数器，每经过1个托盘，计数器加1（图3（a）），同时下位机向上位
机发送拍照控制信号，上位机接收信号即控制摄像头拍摄图像，然后对所拍摄的图像进行处理和检测分级，最后将处理结果（0或1）发送给下位机（图3（b））。

下位机将信号保存在队列中，构成一个控制序列。

并以固定的时间间隔（计数器加1）从队头取控制信号，根据控制信号来执行分级动作，若为1，电磁铁打果器通电，将托盘打翻，马铃薯翻滚到相应等级的收集区（图3（c））。

图3 分级控制流程图Figure 3 Flow chart of grading process
3 软件系统
软件系统运行界面如图4所示，主界面分为4个区域：控制按钮区、图像监视区、数据显示区和统计数据区。

控制按钮区实现摄像头的打开和关闭、开始检测和关闭检测及数据显示等功能；图像监视区实时显示监控画面和所拍摄的马铃薯图像。

数据显示区分为基本数据区和综合数据区，基本数据区主要显示马铃薯形状、绿皮和缺陷3个指标的检测数据，并显示每个检测指标是否正常。

综合数据区显示马铃
薯的长、宽、面积和等级，统计数据区主要显示检测到的马铃薯总数和正常马铃薯个数。

对供试验的350个马铃薯运行智能分级系统，综合形状、颜色和缺陷3个方面特
征进行检测，只要具有畸形（二次生长）、绿皮、缺陷其中任何一种情形就判定为次品，否则为正常薯块。

根据这个标准对350个马铃薯进行测试，误判个数为35个，综合检测准确率为90%。

在Intel酷睿i3 3110M2.5GHz CPU，2GB内存硬件条件下进行马铃薯综合检测
速度测试，每个马铃薯检测时间约为40ms，每秒可处理约25个马铃薯，能够满
足实时检测的需求。

图4 软件运行界面Figure 4 GUI of software
4 讨论和结论
机器运行时步进电机的强电会对分级控制装置（单片机）的弱电造成强烈的干扰，本研究采取了将控制装置增加抗干扰电路、将控制器安装在封闭的金属盒之中以及分离电源等措施，基本上消除了干扰，但在生产线调速过程中偶尔存在着轻微干扰，原因可能是在步进电机变速的瞬间产生了较大磁场干扰了电路，下一步考虑选用可靠性高、抗干扰能力强的PLC控制器［10］。

同时，步进电机的强电会对摄像头
造成干扰，影响拍照质量，采用将灯箱接地的方式基本消除了干扰。

本系统是在已有机械分选机的基础上改造而成的，加入智能分级控制系统后，跟原来的机械控制系统之间会存在不一致性现象。

次品马铃薯在第一步根据外观特征已被拣出，但原有的机械控制系统仍然按照压力传感器采集的重量信息分级，所以分级系统会存在“空打”的现象，虽然不影响分级结果，但仍需要改进。

下一步采取的措施是，若某个马铃薯检测为次品，则将压力传感器的信号屏蔽掉，这样马铃薯作为次品检出后，将不会再按照重量进行分级。

由于马铃薯在传输过程中相对于托盘上固定不动，安装在正上方的摄像头只能获取马铃薯上部图像，从而影响检测结果。

研究中尝试采用在传送带两侧加上镜子的方式［11］，可以同时拍摄马铃薯正面和两个侧面的图像，这样在一定程度上扩大马铃薯表面信息的获取，但拍摄传送带上马铃薯底面图像还是比较困难。

如何获取比较完整的马铃薯表面图像信息，从而提高分级准确率有待于下一步深入研究。

为实现马铃薯实时检测和分级，本试验构建了马铃薯智能分级硬件装置，设计了一种简单易行的马铃薯智能分级控制方法，提出了基于外观品质检测方法和流程，并基于Visual C＋＋集成开发环境实现了马铃薯智能分级系统。

结果表明，本试验所构建的马铃薯智能分级系统运行稳定，所提出分级控制方法简单易行，系统的综合分级准确率可达到90%，能够满足实时检测的需求。

参考文献
1 Marchant J A，Onyango C M，Street M J.High speed sorting of potatoes using computer vision［J］.Transaction of the ASAE，1998，41（9）：3 528～3 540.
2 Deck S H，Morrow C T，Heinemann P H，et parison of a neural network and traditional classifier for machine vision inspection of potatoes ［J］.Applied Engineering in Agriculture，1995，11（2）：319～326.
3 Tao Y，Morrow C T，Heinemann P H，et al.Fourier-based separation
technique for shape grading of potatoes using machine vision
［J］.Transactions of the ASAE，1995，38（4）：949～957.
4 Zhou L，Chalana V，Kim Y.PC-based machine vision system for real-time computer-aided potato inspection［J］.International Journal of Imaging Systems and Technology，1998，9（6）：423～433.
5 郑冠楠，谭豫之，张俊熊，等.基于计算机视觉的马铃薯自动检测分级［J］.农业机械学报，2009，40（4）：166～168.
6 郝敏，麻硕士.基于机器视觉的马铃薯单薯质量检测技术研究［J］.农机化研究，2009（9）：61～63.
7 郝敏，麻硕士，郝小冬.基于Zernike矩的马铃薯薯形检测［J］.农业工程学报，2010，26（2）：347～350.
8 刘少达，张日红.我国马铃薯分级设备现状及亟待解决的技术问题［J］.农业机械，2009（12）：53～54.
9 中华人民共和国农业部.NY/T 1066－2006马铃薯等级规格［S］.北京：中国农业出版社，2006.
10 李英辉，曲昀卿，崔成，等.传送带PLC控制系统设计［J］.制造业自动化，2013，35（4）：128～129.
11 周竹，黄懿，李昱.基于机器视觉的马铃薯自动分级方法［J］.农业工程学报，2012，28（7）：178～182.。