一种基于机器视觉的冬枣损伤检测剔除方法及设备技术

本发明专利技术提出了一种基于机器视觉的冬枣损伤检测剔除方法及设备，解决了现有技术中冬枣检测效率低、成本高的问题。该方法包括如下顺序步骤：枣叶分离、图像采集、图像处理、剔除劣枣等步骤，该设备包括导轨，导轨倾斜设置，供冬枣在自身重力作用下滚落；暗室，设置于导轨上，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，图像处理设备对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，剔除出口设置在导轨的下方并与其相连通，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，步进叶轮根据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。

A Method and Equipment for Damage Detection and Elimination of Winter Jujube Based on Machine Vision

The invention proposes a method and equipment for detecting and eliminating damage of winter jujube based on machine vision, and solves the problems of low detection efficiency and high cost in the prior art. The method includes the following sequential steps: separation of jujube leaves, image acquisition, image processing, elimination of inferior jujube, etc. The device includes guide rail, inclined guide rail setting, for the winter jujube to roll down under its own gravity; darkroom, which is set on the guide rail, has a ring light source for supplementing light and a camera for taking photos of the winter jujube in the darkroom; image processing equipment, image processing equipment; Processing the photographs taken by the camera, calculating the percentage of damage characteristic area of winter jujube, and transmitting the results to the single chip computer for comparison; eliminating the exit, eliminating the exit set under the guide rail and connected with it, eliminating the connection between the exit and the guide rail is equipped with a stepping impeller matching its size, and the stepping impeller is clockwise or counterclockwise according to the results of the single chip computer comparison. Rotating to realize the screening of good and bad jujube.

【技术实现步骤摘要】
一种基于机器视觉的冬枣损伤检测剔除方法及设备
本专利技术涉及冬枣检测
，特别是指一种基于机器视觉的冬枣损伤检测剔除方法及设备。
技术介绍
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。
技术实现思路
本专利技术提出一种基于机器视觉的冬枣损伤检测剔除方法，解决了现有技术中冬枣检测效率低、成本高的问题。本专利技术的技术方案是这样实现的：基于机器视觉的冬枣损伤检测剔除方法，包括如下顺序步骤S1.枣叶分离，利用风力将质量小于冬枣的枝叶吹开，将冬枣筛选出来；S2.图像采集，前述步骤筛选出的冬枣在自身重力作用下滚入暗室内，所述暗室内设有用于补光的环形光源，所述暗室内的摄像头对滚入的冬枣进行不间断地动态采样；S3.图像处理，利用图像处理算法将前述步骤采集到的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；S4.剔除劣枣，提取冬枣的损伤特征面积百分比S，并将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。作为一种优选的实施方式，所述步骤S2中S21.所述冬枣经过减速机构的减速后，依次单个进入所述暗室内；S22.在所述暗室的内表面上粘贴纯白色贴纸，以防止其他颜色对采集图像的干扰；S23.通过对电流大小的控制改变所述环形光源的光强，以凸显冬枣的重要特征，降低图像处理的难度。作为一种优选的实施方式，所述步骤S21中S211.减速机构上的力传感器实时感应，若感应到异常，则反转一定角度后再正向旋转。本专利技术还提出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，本专利技术的有益效果是：本专利技术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专利技术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专利技术的一些实施例，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为本专利技术检测剔除方法的工艺流程图；图2为本专利技术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专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。实施例一：如图1所示，为本专利技术基于机器视觉的冬枣损伤检测剔除方法的工艺流程图，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，本文档来自技高网...

【技术保护点】
1.基于机器视觉的冬枣损伤检测剔除方法，其特征在于：包括如下顺序步骤S1.枣叶分离，利用风力将质量小于冬枣的枝叶吹开，将冬枣筛选出来；S2.图像采集，前述步骤筛选出的冬枣在自身重力作用下滚入暗室内，所述暗室内设有用于补光的环形光源，所述暗室内的摄像头对滚入的冬枣进行不间断地动态采样；S3.图像处理，利用图像处理算法将前述步骤采集到的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；S4.剔除劣枣，提取冬枣的损伤特征面积百分比S，并将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。

【技术特征摘要】
1.基于机器视觉的冬枣损伤检测剔除方法，其特征在于：包括如下顺序步骤S1.枣叶分离，利用风力将质量小于冬枣的枝叶吹开，将冬枣筛选出来；S2.图像采集，前述步骤筛选出的冬枣在自身重力作用下滚入暗室内，所述暗室内设有用于补光的环形光源，所述暗室内的摄像头对滚入的冬枣进行不间断地动态采样；S3.图像处理，利用图像处理算法将前述步骤采集到的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；S4.剔除劣枣，提取冬枣的损伤特征面积百分比S，并将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。2.如权利要求1损伤的方法，其特征在于：所述步骤S2中S21.所述冬枣经过减速机构的减速后，依次单个进入所述暗室内；S22.在所述暗室的内表面上粘贴纯白色贴纸，以防止其他颜色对采集图像的干扰；S23.通过对电流大小的控制改变所述环形光源的光强，以凸显冬枣的重要特征，降低图像处理的难度。3.如权利要求2所述的方法，其特征在于：所述步骤S21中S211.减速机构上的力传感器实时感应，若感应到异常，则反转一定角度后再正向旋转。4.如权利要求1所述的方法，其特征在于：所述步骤S3中S31.所述图像处理算法首先将RGB转换为XYZ，其中，RGB为像素的三个通道，取值范围均为[0,255],转换公式如下S32.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、1.088...

【专利技术属性】
技术研发人员：张建军，鹿贺伟，曹硕，车清论，王伟，车飞妮，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：山东,37