A fruit automatic sorting method is based on machine vision and BP neural network. First, the industrial camera is installed, and the fruit image in the working area is collected in real time. Then the design of digital image processing algorithms, including extraction, camera calibration, image preprocessing and feature of different types of fruit; secondly, determine the structure of BP neural network, with the characteristics of the training data network weights; finally, to get the fruit sent to the location and type of industrial robots, industrial robot to complete the sorting with automatic recognition; location and classification of the traditional way of manual sorting of improved features.
【技术实现步骤摘要】
一种基于机器视觉与BP神经网络的水果自动分拣方法
本专利技术涉及自动分拣
,特别涉及一种基于机器视觉与BP神经网络的水果自动分拣方法。
技术介绍
长期以来,由于我国乡村劳动力资源丰富,水果的产后处理主要采用人工方式,而人工分拣存在明显的缺点:需要大量的劳动力,劳动强度大,经济效益不好。同时这种主观评定受到个人的视力、颜色鉴别能力、情绪等因素的影响较大。随着计算机技术与图像处理技术的快速发展,机器视觉在工农业的应用越来越普遍。国内外众多学者对利用机器视觉提高果蔬分级速度和质量等进行了多方面的研究,无论在理论还是在应用上都取得了较大进展。而我国对水果自动分级技术研究则较晚,国内从20世纪90年代开始利用计算机视觉技术进行水果的分级研究。本专利技术利用机器视觉与BP神经网络对不同的水果进行分拣,可大大提高水果分拣的效率。并利用机器人完成对水果的抓取,可完成水果的自动装箱。
技术实现思路
为了克服上述现有技术的不足,本专利技术的目的在于提供一种基于机器视觉与BP神经网络的水果自动分拣方法,利用数字图像处理和神经网络的方法,对不同类型的水果进行自动识别、定位及分类,对传统靠人工进行分拣的方法进行改进,最后利用工业机器人完成对水果的分拣。为了实现上述目的,本专利技术采用的技术方案是:Step1、安装工业相机,将相机安装在机器人工作区域的正上方,调整相机的焦距使整个工作区域处在相机的视野范围内,通过相机将工作区域照片采集到计算机;Step2、进行相机标定主要通过相机对不同方位的标定板进行拍照,使用标定算子完成标定,得到摄像机的参数,即图像坐标上每个像素在世界坐标系下对 ...
【技术保护点】
一种基于机器视觉与BP神经网络的水果自动分拣方法,其特征在于,包括以下步骤;Step1、安装工业相机,将相机安装在机器人工作区域的正上方,调整相机的焦距使整个工作区域处在相机的视野范围内,通过相机将工作区域照片采集到计算机;Step2、进行相机标定主要通过相机对不同方位的标定板进行拍照,使用标定算子完成标定,得到摄像机的参数,即图像坐标上每个像素在世界坐标系下对应的实际距离m;Step3、对采集到的图片进行高斯滤波,去除图像中的干扰;Step4、对图片进行图像增强和锐化处理,使水果的特征更加明显;Step5、采用阈值分割的方法得到包含水果的图像区域,去除图像中的背景;Step6、进行轮廓提取,对水果进行定位;使用Sobel算子对阈值分割后的图像进行处理,可以返回X和Y方向的像素灰度值GX与GY,用下面的公式计算当前像素点的灰度值和梯度方向;
【技术特征摘要】
1.一种基于机器视觉与BP神经网络的水果自动分拣方法,其特征在于,包括以下步骤;Step1、安装工业相机,将相机安装在机器人工作区域的正上方,调整相机的焦距使整个工作区域处在相机的视野范围内,通过相机将工作区域照片采集到计算机;Step2、进行相机标定主要通过相机对不同方位的标定板进行拍照,使用标定算子完成标定,得到摄像机的参数,即图像坐标上每个像素在世界坐标系下对应的实际距离m;Step3、对采集到的图片进行高斯滤波,去除图像中的干扰;Step4、对图片进行图像增强和锐化处理,使水果的特征更加明显;Step5、采用阈值分割的方法得到包含水果的图像区域,去除图像中的背景;Step6、进行轮廓提取,对水果进行定位;使用Sobel算子对阈值分割后的图像进行处理,可以返回X和Y方向的像素灰度值GX与GY,用下面的公式计算当前像素点的灰度值和梯度方向;搜索边缘梯度方向的局部极大值,抑制非极大值元素,可以细化边缘,跟踪边缘方向的左右像素,如果当前像素的灰度值小于左、右像素灰度值,则抑制当前像素灰度;经过上一步处理后可能会有少量的非边缘像素被包含到结果中,所以要通过选取阈值进行取舍,通过假设两个阈值其中一个为高阈值TH另外一个为低...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。