论文部分内容阅读
苹果收获季节性强,劳动力供给紧张,人工采收成本逐年增加,苹果的机械化采收相关研究得到科学家的高度重视,而苹果采收后现地进行预分级处理,能够极大地起到降本增效的作用。本研究针对田间收获的富士苹果进行实时分级处理,综合检测苹果的大小、颜色、果形和表面缺陷状况等外观品质,着力解决应用于田间的小型设备开发工作、多种果面缺陷的实时检测和苹果动态图像复原等关键性技术问题。研究的主要内容和结论如下:(1)分析了国内外苹果分级设备的发展现状,通过对比田间分级和工业分级的不同点,提出苹果分级设备研究和发展存在的问题。针对现代果园宽行矮砧的种植模式,确定了苹果田间分级设备的整体方案。样机总长度为1500mm,总宽度为400mm,总高度为1000mm,体积小适于在田间进行转运掉头等相关操作。该分级系统由调速电机带动传送带工作,完成田间实时收获的苹果的自动分级工作。选取Jeston TX2人工智能计算平台作为处理器以满足对计算能力的要求。(2)对关键零部件进行设计,并完成了样机装配。根据所测定的苹果外观特征参数和相关理论知识,结合CATIA三维设计软件对导向机构、传送装置、执行机构等关键零部件进行设计。其中,执行机构由信号检测装置、驱动装置和末端执行机构三部分组成。计算满足使用要求的各零部件参数并进行选型,最后进行样机装配,验证设备的合理性。结果表明,所试制的苹果田间分级设备各装置相互配合能够按照流程设计自动完成苹果在田间的分级工作。(3)基于机器视觉和深度学习等方法完成苹果外观特征检测算法的研究。搭建检测装置提取苹果图像,对出现动态模糊的苹果图像使用Deblur Gan方法进行复原以便增加参数提取的稳定性。根据国家对苹果的分级标准明确所需检测苹果的四个外观特征,即大小特征、颜色特征、果形特征和果面缺陷。针对不同特征单独运用机器视觉和深度学习等方法设计了相应的检测算法并基于此四个特征具体数据进行信息融合,运用支持向量机方法进行识别,根据信息融合结果将苹果分为一等果、二等果和等外果三个等级。同步开发苹果检测界面,实时监测分级进程,使检测结果更加直观。(4)对苹果等级检测算法准确性试验与分析,并对苹果分级设备进行田间验证。试验结果表明,单一指标下苹果大小检测准确率为99.04%,果形检测准确性率97.71%,颜色检测准确率为98.00%,果面缺陷检测准确率为95.85%。使用四种外观特征信息融合的支持向量机方法对苹果进行田间分级一等果的准确率为93.24%,二等果准确率为94.25%,等外果准确率为100%,平均准确率可达94.12%。在传送带速度为0.4m/s、分级设备行走速度为0.5m/s的条件下,苹果分级效率为40个/min,能够满足苹果田间实时分级的要求。