劉鑫尚，徐浩銘，楊麗軍

（楊凌職業(yè)技術(shù)學(xué)院，陜西 楊凌 712100）

0 引言

在現(xiàn)在生活中，桃子是我們最喜愛(ài)的水果之一，人們對(duì)桃子大小、顏色等方面的要求越來(lái)越高。為了滿足消費(fèi)者的多樣化需求就必須做好桃子的多級(jí)分選處理[1]。然而傳統(tǒng)的人工分揀方式速度慢、效率低，造成了生產(chǎn)成本增加。

為了能夠?qū)崿F(xiàn)肉質(zhì)桃多級(jí)分揀的目的，系統(tǒng)需要根據(jù)肉質(zhì)桃的顏色、重量等重要信息對(duì)桃子進(jìn)行信息采集。在桃子顏色識(shí)別系統(tǒng)中，機(jī)器視覺(jué)技術(shù)是目前應(yīng)用較廣的一種方式，其最大的特點(diǎn)就是能夠?qū)崿F(xiàn)使得桃子檢測(cè)過(guò)程中柔性操作，不被損壞，從而提高分揀過(guò)程的無(wú)損檢測(cè)，提高在線檢測(cè)的生產(chǎn)效率[2-3]。

為了能夠?qū)μ易宇伾畔⑦M(jìn)行識(shí)別，可以通過(guò)聚類(lèi)性能監(jiān)督的方式對(duì)桃子顏色特征進(jìn)行識(shí)別，同時(shí)借助各種數(shù)學(xué)模型算法，分揀系統(tǒng)才能識(shí)別桃子的特征，從而進(jìn)行分類(lèi)。為此，本系統(tǒng)采用RGB 圖像檢測(cè)的方法，首先對(duì)肉質(zhì)桃進(jìn)行顏色方面的圖像數(shù)據(jù)采集，根據(jù)數(shù)據(jù)處理算法對(duì)肉質(zhì)桃進(jìn)行顏色識(shí)別和分類(lèi)[4]，之后進(jìn)一步采用AD7195 芯片，利用交流激勵(lì)和比率測(cè)量的方法，設(shè)計(jì)出了肉質(zhì)桃分選稱(chēng)重模塊進(jìn)行重量篩選，從而實(shí)現(xiàn)肉質(zhì)桃的多級(jí)分揀系統(tǒng)。其系統(tǒng)設(shè)計(jì)原理結(jié)構(gòu)如圖所示1。

圖1 桃子多級(jí)分選系統(tǒng)結(jié)構(gòu)圖

1 肉質(zhì)桃的分揀流程

在肉質(zhì)桃分選過(guò)程中，首先要對(duì)桃子進(jìn)行實(shí)時(shí)圖像采集，主要采集桃子的紅、白、綠三色信息，為桃子分揀提供數(shù)據(jù)基礎(chǔ)。但是采集后的桃子圖像信息內(nèi)部除了桃子顏色信息之外還會(huì)摻雜大量的和信息無(wú)關(guān)的噪音信息及環(huán)境背景信息[5]。這就需要通過(guò)各種圖像數(shù)據(jù)處理方式對(duì)采集到的桃子圖像數(shù)據(jù)進(jìn)行分割處理，從而得到對(duì)桃子分級(jí)處理有用的數(shù)據(jù)信息，并對(duì)其進(jìn)行數(shù)據(jù)提取。因此，為了能夠提取有效的桃子特征信息，本文通過(guò)采用RGB 圖像檢測(cè)與識(shí)別的方法，來(lái)提取桃子的各種特征信息，并根據(jù)這些信息來(lái)進(jìn)行肉質(zhì)桃的等級(jí)鑒定，之后進(jìn)一步采用AD7195 芯片，利用交流激勵(lì)和比率測(cè)量的方法，設(shè)計(jì)出了肉質(zhì)桃分選稱(chēng)重模塊進(jìn)行重量篩選，從而設(shè)計(jì)出肉質(zhì)桃的多級(jí)分揀系統(tǒng)，最后借助機(jī)械手實(shí)現(xiàn)肉質(zhì)桃的分揀過(guò)程。圖2 所示為肉質(zhì)桃的分揀過(guò)程控制流程圖。

圖2 桃子多級(jí)分選設(shè)計(jì)流程圖

2 肉質(zhì)桃圖像采集與分揀處理

本文是通過(guò)實(shí)時(shí)、動(dòng)態(tài)的方式來(lái)采集肉質(zhì)桃圖像信息的。借助軟件環(huán)境獲取肉質(zhì)桃的圖像數(shù)據(jù)。通過(guò)圖像采集設(shè)備采集到的桃子圖像數(shù)據(jù)中會(huì)夾雜大量的環(huán)境噪音及對(duì)系統(tǒng)分析圖像較大的噪音信號(hào)，因此需要利用濾波方式對(duì)這些干擾信號(hào)進(jìn)行濾波處理，本文采用空域?yàn)V波的方式進(jìn)行數(shù)字圖像去噪音。得到的圖像數(shù)據(jù)經(jīng)過(guò)濾波后，就可以得到新圖像的各點(diǎn)像素值，為了便于分析，假設(shè)新圖像數(shù)據(jù)的為M× N矩陣，經(jīng)濾波后新圖像數(shù)據(jù)的像素值為R，其對(duì)應(yīng)的公式為：

為了能夠更好地排除無(wú)關(guān)因素，本文主要采用高斯濾波與中值濾波兩種濾波器。利用高斯濾波器能夠線性平滑處理的最大優(yōu)點(diǎn)，對(duì)桃子數(shù)據(jù)進(jìn)行加權(quán)值平均處理和高斯噪音抑制，可以得到整幅圖像的中心點(diǎn)像素值。為了能夠更多地保存原圖像的真實(shí)信息，因此需要引入中值濾波，引入中值濾波最主要的目的就是能夠通過(guò)其消除桃子數(shù)據(jù)信息中的椒鹽噪音，這樣還能盡量克服桃子圖像模糊的現(xiàn)象。

為了改善中值濾波和高斯濾波減弱圖像的缺陷，為了能夠突出圖像邊沿信息，可以采用圖像增強(qiáng)的方式，之后再把增強(qiáng)后的圖像與原圖像數(shù)據(jù)進(jìn)行做差處理，以系數(shù)增強(qiáng)的方法改善圖像數(shù)據(jù)，把得到的新數(shù)據(jù)再與原數(shù)據(jù)進(jìn)行疊加處理，就可以得到想過(guò)更好的新數(shù)據(jù)圖像，該增強(qiáng)過(guò)程的數(shù)學(xué)模型為：

增強(qiáng)處理后的圖像中會(huì)包含大量的特征信息，為降低處理過(guò)程的計(jì)算量，還需要對(duì)增強(qiáng)后的圖像信息按需求進(jìn)行分割，從而盡量提取出同類(lèi)有用特征信息。本文采用全局自動(dòng)閾值分割法對(duì)圖像特征信息進(jìn)行數(shù)據(jù)采集，從而可以得到RGB 的分布情況，再通過(guò)該數(shù)據(jù)得到高頻率RGB 圖像印漬，之后可以利用頻率最高的圖像數(shù)據(jù)作為桃子圖像的特征閾值，對(duì)桃子數(shù)據(jù)圖進(jìn)行分割。

3 肉質(zhì)桃的分類(lèi)

在通過(guò)RGB 圖像信息對(duì)肉質(zhì)桃進(jìn)行分類(lèi)過(guò)程中，為了能夠保證分類(lèi)的準(zhǔn)確性，本文采用了服從于高斯正態(tài)分布的高斯混合模型分類(lèi)法，利用高斯混合模型提取桃子圖像特征信息，之后再通過(guò)分類(lèi)器對(duì)桃子進(jìn)行分類(lèi)。

肉質(zhì)桃在進(jìn)行分類(lèi)過(guò)程中主要是提取肉質(zhì)桃的區(qū)域特征和顏色特征。顏色提取過(guò)程主要是通過(guò)對(duì)經(jīng)過(guò)濾波增強(qiáng)后的桃子特征信息進(jìn)行分類(lèi)，通過(guò)提前設(shè)定顏色閾值和選取區(qū)域，利用RGB 各個(gè)通道中最大通道的的顏色數(shù)據(jù)對(duì)桃子進(jìn)行特征分析，從而就能夠得到不同顏色桃子的分類(lèi)信息。其過(guò)程流程圖如圖3 所示。

圖3 桃子顏色分類(lèi)過(guò)程流程圖

4 稱(chēng)重電路的設(shè)計(jì)

為了能夠更準(zhǔn)確的提取桃子的重量信息，本文通過(guò)采用性能較好的AD7195 芯片，引入了一種稱(chēng)重模塊的調(diào)理電路。這種稱(chēng)重電路模塊可以對(duì)系統(tǒng)中的稱(chēng)重傳感器輸出的稱(chēng)重信號(hào)進(jìn)行放大處理、然后通過(guò)AD 轉(zhuǎn)換把信息傳遞給濾波器，進(jìn)過(guò)信號(hào)濾波之后出輸給單片機(jī)，從而實(shí)現(xiàn)質(zhì)量信號(hào)的輸出和處理。其系統(tǒng)結(jié)構(gòu)如圖所示。為了減少稱(chēng)重傳感器中的非線性成分，提高稱(chēng)重的準(zhǔn)確性，該系統(tǒng)還采用了特定的數(shù)字處理技術(shù)對(duì)稱(chēng)重信號(hào)進(jìn)了的修正，其系統(tǒng)結(jié)構(gòu)圖如圖4 所示。

圖4 桃子稱(chēng)重分類(lèi)結(jié)構(gòu)圖

5 水果等級(jí)鑒定和分揀

提高桃子分級(jí)的重要指標(biāo)就是顏色和重量，這直接決定了桃子的經(jīng)濟(jì)價(jià)值。桃子在分級(jí)過(guò)程中通過(guò)采用RGB 進(jìn)行顏色識(shí)別以確定桃子的成熟程度，同時(shí)還需要對(duì)桃子進(jìn)行稱(chēng)重以進(jìn)行二次分類(lèi)，之后為了減少對(duì)桃子的損傷，再通過(guò)機(jī)械手進(jìn)行抓取分揀[6]。在系統(tǒng)進(jìn)行分揀之前，需要將肉質(zhì)桃的位姿等信息在多坐標(biāo)系中提前進(jìn)行標(biāo)定，之后根據(jù)肉質(zhì)桃子的位置、姿態(tài)等信息，機(jī)械手才能對(duì)不同顏色、不同重量等級(jí)的桃子進(jìn)行抓取分揀。

6 試驗(yàn)驗(yàn)證

為了驗(yàn)證本系統(tǒng)的可靠性，通過(guò)人工測(cè)量的方式選取了30 個(gè)大小不一的秦王桃，其中有10 個(gè)未成熟的綠色桃子，10 個(gè)半成熟的白色桃子和10 個(gè)成熟的紅色桃子。再把三種桃子混合在一起，使用分揀系統(tǒng)進(jìn)行圖采集及特征識(shí)別。通過(guò)試驗(yàn)?zāi)軌驕y(cè)得該系統(tǒng)的檢測(cè)結(jié)果不論是水果顏色的測(cè)定還是重量的測(cè)定都和人工選測(cè)方式得到的結(jié)論完全相同，重量方面的精確度還要高于人工測(cè)量的結(jié)果，其部分結(jié)果統(tǒng)計(jì)如表1 所示。該試驗(yàn)過(guò)程沒(méi)有對(duì)機(jī)械手分揀過(guò)程進(jìn)行測(cè)驗(yàn)。

表1 多級(jí)分揀系統(tǒng)測(cè)試結(jié)果統(tǒng)計(jì)表

7 結(jié)論

本文主要通過(guò)提取肉質(zhì)桃的RGB 圖像的方式獲取桃子的圖像信息，同時(shí)結(jié)合多種濾波的方式對(duì)桃子的顏色識(shí)別系統(tǒng)信息進(jìn)行濾波處理，并對(duì)經(jīng)過(guò)濾波除噪后的圖像數(shù)據(jù)進(jìn)行邊緣加強(qiáng)，從而得到了圖像信息更加清晰準(zhǔn)確的加強(qiáng)型特征信息。之后再通過(guò)高斯混合模型對(duì)肉質(zhì)桃進(jìn)行了第一次帥選分類(lèi)，然后又通過(guò)采用AD7195 芯片，利用交流激勵(lì)和比率測(cè)量的方法設(shè)計(jì)了桃子稱(chēng)重電路，對(duì)桃子進(jìn)一步分類(lèi)處理，從而細(xì)化了桃子的類(lèi)別，最終借助機(jī)械手完成對(duì)肉質(zhì)桃的分揀過(guò)程。通過(guò)顏色識(shí)別和稱(chēng)重試驗(yàn)試表明，本分揀系統(tǒng)具有很高的實(shí)用性和可靠性。