李楷模 文躍兵
(湖南工業(yè)職業(yè)技術(shù)學(xué)院,湖南 長沙 410208)
淡水魚食品加工需要進(jìn)行去頭尾作業(yè),通常是人工操作實(shí)現(xiàn)的,生產(chǎn)效率低,不能滿足現(xiàn)代生產(chǎn)的要求。中國淡水魚產(chǎn)量近幾年連續(xù)增加,淡水魚食品加工技術(shù)在冷凍保鮮、自動去鱗、腌熏與烘烤加工等方面進(jìn)展很快,但自動去頭尾技術(shù)的研究還未涉及,影響了淡水魚食品加工企業(yè)的生產(chǎn)規(guī)模。近年來,隨著計(jì)算機(jī)視覺技術(shù)迅速發(fā)展,出現(xiàn)了許多應(yīng)用計(jì)算機(jī)視覺技術(shù)的生產(chǎn)自動化系統(tǒng)[1-3],如利用計(jì)算機(jī)視覺技術(shù)根據(jù)蘋果的大小自動分級[4]、根據(jù)藥丸顆粒的顏色自動分類等,提高了生產(chǎn)效率。本研究提出了一種視覺引導(dǎo)淡水魚自動去頭尾系統(tǒng)方案,該方案的關(guān)鍵就是如何運(yùn)用計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)對淡水魚頭、尾的準(zhǔn)確定位。由圖像不變矩理論,利用計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)魚頭、尾匹配定位方法,然后應(yīng)用可編程邏輯控制器(PLC)實(shí)現(xiàn)準(zhǔn)確對刀及自動完成去魚頭、尾作業(yè)。
視覺引導(dǎo)去頭尾系統(tǒng)如圖1所示,該系統(tǒng)用于淡水魚食品加工自動生產(chǎn)線。系統(tǒng)工作時,去鱗的淡水魚由輸送帶1送到工作臺2,當(dāng)魚頭接觸3接觸傳感器E時,接觸傳感器E發(fā)出指令,啟動工作臺中間的帶式傳動機(jī)構(gòu),魚身朝圖1中左方向直線移動,當(dāng)魚頭接觸11接觸傳感器F時,接觸傳感器F發(fā)出兩個指令:① 工作臺中間的帶式傳動機(jī)構(gòu)停止,魚身處于待去頭尾工作狀態(tài);② 指令夾緊裝置7動作,夾緊裝置的“弓”形壓塊內(nèi)設(shè)氣囊,由進(jìn)氣、排氣電控閥控制進(jìn)排氣,進(jìn)氣電控閥5獲得指令打開進(jìn)氣閥門,夾緊裝置7下的氣囊進(jìn)氣將魚夾緊到調(diào)定的壓力值后壓力傳感器自動關(guān)閉。圖1中13、15是圖像傳感器 M、N分別采集魚頭、魚尾數(shù)字圖像信號,該信號由千兆以太網(wǎng)傳輸給控制計(jì)算機(jī)。控制計(jì)算機(jī)通過圖像處理算法實(shí)現(xiàn)魚頭及魚尾位置的準(zhǔn)確定位,并經(jīng)由PLC模塊控制步進(jìn)電機(jī)驅(qū)動刀具進(jìn)入切割魚頭及魚尾位置,完成魚頭、魚尾切割作業(yè)。具體由圖像傳感器M、N獲得特征圖形后發(fā)出指令控制電機(jī)A、B完成X方向準(zhǔn)確對刀,電機(jī)D完成工作臺上下Z軸方向動作控制,使刀具能完全切到魚頭、魚尾部分;電機(jī)C控制工作臺前后Y方向動作,Y、Z方向的控制使刀具能完全分割魚頭、魚尾;魚頭、尾分割完后,刀具必然接觸工作臺底部傳感器10和右側(cè)的傳感器8,分別發(fā)出指令:① 將分割的魚頭、尾移走(圖中沒有標(biāo)明);② 排氣電控閥6放氣,將夾緊的魚松開;③ 控制工作臺回到原來狀態(tài);④ 工作臺中間的帶式傳動機(jī)構(gòu)啟動,將切割了魚頭、尾的魚身移向傳送帶12,準(zhǔn)備下一個加工工序,同時工作臺準(zhǔn)備下一個工作循環(huán)。
圖1 視覺引導(dǎo)去頭尾系統(tǒng)結(jié)構(gòu)圖Figure 1 Visual guide to cutting the head and tail system structure diagram
中國的淡水魚養(yǎng)殖家魚主要有:青魚、草魚、鳙魚和鰱魚,其身體結(jié)構(gòu)見圖2~5。
圖2 青魚身體結(jié)構(gòu)Figure 2 Black carp body structure
圖3 草魚身體結(jié)構(gòu)Figure 3 Grass carp body structure
圖4 鳙魚身體結(jié)構(gòu)Figure 4 Bighead carp body structure
圖5 鰱魚身體結(jié)構(gòu)Figure 5 Silver carp body structure
通過4種常見的淡水魚魚身結(jié)構(gòu),不難發(fā)現(xiàn)4種淡水魚的魚頭、尾部均呈規(guī)則的幾何形狀,頭部呈扇形,尾部呈燕尾形。針對上述特點(diǎn),本研究基于具有仿射和旋轉(zhuǎn)不變性的Hu矩[5-7]設(shè)計(jì)魚頭、魚尾定位算法。
“矩”是一個統(tǒng)計(jì)學(xué)概念,用于描述隨機(jī)變量的分布形態(tài),在數(shù)字圖像處理中,矩可用來描述某一圖像物體的形狀,圖像I中某一模版的pq階矩定義為:
pq階中心距定義為:
其中,xa、ya分別為該模版圖像x坐標(biāo)和y坐標(biāo)的平均值,將中心矩除以m00的冪,可得到歸一化處理的中心距:
Hu矩是歸一化中心矩的線性組合,對于圖像的某些變化縮放、旋轉(zhuǎn)和鏡像映射等具有不變性,Hu矩的定義為:
本試驗(yàn)的方法應(yīng)用Hu矩來判斷檢測圖像中某一區(qū)域和標(biāo)準(zhǔn)魚頭(魚尾)模板的相似程度,進(jìn)而實(shí)現(xiàn)魚頭、魚尾的精確定位。判定某一區(qū)域?yàn)轸~頭(魚尾)的判據(jù)為:
其中,D為模板相匹配閾值,可根據(jù)檢測對象的統(tǒng)計(jì)數(shù)據(jù)確定,hAi和hBi分別表示圖像區(qū)域和標(biāo)準(zhǔn)魚頭(魚尾)的i階Hu矩。
(1)制作需加工魚魚頭(魚尾)標(biāo)準(zhǔn)模板,計(jì)算標(biāo)志模板的Hu矩,設(shè)定模板相匹配閾值D;設(shè)定檢測圖像中魚頭(魚尾)匹配區(qū)域初始大小及初始位置。
(2)計(jì)算檢測圖像魚頭(魚尾)初始區(qū)域的Hu矩,按照式(11)所述判據(jù)判斷初始區(qū)域是否就是魚頭(魚尾)所在位置。
(3)若初始位置不是魚頭(魚尾)所在位置,以5像素為步長,向初始區(qū)域的8鄰接方向移動匹配區(qū)域,計(jì)算新匹配區(qū)域的Hu矩,判斷新區(qū)域是否是魚頭(魚尾)所在位置。
(4)若移動80個像素仍然未找到魚頭(魚尾)所在位置,以5像素為步長調(diào)整匹配區(qū)域大小,重復(fù)步驟(3)。
(5)若區(qū)域大小變化了±20個像素沒有找到魚頭(魚尾)所在位置,程序停止,報錯;(2)~(4)任一步驟中若找到魚頭(魚尾)所在位置,輸出該區(qū)域參數(shù)。
(1)驗(yàn)證本試驗(yàn)提出的Hu矩匹配魚頭、魚尾判據(jù)的有效性。分別制作100×80像素大小的鳙魚魚頭(魚尾)標(biāo)準(zhǔn)模板,在另一分辨率為800×600像素的鳙魚圖像中選定20個區(qū)域,其中第1~4個區(qū)域基本和魚頭(魚尾)位置重合(如圖6中A、B所示),5~20個區(qū)域則是魚的其他部分(如圖6中虛線區(qū)域所示),各區(qū)域按照匹配判據(jù)計(jì)算得到T值如圖7所示。由圖7可知,當(dāng)區(qū)域?yàn)轸~頭魚尾部分時,式(11)判據(jù)中T值計(jì)算結(jié)果小于3.1;當(dāng)區(qū)域?yàn)轸~的其他部分時,式(11)判據(jù)中T值大于4.3;兩者區(qū)別顯著,沒有交錯部分,本研究提出的魚頭、魚尾匹配判據(jù)是有效的。
(2)對本試驗(yàn)檢測算法進(jìn)行進(jìn)一步驗(yàn)證,采用上述鳙魚魚頭(魚尾)標(biāo)準(zhǔn)模板在50幀分辨率為800×600像素不同的鳙魚圖像中尋找魚頭(魚尾);應(yīng)用式(11)所述判據(jù)時,模板相匹配閾值取值3.7,共有43幀圖像正確找到了魚頭(魚尾);4幀圖像只找到了魚頭、魚尾之一;3幀圖像魚頭、魚尾均未能找到,本試驗(yàn)檢測算法有效率達(dá)86%。
圖6 區(qū)域選取Figure 6 Illustration of selected areas
圖7 不同區(qū)域T值計(jì)算結(jié)果Figure 7 Results of different Tvalue
提出了一種視覺引導(dǎo)淡水魚自動去淡水魚頭、尾系統(tǒng)方案;基于圖像不變矩理論,提出了魚頭、魚尾匹配定位方法。結(jié)果表明,本試驗(yàn)采用的匹配判據(jù)能有效區(qū)分魚頭(魚尾)與魚的其他部分;本試驗(yàn)檢測算法用于鳙魚魚頭、魚尾定位檢測有效率達(dá)86%以上,數(shù)據(jù)表明此技術(shù)完全可以應(yīng)用于鳙魚食品加工自動生產(chǎn)線。
引入Zernike矩和小波矩的一些思想,并與本試驗(yàn)算法相集成,進(jìn)一步提高魚頭、魚尾識別的準(zhǔn)確性,是下一步研究的方向。
1 胡永彪,杜成華.機(jī)器視覺技術(shù)在工程機(jī)械上的應(yīng)用[J].機(jī)械工程,2009,40(10):53~56.
2 張萍,朱政紅.機(jī)械視覺技術(shù)及其在機(jī)械制造自動化中的應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2007,30(10):1 292~1 295.
3 譚建平,王憲,文躍兵.一種基于機(jī)器視覺平面擺動的擺心測試方法:中國,201110382185.3[P].2012-07-04.
4 安愛琴,余澤通,王宏強(qiáng).基于機(jī)器視覺的蘋果大小自動分級方法[J].農(nóng)機(jī)化研究,2008(4):163~166.
5 李迎春,陳賀新,趙銘,等.基于飛機(jī)目標(biāo)的仿射不變矩研究[J].吉林大學(xué)學(xué)報(信息科學(xué)版),2003,21(5):85~88.
6 張水發(fā),王開義,王書鋒,等.基于優(yōu)化矩不變特征的鮮切菜在線分級技術(shù)[J].農(nóng)業(yè)工程學(xué)報,2011,27(10):354~358.
7 應(yīng)義斌,景寒松.黃花梨果形的機(jī)器視覺識別方法研究[J].農(nóng)業(yè)工程學(xué)報,1999,15(1):192~196.