• 型號(hào)：機(jī)器視覺-水果分揀檢測系統(tǒng)
• 類別：機(jī)器視覺產(chǎn)品應(yīng)用

產(chǎn)品說明

視覺檢測技術(shù)在水果分揀檢測方面的應(yīng)用是怎樣的?如何辨別水果的內(nèi)部品質(zhì)，保證品控質(zhì)量，一直是水果產(chǎn)業(yè)頭疼的難題。盈泰德科技研發(fā)的水果分揀檢測系統(tǒng)是待檢水果被送入分揀機(jī)后，將由專業(yè)相機(jī)進(jìn)行掃描。系統(tǒng)根據(jù)數(shù)學(xué)模塊逐個(gè)部分地分析水果內(nèi)部情況，同時(shí)進(jìn)行稱量、測量直徑長度、上色、注明營養(yǎng)成分、剔除瑕疵品等步驟，使高品質(zhì)水果可從普通一、二等果中分離出來。

機(jī)器視覺技術(shù)在工農(nóng)業(yè)生產(chǎn)中的應(yīng)用也越來越普遍，現(xiàn)已廣泛應(yīng)用于林業(yè)、工業(yè)、農(nóng)業(yè)、軍事、交通、品質(zhì)檢測等領(lǐng)域，盈泰德科技對(duì)該技術(shù)在水果分揀中的應(yīng)用進(jìn)行綜述和展望。

1、機(jī)器視覺技術(shù)

機(jī)器視覺又稱計(jì)算機(jī)視覺，是隨著計(jì)算機(jī)技術(shù)的發(fā)展成長起來的，是指計(jì)算機(jī)對(duì)
三維空間的感知，包括捕獲、分析、識(shí)別等過程。它是計(jì)算機(jī)科學(xué)、光學(xué)、自動(dòng)化技術(shù)、模式識(shí)別、人工智能技術(shù)的綜合。

機(jī)器視覺系統(tǒng)主要由三部分組成:
圖像的獲取、圖像的處理和分析、輸出或顯示，一般需要 CCD
攝像機(jī)、檢測裝置、傳送帶、計(jì)算機(jī)、伺服控制系統(tǒng)等設(shè)備。在水果分揀過程中，水果位于傳送帶上方，CCD攝像機(jī)配置在傳送帶的上方及周邊，在傳送帶的兩側(cè)安裝有檢測裝置。

當(dāng)水果通過
CCD 攝像機(jī)時(shí)，CCD 攝像機(jī)將通過圖像采集卡將水果圖像傳入計(jì)算機(jī) ,
由計(jì)算機(jī)對(duì)圖像進(jìn)行一系列處理，確定水果的顏色、大小、形狀、表面損傷情況等特征，再根據(jù)處理結(jié)果控制伺服機(jī)構(gòu)。

2、機(jī)器視覺技術(shù)在水果分揀中的應(yīng)用

 按大小分，是水果分揀的一個(gè)重要指標(biāo)，研究了利用機(jī)器視覺技術(shù)精確檢測水果尺寸方法，建立了圖像中的點(diǎn)與被測物體上的點(diǎn)之間的定量關(guān)系，提出利用物體的邊界信息求出物體的形心坐標(biāo)的方法。實(shí)驗(yàn)表明所測水果橫徑的相關(guān)系數(shù)0.96。

針對(duì)蘋果的外形特征，應(yīng)用蘋果外接矩形 (MER) 的 尺寸表示橫徑和縱徑，取得了較為理想的結(jié)果 。

3、 按形狀分揀

果實(shí)形狀是水果品質(zhì)檢測與分揀的一個(gè)重要指標(biāo) 利用圖像形態(tài)學(xué)方法，按內(nèi)切圓面積占蘋果圖像面積的比例進(jìn)行分揀，綜合準(zhǔn)確率達(dá)
91.4%。利用形態(tài)學(xué)進(jìn)行果實(shí)品質(zhì)檢測只需進(jìn)行膨脹和腐蝕的組合調(diào)用
,算法容易，但由于反復(fù)調(diào)用，算法執(zhí)行效率較。用半徑指標(biāo)、連續(xù)性指標(biāo)、曲率指標(biāo)、半徑指標(biāo)的對(duì)稱性、連續(xù)性指標(biāo)的對(duì)稱性、曲率指標(biāo)的對(duì)稱性 6
個(gè)特征參數(shù)表示果形，利用人工神經(jīng)網(wǎng)絡(luò)對(duì)果形進(jìn)行識(shí)別。

4、 按顏色分揀

顏色也是衡量水果外部品質(zhì)的重要指標(biāo)之一，同時(shí)該指標(biāo)也能間接反映水果的內(nèi)部品質(zhì)。因此按顏色分也是水果分揀的一項(xiàng)內(nèi)容。通過對(duì)不同著色等的水果分揀，以各色度在水果表面分布的分形維數(shù)為特征進(jìn)行分揀，該特征值不僅考慮了各色度點(diǎn)的累計(jì)特性而且考慮了色度點(diǎn)空間分布特性，使顏色分揀更符合實(shí)際情況，通過人工神經(jīng)網(wǎng)絡(luò)識(shí)別進(jìn)行分揀的準(zhǔn)確率達(dá)
95%。

5、按表面缺陷分揀

 表面缺陷也是水果分揀的重要指標(biāo)之一。在實(shí)數(shù)域分形盒維數(shù)計(jì)算方法的基礎(chǔ)上，提出了雙金字塔數(shù)據(jù)形式的盒維數(shù)快速計(jì)算方法。對(duì)于待識(shí)別水果圖像的可疑缺陷區(qū)，提出用 5
個(gè)分形維數(shù)作為描述該區(qū)域粗糙度和紋理方向性的特征參數(shù)，并用所提出的快速計(jì)算方法進(jìn)行計(jì)算，然后利用 BP
神經(jīng)網(wǎng)絡(luò)作為模式識(shí)別器，區(qū)分水果表面的缺陷區(qū)和梗萼凹陷區(qū)，識(shí)別準(zhǔn)確率為
93%。根據(jù)蘋果表面缺陷特征，同時(shí)考慮缺陷形狀的投影畸變，提出了一種蘋果表面缺陷分類方法，并采用人工神經(jīng)網(wǎng)絡(luò)與閾值判別相結(jié)合的方法，將蘋果表面缺陷分為碰壓傷、刺傷、裂果、病蟲果和蟲傷。