论文部分内容阅读
分级是苹果采后商品化处理的重要环节之一。目前,采摘后的苹果需运输到指定的地点进行分级,这增加了苹果受损伤机率,每年因受损伤腐烂造成的损失高达数百亿人民币。因此,研究适用于苹果采摘机器人的在线分级系统对减少作业环节,提高劳动生产率,降低经济损失具有重要意义。为了研究苹果在线分级系统,首先提出了分层分级的设计思路;然后研究了苹果的硬度和摩擦学特性、阐述了系统硬件设计过程、搭建了基于CAN总线的通讯系统;完成了基于机器视觉的分级算法开发;最后在室内进行了分级系统的试验。主要研究内容和结论包括:(1)基于在线分级的思想,提出了分层分级的设计思路,确定了整体设计方案。采用预分级机构将苹果直径在等外的苹果直接剔除,可以减少后续视觉分级阶段不必要的工作量。介绍了两套设计方案的结构组成和工作原理,并通过对比分析确定本研究的整体设计方案。(2)在苹果的硬度和摩擦学特性基础上,完成了分级系统的软硬件设计。研究结果表明:靠近果梗和花萼部位的苹果硬度略大于中间部位的硬度;苹果与橡胶板之间的滑动摩擦角为30°,滚动摩擦角为17°;苹果的临界损伤速度为1.53 m/s,临界损伤高度为12 cm;预分级机构的最佳安装角度为23°;选择10 mm厚硅胶发泡板材作为缓冲材料;采用旋转果盘加单目相机的方式采集到苹果的全表面图像、选用黑色混纺布料作为背景布;S型称重传感器用来获取苹果的重量信息、步进电机驱动分级执行机构实现苹果的输送,分级管道采用无毒无污染的聚乙烯材料;搭建了基于CAN总线的通讯系统,制定了各模块间的通讯协议;基于多线程技术和模块设计的思想编写上、下位机软件;在Vi sualStud i o中调用MATLAB计算引擎实现图像处理。(3)进行了基于机器视觉的苹果分级算法的研究。介绍了视觉系统的结构组成;说明了使用Flycapture2、MATLAB、Visual Studio实现图像采集的方法;灰度化后的图像利用高斯滤波滤除噪声,然后依次进行伽马变换、基于Otsu法的灰度图像分割和形态学处理提取特征区域;利用最小外接矩形法提取苹果的大小信息,并通过回归分析的方式建立识别大小与实际大小的关系式;缺陷信息提取的流程是:灰度变换、高斯滤波、灰度拉伸、基于Otsu法的灰度图像分割、形态学处理,得到腐烂部位的二值图片;使用像素点统计法近似求取苹果面积,并通过回归分析的方式建立识别面积与实际面积的关系式。(4)在室内进行了分级系统的试验研究。首先通过试验对相机进行了标定;在室内条件下进行了分级试验,试验结果表明:预分级机构可以剔除90.67%大小在等外的苹果,同时92.58%的65mm苹果和93.33%的70 mm苹果可以顺利的越过分级孔。重量检测的最大绝对误差为2.91g,平均绝对误差为1.05 g,最大相对误差为0.77%,平均相对误差为0.38%。大小检测的最大绝对误差为2.68 mm,平均绝对误差为1.16 mm,最大相对误差为3.49%,平均相对误差为1.45%。缺陷检测的最大绝对误差为0.38 cm2,平均绝对误差为0.11 cm2,最大相对误差为17.39%,平均相对误差为7.12%。分级系统的分级成功率可以达到89.71%,连续分级时单果平均分级时间为2.89 s。该分级系统工作稳定,方便扩展,有较高的分级效率和分级精度,可以满足采摘机器人的实时分级需求。