论文部分内容阅读
去核是槟榔加工工序中的一道重要环节,槟榔在加工过程中由于脱水和挤压形变,槟榔的形状变得不再规则,同时由于干湿度不一样,切开后的槟榔内核个体间差异很大,给机械自动去核造成很大困难,因此目前槟榔加工企业仍然依靠人工完成去核操作。随着槟榔加工行业竞争加剧,劳动力成本越来越高,人工去核越来越失去竞争力,因此槟榔加工企业迫切需要一种智能且高效的槟榔去核方案来提升竞争优势。本文针对槟榔去核问题提出了一种基于机器视觉的解决方案,论文工作主要分成四部分:1)针对槟榔去核工序中槟榔内核轮廓检测问题,提出一种基于语义分割的槟榔内核轮廓检测方法。分割模型以VGG16网络为基础,同时将全连接层替换为卷积层,增加了跳跃结构,将浅层特征经过采样后在同一尺度下与深层特征进行融合,并将常规卷积替换成扩张卷积,减少学习参数的同时提升了分割模型的实时性,最终得到FCN-Dilated-VGG-8s分割模型。该模型表现出良好的鲁棒性,实现了槟榔图像准确、快速分割。对槟榔图像分割的准确率达到98.79%,单张图像分割只需0.071s,模型大小只有FCN-VGG-8s模型的37.5%。通过对分割完后的图像进行边缘提取,即可得到完整平滑的槟榔内核轮廓线。2)槟榔去核后的残留物的颜色与纹理差异很大,且槟榔残留与果壁粘贴紧密,因此常规算法很难准确分辨出残留物。本文引入语义分割的思路,通过调整槟榔内核检测语义分割模型的loss函数,缩小感兴趣区域,对残留块进行分割,并统计分割结果中残留块像素数,实现残留判别,实验准确率达到98.7%,验证了算法的有效性。3)为了提高槟榔去核的成功率,必须找到槟榔去核时下刀的最佳位置。而最佳下刀位置就是槟榔内核轮廓头部的端点处,因此在找到槟榔内核轮廓的同时还需要判别出是否为头部,才能精确定位出槟榔去核的最佳下刀位置。针对头尾判别问题,我们用基于深度神经网络的方法进行了实验,判别准确率接近100%,算法速度快,鲁棒性强,很好的解决了槟榔头尾判别问题。4)设计了一套基于机器视觉感知的槟榔去核试验系统,系统初步实现了槟榔内核轮廓检测,残留判别和头尾判别功能,满足了算法验证和方法检验的要求。本文针对槟榔去核过程中的技术问题展开研究,分别解决了槟榔内核轮廓检测,槟榔内核残留判别,槟榔头尾判别三个问题,为实现槟榔去核工序的自动化提供了技术支持,对推动槟榔加工产业的发展具有重要价值。