張慶怡， 顧寶興， 姬長英， 方會敏， 郭 俊， 沈文龍

(1南京農(nóng)業(yè)大學(xué) 工學(xué)院，江蘇 南京 210031； 2山東省農(nóng)業(yè)機(jī)械科學(xué)研究院，山東 濟(jì)南 250100)

蘋果在線分級系統(tǒng)設(shè)計(jì)與試驗(yàn)

張慶怡1， 顧寶興1， 姬長英1， 方會敏2， 郭 俊1， 沈文龍1

(1南京農(nóng)業(yè)大學(xué) 工學(xué)院，江蘇 南京 210031； 2山東省農(nóng)業(yè)機(jī)械科學(xué)研究院，山東 濟(jì)南 250100)

【目的】根據(jù)蘋果采摘機(jī)器人結(jié)構(gòu)和作業(yè)特點(diǎn)設(shè)計(jì)與其配套的在線分級系統(tǒng), 滿足實(shí)時(shí)分級需求?！痉椒ā客ㄟ^預(yù)分級機(jī)構(gòu)剔除果徑在等級外的蘋果，減少視覺分級的無用功；利用力傳感器獲取蘋果質(zhì)量信息并確定質(zhì)量等級；通過機(jī)器視覺技術(shù)實(shí)現(xiàn)蘋果大小和腐爛面積的檢測；借助Matlab和VS2008開發(fā)圖像處理算法和界面控制程序；構(gòu)建基于CAN總線的分布式控制網(wǎng)絡(luò)。對蘋果進(jìn)行綜合分級試驗(yàn)?！窘Y(jié)果】蘋果實(shí)際直徑與檢測直徑的決定系數(shù)為0.990 3，實(shí)際質(zhì)量與檢測質(zhì)量的決定系數(shù)為0.999 6，實(shí)際腐爛面積與檢測腐爛面積的決定系數(shù)為0.985 5，綜合分級成功率可以達(dá)到89.71%，連續(xù)分級時(shí)單果平均分級時(shí)間為2.89 s。【結(jié)論】該分級系統(tǒng)工作穩(wěn)定，方便擴(kuò)展，有較高的分級效率和分級精度，可以滿足采摘機(jī)器人的實(shí)時(shí)分級需求。

采摘機(jī)器人； 預(yù)分級； 在線實(shí)時(shí)分級； 機(jī)器視覺； 圖像處理算法； 綜合分級

蘋果分級是蘋果收獲后處理和進(jìn)入市場銷售前的一個(gè)重要環(huán)節(jié)[1]?；跀?shù)字圖像處理的蘋果分級方法已有大量研究，但大多側(cè)重于蘋果大小、形狀等單一特征分級[2-5]，難以滿足蘋果分級過程中對多指標(biāo)進(jìn)行描述的要求。此外，目前蘋果分級均采用采摘與分級分離的模式，采摘后的蘋果需要運(yùn)輸?shù)街付ǖ牡攸c(diǎn)進(jìn)行分級操作，由于蘋果果皮較為脆弱，水果裝箱的二次操作增加了水果受損傷的幾率[6]，機(jī)械損傷也是病原微生物的入侵渠道，是導(dǎo)致水果霉?fàn)€最主要的原因，由于在各個(gè)作業(yè)環(huán)節(jié)中受載荷后水果出現(xiàn)瘀傷、破損，從而導(dǎo)致變質(zhì)腐爛的水果多達(dá) 30%～40%，因此造成的損失高達(dá)每年數(shù)百億元[7]。同時(shí)，傳統(tǒng)分級機(jī)械多采用流水線作業(yè)方式，水果需要經(jīng)過很長的輸送帶[8-9]，分級設(shè)備的占地面積大，投資成本高[10]。

針對上述問題，根據(jù)蘋果采摘機(jī)器人的作業(yè)特點(diǎn)設(shè)計(jì)一套與蘋果采摘機(jī)器人配套使用的在線分級系統(tǒng)。蘋果采摘機(jī)器人摘下蘋果后即將其放入采摘機(jī)器人的分級系統(tǒng)中，分級系統(tǒng)根據(jù)蘋果的大小、質(zhì)量、腐爛情況對蘋果等級做出綜合判定。

1 總體設(shè)計(jì)

1.1 總體結(jié)構(gòu)

蘋果在線分級系統(tǒng)主要由預(yù)分級機(jī)構(gòu)、質(zhì)量和視覺分級系統(tǒng)、分級執(zhí)行機(jī)構(gòu)[11]、控制系統(tǒng)、安裝架等5個(gè)部分組成，系統(tǒng)總體結(jié)構(gòu)見圖1。預(yù)分級機(jī)構(gòu)、質(zhì)量和視覺分級系統(tǒng)、分級執(zhí)行機(jī)構(gòu)、控制系統(tǒng)均固定在安裝架上。與采摘機(jī)器人配套使用時(shí)，分級系統(tǒng)通過安裝架與采摘機(jī)器人的底盤連接，分級系統(tǒng)中的各子控制單元通過網(wǎng)口、CAN總線、串口等與采摘機(jī)器人進(jìn)行數(shù)據(jù)傳輸和通訊，此時(shí)，采摘機(jī)器人的工控機(jī)作為分級系統(tǒng)的控制器協(xié)調(diào)采摘和分級工作。

1：預(yù)分級機(jī)構(gòu)；2：稱質(zhì)量和視覺分級系統(tǒng)；3：分級執(zhí)行機(jī)構(gòu)；4：控制系統(tǒng)；5：安裝架。

圖1 總體機(jī)械結(jié)構(gòu)圖
Fig.1 Diagram of the overall mechanical structure

1.2 分層分級

在基于視覺技術(shù)的水果分級系統(tǒng)中，視覺信息獲取和處理速度是影響水果分級效率的關(guān)鍵[12]。蘋果等級的國家標(biāo)準(zhǔn)中規(guī)定了等級內(nèi)(特級、一級、二級)蘋果需要滿足的最小果徑要求[13-14]，故對于果徑屬于等級之外的蘋果沒有必要再利用視覺技術(shù)進(jìn)行處理。因此，為了提高分級的效率，可將傳統(tǒng)的分級過程分為預(yù)分級(機(jī)械分級)和視覺分級2個(gè)步驟。預(yù)分級采用機(jī)械式分級結(jié)構(gòu)將果徑在等級之外的蘋果直接剔除，不再進(jìn)行后續(xù)的視覺分級過程，減少后續(xù)視覺分級階段的不必要的工作量，加快分級速度，預(yù)分級機(jī)構(gòu)見圖2。分級滑道主體采用2 mm厚的不銹鋼板彎折成U型，底面開有橢圓形孔，長軸與滑道長度方向垂直，確保蘋果經(jīng)過孔時(shí)蘋果重心的投影在孔內(nèi)側(cè)，從而確保蘋果經(jīng)過孔的篩選。同時(shí)，橢圓孔對蘋果有一定的導(dǎo)向作用，可以避免蘋果滾動到果盤的過程中跌落到地上。

圖2 預(yù)分級機(jī)構(gòu)Fig.2 Pre-grading mechanism

1.3 工作流程

系統(tǒng)工作流程見圖3，蘋果采摘機(jī)器人將采摘下的蘋果放置在預(yù)分級機(jī)構(gòu)的上端，蘋果受重力作用沿著預(yù)分級機(jī)構(gòu)下滑。果徑在等級之外的蘋果則由滑道上的橢圓孔漏出，經(jīng)等級外管道滾動至等級外果箱中，果徑在等級內(nèi)的蘋果則運(yùn)動至果盤上。力傳感器檢測到蘋果滾落到果盤后開始測量蘋果的質(zhì)量，若蘋果的質(zhì)量在等級之外則翻轉(zhuǎn)電機(jī)動作，蘋果滾落至分級執(zhí)行機(jī)構(gòu)上，系統(tǒng)通過CAN總線通知分級執(zhí)行機(jī)構(gòu)控制器，將蘋果輸送至等外果箱，當(dāng)前蘋果分級完成。若蘋果的質(zhì)量在等級內(nèi)，則將其具體等級信息經(jīng)CAN總線發(fā)送至工控機(jī)。在獲取蘋果質(zhì)量信息的同時(shí)CCD相機(jī)便開始獲取蘋果正面圖像，并由工控機(jī)對圖像進(jìn)行處理。若質(zhì)量分級模塊發(fā)送的信息顯示當(dāng)前蘋果質(zhì)量處于等級內(nèi)，則繼續(xù)視覺分級過程，否則停止視覺分級過程。若正面圖像分級的結(jié)果已足以判定蘋果屬于等級之外，則翻轉(zhuǎn)電機(jī)動作，蘋果滾落至分級執(zhí)行機(jī)構(gòu)上，系統(tǒng)通過CAN總線通知分級執(zhí)行機(jī)構(gòu)控制器，將蘋果輸送至等級外果箱，當(dāng)前蘋果分級完成。若正面圖像分級的結(jié)果不足以判定蘋果屬于等級之外，則旋轉(zhuǎn)電機(jī)帶動蘋果轉(zhuǎn)過180°，采集蘋果背面的圖像并進(jìn)行圖像處理，工控機(jī)根據(jù)蘋果正面和反面圖像的處理結(jié)果得出綜合等級。翻轉(zhuǎn)電機(jī)動作后，控制系統(tǒng)通知機(jī)械手可以繼續(xù)放置下一個(gè)蘋果。工控機(jī)根據(jù)視覺模塊和稱質(zhì)量模塊得到等級信息，判定蘋果的綜合等級，并將該信息發(fā)送給分級執(zhí)行模塊。分級執(zhí)行模塊將蘋果輸送至與其等級對應(yīng)的果箱。至此，一個(gè)分級過程完成。

圖3 系統(tǒng)工作流程Fig.3 Workflow of system

2 質(zhì)量和視覺分級系統(tǒng)

2.1 硬件設(shè)計(jì)

稱質(zhì)量和視覺分級系統(tǒng)(圖4)由翻轉(zhuǎn)電機(jī)、旋轉(zhuǎn)電機(jī)、果盤、CCD相機(jī)、LED光源、光源控制器、擋果板、果盤等組成。翻轉(zhuǎn)電機(jī)將蘋果傾覆到分級執(zhí)行機(jī)構(gòu)上；旋轉(zhuǎn)電機(jī)帶動果盤整體旋轉(zhuǎn)，使蘋果的不同側(cè)面暴露在CCD相機(jī)的視野中；擋果板用于防止蘋果從果盤滑落。視覺分級系統(tǒng)外觀(圖5)的整體外側(cè)包裹ABS板，形成封閉的暗箱，暗箱內(nèi)的LED光源和光源控制器提供穩(wěn)定可控的照明條件。擋果板和ABS板內(nèi)側(cè)均粘有黑色混紡布制作的背景布。果盤整體由工程塑料切削而成，上表面呈凹形，其中墊有硅膠發(fā)泡材料，避免蘋果沖擊產(chǎn)生損傷，外側(cè)蓋有黑色混紡布制作的背景布，提供單一的拍照背景。

1：翻轉(zhuǎn)電機(jī)；2：旋轉(zhuǎn)電機(jī)；3：質(zhì)量傳感器；4：果盤；5：LED光源；6：CCD相機(jī)；7：光源控制器；8：蘋果；9：擋果板。

圖4 質(zhì)量和視覺分級系統(tǒng)
Fig.4 Weight grading and vision grading system

1：預(yù)分級機(jī)構(gòu)；2：工程塑料；3：硅膠墊料；4：黑色混紡布。

采用煙臺永信視覺技術(shù)有限公司生產(chǎn)的YX-BL17030型條形光源，發(fā)光尺寸為160 mm×25 mm，色溫可以達(dá)到6 000～6 500 K。配合該公司生產(chǎn)的DPC24125-4T型光源控制器，可以通過串行通信控制光源的亮度等級，亮度的范圍是0～255級。2條呈一定夾角的條形LED光源提供前照式照明，試驗(yàn)時(shí)通過調(diào)整光源的亮度、與蘋果的距離和朝向3個(gè)因素在蘋果表面獲得較為均勻的照明，同時(shí)減少表面的反光[15-16]。CCD相機(jī)采用加拿大PointGrey公司生產(chǎn)的BFLY-PGE-20E4C型彩色攝像機(jī)，鏡頭采用日本UTRON公司的HS1214J型鏡頭。獲取蘋果全表面圖像是利用機(jī)器視覺分級的關(guān)鍵[17-18]。采用CCD相機(jī)配合旋轉(zhuǎn)的托盤采集蘋果的表面圖像，電機(jī)帶動果盤使蘋果的不同表面暴露在相機(jī)的視野中，拍照時(shí)蘋果處于靜止?fàn)顟B(tài)，可以獲得蘋果表面清晰的圖片。單目攝像機(jī)安裝在待分級蘋果特征檢測平臺斜上方，采集完蘋果正面圖像后，控制果盤旋轉(zhuǎn)180°來帶動待分級蘋果旋轉(zhuǎn)，采集蘋果背面圖像。

分級執(zhí)行機(jī)構(gòu)(圖6)由滑道、分級執(zhí)行電機(jī)、撥爪、輸果管道等組成?；郎嫌卸鄠€(gè)圓孔，并在每個(gè)圓孔下方設(shè)置對應(yīng)不同等級的分級管道，使不同等級的蘋果從相應(yīng)的圓孔落入其中?；郎显O(shè)有多個(gè)呈直線排列的撥爪，每個(gè)撥爪均為圓弧帶狀，并與滑道平面相垂直。當(dāng)處于工作狀態(tài)時(shí)，每個(gè)撥爪的開口均朝向滑道的上端，使其能夠兜住沿滑道滾落的蘋果。每個(gè)撥爪分別臨近1個(gè)圓孔，且每個(gè)撥爪的中間底部設(shè)有轉(zhuǎn)軸，使撥爪繞該轉(zhuǎn)軸轉(zhuǎn)動，將兜住的蘋果撥入相應(yīng)的分級管道內(nèi)或使蘋果繼續(xù)滾動。轉(zhuǎn)軸穿過滑道面后與相應(yīng)的分級執(zhí)行電機(jī)相連。每個(gè)撥爪前方的滑道上分別設(shè)有1個(gè)光電傳感器，能夠感應(yīng)到滾過的蘋果，并觸發(fā)相應(yīng)的分級電機(jī)工作。分級電機(jī)還與控制系統(tǒng)相連，并由控制系統(tǒng)控制其轉(zhuǎn)動方向。撥爪和滑道的表面包裹有硅膠發(fā)泡板，可避免蘋果碰傷。

1：滑道；2：執(zhí)行電機(jī)；3：撥爪；4：輸果管道。

2.2 蘋果特征提取

2.2.1 大小特征提取 蘋果大小檢測的具體流程為：讀入原始彩色圖像(圖7a)；采用對彩色圖像的R、G、B分量進(jìn)行加權(quán)平均的算法將圖像轉(zhuǎn)換為灰度圖(圖7b)；對灰度圖進(jìn)行直方圖均衡化處理，增加圖像灰度級的動態(tài)范圍(圖7c)；采用3×3模板對灰度化的圖像進(jìn)行高斯濾波，高斯濾波參數(shù)Sigma=1.6 (圖7d)；將圖像二值化并進(jìn)行腐蝕和膨脹處理 (圖7e)；利用MER法尋找最小外接矩形[19-20]，該矩形的長邊即為蘋果的最大橫徑(圖7f)；評定等級。

2.2.2 腐爛面積特征提取 蘋果腐爛面積識別的具體流程為：讀入原始彩色圖像結(jié)果(圖8a)；采用對彩色圖像的R、G、B分量進(jìn)行加權(quán)平均的算法將圖像轉(zhuǎn)換為灰度圖(圖8b)；增強(qiáng)圖像，將灰度級在0.1～0.3的值映射到0～1的值(圖8c)；利用最大類間方差法尋找合適閾值，并參考文獻(xiàn)[21]的方法使用這個(gè)閾值把灰度圖像轉(zhuǎn)換為二值圖像結(jié)果(圖8d)；使用3×3 模板進(jìn)行中值濾波，去除斑點(diǎn)噪聲(圖8e)，記為A；填充圖像孔洞(圖8f),記為B，提取邊界并對其進(jìn)行膨脹處理(圖8g)，連接斷開的像素(圖8h)，記為C，B-A-C即可得到果實(shí)表面腐爛 (圖8i)；計(jì)算腐爛面積，并根據(jù)文獻(xiàn)[22]的方法評定等級。

2.2.3 質(zhì)量特征提取 質(zhì)量傳感器安裝在果盤和轉(zhuǎn)軸之間，傳感器兩端分別與果盤和轉(zhuǎn)軸利用螺栓固定。傳感器信號經(jīng)放大后，傳給下位機(jī)控制器，下位機(jī)控制器驅(qū)動AD轉(zhuǎn)換電路將該模擬信號轉(zhuǎn)換成數(shù)字信號，折算成蘋果實(shí)際質(zhì)量并根據(jù)預(yù)先規(guī)定的規(guī)則判定蘋果等級。稱質(zhì)量傳感器選用蚌埠中諾公司生產(chǎn)的JSBL-1kg型壓力傳感器，其量程為0～1 kg，最小分辨率0.01 g。

圖7 蘋果大小檢測Fig.7 Apple size detection

圖8 蘋果腐爛面積檢測Fig.8 Apple rot area detection

3 控制系統(tǒng)

3.1 系統(tǒng)組成

考慮到系統(tǒng)良好的開放性和可擴(kuò)展性，引入CAN總線技術(shù)[23]，構(gòu)建基于總線的分布式控制網(wǎng)絡(luò)結(jié)構(gòu)，如圖9所示。工控機(jī)模塊為上位機(jī)，上位機(jī)節(jié)點(diǎn)通過USB-CAN轉(zhuǎn)接卡與下位機(jī)進(jìn)行通訊。自行設(shè)計(jì)了下位機(jī)節(jié)點(diǎn)，采用單片機(jī)作為微處理器，主要包括主處理器、接口電路、電動機(jī)控制電路、數(shù)據(jù)采集電路等模塊。這種分布式控制網(wǎng)絡(luò)結(jié)構(gòu)為后續(xù)添加不同農(nóng)業(yè)生產(chǎn)所需要的末端執(zhí)行器、傳感器模塊等提供了方便。

圖9 控制系統(tǒng)結(jié)構(gòu)圖Fig.9 Structural diagram of the control system

3.2 程序界面

以VS2008為編譯器，在VS中編寫的應(yīng)用程序作為客戶機(jī)在前端工作，通過Matlab計(jì)算引擎向后臺Matlab服務(wù)器傳送數(shù)據(jù)，圖像計(jì)算的結(jié)果再由Matlab計(jì)算引擎返回給應(yīng)用程序[24-25]?？刂栖浖饕蓤D片顯示區(qū)、系統(tǒng)控制區(qū)、光源控制區(qū)、CAN控制區(qū)、信息顯示區(qū)組成，具體界面見圖10，圖片顯示區(qū)可以顯示當(dāng)前處理蘋果的原始圖、大小檢測圖和腐爛檢測圖；系統(tǒng)控制區(qū)集合了分級過程中的控制操作；軟件有自動分級和手動調(diào)試2種狀態(tài)，手動調(diào)試狀態(tài)下可以實(shí)時(shí)調(diào)整分級的流程及相關(guān)參數(shù)；光源的調(diào)整通過光源控制區(qū)實(shí)現(xiàn)，質(zhì)量模塊、運(yùn)動電機(jī)的控制通過CAN控制區(qū)實(shí)現(xiàn)；信息顯示區(qū)可以顯示當(dāng)前蘋果的大小、質(zhì)量、腐爛面積等信息，以及系統(tǒng)的工作狀態(tài)信息。

圖10 控制程序界面Fig.10 Control program interface

4 試驗(yàn)與結(jié)果分析

為測試分級系統(tǒng)的性能，2016年8月19—25日在南京農(nóng)業(yè)大學(xué)智能化實(shí)驗(yàn)室進(jìn)行了試驗(yàn)研究。由于目前蘋果采摘機(jī)器人仍處于加工階段，為了準(zhǔn)確測試分級系統(tǒng)的性能，避免蘋果采摘對分級的影響，試驗(yàn)時(shí)人工模擬機(jī)械臂的采摘動作，手動將蘋果放置在分級系統(tǒng)的入口處，即預(yù)分級機(jī)構(gòu)的頂端。試驗(yàn)選用紅富士蘋果，分別進(jìn)行了預(yù)分級、大小檢測、質(zhì)量檢測、腐爛面積檢測和綜合分級試驗(yàn)。試驗(yàn)前質(zhì)量傳感器和CCD相機(jī)均經(jīng)過了標(biāo)定。

4.1 預(yù)分級試驗(yàn)

初步試驗(yàn)表明，預(yù)分級成功率主要與滑道的傾斜安裝角度有關(guān)系。因此，在室內(nèi)進(jìn)行了預(yù)分級試驗(yàn)，改變滑道的傾斜角，統(tǒng)計(jì)并計(jì)算在不同安裝傾角下果徑小于70 mm和大于70 mm蘋果的預(yù)分級成功率。定義預(yù)分級機(jī)構(gòu)預(yù)分級成功的標(biāo)準(zhǔn)為：對于果徑小于70 mm的蘋果，當(dāng)且僅當(dāng)蘋果順利穿過分級孔且無損傷視為預(yù)分級成功；對于果徑大于70 mm的蘋果，當(dāng)且僅當(dāng)蘋果順利越過分級孔且無損傷視為預(yù)分級成功[14]。蘋果損傷通過試驗(yàn)后使用5倍放大鏡觀察，根據(jù)果實(shí)表面是否有表皮損傷或汁液溢出的現(xiàn)象確定[6]。試驗(yàn)統(tǒng)計(jì)結(jié)果表明，當(dāng)滑道的安裝傾斜角為23°時(shí)預(yù)分級效果最佳，此時(shí)，果徑小于70 mm和大于70 mm蘋果的預(yù)分級成功率分別可以達(dá)到94.20%和93.83%。

4.2 蘋果質(zhì)量、大小和腐爛面積檢測

凱豐JCS-600型電子天平測定蘋果質(zhì)量，最小分辨率為0.01 g。系統(tǒng)工作在手動調(diào)試狀態(tài)下，通過CAN總線向稱質(zhì)量模塊發(fā)送控制命令，獲取蘋果的質(zhì)量。試驗(yàn)結(jié)果表明：蘋果質(zhì)量實(shí)際測量值與分級系統(tǒng)檢測值之間的最大絕對誤差為2.91 g，平均絕對誤差為1.05 g，最大相對誤差為0.77%，平均相對誤差為0.38%。以質(zhì)量傳感器測量的質(zhì)量為橫坐標(biāo)，蘋果的實(shí)際質(zhì)量為縱坐標(biāo)作圖(圖11a)，得到蘋果果徑實(shí)際質(zhì)量(m實(shí))與檢測質(zhì)量(m測)的回歸方程：m實(shí)=1.004 8m測-1.368 5(R2=0.999 6)。

游標(biāo)卡尺測量蘋果果徑并將其與視覺分級系統(tǒng)得到的結(jié)果進(jìn)行對比分析。試驗(yàn)結(jié)果表明：蘋果果徑實(shí)際測量值與分級系統(tǒng)檢測值間的最大絕對誤差為2.68 mm，平均絕對誤差為1.16 mm，最大相對誤差為3.49%，平均相對誤差為1.45%。以實(shí)際測量的蘋果果徑為橫坐標(biāo)，分級系統(tǒng)識別的蘋果果徑為縱坐標(biāo)作圖(圖11b)，得到蘋果實(shí)際最大果徑(d實(shí))與檢測最大果徑(d測)的回歸方程：d實(shí)=0.990 3d測+1.827 3(R2=0.990 3)。

蘋果的實(shí)際腐爛面積使用坐標(biāo)紙測量，測量時(shí)將透明的坐標(biāo)紙鋪在損傷蘋果表面，使用細(xì)記號筆描畫腐爛邊界，統(tǒng)計(jì)邊界內(nèi)的單位方格的數(shù)目，即可得到腐爛部位的面積。將實(shí)際測量的蘋果腐爛面積與分級系統(tǒng)測量得到腐爛面積數(shù)據(jù)對比分析可得：兩者的最大絕對誤差為0.38 cm2，平均絕對誤差為0.11 cm2，最大相對誤差為17.39%，平均相對誤差為7.12%。以實(shí)際測量的腐爛面積為橫坐標(biāo)，分級系統(tǒng)識別腐爛面積為縱坐標(biāo)作圖(圖11c)，得到蘋果實(shí)際腐爛面積(S實(shí))與檢測腐爛面積(S測)的回歸方程：S實(shí)=1.011 1S測+0.017 0(R2=0.985 5)。

實(shí)心點(diǎn)為實(shí)際測量值，虛線為系統(tǒng)檢測值。

4.3 綜合分級試驗(yàn)

選擇不同等級的煙臺紅富士蘋果共68個(gè)，其中特級果23個(gè)、一級果17個(gè)、二級果13個(gè)、等級之外果15個(gè)，試驗(yàn)前通過人工測量確定其綜合等級并標(biāo)記，然后利用搭建的分級系統(tǒng)判定等級，同時(shí)記錄每個(gè)蘋果從放置于滑道頂端到最終完成分級的時(shí)間，統(tǒng)計(jì)分級正確的蘋果數(shù)量。綜合等級的判定準(zhǔn)則為取按照大小、質(zhì)量、腐爛面積單一特征分級結(jié)果中最小的一個(gè)數(shù)值作為蘋果最終的等級。試驗(yàn)統(tǒng)計(jì)結(jié)果表明：68個(gè)蘋果中有61個(gè)分級正確，分級系統(tǒng)綜合分級成功率可以達(dá)到89.71%，連續(xù)分級時(shí)單果平均分級時(shí)間為2.89 s，與其配套使用的采摘機(jī)器人的平均采摘速度為9.50 s·個(gè)-1，可以滿足使用要求。

5 結(jié)論

根據(jù)蘋果采摘機(jī)器人的采摘效率和使用要求設(shè)計(jì)了蘋果在線綜合品質(zhì)評價(jià)的分級系統(tǒng)，提出了分層分級的思想，在視覺分級之前剔除了大小和質(zhì)量在等級外的產(chǎn)品，提高了分級效率，試驗(yàn)結(jié)果表明，對于果徑小于70 mm和大于70 mm蘋果的預(yù)分級成功率分別可以達(dá)到94.20%和93.83%。

分別對蘋果進(jìn)行了大小、質(zhì)量、腐爛面積檢測和綜合分級試驗(yàn)，對比分析人工測量值和分級系統(tǒng)的檢測值。蘋果質(zhì)量試驗(yàn)結(jié)果表明：最大絕對誤差為2.91 g，平均絕對誤差為1.05 g，最大相對誤差為0.77%，平均相對誤差為0.38%。蘋果大小檢測試驗(yàn)結(jié)果表明：最大絕對誤差為2.68 mm，平均絕對誤差為1.16 mm，最大相對誤差為3.49%，平均相對誤差為1.45%。蘋果腐爛面積檢測試驗(yàn)結(jié)果表明：最大絕對誤差為0.38 cm2，平均絕對誤差為0.11 cm2，最大相對誤差為17.39%，平均相對誤差為7.12%。綜合試驗(yàn)結(jié)果表明，分級系統(tǒng)的分級成功率可以達(dá)到89.71%，連續(xù)分級時(shí)單果平均分級時(shí)間為2.89 s，可以滿足配套使用要求。

[1] 李先鋒, 朱偉興, 花小朋, 等. 基于D-S證據(jù)理論的決策級多特征融合蘋果分級方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2011, 42(6): 188-192.

[2] 殷勇, 陶凱, 于慧春. 基于機(jī)器視覺的蘋果分級中特征參量選擇方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2012, 43(6): 118-121.

[3] BLASCO J, ALEIXOS N, CUBERO S, et al. Fruit, vegetable and nut quality evaluation and control using computer vision[M]. Cambridge: Woodhead Publishing, 2012： 379-399.

[4] GARRIDO N C, PEREZ M D, AMIGO J M, et al. Grading and color evolution of apples using RGB and hyperspectral imaging vision cameras[J]. J Food Eng, 2012, 113(2): 281-288.

[5] LEEMANS V, DESTAIN M F. A real-time grading method of apples based on features extracted from defects[J]. J Food Eng, 2004, 61(1): 83-89.

[6] 張麒麟, 姬長英, 高峰, 等. 蘋果采摘機(jī)械手對果實(shí)損傷的影響[J]. 食品工業(yè)科技, 2011, 32(12): 404-405.

[7] 吝凱, 王維新. 果品的沖擊損傷研究現(xiàn)狀及發(fā)展趨勢[J]. 農(nóng)機(jī)化研究, 2010, 38(1): 233-235.

[8] 趙啟明. 6GF-500型小雜果分級技術(shù)裝備的開發(fā)[J]. 中國農(nóng)機(jī)化學(xué)報(bào), 2013, 34(1): 142-145.

[9] 毛華先, 莫建燦, 方連發(fā), 等. 水果品質(zhì)智能化實(shí)時(shí)檢測和分級系統(tǒng)研究[J]. 農(nóng)機(jī)化研究, 2010, 32(10): 95-97.

[10]饒秀勤. 基于機(jī)器視覺的水果品質(zhì)實(shí)時(shí)檢測與分級生產(chǎn)線的關(guān)鍵技術(shù)研究[D]. 杭州: 浙江大學(xué), 2007.

[11]南京農(nóng)業(yè)大學(xué). 一種蘋果分級執(zhí)行機(jī)構(gòu)： 201620277082. 9[P]. 2016-09-07.

[12]李慶中. 蘋果自動分級中計(jì)算機(jī)視覺信息快速獲取與處理技術(shù)的研究[D]. 北京: 中國農(nóng)業(yè)大學(xué), 2000.

[13]中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國國家標(biāo)準(zhǔn)化管理委員會. 鮮蘋果： GB/T 10651—2008[S]. 北京: 中國標(biāo)準(zhǔn)出版社： 2008.

[14]中華人民共和國農(nóng)業(yè)部. 紅富士蘋果： NY/T 1075—2006[S]. 北京: 中國標(biāo)準(zhǔn)出版社, 2006.

[15]ZHANG B H, HUANG W Q, LI J B, et al. Principles, developments and applications of computer vision for external quality inspection of fruits and vegetables: A review[J]. Food Res Int, 2014, 62: 326-343.

[16]CUBERO S, ALEIXOS N, MOLTO E, et al. Advances in machine vision applications for automatic inspection and quality evaluation of fruits and vegetables[J]. Food Bioprocess Tech, 2011, 4(4): 487-504.

[17]朱蓓. 蘋果全表面圖像信息獲取方法的研究[D]. 杭州: 浙江大學(xué), 2013.

[18]曹樂平, 何建湖, 黃中培, 等. 基于計(jì)算機(jī)視覺的圖像采集對水果分級準(zhǔn)確率的影響[J]. 西北農(nóng)業(yè)學(xué)報(bào), 2008, 17(1): 282-285.

[19]應(yīng)義斌, 成芳, 馬俊福. 基于最小矩形法的柑桔橫徑實(shí)時(shí)檢測方法研究[J]. 生物數(shù)學(xué)學(xué)報(bào), 2004, 31(3): 352-356.

[20]馮斌, 汪懋華. 基于計(jì)算機(jī)視覺的水果大小檢測方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2003, 34(1): 73-75.

[21]RIQUELME M T, BARRERIRO P, RUIZ A M, et al. Olive classification according to external damage using image analysis[J]. J Food Eng, 2008, 87(3): 371-379.

[22]劉佳男. 基于機(jī)器視覺的水果表面腐爛傷識別方法的研究[D]. 無錫: 江南大學(xué), 2012.

[23]安秋. 農(nóng)業(yè)機(jī)器人視覺導(dǎo)航系統(tǒng)及其光照問題的研究[D]. 南京: 南京農(nóng)業(yè)大學(xué), 2008.

[24]李旭輝, 李俊山, 李建軍, 等. VC調(diào)用MATLAB圖形圖像處理方法研究[C]//中國計(jì)算機(jī)學(xué)會. 2004年全國第5屆嵌入式系統(tǒng)學(xué)術(shù)交流會論文集. 北京: 中國計(jì)算機(jī)學(xué)會, 2004: 73-77.

[25]李文煜. VC與Matlab混合編程實(shí)現(xiàn)圖像處理[J]. 計(jì)算機(jī)仿真, 2005, 22(1): 254-257.

【責(zé)任編輯 霍 歡】

Design and experiment of an online grading system for apple

ZHANG Qingyi1， GU Baoxing1， JI Changying1， FANG Huimin2， GUO Jun1， SHEN Wenlong1

(1 College of Engineering, Nanjing Agricultural University, Nanjing 210031, China; 2 Shandong Academy of Agricultural Machinery Sciences, Jinan 250100, China)

【Objective】 To design a matched online grading system based on the structure and working behavior of the apple harvesting robot，and meet the needs of grading apples in real time. 【Method】The pre-grading principle was proposed to eliminate apples with diameters below standard which could improve the grading efficiency. Apple weight was measured by a force sensor and the weight grade was determinated. Apple size and rot area were detected using the machine vision technology. The image processing algorithm and interface control program were developed using Matlab and VS2008. The distributed control network was constructed based on CAN bus. Comprehensive grading tests on apples were performed. 【Result】The determination coefficient of apple actual diameter and detected diameter was 0.990 3, the determination coefficient of the actual weight and test weight was 0.999 6, the determination coefficient of actual rotting area and detected rotting area was 0.985 5. The success rate of comprehensive grading reached 89.71%, and the average grading time per apple was 2.89 s during continuous grading.【Conclusion】The apple grading system is stable, easy to expand, highly efficient and accurate, and can meet the real-time grading needs of the apple harvesting robot.

harvesting robot； pre-grading； online grading in real time； machine vision； image processing algorithm； comprehensive grading

2016- 11- 28 優(yōu)先出版時(shí)間：2017- 06-22

張慶怡(1990—)，男，碩士研究生，E-mail：zhangqingyi90@126.com；通信作者：姬長英(1957—)，男，教授，博士，E-mail：chyji@njau.edu.cn

江蘇省自然科學(xué)基金(BK20140720)；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)(KYZ201325)

S233.74

A

1001- 411X(2017)04- 0117- 08

優(yōu)先出版網(wǎng)址：http://kns.cnki.net/kcms/detail/44.1110.s.20170622.1010.014.html

張慶怡， 顧寶興， 姬長英， 等.蘋果在線分級系統(tǒng)設(shè)計(jì)與試驗(yàn)[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017,38(4):117- 124.