一种基于机器视觉的秸秆颗粒缺陷检测系统及检测方法技术方案

本发明专利技术公开了一种基于机器视觉的秸秆颗粒缺陷检测系统，农业机械化领域，该系统包括颗粒控制模块、颗粒图像获取模块、暗箱和颗粒缺陷检测模块；颗粒控制模块对颗粒进行获取及卸放；置于暗箱内部的颗粒图像获取模块对颗粒控制模块卸放后的颗粒进行图像采集，获得颗粒图像；颗粒缺陷检测模块对颗粒图像进行缺陷检测；颗粒获取模块包括颗粒装载卸放单元和电动控制单元；电动控制单元控制颗粒装载卸放单元获取秸秆颗粒，并将获取到的秸秆颗粒送入暗箱的内部再进行卸放，本系统适合于秸秆颗粒的视觉检测系统，缺陷检测速度和检测正确率都能满足实际需求，具有防尘、不影响环模制粒机正常工作的特点，能够准确快速的检测出秸秆颗粒存在的裂纹、凹坑、长度不合适、圆度不合适等缺陷，以提醒工作人员调整水分、温度等参数或者更换模具。

【技术实现步骤摘要】
一种基于机器视觉的秸秆颗粒缺陷检测系统及检测方法
本专利技术涉及农业机械化领域，尤其涉及一种基于机器视觉的秸秆颗粒缺陷检测系统。
技术介绍
由于秸秆固体成型燃料具有能量密度和燃烧效率高、强度大、储运和使用方便、对环境友好、可发掘潜力巨大等优点，秸秆固体成型比重逐步提升，备受各国青睐。但秸秆在固化成型过程中，环模制粒机自动化程度不高、效率较低、容易堵塞，严重制约着秸秆成型产业的快速发展。应用机器视觉自动化控制技术进行秸秆颗粒缺陷自动检测系统，提高秸秆成型质量与效率，尤为迫切。由于环模制粒机是通过高温使粉碎的秸秆形成秸秆颗粒，如果温度太高会使得秸秆颗粒表面产生裂缝，如果温度太低则形不成秸秆颗粒。另外，粉碎的秸秆颗粒需要适量的水分才能形成秸秆颗粒，如果水分太多，会形不成秸秆颗粒；而且，环模制粒机如果模具损坏，会使得秸秆颗粒产生凹坑。传统的判断方法是人通过肉眼查看秸秆颗粒的状态，并根据秸秆颗粒的状态调整温度、水分等参数或者更换模具。由于环模制粒机需要安装到大型机器收割机上，通过肉眼不容易观察到秸秆颗粒是否存在缺陷以及存在何种缺陷。因此，本专利技术提出一本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的秸秆颗粒缺陷检测系统，其特征在于：包括颗粒控制模块、颗粒图像获取模块、暗箱和颗粒缺陷检测模块；/n所述颗粒控制模块对颗粒进行获取及卸放；/n置于所述暗箱内部的所述颗粒图像获取模块对所述颗粒控制模块卸放后的颗粒进行图像采集，获得颗粒图像；/n所述颗粒缺陷检测模块对颗粒图像进行缺陷检测；/n所述颗粒获取模块包括颗粒装载卸放单元和电动控制单元；/n所述电动控制单元控制所述颗粒装载卸放单元获取秸秆颗粒，并将获取到秸秆颗粒送入所述暗箱的内部在进行卸放；/n所述颗粒图像获取模块包括主光源、背光源及成像设备；/n所述成像设备位于所述暗箱的顶部，/n所述主光源位于所述暗箱的中间，且位于所...

【技术特征摘要】
1.一种基于机器视觉的秸秆颗粒缺陷检测系统，其特征在于：包括颗粒控制模块、颗粒图像获取模块、暗箱和颗粒缺陷检测模块；
所述颗粒控制模块对颗粒进行获取及卸放；
置于所述暗箱内部的所述颗粒图像获取模块对所述颗粒控制模块卸放后的颗粒进行图像采集，获得颗粒图像；
所述颗粒缺陷检测模块对颗粒图像进行缺陷检测；
所述颗粒获取模块包括颗粒装载卸放单元和电动控制单元；
所述电动控制单元控制所述颗粒装载卸放单元获取秸秆颗粒，并将获取到秸秆颗粒送入所述暗箱的内部在进行卸放；
所述颗粒图像获取模块包括主光源、背光源及成像设备；
所述成像设备位于所述暗箱的顶部，
所述主光源位于所述暗箱的中间，且位于所述成像设备的镜头的下方；
所述背光源位于所述暗箱的底部；
所述主光源和所述背光源相对应。


2.根据权利要求1所述的一种基于机器视觉的秸秆颗粒缺陷检测系统，其特征还在于：所述背光源采用白色光LED阵列。


3.一种基于机器视觉的秸秆颗粒缺陷检测系统的检测方法，其特征还在于：所述颗粒缺陷检测模块采用以下步骤进行检测：
S1：采用基于行扫描的内边界跟踪区域检测算法提取所述成像设备中背光源下采集秸秆颗粒图像中各独立区域；
S2：根据区域面积对区域类型按照秸秆碎屑、单独的秸秆颗粒区域和粘连的秸秆颗粒区域进行划分；
S3：使用基于先验的kMean聚类算法将粘连的颗粒区域分割成若干个子区域；
S4：通过局部搜索的方法对各子区域进行处理，得到单颗秸秆颗粒区域；
S5：判断S2和S4所得到的单颗秸秆颗粒区域是否满足外观判断标准，当单颗秸秆颗粒满足外观判断标准，则进行S6，当单颗秸秆颗粒不满足外观判断标准，则该颗粒存在长度缺陷或圆度缺陷或平度缺陷；
S6：对S5中满足外观标准的单颗秸秆颗粒区域对应的主光源下采集的图像区域，提取单颗秸秆颗粒的特征，并根据特征判断单颗秸秆颗粒正常或者存在凹坑和裂缝缺陷。
S7：统计各种缺陷的秸秆颗粒所占秸秆颗粒总数的比例，并根据比例输出环模制粒机的工作状态。


4.根据如权利要求3所述一种基于机器视觉的秸秆颗粒缺陷检测系统的检测方法，其特征还在于：S1中具体采用如下方式：
S11:通过行扫描的方式从所述成像设备采集秸秆颗粒图像左上方开始搜索，直至找到小于边界设定阈值的像素P0；令任意像素的八邻域位置编号为0-7，右侧像素为起始编号0，逆时针到右下角像素，右下角像素编号为7；
S12:逆时针方向搜索像素Pn-1的八领域，直到找到小于设定阈值M1的像素Pn，将Pn标记为边界点；其中，逆时针方向搜索的起始像素根据边界点Pn-1相对于边界点Pn-2的八邻域位置确定；
S13：根据边界点Pn-1相对于边界点Pn-2的八邻域位置和边界点Pn-1相对于边界点Pn的八邻域位置判断Pn-1为区域的左边界点还是右边界点；
S14:当Pn-1为左边界点，就向右填充，依次将小于设定阈值的像素点设为标记值，标记值为任意大于M1的数，直到找到最后一个小于设定阈值的的像素，并将此像素标记为边界点；如果Pn-1为右边界点，就向左填充，依次将小于设定阈值的像素点设为标记值，直到最后一个小于设定阈值的的像素，并将此像素标记为边界点；
S15：重复S12-S14直到S2满足小于设定阈值的像素已经找完；
S16：将填充过程中经过的像素点数和边界点个数合起来记为当前区域的面积，并将P0-Pn和S14中标记的边界点作为当前区...

【专利技术属性】
技术研发人员：王伟，宫元娟，李宁，白雪卫，任德志，
申请(专利权)人：沈阳农业大学，辽宁宁越农机装备有限公司，
类型：发明
国别省市：辽宁;21