一种基于深度学习的新鲜茶叶分拣方法及其系统技术方案

本发明专利技术公开了一种基于深度学习的新鲜茶叶分拣方法及其系统，涉及新鲜茶叶分拣技术领域，新鲜茶叶分拣方法包括图像采集模块采集新鲜茶叶的图像数据并发送给图像处理模块，通过新鲜茶叶等级检测模型得到新鲜茶叶等级信息和位置信息，其中新鲜茶叶的等级为单叶

【技术实现步骤摘要】
一种基于深度学习的新鲜茶叶分拣方法及其系统


[0001]本专利技术涉及新鲜茶叶分拣
，具体涉及一种基于深度学习的新鲜茶叶分拣方法及其系统
。

技术介绍

[0002]茶叶是世界上最欢迎的饮料之一，也是我国重要的经济作物
。
目前茶叶的采摘和分拣严重依赖人力劳动，分拣工作繁琐重复，费时费力，并且人工分拣容易出错
。
机器采摘茶叶会损害茎部，影响新芽的生长，另外机械采摘的茶叶等级参差不齐，需要进行二次分拣，这些机器不能满足高品质茶叶的要求，并且经济效益低
。
因此提供提供一种可靠
、
高效且稳定的新鲜茶叶分拣系统尤为重要
。

技术实现思路

[0003]本专利技术为了解决上述问题，提出了一种基于深度学习的新鲜茶叶分拣方法及其系统，将深度学习应用于新鲜茶叶分拣，解决因人工疲劳和主观判断错误导致分拣错误的问题，提高了新鲜茶叶的分拣效率
。
[0004]本专利技术采用如下技术方案：基于深度学习的新鲜茶叶分拣方法，其特征在于，包括以下步骤：
S1、
建立新鲜茶叶的数据集，构建深度学习模型；
S2、
将新鲜茶叶数据集导入深度学习模型中，得到新鲜茶叶等级检测模型；
S3、
通过新鲜茶叶等级检测模型确定新鲜茶叶的等级信息和位置信息；
S4、
通过以太网将新鲜茶叶的等级信息和位置信息发送给分拣机器人控制器；
S5、
分拣机器人控制器根据新鲜茶叶等级信息对新鲜茶叶进行分类；
S6、
分拣机器人控制器根据新鲜茶叶位置信息结合动态跟踪算法控制分拣机器人和吸盘对新鲜茶叶进行动态抓取，放到对应的收集盒中完成分拣
。
[0005]进一步地，步骤
S1
具体如下：
S11、
将新鲜的茶叶根据含水量不同将新鲜茶叶分成
A、B、C
三组；
S12、
每组分别采集一定数量的单叶
、
一芽一叶
、
一芽两叶
、
一芽多叶不同部位的图像数据；
S13、
通过裁剪
、
旋转
、
亮度变换
、
放射变换等方法进一步扩充图像数据；
S14、
进行预处理，得到新鲜茶叶数据集
。
[0006]进一步地，步骤
S2
中，所述深度学习模型采用
YOLOV5
模型；进一步地，步骤
S3
中，新鲜茶叶等级分为单叶
、
一芽一叶
、
一芽两叶
、
一芽多叶，四个等级
。
[0007]进一步地，步骤
S6
具体如下：
S61、
建立新鲜茶叶分拣模块
、
新鲜茶叶传送模块以及图像采集模块三者的空间关系，得到旋转平移矩阵；
S62、
通过得到新鲜茶叶在图片中的位置坐标，经过旋转平移矩阵变换，将鲜茶叶在图片中的位置坐标转换到新鲜茶叶分拣模块中分拣机器人的坐标系中，得到新鲜茶叶在新鲜茶叶分拣模块中分拣机器人坐标系下的精确位置；
S63、
根据新鲜茶叶在分拣机器人坐标系下的位置，并结合反三角函数建立分拣机器人机械臂动态逆运动学求解方程，表示如下：器人机械臂动态逆运动学求解方程，表示如下：
、
和分别表示三个主动臂的转角即伺服电机驱动主动臂旋转的角度，
x、y、z
分别表示新鲜茶叶的空间坐标，
L
表示并联机器人主动臂长度，
l
表示并联机器人从动臂长度，
R
表示并联机器人底座半径，
r
表示并联机器人末端半径，
v
传送带的速度，
t
表示机器人动作的时间
;S64、
将识别到新鲜茶叶的坐标发送给分拣机器人，根据新鲜茶叶的坐标计算出最短分拣路径，根据最短路径确定分拣的先后顺序；
S65、
根据分拣的先后顺序
、
最短分拣路径，确定分拣机器人机械臂运动轨迹；
S66、
采用
S
型加减速曲线对电机速度进行优化，实现对新鲜茶叶的无损分拣
。
[0008]为实现上述目的，本专利技术还提供一种基于深度学习的新鲜茶叶分拣系统，包括：图像采集模块，用于采集新鲜茶叶的图像数据；图像处理模块，用于处理新鲜茶叶的图像数据，得到新鲜茶叶的深度学习模型；新鲜茶叶震动筛模块，用于将茶叶分散到传送带上，使茶叶在传送带上不堆叠且分散开；新鲜茶叶传送模块，用于将输送新鲜茶叶；新鲜茶叶分拣模块，用于将新鲜茶叶按照等级进行分拣；新鲜茶叶收集模块，用于收集按照等级分拣好的新鲜茶叶
。
[0009]其中，所述图像采集模块包括工业相机和相机光源，工业相机和光源通过相机支架固定在定制传送带的上方；所述图像处理模块和图像采集模块相连，所述图像处理模块包括笔记本电脑和
YOLOV5
深度学习模型；所述新鲜茶叶震动筛模块位于传送带的起始端；
所述新鲜茶叶分拣模块和图像处理模块相连，所述鲜茶叶分拣模块包括机器人控制器
、
并联机器人和定制吸盘
。
其中吸盘固定在并联机器人末端，并联机器人通过并联机器人支架固定在定制传送带的上方；所述新鲜茶叶传送模块包括定制传送带和速度检测装置，其中所述速度检测装置和所述机器人控制器相连，实施反馈定制传送带的运行速度；所述新鲜茶叶收集装置包括四个新鲜茶叶收集盒，分别存放单叶
、
一芽一叶
、
一芽两叶
、
一芽多叶四种规格的新鲜茶叶，其中所述新鲜茶叶收集盒位于所述定制传送带的侧边
。
[0010]与现有技术相比本专利技术的有益效果在于：本专利技术提出的新鲜茶叶分拣方法，通过深度学习提高了新鲜茶叶分类的准确性，建立不同含水量新鲜茶叶的数据集，解决因新鲜茶叶因存放时间导致水分流失，进而影响新鲜茶叶等级检测模型的检测准确性问题，提高了新鲜茶叶检测模型的适应性
。
[0011]本专利技术提出的新鲜茶叶分拣系统，使分拣过程趋于自动化，提升新鲜茶叶的分拣的准确性和效率，大大减少了人工，避免因人工疲劳和主观判断错误导致不同等级的新鲜茶叶混装，提高了茶叶的品质
。
附图说明
[0012]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定
。
[0013]图1为本公开实施例的系统结构图；图2为本实施例系统结构分布图；其中，
1.
机器人控制器；
2.
笔记本电脑；
3.
相机光源；
4.
工业相机；
5.
...

【技术保护点】

【技术特征摘要】
1.
基于深度学习的新鲜茶叶分拣方法，其特征在于，包括以下步骤：
S1、
建立新鲜茶叶的数据集，构建深度学习模型；
S2、
将新鲜茶叶数据集导入深度学习模型中，得到新鲜茶叶等级检测模型；
S3、
通过新鲜茶叶等级检测模型确定新鲜茶叶的等级信息和位置信息；
S4、
通过以太网将新鲜茶叶的等级信息和位置信息发送给分拣机器人控制器；
S5、
分拣机器人控制器根据新鲜茶叶等级信息对新鲜茶叶进行分类；
S6、
分拣机器人控制器根据新鲜茶叶位置信息结合动态跟踪算法控制分拣机器人和吸盘对新鲜茶叶进行动态抓取，放到对应的收集盒中完成分拣
。2.
如权利要求1所述的一种基于深度学习的新鲜茶叶分拣方法，其特征在于，步骤
S1
具体如下：
S11、
将新鲜的茶叶根据含水量不同将新鲜茶叶分成
A、B、C
三组；
S12、
每组分别采集一定数量的单叶
、
一芽一叶
、
一芽两叶
、
一芽多叶不同部位的图像数据；
S13、
通过裁剪
、
旋转
、
亮度变换
、
放射变换等方法进一步扩充图像数据；
S14、
进行预处理，得到新鲜茶叶数据集
。3.
如权利要求1所述的一种基于深度学习的新鲜茶叶分拣方法，其特征在于，步骤
S6
具体如下：
S61、
建立新鲜茶叶分拣模块
、
新鲜茶叶传送模块以及图像采集模块三者的空间关系，得到旋转平移矩阵；
S62、
通过得到新鲜茶叶在图片中的位置坐标，经过旋转平移矩阵变换，将鲜茶叶在图片中的位置坐标转换到新鲜茶叶分拣模块中分拣机器人的坐标系中，得到新鲜茶叶在新鲜茶叶分拣模块中分拣机器人坐标系下的精确位置；
S63、
根据新鲜茶叶在分拣机器人坐标系下的位置，并结合反三角函数建立分拣机器人机械臂动态逆运动学求解方程，表示如下：机械臂动态逆运动学求解方程，表示如下：
、
和分别表示三个主动臂的转...

【专利技术属性】
技术研发人员：马立东，雷勋豪，屈言森，刘永强，任艳彪，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：