康寧波，強 鋒，吳龍國，王松磊,，何建國,※

（1. 寧夏大學土木與水利工程學院，銀川 750021； 2. 寧夏大學農(nóng)學院，銀川 750021）

基于電磁式同步執(zhí)行機構(gòu)的鮮棗分級機設計與試驗

康寧波1，強 鋒2，吳龍國1，王松磊1,2，何建國1,2※

（1. 寧夏大學土木與水利工程學院，銀川 750021； 2. 寧夏大學農(nóng)學院，銀川 750021）

為了提高鮮棗機器視覺分級機的分級精度和速度，該文研究設計基于電磁式同步執(zhí)行機構(gòu)的鮮棗機器視覺分級機，整機由輥輪輸送鏈、撥板鏈條、電磁鐵、同步傳動鏈輪、STM32F407圖像處理器和STM32F103控制動作執(zhí)行的協(xié)處理器等組成。執(zhí)行機構(gòu)單元撥板與輥輪輸送同步，采用靈敏度高的電磁鐵吸附硅鋼開關(guān)扣板執(zhí)行動作。圖像處理流程為圖像顏色分量、Sobel算子濾波、大津法二值化、橢圓擬合提取顏色和大小特征值。樣機試驗結(jié)果：撥板鏈同步位差為0.413 mm，單元撥板擊撞力為2.57 N，紅棗表皮瞬間承受最大力為12.69 N；每幀圖像處理時間為50 ms，執(zhí)行機構(gòu)動作時間為40 ms，輥輪輸送速度為320 mm/s，紅棗分級速度達20個/s，實現(xiàn)鮮棗5個大小等級和1個綠色等級的分級，分級準確率為93.7%，無損率為100%，最大產(chǎn)能達1 400 kg/h。設計的基于電磁式同步執(zhí)行機構(gòu)的鮮棗機器視覺分級機實現(xiàn)了鮮棗的高準確率、高速度、無損分級要求，為機器視覺紅棗快速分級設備的發(fā)展提供重要的技術(shù)支撐和理論參考。

機器視覺；圖像處理；設計；電磁執(zhí)行機構(gòu)；鮮棗；分級機

康寧波，強 鋒，吳龍國，王松磊，何建國. 基于電磁式同步執(zhí)行機構(gòu)的鮮棗分級機設計與試驗[J]. 農(nóng)業(yè)工程學報，2017，33(7)：254－260.doi：10.11975/j.issn.1002-6819.2017.07.033 http://www.tcsae.org

Kang Ningbo, Qiang Feng, Wu Longguo, Wang Songlei, He Jianguo. Design and experiment of synchronization actuator system based on electromagnetism for fresh jujube classifier[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(7): 254－260. (in Chinese with English abstract)doi：10.11975/j.issn.1002-6819.2017.07.033 http://www.tcsae.org

0 引 言

利用機器視覺技術(shù)能夠?qū)崿F(xiàn)對果品外部品質(zhì)的無損檢測，快速、準確的分級，而提高果品自動化分級機分級精度和分級速度是果品機器視覺分級技術(shù)的主要趨勢和發(fā)展方向[1-5]。果品分級執(zhí)行方法和圖像處理速度是影響機器視覺自動分級設備發(fā)展的關(guān)鍵因素，其分級精度與速度的時效性相匹配，而且最大限度的保證果品的零損傷[6-10]。

目前國內(nèi)外根據(jù)果品質(zhì)量、尺寸特點、輸送方式等特點，設計研制的分級執(zhí)行機構(gòu)有重量分級卸料機構(gòu)、杠桿式卸料機構(gòu)、推挽式機構(gòu)和氣動式分級機構(gòu)[4-15]。重量分級卸料機構(gòu)主體是由電子稱重系統(tǒng)控制的平衡杠桿機構(gòu)組成，適合個體質(zhì)量較大的果品分級，廣泛應用于蘋果、柑橘、柚子等水果的分級，分級速度高，但機構(gòu)復雜，動態(tài)稱重參數(shù)信號抖動影響分級精度[16]。美國Tao教授團隊研制了 Merling高速高頻機器視覺水果分級系統(tǒng)，研究了包括頻譜增強、彩色圖像分析、噪聲過濾與變換技術(shù)，該機生產(chǎn)率為44 t/h,可用于蘋果、桔子、桃子等果品分級[17]。應義斌團隊基于機器視覺技術(shù)對黃花梨果面的缺陷進行檢測，確定圖像處理窗口，利用 Sobel算子提取圖像的邊緣信息，然后利用Hilditch法對邊緣進行細化處理，并提出利用R分量與G分量求受損區(qū)域面積[18]。東南大學研制的一種杠桿式卸料機構(gòu)，可直接安裝在水果自動分選機的滾子式水果輸送裝置上，輸送過程不影響水果的輸送和翻轉(zhuǎn)，輸送速度為616 mm/s，可實現(xiàn)大型果品的快速分級[19]。石河子大學設計的干棗機器視覺自動分級機裝置，輸送速度為150 mm/s，采用氣噴式分級方式，單通道分級速度是4個/s[20]。寧夏大學研制的紅棗機器視覺自動分級機采用氣動分級執(zhí)行機構(gòu)，輸送速度為160 mm/s，單通道分級速度5個/s，分級效果良好，實現(xiàn)了小型果品的無損分級。國內(nèi)外針對大型果品的分級方法和分級執(zhí)行技術(shù)比較成熟，但小型果品如紅棗、金桔、小番茄等由于尺寸小、質(zhì)量輕、易破損等特點不適用現(xiàn)有成熟的杠桿式和質(zhì)量式分級方法進行精準分級。目前采用氣噴式分級方式實現(xiàn)了鮮棗的無損、準確分級，但分級速度受限于控制氣噴動作的電磁閥觸發(fā)執(zhí)行機構(gòu)的動作速度，分級速度提高空間較小[20-23]。因此本文在前期鮮棗分級機研究的的基礎上設計一種基于電磁式同步執(zhí)行分級系統(tǒng)，其電磁鐵直接觸發(fā)執(zhí)行機構(gòu)，動作速度遠高于電磁閥控制氣噴的執(zhí)行速度，研制的鮮棗分級機以期達到高速、準確、無損分級效果。

1 總體設計方案

1.1 技術(shù)要求

本文主要針對鮮棗進行分級，試驗選用寧夏靈武瑪棗，橫徑15～35 mm，長徑25～60 mm，個體質(zhì)量范圍15～40 g?，敆棾蕶E圓形，大小、顏色和質(zhì)量差異明顯，要求分級機的執(zhí)行機構(gòu)和圖像處理系統(tǒng)能夠滿足不同大小和顏色的紅棗準確檢測和分級。鮮食瑪棗皮薄易受損傷，通過質(zhì)構(gòu)儀測定果皮強度為3.7 kg/cm2，要求執(zhí)行機構(gòu)的分級動作不能對紅棗造成損傷。如表1，根據(jù)寧夏靈武鮮食瑪棗等級標準按大小和綠色指標分為 6個等級，大小等級為 1～5等，等級越高棗尺寸越大，棗色的綠色區(qū)域面積占75%以上的為綠棗等級。

表1 寧夏鮮食瑪棗等級標準Table1 Grade standard of fresh jujube of Ningxia

本文采用已研究的輥輪鏈條輸送上料，其機構(gòu)能夠?qū)崿F(xiàn)紅棗的個體橫向排布，而圖像處理系統(tǒng)需要在輥輪鏈條快速輸送的狀態(tài)下采集信息，實現(xiàn)分級速度要高于已有的氣動式執(zhí)行機構(gòu)分級機的10個/s的分級速度。

1.2 系統(tǒng)結(jié)構(gòu)與工作原理

根據(jù)技術(shù)要求本文研究設計了電磁式同步執(zhí)行機構(gòu)的紅棗分級機，主要結(jié)構(gòu)包括執(zhí)行機構(gòu)和圖像處理系統(tǒng)。其中執(zhí)行結(jié)構(gòu)由撥板鏈條、電磁鐵、同步傳動鏈條組成，圖像處理系統(tǒng)由 STM32F407圖像處理器、STM32F103協(xié)處理器和滬工LJ12A3-4-Z/BX三線NPN傳感器組成，如圖 1所示。整機的工序區(qū)域包括上料區(qū)、拍照區(qū)、分級區(qū)，工作原理是紅棗通過輥輪鏈條實現(xiàn)個體排布輸送，通過拍照區(qū)由STM32F407圖像處理器拍照采集信息，帶等級信息的紅棗通過分級區(qū)時，協(xié)處理系統(tǒng)接收到傳感信息，觸發(fā)電磁鐵瞬間吸附執(zhí)行機構(gòu)的單元撥板的扣板，撥板彈出完成分級動作。同步循環(huán)的撥板鏈條的每個撥板與輥輪上紅棗同步，實現(xiàn)精準定位分級。

圖1 電磁式分級執(zhí)行機構(gòu)示意圖Fig.1 Diagram of electromagnetic grading actuator

2 關(guān)鍵部件原理與分析

2.1 執(zhí)行機構(gòu)的設計

同步撥板鏈條分級執(zhí)行機構(gòu)，如圖 1中包括不銹鋼鏈條、撥板單元、電磁鐵、撥板復位裝置、傳動輪和傳動鏈條。撥板鏈條和輥輪輸送鏈條一樣，由2條304材質(zhì)的不銹鋼鏈條構(gòu)成，鏈節(jié)距為15.875 mm，鏈節(jié)側(cè)板中間用軸安裝撥板單元形成循環(huán)撥板鏈，置于輥輪輸送鏈的上方，通過傳動鏈條鏈接輥輪輸送鏈傳動輪和撥板鏈傳動輪同步轉(zhuǎn)動。當帶有等級信息的紅棗輸送到出料口時，協(xié)處理器觸發(fā)料口位置的電磁鐵，瞬間產(chǎn)生磁力吸附撥板單元的開關(guān)扣板，由彈性連接的撥板彈出，撥落紅棗到出料口中。執(zhí)行分級后電磁鐵瞬間釋放磁力以待執(zhí)行后面分級動作，同時彈出的撥板轉(zhuǎn)動到前方，由歸位裝置進行撥板歸位，扣板開關(guān)扣住撥板，撥板單元完成一次分級。

2.1.1 撥板單元機構(gòu)設計和紅棗受力分析

根據(jù)電磁式分級執(zhí)行機構(gòu)的原理及動作完成要求，分級裝置的單元撥板位置與輥輪上個體紅棗位置一一對應，分級動作通過電磁鐵吸附撥板單元，撥板彈出完成分級動作。紅棗高速輸送過程中，要求撥板動作快速和準確。設計撥板為L型的杠桿結(jié)構(gòu)，撥板底板采用彈性連接，扣板扣住底板蓄勢待撥，觸發(fā)磁力瞬間吸附扣板開關(guān)，撥板脫扣彈出瞬時撥落紅棗。帶等級信息的紅棗在高速輸送到出料口，同步的分級裝置撥板彈出撥落紅棗，紅棗撥出的速度不影響輥輪鏈條輸送速度，但撥出距離至少大于輥輪鏈條的邊側(cè)寬度。作為鮮紅棗的分級機構(gòu)要考慮撥板對紅棗的撞擊力度小于鮮棗的破損硬度，保證紅棗的無損分級。紅棗輸送方式采用已試驗成功的鏈式輥輪輸送，輥輪的尺寸已經(jīng)確定，如圖2。撥板單元主要根據(jù)輥輪尺寸、輥輪間距及紅棗尺寸設計。正常棗果長徑為25～60 mm，橫徑為15～35 mm，兩端橫徑為5～20 mm。兩輥輪間距32 mm，撥板寬度要小于輥輪間距，大于兩端橫徑，設計為 21 mm。設計撥板長度為100 mm，底板長度為36 mm。

圖2 撥板單元結(jié)構(gòu)示意圖及紅棗的受力分析Fig.2 Diagram of dialing plate unit and force analysis of jujubes

試驗撥落質(zhì)量m=40 g的紅棗在掉落高度為h=14 mm時間內(nèi)，位移Sb=120 mm，通過動能關(guān)系得出作用在紅棗上的力，受力分析如圖2。根據(jù)尺寸限位關(guān)系，撥板擊撞力對紅棗作用的位移為Sc=25 mm。

式中g(shù)為重力加速度m/s2，t為下落時間s，v為位移初速度m/s，F(xiàn)1為撥板擊撞力N，Sc為擊撞力對紅棗作用位移m。

根據(jù)式（3）得出撥板擊撞力F1=2.57 N，而紅棗的果皮強度為 3.7 kg/cm2，撥板擊撞紅棗的接觸有效面積為 0.35 cm2，瞬間能夠承受的最大力為F=12.69 N，撥板對紅棗的擊撞力度遠小于紅棗果皮強度?？紤]到紅棗擊撞面受力不均勻，在撥板擊撞面貼彈性的緩沖墊，因此在滿足撥板擊撞力度時，保證分級裝置的無損分級。

2.1.2 扣板開關(guān)的磁力強度和磁滯性質(zhì)分析

電磁鐵的磁力是分級裝置的執(zhí)行動力，安裝在分級裝置的兩側(cè)，每個分級料斗對應一個電磁鐵。電磁鐵的磁力吸附面與撥板單元的扣板面相對，安裝距離在磁力的有效范圍內(nèi)。分級撥板與輸送輥輪以320 mm/s速度同步移動，等級信號觸發(fā)電磁鐵產(chǎn)生磁場吸附扣板，撥板脫扣彈出完成分級動作?？郯鍨榇判圆牧?，在變化磁場中扣板會不斷被磁化和退磁，最終使得材質(zhì)自身剩有一定磁力，稱為該材料的最大剩磁。其磁性會影響到分級動作的準確性和裝置穩(wěn)定性，通過研究磁滯回線和計算出扣板所選材質(zhì)的最大剩磁Br范圍[24]。上述已設計的整個撥板單元的寬度 21 mm，輥輪輸送的設計速度為320 mm/s，撥板脫扣位移Sk=3 mm。在設計的速度下，撥板單元的扣板通過電磁鐵磁力面的時間為t=21/320= 0.065 s，根據(jù)式（4）、（5）在此時間內(nèi)，通過吸附扣板脫扣的最小磁性吸力Fmin可確定選定扣板材質(zhì)最大的剩磁Br。

扣板質(zhì)量為 30 g，尺寸幾何對稱，重心處于幾何中心，扣板小角度的偏轉(zhuǎn)等效為重心的平移，其位移量是脫扣位移的一半。

式中mk為撥板質(zhì)量kg，ak為撥板彈出加速度m/s2，F(xiàn)f為扣板彈簧拉力，通過拉力計測得為3.1 N。

計算得：Fmin=3.122 N

扣板材質(zhì)的最大剩磁磁性吸力Fr(N)應小于

式中μ0為真空磁導率4π×10- 7H/m，Br為最大剩磁，T；A為電磁鐵吸附扣板的面積，計算得315 mm2。

根據(jù)式（6）、（7）得：Br＜0.5 T

扣板的磁性材質(zhì)可選擇剩磁強度小于 0.5 T軟磁材料。通過分析硅鋼的磁滯性質(zhì)，當磁通密度為1.5 T時，硅鋼的最大剩磁為0.3 T[25]。本研究選擇硅鋼材料制作扣板開關(guān)。

2.1.3 同步關(guān)系分析

輥輪鏈條與撥板鏈條同步是該分級裝置實現(xiàn)高速準確分級的關(guān)鍵。根據(jù)分級裝置的設計原理，撥板單元與輥輪凹槽位置一一對應，同步高速移動時，帶等級信息的紅棗移動到相應的等級料斗口處，撥板彈出撥落紅棗完成分級。在同步運轉(zhuǎn)的速度下，分級速度不受撥板單元的執(zhí)行動作速度的限制，關(guān)鍵取決于電磁鐵磁力激發(fā)的速度。由此，同步的準確性決定了分級的準確性，本研究采用鏈傳動。

輥輪鏈條的傳動輪作為主動輪，分級裝置鏈條的傳動齒輪為從動輪，上面是 2個是活動輪。為了減弱滾子鏈條的多邊形效應，主從動輪、活動輪設計為相同規(guī)格的齒輪。所用傳動齒輪齒數(shù)為 19，平均傳動比為 1。在傳動相位不一致的情況下，瞬間傳動比會大于1，根據(jù)式（8）得出最大瞬間傳動比[26]。

式中Z1，Z2分別是主動輪和從動輪齒數(shù)，當Z1=Z2=19時，ismax=1.013。

輥輪中心距r=31.75 mm，與撥板鏈節(jié)距相同，撥板單元同步位差x= (1.013?1)r=0.413 mm，同步位差遠小于撥板相對紅棗橫徑寬度，撥板擊撞紅棗的有效著力點位置偏差很小，保證了分級準確度。

2.2 圖像處理系統(tǒng)

2.2.1 系統(tǒng)硬件設計

紅棗機器視覺分級機的分級速度取決于圖像處理速度和分級裝置的動作執(zhí)行速度，要求圖像分級系統(tǒng)和控制系統(tǒng)有機的結(jié)合[27]。本文采用的圖像分級控制系統(tǒng)整體分為兩部分，主處理器和協(xié)處理器，主處理器主要實現(xiàn)圖像的采集和處理，協(xié)處理器負責控制執(zhí)行機構(gòu)完成執(zhí)行動作。主處理系統(tǒng)的處理器采用STM32F407作為處理芯片，設計電源、RS232接口、JTAG調(diào)試接口、串口、攝像頭等外圍電路，通過外部觸發(fā)后處理器控制攝像頭采集圖像，采集到的圖像進行獲取顏色G分量、濾波、二值化、橢圓擬合等處理，并將處理結(jié)果通過串口通信的方式發(fā)送給協(xié)處理器。協(xié)處理器采用STM32F103作為處理芯片，控制8路固態(tài)繼電器實現(xiàn)輸出。STM32F407是基ARMCortex-M4F內(nèi)核，具有1 MB 閃存，192 kB RAM，其主頻168 MHz，整合了微控制器和數(shù)字信號處理器的功能與特性，攝像頭采用30萬像素的OV7670。STM32F103協(xié)理器是基于ARMv7-M體系結(jié)構(gòu)的32位標準RISC處理器，工作頻率為72 MHz，內(nèi)置128 kB字節(jié)的Flash存儲器和20 kB字節(jié)的SRAM，以及通用的I/O端口。工作原理是：接近開關(guān)傳感器觸發(fā)STM32F407，通過SCCB總線控制OV7670攝像頭進行拍照，拍照后進行圖像處理，將分級結(jié)果發(fā)送給STM32F103協(xié)處理器，進而命令繼電器控制電磁鐵執(zhí)行分級動作。該系統(tǒng)圖像處理速度20幀/s，即50 ms/幀，每幀圖像的處理并排2個紅棗的等級信息，觸發(fā)電磁鐵通斷時間為40 ms。圖像處理時間與分級動作執(zhí)行時間都小于本研究的分級裝置的撥板單元相對電磁鐵的位移時間65 ms。

2.2.2 圖像處理和提取特征值

圖像處理和提取特征值目標是滿足嵌入式系統(tǒng)快速檢測的要求，實現(xiàn)鮮棗的顏色和大小指標的分級，圖像處理流程圖如圖3所示。

圖3 圖像處理流程Fig.3 Image processing flow

鮮棗圖像經(jīng)過獲取顏色G分量、二值化、橢圓擬合的步驟進行處理，如圖4，根據(jù)擬合橢圓一般方程計算長軸和短軸值，通過像素點值與實際長度的比例標定將得到的長軸、短軸值轉(zhuǎn)化成鮮棗實際的縱經(jīng)和橫徑。

1）圖像G通道分量獲取，根據(jù)鮮紅棗、鮮綠棗RGB值對應的直方圖分析，G通道分量差異比較大，因此本文選取圖像的G通道分量值作為顏色分級主要依據(jù)。

2）Sobel算子濾波，容易在空間上實現(xiàn)，會產(chǎn)生很好的邊緣檢測效果，受噪音影響小，本文采取3×3的濾波窗口[28]。

3）二值化，鮮棗的表面顏色由暗紅、紅色和綠色摻雜，若采用固定閾值分割時，背投光源影響二值化，因此本文選擇使用大津算法確定閾值，進行圖像的二值化較為理想[29]。

4）橢圓擬合，鮮棗邊緣與橢圓相似，本文采用最小二乘法對鮮棗邊緣曲線進行擬合。在橢圓擬合之前，首先要對棗進行輪廓的提取，要分別逐行和逐列來掃描二值圖保證輪廓的完整性[30-31]。

圖4 紅棗圖像處理過程Fig.4 Image processing of jujube

在二維坐標系中，式（9）為橢圓的一般方程，再根據(jù)式（10）進一步把橢圓表示為2個向量乘積的隱性方程，利用最小二乘法原理，可以通過代數(shù)距離平方和最小化來實現(xiàn)曲線擬合。通過求解線性方程組式（11），求得（A，B，C，D，E，F(xiàn)）的值可以得到擬合的橢圓方程[23]。

式中e為（A，B，C，D，E，F(xiàn)）系數(shù)向量，Xi=(xi2，xi，yi，yi2，xi，yi，1)，根據(jù)最小二乘原理，曲線擬合可通過將代數(shù)距離平方和最小化來實現(xiàn)。

5）大小形狀特征提取，本文采用鮮棗的縱徑和橫徑來綜合判斷鮮棗的大小，通過橢圓擬合得到了一般方程，由式（12）、（13）可以計算得到擬合橢圓的長軸a和短軸b。

式中a，b分別是擬合橢圓的長軸和短軸，mm。

通過統(tǒng)計鮮棗像素點的個數(shù)，利用刻度尺長度作為參考做圖像標定，得到像素與實際長度的標定比例。式（15）、（16）通過標定的比例將擬合橢圓的長軸和短軸轉(zhuǎn)化成鮮棗的實際尺寸的縱經(jīng)和橫徑。

式中k為標定比例，n為像素點個數(shù)，la、lb分別是紅棗實際縱徑和橫徑，mm。

根據(jù)紅棗等級標準，通過計算比較紅棗縱經(jīng)或橫徑對應等級的范圍進行大小分級。

6）顏色特征值提取

分別拍攝輥輪上無棗、紅棗、綠棗的圖像，繪制分析對應圖像的R、G、B通道的直方圖，分析發(fā)現(xiàn)背景部分的G通道像素值大于25，鮮棗的紅色區(qū)域G通道像素值在3～8之間，而綠色部分的G通道像素值在13～16之間，背景部分、紅棗的紅色區(qū)域和綠色區(qū)域G通道的像素值有明顯的不同，因此選取圖像的G通道分量值作為顏色分級主要依據(jù)。將背景區(qū)域進行分割，選擇像素值10作為固定閾值進行二值化處理，統(tǒng)計白色像素點數(shù)量對小于像素值16的所有像素點數(shù)量的占比，當占比高于或等于75%時，判斷為綠棗，占比低于75%時判斷為紅棗。

3 樣機試驗及性能分析

3.1 試驗方法

紅棗機器視覺自動分級機的分級區(qū)的長度為700 mm，設計撥板鏈執(zhí)行機構(gòu)的長度為600 mm，設有5個等級出料口，對應的 6個電磁鐵置于撥板單元扣板面的兩側(cè)，有 6個等級的出料口分別置于左右兩側(cè)，輥輪輸送鏈運行速度為 320 mm/s，設計實例照片如圖 5。根據(jù)表 1寧夏靈武鮮食瑪棗等級標準，先經(jīng)人工使用卡尺確定大小等級，挑選700顆無損傷全紅色瑪棗樣品和80 顆75%以上綠色區(qū)域的瑪棗，其中五星棗140顆，四星棗140顆，三星棗140顆，二星棗140顆，一星棗140顆，完成分級的時間為40 s，分級速度達20個/s。從紅棗自動分級機的上料區(qū)自動上料，由設備分級，確定分級準確率、無損率和生產(chǎn)能力，重復 6次，自動分級重復結(jié)果取最低值。根據(jù)公式（17）、（18）定義自動分級機的分級準確率和無損率。

圖5 紅棗機器視覺電磁式高速分級系統(tǒng)實物圖Fig.5 Physical map of high-speed electromagnetic grading actuator system with machine vision for jujube

3.2 結(jié)果及分析

如表2，自動分級機分級試驗中，經(jīng)統(tǒng)計最少656顆紅棗等級和人工等級一致，75顆綠色棗被選出。自動分級機大小和顏色分級準確率為93.7%。棗果按操作規(guī)程多次試驗，分級過程中無損傷發(fā)生，無損率為100%。按照20個/s的最大分級速度，鮮棗的平均質(zhì)量20 g計算，此試驗設計的紅棗機器視覺電磁式分級設備的最大生產(chǎn)能力約為1 400 kg/h。

在試驗過程中影響分級準確率的因素主要包括三方面。1）圖像信息處理誤判，紅棗通過輥輪自動上料時，小概率出現(xiàn)了 2個小棗擠在一個輥輪凹面中，圖像采集后誤判為大棗導致分級錯誤，可以通過限制上料流量避免擁堆來解決重棗上料。2）撥板未完全彈出，執(zhí)行動作的撥板由拉簧連接蓄勢，由扣板開關(guān)扣住待發(fā)，其中一個撥板拉簧彈性系數(shù)不達要求，導致彈出力度不足，未能將紅棗撥落到料斗處，在輸送過程中誤入到其他料口中，可以通過機械結(jié)構(gòu)的標準化可以避免撥板性能差異化的問題。3）綠色棗的中紅棗區(qū)域正好是圖像采集面，算法上計算的綠色面積小于 75%，所以導致誤判，將綠棗歸類到紅棗等級?？傮w效果分析表明，該分級系統(tǒng)性能穩(wěn)定，分級準確率高，生產(chǎn)能力高，達到預期設計的高速、無損、準確分級目的。

表2 自動分級機與人工分級試驗結(jié)果對比Table2 Comparison of automatic classifier and manual grading test results

4 結(jié) 論

1）本文試驗設計的基于電磁式同步執(zhí)行機構(gòu)的紅棗分級機，試驗結(jié)果為撥板鏈同步位差為0.413 mm，單元撥板擊撞力為 2.57 N，小于紅棗表皮瞬間承受最大力12.69 N，圖像處理速度為50 ms/幀，執(zhí)行機構(gòu)動作反應時間為40 ms，輥輪輸送速度為320 mm/s，紅棗分級速度達20個/s，實現(xiàn)鮮棗5個大小等級和1個綠色等級的分級，分級準確率為93.7%，無損率為100%，最大生產(chǎn)能力達1 400 kg/h。

2）電磁式同步執(zhí)行機構(gòu)瞬間觸發(fā)，動作反應靈敏，提高了分級速度。撥板彈出擊撞紅棗的力度小于紅棗果皮強度，達到了快速、無損、準確分級的目的。但撥板單元結(jié)構(gòu)相對復雜，降低了穩(wěn)定性，需要進一步研究優(yōu)化設計。圖像處理方法和特征值提取算法適合STM32F407主理器和 STM32F103協(xié)處理器的嵌入式系統(tǒng)，實現(xiàn)快速圖像處理和檢測的目的。由于紅棗種植區(qū)域和采收時間不同，鮮棗的個體差異和顏色區(qū)別比較大，圖像處理信息量大和復雜，因此圖像處理系統(tǒng)對重疊棗的識別和顏色精度需要提高，今后需進一步研究細化算法。

[1] 周竹，黃懿，李小昱，等.基于機器視覺的馬鈴薯自動分級方法[J]. 農(nóng)業(yè)工程學報，2012，28(7)：178－183. Zhou Zhu, Huang Yi, Li Xiaoyu, et al. Automatic detecting and grading method of potatoes based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 178－183. (in Chinese with English abstract)

[2] 張海輝，陳克濤，蘇東，等. 基于特征光譜的蘋果霉心病無損檢測設備設計[J]. 農(nóng)業(yè)工程學報，2016，32(18)：255－262. Zhang Haihui, Chen Ketao, Su Dong, et al. Design of nondestructive detection device for moldy core in apples based on characteristic spectrum[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions ofthe CSAE), 2016, 32(18): 255－262. (in Chinese with English abstract)

[3] Anderson Rocha, Daniel C Hauaggeb, Jacques Wainera, et al. Automatic fruit and vegetable classification from images[J]. Computers and Electronics in Agriculture, 2010, 70(1): 96－104.

[4] 孔彥龍，高曉陽，李紅玲，等. 基于機器視覺的馬鈴薯質(zhì)量和形狀分選方法[J]. 農(nóng)業(yè)工程學報，2012，28(17)：143－148. Kong Yanlong, Gao Xiaoyang, Li Hongling, et al. Potato grading method of mass and shapes based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(17): 143－148. (in Chinese with English abstract)

[5] Pholpho T, Pathaveerat S, Sirisomboon P. Classification of longan fruit bruising using visible spectroscopy[J]. Journal of for Engineering, 2011, 104(1): 169－172.

[6] 杜永忠，平雪良，何佳唯. 圣女果表面缺陷檢測與分級系統(tǒng)研究[J]. 農(nóng)業(yè)機械學報，2013，44(增刊)：194－199. Du Yongzhong, Ping Xueliang, He Jiawei. Surface defect detection and classification system for cherry tomatoes[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(Supp.): 194－199. (in Chinese with English abstract)

[7] 王紅軍，熊俊濤，黎鄒鄒，等. 基于機器視覺圖像特征參數(shù)的馬鈴薯質(zhì)量和形狀分級方法[J]. 農(nóng)業(yè)工程學報，2016，32(8)：272－277. Wang Hongjun, Xiong Juntao, Li Zouzou, et al. Potato grading method of weight and shape based on imaging characteristics parameters in machine vision system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(8): 272－277. (in Chinese with English abstract)

[8] 李愷，楊艷麗，辜松，等. 基于機器視覺的紅掌檢測分級方法[J]. 農(nóng)業(yè)工程學報，2013，29(24)：196－203. Li Kai, Yang Yanli, Gu Song, et al. Determination and grading of Anthurium based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(24): 196－203. (in Chinese with English abstract)

[9] Jean A T Pennington, Rachel A Fisher. Classification of fruits and vegetable[J]. Journal of Food Composition and Analysis, 2009, 22(Supp.): 23－31

[10] Akira Mizushima, Lu Renfu. A low-cost color vision system for automatic estimation of apple fruit orientation and maximum equatorial diameter[J]. Transactions of the ASABE, 2013, 56(3): 813－827.

[11] 熊俊濤，鄒湘軍，劉念，等. 基于機器視覺的荔枝果實采摘時品質(zhì)檢測技術(shù)[J]. 農(nóng)業(yè)機械學報，2014，45(7)：54－60. Xiong Juntao, Zou Xianliang, Liu Nian, et al. Fruit quality detection based on machine vision technology when picking litchi[J]. Transactions of the Chinese Society for Aricultural Machinery, 2014, 45(7): 54－60. (in Chinese with English abstract)

[12] 鄧繼忠，李山，張建瓴，等. 小型農(nóng)產(chǎn)品分選機設計與試驗[J]. 農(nóng)業(yè)機械學報，2015，46(9)：245－250. Deng Jizhong, Li Shan, Zhang Jianling, et al. Design and test of small-scale sorting machine for agricultural products[J]. Transactions of the Chinese Society for Aricultural Machinery, 2015, 46(9): 245－250. (in Chinese with English abstract)

[13] 應義斌，饒秀勤，黃永林，等. 水果高速實時分級機構(gòu)控制系統(tǒng)[J]. 農(nóng)業(yè)機械學報，2004，35(5)：117－121. Ying Yibin, Rao Xiuqin, Huang Yonglin, et al. Controller for real-time sorting mechanism of fruits[J]. Transactions of the Chinese Society for Agricultural Machinery, 2004, 35(5): 117－121. (in Chinese with English abstract)

[14] 李光梅，魏新華，李法德，等. 水果綜合分選機稱重模塊的設計與實現(xiàn)[J]. 農(nóng)業(yè)工程學報，2009，25(2)：96－100. Li Guangmei, Wei Xinhua, Li Fade, et al. Design and implementation of weighing module for fruit integrative grader[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(2): 96－100. (in Chinese with English abstract)

[15] 王松磊，何建國，賀曉光，等. 紅棗自動分級機分級執(zhí)行系統(tǒng)的研制[J]. 寧夏工程技術(shù)，2009，8(3)：229－232. Wang Sunlei, He Jianguo, He Xiaoguang. Developed on grading actuator system of jujube automatic classifier[J]. Ningxia Engineering Technology, 2009, 8(3): 229－232. (in Chinese with English abstract)

[16] 蔡文. 水果動態(tài)稱重與自動分選控制系統(tǒng)研究與開發(fā)[D].杭州：浙江大學，2011. Cai Wen. Research and Development of the control sgstem for Fruit Dynamic Weighing and Automatic Sorting Lines[D]. Hangzhou: Zhejiang University, 2011. (in Chinese with English abstract)

[17] Tao Y. Method and apparatus for sorting objects including stable color transformation[J]. United State Patent, 1996(5): 533－567.

[18] 應義斌，景寒松，馬俊福，等. 機器視覺技術(shù)在黃花梨尺寸和果面缺陷檢測中的應用[J]. 農(nóng)業(yè)工程學報，1999，15(3)：197－200. Ying Yibin, Jing Hansong, Ma Junfu, et al. Application of machine vision to detecting size and surface defect of huanghua pear[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 1999, 15(3): 197－200. (in Chinese with English abstract)

[19] 魏新華，周杏鵬，李法德，等. 杠桿式水果高速分級卸料裝置的優(yōu)化設計[J]. 農(nóng)業(yè)機械學報，2007，38(10)：120－125. Wei Xinhua, Zhou Xingpeng, Li Fade, et al. Optimal design of the lever-styled high-speed fruits discharging assembly[J]. Transactions of the Chinese Society for Agricultural Machinery, 2007, 38(10): 120－125. (in Chinese with English abstract)

[20] 田緒順. 干制紅棗機器視覺分級分選裝置機械系統(tǒng)的設計[D]. 石河子：石河子大學，2013. Tian Xushun. Design of Mechanical Systems of Red Jujube Grader Based on Machine Vision[D]. Shihezi: Shihezi University, 2013. (in Chinese with English abstract)

[21] 司永勝，喬軍，劉剛，等. 基于機器視覺的蘋果識別和形狀特征提取[J]. 農(nóng)業(yè)機械學報，2009，40(8)：161－165. Si Yongsheng,Qian Jun，Liu Gang，et al.Recognition and shape features extraction of apples based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(8): 161－165. (in Chinese with English abstract)

[22] 王松磊，劉民法，何建國，等. 紅棗自動快速無損檢測分級機研究[J]. 農(nóng)業(yè)機械學報，2014，45(9)：79－83. Wang Songlei, Liu Minfa, He Jianguo, et al. Study of rapid and automatic non-destructive testing grader for red jujubes[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(9): 79－83. (in Chinese with English abstract)

[23] 鄭冠楠，譚豫之，張俊雄，等. 基于計算機視覺的馬鈴薯自動檢測分級[J]. 農(nóng)業(yè)機械學報，2009，40(4)：166－168，156. Zheng Guangnan, Tan Yuzhi, Zhang Junxiong, et al. Automatic detection and classification of potato based on computer vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(4): 166－168, 156. (in Chinese with English abstract)

[24] 常清英，李春燕，金仲輝. 從磁滯回線了解鐵磁性材料的性能[J]. 物理通報，2011(6)：72－73. Chang Qingying, Li Chunyan, Jin Zhonghui.To understand of the properties of ferromagnetic materials based on magnetic hysteresis loop[J]. Physics Bulletin, 2011(6): 72－73. (in Chinese with English abstract)

[25] 鄧聘. 硅鋼材料的磁化特性及其磁路分析的研究[D]. 北京：華北電力大學，2012. Deng Pin. Research on Magnetization Characteristic and Magnetic Circuit of Silicon-Iron Materials[D]. Beijing: North China Electric Power University, 2012. (in Chinese with English abstract)

[26] 顧仁濤. 正時滾子鏈傳動的動態(tài)特性研究[D]. 濟南：山東大學，2008. Gu Rentao. Study on Dynamic Behavior of Timing Roller Chain Drive[D].Jinan: Shandong University, 2008. (in Chinese with English abstract)

[27] 劉同海，滕光輝，付為森，等. 基于機器視覺的豬體體尺測點提取算法與應用[J]. 農(nóng)業(yè)工程學報，2013，29(2)：161－168. Liu Tonghai, Teng Guanghui, Fu Weisen, et al. Extraction algorithms and applications of pig body size measurement points based on computer vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(2): 161－168. (in Chinese with English abstract)

[28] 袁春蘭，熊宗龍，周雪花，等. 基于Sobel算子的圖像邊緣檢測研究[J]. 激光與紅外，2009，39(1)：85－87. Yuan Chunlan, Xiong Zonglong, Zhou Xuehua, et al. Study of infrared image edge detection based on sobel operator[J]. Laser & Infrarrd, 2009, 39(1): 85－87. (in Chinese with English abstract)

[29] 李了了，鄧善熙，丁興號. 基于大津法的圖像分塊二值化算法[J]. 微計算機信息，2005，21(8)：76－78. Li Liaoliao, Deng Shanxi, Ding Xinghao. Binarization algorithm based on image parition derived from da-jing method[J]. Microcomputer Information, 2005, 21(8): 7－78. (in Chinese with English abstract)

[30] 閆蓓，王斌，李媛. 基于最小二乘法的橢圓擬合改進算法[J].北京航空航天大學學報，2008，34(3)：295－298. Yan Bei, Wang Bin, Li Yuan. Optimal ellipse fitting method based on least-square principle[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(3): 295－298. (in Chinese with English abstract)

[31] 賈洪雷，王剛，郭明卓，等. 基于機器視覺的玉米植株數(shù)量獲取方法與試驗[J]. 農(nóng)業(yè)工程學報，2015，31(3)：215－220. Jia Honglei, Wang Gang, Guo Mingzhuo, et al. Methods and experiments of obtaining corn population based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(3): 215－220. (in Chinese with English abstract)

Design and experiment of synchronization actuator system based on electromagnetism for fresh jujube classifier

Kang Ningbo1, Qiang Feng2, Wu Longguo1, Wang Songlei1,2, He Jianguo1,2※
(1.School of Construction and Hydraulic Engineering,Ningxia University, Yinchuan750021,China; 2.School of Agriculture, Ningxia University,Yinchuan750021, China)

The production of the machine, which classifies small-sized fruits according to their images, depends on the speed of the image classification and the actuator. The existing classifier for fresh jujube has the issue that the efficiency of image processing doesn’t match the timeliness of executive mechanism. And the speed of the actuator and the accuracy of positioning restrict the efficiency of classification. In order to improve the speed of classification of the image classifier for fresh jujube, an image classifier for fresh jujube is designed based on electromagnetic synchronous executor in this paper. The machine is composed of roller conveyor chain, dialing plate chain, electromagnets, synchronous drive sprocket, STM32F407 image processor and STM32F103 co-processor. The dialing plate chain of the actuator consists of 60 unit dialing plates. Chain transmission was adopted to ensure the synchronous precision with the roller conveyor chain. The dialing plate tension spring was buckled by the switch of the buckle. The material of the buckle was silicon steel, of which the hysteresis loop was narrow, which can enhance the sensitivity of electromagnetic triggering, and made the dialing action finished instantly. The location of fresh jujube corresponding to the unit plate, which would guarantee the alignment accuracy between the head of the dialing plates and fresh jujube. Pop-up strength of the unit dialing plate was designed according to the peel hardness, the size and the weight of jujube. In image processing, G channel component, Sobel operator filtering, Otsu binaryzation, and eigenvalues extracted by ellipse fitting were adopted. A threshold value was used to calculate the percentage of the color of green, extract the size of feature value of the color and classify the image of green jujube. The algorithm was suitable for fast processing embedded system. The theory of algorithms and the test of image classification show that the synchronization error of chain transmission was 0.413 mm, the pop-up force of unit dial plate was 2.57 N, which was less than the damage strength (12.69 N) of the peel of red jujube, the time of each image processing was 50 ms, the time of the actuator for acting was 40 ms, the speed of roller conveying was 320 mm/s, the speed of classifying was 20 jujubes per second, the accuracy rate of classification was 93.7%, the intact rate was 100%, and the maximum capacity was 1 400 kg/h. Results indicated that the sensitive trigger and the synchronous mechanism of synchronous electromagnet ensured the classification precision, and the touch force of dial plate was less than the damage stress of the red jujube skin. Also, the hardware design of image processing was an embedded system, which met the requirements of fast calculation through the algorithm of image processing and feature extraction. The running effect of the prototype achieves the purpose of fast, accurate and nondestructive classification.

computer vision; image processing ; design; electromagnetic actuator; fresh jujube; classifier

10.11975/j.issn.1002-6819.2017.07.033

S24; S226.9; S665.1

A

1002-6819(2017)-07-0254-07

2016-09-28

2017-03-27

農(nóng)業(yè)科技成果轉(zhuǎn)化項目（2014G30000045）；國家自然科學基金

資助項目（31560481）；國家科技支撐計劃資助項目（2012BAF07B06）

康寧波，男（漢族），寧夏人，博士生，主要從事農(nóng)產(chǎn)品無損檢測，節(jié)水灌溉方面研究。銀川 寧夏大學土木與水利工程學院，750021。

Email：109438847@qq.com

※通信作者：何建國，男（回族），山東人，教授，博士生導師，主要從事農(nóng)產(chǎn)品無損檢測和食品物性學方面的研究。銀川 寧夏大學土木與水利工程學院，750021。

Email：hejg@nxu.edu.cn