張珊珊， 劉　偉

(山東理工大學(xué) 電氣與電子工程學(xué)院， 山東 淄博 255049)

?

糧倉(cāng)內(nèi)霉變糧食顆粒檢測(cè)裝置

張珊珊， 劉偉

(山東理工大學(xué) 電氣與電子工程學(xué)院， 山東 淄博 255049)

摘要：針對(duì)糧食倉(cāng)儲(chǔ)單位檢測(cè)糧食霉變的實(shí)際需求，設(shè)計(jì)了霉變糧食顆粒檢測(cè)裝置.該裝置包括旋轉(zhuǎn)取樣、儲(chǔ)料、振動(dòng)以及圖像采集機(jī)構(gòu)，由取樣機(jī)構(gòu)提取糧倉(cāng)內(nèi)不同深度的糧食顆粒，并分別采集白光和紫外光下糧食顆粒的圖像，然后對(duì)圖像進(jìn)行處理獲得糧食顆粒霉變的數(shù)據(jù).測(cè)試結(jié)果表明：該裝置可以檢測(cè)糧倉(cāng)內(nèi)不同深度糧食顆粒霉變的程度.

關(guān)鍵詞：糧倉(cāng)糧食顆粒； 霉變； 檢測(cè)裝置

糧食在收獲、貯藏和加工的過程中極易受到霉菌污染[1-3]，發(fā)生霉變不僅影響糧食的風(fēng)味和外觀，而且含有對(duì)人、畜有害的霉菌毒素.霉菌毒素是霉菌分泌的代謝產(chǎn)物，主要有黃曲霉菌、青霉菌和鐮刀霉菌等，進(jìn)行簡(jiǎn)單的處理加工及烹飪很難消除這些毒素，從而對(duì)人類和畜禽造成嚴(yán)重危害[4-6]，因此檢測(cè)糧食顆粒是否發(fā)生霉變極為重要.目前，絕大多數(shù)糧食加工企業(yè)依靠人工揀出霉變顆粒，效率較低，只有很少一部分企業(yè)采用種子光電分選機(jī)[7]，這類分選機(jī)普遍結(jié)構(gòu)復(fù)雜、價(jià)格昂貴，因而難以普及，且僅有合格及不合格兩個(gè)分級(jí)級(jí)別，而且在使用時(shí)操作十分繁瑣，檢測(cè)器只能在固定的位置進(jìn)行檢測(cè)，不能根據(jù)需要對(duì)糧倉(cāng)內(nèi)任意深度的糧食顆粒進(jìn)行檢測(cè).因此，為適應(yīng)糧倉(cāng)糧食霉變檢測(cè)的需要，本文克服現(xiàn)有技術(shù)的不足，提出了一種能在糧倉(cāng)內(nèi)不同深度多個(gè)位置快速準(zhǔn)確檢測(cè)糧食霉變情況的檢測(cè)裝置.

1檢測(cè)裝置的工作原理

感染霉菌的糧食顆粒表層顏色會(huì)褐變、發(fā)黑，因此在自然光下采集糧食顆粒的圖像，通過濾波、灰度化、二值化、去干擾、區(qū)域填充、連續(xù)膨脹等操作，即可以檢測(cè)出霉變的糧食顆粒，并能夠統(tǒng)計(jì)出霉變顆粒數(shù)目.

自然光下拍攝的玉米顆粒如圖1(a)所示，圖中右側(cè)為霉變顆粒，左側(cè)為對(duì)照的正常顆粒，為簡(jiǎn)化后續(xù)計(jì)算，將彩色圖像轉(zhuǎn)化為灰度圖像如圖1(b)所示，對(duì)圖像進(jìn)行二值化[8]，并濾除連通面積小于780個(gè)像素的區(qū)域，以濾除干擾噪聲，如圖1(c)所示，然后經(jīng)過區(qū)域填充和膨脹，得到霉變顆粒的位置，如圖1(d)，根據(jù)檢測(cè)結(jié)果就可以在原始圖像中標(biāo)記出霉變的糧食顆粒.

(c)二值化圖像　　　　　　　(d)區(qū)域填充結(jié)果圖1　自然光下霉變糧食顆粒的檢測(cè)

然而在自然光下難以觀察到黃曲霉毒素，但是當(dāng)使用365nm紫外光照射黃曲霉毒素時(shí)，會(huì)發(fā)生黃綠色熒光效應(yīng)[9]，因此采集紫外光照射下的糧食顆粒圖像，就能夠準(zhǔn)確檢測(cè)出感染黃曲霉毒素的糧食顆粒，如圖2所示.對(duì)原始的彩色圖像進(jìn)行增強(qiáng)，二值化處理，去除干擾噪聲，然后連續(xù)膨脹得到感染黃曲霉毒素顆粒的位置，并標(biāo)記在原始圖像中[10].

2檢測(cè)裝置的結(jié)構(gòu)

糧倉(cāng)不同深度霉變檢測(cè)裝置的結(jié)構(gòu)分為旋轉(zhuǎn)取樣、儲(chǔ)料、振動(dòng)、圖像采集和殼體等五部分，如圖3所示.該裝置可對(duì)糧倉(cāng)內(nèi)不同深度多個(gè)位置的糧食顆粒進(jìn)行圖像采集，再依據(jù)上述檢測(cè)原理，判斷糧食顆粒的霉變情況.

(a)原始圖像　　　　　　　　　　(b)增強(qiáng)圖像

(c)二值化圖像　　　　　　　　(d)連續(xù)膨脹結(jié)果圖2　紫外光下感染黃曲霉毒素糧食顆粒的檢測(cè)

1.進(jìn)料口 2.下帶輪 3.刻度尺 4.同步皮帶 5.上帶輪 6.料斗 7.殼體 8.攝像頭 9.光源 10.出料口 11.儲(chǔ)料板 12.振動(dòng)電機(jī) 13.彈簧 14.支撐板 15.卸料口圖3　糧倉(cāng)不同深度霉變檢測(cè)裝置結(jié)構(gòu)圖

2.1取樣機(jī)構(gòu)

取樣機(jī)構(gòu)為皮帶傳動(dòng)機(jī)構(gòu)，由上帶輪、同步皮帶、取料斗和下帶輪四部分組成，上帶輪通過同步皮帶連接下帶輪，上帶輪一側(cè)的殼體內(nèi)壁上裝有步進(jìn)電機(jī)，上帶輪連接步進(jìn)電機(jī)的輸出軸，下帶輪通過轉(zhuǎn)軸固定安裝在殼體內(nèi)下部；同步皮帶外側(cè)上裝有取料斗.取料斗在同步皮帶上均布多個(gè)，相鄰兩個(gè)取料斗之間的距離等于上帶輪和下帶輪的外緣周長(zhǎng)的四分之一；取料斗的開口面的長(zhǎng)度與寬度相等，且與同步皮帶等寬，取料斗的深度大于等于2cm.

2.2圖像采集機(jī)構(gòu)

圖像采集機(jī)構(gòu)包括攝像頭和光源，光源包括熒光光源和白光光源，由365nm紫外燈珠產(chǎn)生熒光，為黃曲霉毒素的檢測(cè)提供光源，由白光燈珠產(chǎn)生白光，為糧食霉變的檢測(cè)提供光源.由恒流電源為熒光光源和白光光源供電，保持光強(qiáng)的穩(wěn)定.

2.3儲(chǔ)料裝置

儲(chǔ)料裝置安裝在殼體外壁上，位于出料口下方，用于盛放從出料口卸出的糧食顆粒，為其上方的攝像頭提供拍照的平臺(tái).儲(chǔ)料板向下傾斜，與水平面有一較小的夾角，便于糧食顆粒在振動(dòng)時(shí)掉落；儲(chǔ)料板周圍設(shè)有一圈凸起的擋邊，用于防止糧食的滑落，在一定時(shí)間內(nèi)保持糧食顆粒的穩(wěn)定性，便于采集清晰的圖像.

2.4振動(dòng)機(jī)構(gòu)

振動(dòng)機(jī)構(gòu)包括振動(dòng)電機(jī)、彈簧和支撐板，支撐板一側(cè)連接殼體外壁，支撐板上面固定安裝多只豎立放置的彈簧，彈簧頂部通過振動(dòng)塊連接儲(chǔ)料板底面，振動(dòng)塊一側(cè)連接振動(dòng)電機(jī)，振動(dòng)電機(jī)固定安裝在儲(chǔ)料板底面上.當(dāng)從出料口卸出的糧食顆粒較多時(shí)，依靠糧食的自重儲(chǔ)料板會(huì)發(fā)生輕微的上下振動(dòng)，使糧食顆粒單層排放，便于拍照；當(dāng)需要徹底更換儲(chǔ)料板上的糧食顆粒時(shí)，可通過儲(chǔ)料板下方的振動(dòng)機(jī)構(gòu)提供動(dòng)力，令儲(chǔ)料板發(fā)生較大幅度的振動(dòng)，完全振落儲(chǔ)料板上的糧食顆粒，并更換新的糧食顆粒.

2.5殼體

殼體的左端面上固定安裝有縱向設(shè)置的刻度尺，通過刻度尺可準(zhǔn)確的判斷殼體進(jìn)入糧倉(cāng)的深度，便于數(shù)據(jù)記錄.殼體內(nèi)設(shè)有料斗檢測(cè)傳感器，用于檢測(cè)取料斗的位置，通過料斗傳感器來記錄經(jīng)過同一固定位置的取料斗的個(gè)數(shù)，從而判斷在更換不同位置時(shí)，取料斗內(nèi)的糧食是否已經(jīng)完全更換完畢.為防止外界光線的干擾，將卸料口設(shè)置為弧形，保證良好的拍攝環(huán)境.

3檢測(cè)裝置的硬件系統(tǒng)

檢測(cè)裝置的硬件電路框圖如圖4所示，采用小巧便攜的嵌入式系統(tǒng)作為主控板，通過USB接口外擴(kuò)控制模塊，使用12V鋰電池為檢測(cè)裝置供電。USB控制模塊輸出4路控制信號(hào)，分別控制開關(guān)管K1，K2、K3和K4的通斷。當(dāng)K3導(dǎo)通時(shí)，與K3串聯(lián)的旋轉(zhuǎn)電機(jī)工作，通過取料斗挖取糧倉(cāng)里的糧食顆粒，并將糧食顆粒提升到出料口的儲(chǔ)料板上；當(dāng)K4導(dǎo)通時(shí)，與K4串聯(lián)的振動(dòng)電機(jī)工作，使儲(chǔ)料板振動(dòng)，平鋪糧食顆粒；當(dāng)K1導(dǎo)通時(shí)，與K1串聯(lián)的白光燈珠發(fā)光，控制板控制攝像頭對(duì)白光下的顆粒進(jìn)行拍照，并對(duì)霉變區(qū)域進(jìn)行檢測(cè)；當(dāng)K2導(dǎo)通時(shí)，與K2串聯(lián)的紫外燈珠發(fā)光，控制板使用攝像頭對(duì)365nm紫外光下的顆粒進(jìn)行拍照，并檢測(cè)黃曲霉毒素。

圖4　檢測(cè)裝置硬件電路框圖

4檢測(cè)裝置的軟件設(shè)計(jì)

軟件系統(tǒng)采用模塊化設(shè)計(jì)，軟件流程如圖5所示.首先，將檢測(cè)裝置豎立放置在糧倉(cāng)顆粒堆上方的中間位置，并將殼體下部的進(jìn)料口朝下插入糧食顆粒堆1m深度，啟動(dòng)取樣機(jī)構(gòu)挖取糧食顆粒往殼體上方運(yùn)動(dòng)，糧食顆粒運(yùn)行至出料口處并卸出在儲(chǔ)料裝置上，控制器通過圖像采集機(jī)構(gòu)采集不同光源下的糧食顆粒的圖像信息，統(tǒng)計(jì)出霉變和感染黃曲霉毒素糧食顆粒占總數(shù)的比率，從而準(zhǔn)確判定糧食顆粒霉變的程度；取樣機(jī)構(gòu)繼續(xù)運(yùn)行，連續(xù)檢測(cè)多個(gè)位置后，取樣機(jī)構(gòu)停止運(yùn)行，1m深度檢測(cè)完畢.然后，將檢測(cè)裝置插入糧食顆粒堆2m深度，再次啟動(dòng)取樣機(jī)構(gòu)，挖取糧食顆粒至規(guī)定位置，此時(shí)取樣機(jī)構(gòu)暫停，控制器采集儲(chǔ)料裝置上的糧食顆粒圖像，并統(tǒng)計(jì)糧食顆粒霉變與感染黃曲霉毒素的情況；重復(fù)上述步驟，將檢測(cè)裝置按照1m的遞進(jìn)深度不斷插入糧食堆，直到檢測(cè)裝置插到糧倉(cāng)底部為止.

圖5　糧食顆粒霉變檢測(cè)流程圖

5檢測(cè)裝置的測(cè)試結(jié)果

檢測(cè)裝置在玉米糧倉(cāng)1m深處取樣，拍攝的白光下玉米顆粒圖像如圖6(a)所示，可以清晰地看到這些顆粒中有霉變顆粒，經(jīng)過處理后的圖像如圖6(b)所示，霉變顆粒被標(biāo)紅.通過計(jì)算霉變顆粒像素?cái)?shù)占顆?？傁袼?cái)?shù)的比值，計(jì)算得到霉變率為3.7%.

(a)采集1m深處的玉米顆粒圖像　　　　 (b)檢測(cè)結(jié)果圖像圖6　玉米顆粒檢測(cè)圖像

檢測(cè)裝置在小麥糧倉(cāng)3m深處取樣，得到白光下的小麥顆粒圖像如圖7(a)所示，經(jīng)過處理后的圖像如圖7(b)所示，霉變小麥顆粒被標(biāo)紅，霉變率為3.2%.

(a)采集3m深處的小麥顆粒圖像　　　　(b)檢測(cè)結(jié)果圖像圖7　小麥顆粒檢測(cè)圖像

6結(jié)束語

基于嵌入式系統(tǒng)設(shè)計(jì)的霉變糧食檢測(cè)裝置，具有體積小、計(jì)算速度快、占用硬件資源少的特點(diǎn)。以1m、3m深處的玉米顆粒為樣本測(cè)試，可以準(zhǔn)確分辨出霉變的糧食顆粒，并計(jì)算出霉變率.測(cè)試結(jié)果表明，該裝置完全符合設(shè)計(jì)要求.

參考文獻(xiàn)：

[1] Chen X, Kildal P S, Carlsson J. Comparisons of different methods to determine correlation applied to multi-port UWB eleven antenna[C] //Antennas and Propagation (EUCAP), Proceedings of the 5th European Conference on. IEEE, 2011:1 776-1 780.

[2]李培武, 馬良, 楊金娥,等. 糧油產(chǎn)品黃曲霉毒素B1檢測(cè)技術(shù)研究進(jìn)展[J]. 中國(guó)油料作物學(xué)報(bào), 2005, 27(2):77-81.

[3] Fei M A. Effects of Mycotoxin from Maize on Immune Response of Vaccine for Piglets[J].農(nóng)業(yè)科學(xué)與技術(shù)(英文版), 2010,11(7):117-119.

[4]張楠楠, 劉偉, 王偉,等. 玉米霉變及黃曲霉毒素的圖像處理檢測(cè)方法[J]. 中國(guó)糧油學(xué)報(bào), 2014, 29(2):82-88.

[5]Stroka J, Anklam E. New strategies for the screening and determination of aflatoxins and the detection of aflatoxin-producing molds in food and feed[J]. Trac Trends in Analytical Chemistry, 2002, 21(2):90-95.

[6]Goryacheva I Y, Rusanova T Y, Pankin K E. Fluorescent properties of aflatoxins in organized media based on surfactants, cyclodextrins, and calixresorcinarenes[J]. Journal of Analytical Chemistry, 2008, 63(8):751-755.

[7]江景濤, 王延耀, 楊然兵,等. 基于分裂Bregman算法的玉米種子品種識(shí)別(英文)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(S2):248-252.

[8]Soponar F， MoA C， Srbu C. Quantitative determination of some food dyes using digital processing of images obtained by thin-layer chromatography[J]. Journal of Chromatography A, 2008, 1188(2):295-300.

[9]Comer M L, Delp E J. Morphological Operations For Color Image Processing[J]. Journal of Electronic Imaging, 1999, 8(3):279-289.

[10]韓仲志, 楊錦忠, 李言照. 玉米品種圖像識(shí)別中的影響因素研究[J]. 中國(guó)糧油學(xué)報(bào), 2012, 27(10):98-103.

(編輯：劉寶江)

Moldy grains detector for the granary

ZHANG Shan-shan, LIU Wei

(School of Electrical and Electronic Engineering, Shandong University of Technology, Zibo 255049, China)

Abstract:In order to meet the actual demand of moldy grain detection for grain storage, a detector for moldy grains in the granary is designed. The device includes rotatable sampling, storing, vibrating and imaging parts. Grain kernels at different depth can be dug up by the rotatable sampling part and the images of kernels can be respectively acquired under white and UV-light. Then ratio of moldy grains can be calculated by processing these images. Results show that the device can detect moldy grains in different depth of the granary.

Key words:granary grain kernels; moldy; detector

中圖分類號(hào)：TP391.4

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-6197(2016)04-00037-04

作者簡(jiǎn)介：張珊珊，女，dongfang_zhangshan@163.com； 通信作者： 劉偉，男，weikey@sdut.edu.cn

基金項(xiàng)目：國(guó)家科技支撐計(jì)劃項(xiàng)目(2012BAK08B04-03)

收稿日期：2016-01-18