基于嵌入式系統(tǒng)的異纖清除機(jī)設(shè)計(jì)與試驗(yàn)

張 晨 孫世磊 石文軒 曾 霖 鄧德祥

(1.武漢大學(xué)電子信息學(xué)院， 武漢 430072； 2.武漢大學(xué)國(guó)際軟件學(xué)院， 武漢 430072； 3.武漢大學(xué)遙感信息學(xué)院， 武漢 430072)

基于嵌入式系統(tǒng)的異纖清除機(jī)設(shè)計(jì)與試驗(yàn)

張 晨1孫世磊2石文軒3曾 霖1鄧德祥1

(1.武漢大學(xué)電子信息學(xué)院， 武漢 430072； 2.武漢大學(xué)國(guó)際軟件學(xué)院， 武漢 430072； 3.武漢大學(xué)遙感信息學(xué)院， 武漢 430072)

基于FPGA+DSP的嵌入式系統(tǒng)以其靈活的芯片選型和高功效的計(jì)算性能，適合在環(huán)境惡劣以及對(duì)系統(tǒng)在線實(shí)時(shí)運(yùn)行有嚴(yán)格要求的農(nóng)業(yè)分揀領(lǐng)域中應(yīng)用。針對(duì)棉紡產(chǎn)線中的異纖清除機(jī)設(shè)計(jì)，從檢出原理、系統(tǒng)軟硬件和剔除系統(tǒng)方面討論了基于嵌入式系統(tǒng)的設(shè)備設(shè)計(jì)。檢出原理方面，除常見的白光和紫外光檢測(cè)外，在不增加相機(jī)的情況下通過增加偏振通道來增強(qiáng)透明地膜檢測(cè)。在系統(tǒng)軟件設(shè)計(jì)方面，提出了基于三線陣相機(jī)亞像素空間分離量測(cè)速方案和基于統(tǒng)計(jì)學(xué)習(xí)的閾值檢測(cè)。在系統(tǒng)硬件方面，設(shè)計(jì)了具有功耗和物料成本優(yōu)勢(shì)的嵌入式相機(jī)數(shù)據(jù)處理平臺(tái)，并移植優(yōu)化算法以滿足系統(tǒng)實(shí)時(shí)性需求。在剔除系統(tǒng)方面，設(shè)計(jì)了基于目標(biāo)實(shí)時(shí)速度的控制方案。試驗(yàn)結(jié)果表明，測(cè)速方案能正確獲取目標(biāo)速度，并能在剔除系統(tǒng)測(cè)試中適應(yīng)風(fēng)速變化，準(zhǔn)確打擊。設(shè)備對(duì)棉花帶有明顯差異的異纖及帶有熒光粉的丙綸絲和透明薄膜的檢出率高于80%，而對(duì)接近棉花顏色的淡黃色異纖檢出率稍低于80%。長(zhǎng)期試驗(yàn)結(jié)果顯示，異纖清除機(jī)能適應(yīng)產(chǎn)線變化，操作簡(jiǎn)便，能檢出國(guó)內(nèi)現(xiàn)有常見異纖，性能穩(wěn)定。

異纖清除機(jī)； 棉花異性纖維； 機(jī)器視覺； 嵌入式系統(tǒng)； 亞像素空間分離校正

引言

毛發(fā)、丙綸絲、毛線、地膜、碎布等異性纖維(簡(jiǎn)稱異纖)是影響棉紡產(chǎn)品質(zhì)量的重要雜質(zhì)，如何快速準(zhǔn)確的將混雜在原棉中的異纖分揀識(shí)別并挑選出來是棉紡行業(yè)最為關(guān)注的焦點(diǎn)之一[1-8]。作為農(nóng)業(yè)機(jī)械分揀設(shè)備中的一種，異纖清除機(jī)因能在線穩(wěn)定高效地剔除高速棉流中的異纖，而成為國(guó)內(nèi)生產(chǎn)線的主要設(shè)備。

在異纖清除機(jī)設(shè)計(jì)中，高速圖像數(shù)據(jù)處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)占有重要地位。農(nóng)業(yè)分揀設(shè)備工作現(xiàn)場(chǎng)通常高溫、高濕度、高粉塵，并常有將分揀設(shè)備嵌入原產(chǎn)線進(jìn)行升級(jí)改造的需求，所以對(duì)設(shè)備的功耗和硬件穩(wěn)定性要求較高。此外圖像處理系統(tǒng)還需在線實(shí)時(shí)處理圖像數(shù)據(jù)，并控制剔除系統(tǒng)進(jìn)行檢出。針對(duì)上述應(yīng)用特性，基于FPGA+DSP的嵌入式方案，因其在數(shù)學(xué)運(yùn)算中突出的功耗效率比[9-12]，具有支持硬實(shí)時(shí)應(yīng)用(Hard real-time application)的能力，以及豐富的工業(yè)級(jí)芯片種類，適用于農(nóng)業(yè)分揀設(shè)備的低成本、小型化和高可靠性設(shè)計(jì)。

關(guān)于異纖檢測(cè)算法和系統(tǒng)設(shè)計(jì)的研究較多[1-8]，但是針對(duì)在線實(shí)時(shí)性要求下的算法結(jié)構(gòu)設(shè)計(jì)，以及產(chǎn)線適應(yīng)性的研究較少。針對(duì)嵌入式系統(tǒng)設(shè)計(jì)的研究多為處理系統(tǒng)的實(shí)現(xiàn)細(xì)節(jié)[13]，有關(guān)整機(jī)系統(tǒng)層面的全面研究較少[14]。

本文基于異纖檢測(cè)檢出原理，通過分析拍攝圖像的特征，設(shè)計(jì)檢測(cè)算法，并著重研究能增強(qiáng)生產(chǎn)線適應(yīng)性的技術(shù)。根據(jù)算法特點(diǎn)設(shè)計(jì)圖像處理硬件系統(tǒng)和剔除機(jī)構(gòu)控制方案。最終將包含嵌入式系統(tǒng)在內(nèi)的異纖清除機(jī)整機(jī)設(shè)備實(shí)現(xiàn)，并安裝于實(shí)際生產(chǎn)線進(jìn)行長(zhǎng)期試驗(yàn)和測(cè)試。

1 基于嵌入式系統(tǒng)的異纖清除機(jī)系統(tǒng)設(shè)計(jì)

1.1 異纖清除機(jī)整體設(shè)計(jì)

異纖清除機(jī)結(jié)構(gòu)如圖1所示，由輸棉管道、相機(jī)、光源、高壓噴閥以及除雜風(fēng)機(jī)等組成。相機(jī)拍攝輸棉管道中被燈管從管道正反兩面照射的棉流，并在每組相機(jī)對(duì)面設(shè)置背景條以生成無棉覆蓋區(qū)域拍攝背景。

圖1 異纖清除機(jī)結(jié)構(gòu)圖Fig.1 Structure diagram of foreign fiber detecting machine1.輸棉管道 2.氣流方向 3.除雜風(fēng)機(jī) 4.背景條 5.相機(jī) 6.白光/紫外光燈管 7.羽毛 8.丙綸絲 9.塑料薄膜 10.棉花 11.高壓噴閥 12.高壓氣流

1.2 異纖清除機(jī)檢出方案設(shè)計(jì)

傳統(tǒng)篩選感知系統(tǒng)由光電二極管和超聲波等方式實(shí)現(xiàn)，隨著半導(dǎo)體行業(yè)的發(fā)展與升級(jí)，線陣相機(jī)被越來越廣泛地應(yīng)用于檢測(cè)。文獻(xiàn)[4,6-7]采用高速線陣相機(jī)拍攝處于測(cè)試通道中移動(dòng)的棉花。本文使用基于安森美公司KLI2113型傳感器的三線陣傳感器相機(jī)，該相機(jī)像元數(shù)為2 098，每通道像元點(diǎn)頻為20 MHz。經(jīng)過定制改造，在啟用三線空間校正模式下，相機(jī)行頻flinerate仍保持為最高的9.2 kHz[15]。

異纖的檢出原理主要利用棉花和異纖在不同光譜反射特性下的差異性，在實(shí)際應(yīng)用中良好的光照方案可以突出檢測(cè)目標(biāo)的特征，有效降低算法的復(fù)雜度。文獻(xiàn)[1]測(cè)試并總結(jié)了異纖的檢測(cè)波段，在實(shí)踐中常見的檢測(cè)方式為白光與紫外光[2]。本文在紫外光通道中增加偏振光通道，利用光測(cè)彈性的干涉效應(yīng)提高透明薄膜的檢出率。此方案為紫外光偏振通道混合檢測(cè)，相機(jī)數(shù)量較原白光和紫外光方案并無增加，具體設(shè)置如圖2所示。

圖2 紫外光及偏振光路設(shè)置Fig.2 UV and polar illumination system1.相機(jī) 2.檢偏器 3.紫外光燈管 4.輸棉管道 5.被攝物體 6.起偏器 7.偏振光源

其中，紫外光燈管布置在輸棉管道兩側(cè)；偏振燈管布置在相機(jī)拍攝的中線上，并與相機(jī)間設(shè)置起偏器、檢偏器2塊偏振玻璃；被攝物體與相機(jī)只間隔檢偏器。此光路設(shè)計(jì)中，原紫外檢測(cè)相機(jī)仍舊能透過檢偏器檢測(cè)熒光反應(yīng)異纖，相對(duì)于文獻(xiàn)[16]中紫外與偏振相機(jī)分離方案，可在不增加相機(jī)數(shù)量的條件下增加透明薄膜的檢出率。增加偏振光路設(shè)計(jì)后，異纖檢出類型將覆蓋我國(guó)大部分常見異纖種類。

1.3 異纖檢測(cè)算法設(shè)計(jì)

典型目標(biāo)檢測(cè)算法流程圖如圖3所示。

圖3 目標(biāo)檢測(cè)算法流程圖Fig.3 Flow chart of target detection algorithms

為快速準(zhǔn)確地提取目標(biāo)，檢測(cè)算法通常采取由粗到精，算法復(fù)雜度由簡(jiǎn)單到復(fù)雜的策略。圖3中前2步用于從全圖中快速提取出候選區(qū)域并初步確認(rèn)，在計(jì)算上利用最明顯且簡(jiǎn)單的方式，例如灰度統(tǒng)計(jì)、邊緣信息等確認(rèn)目標(biāo)的可能區(qū)域。后2步中，先利用精細(xì)特征，如尺寸、紋理、面積、不變矩、統(tǒng)計(jì)特征等對(duì)較小的候選區(qū)域進(jìn)行運(yùn)算量稍大的分析，去除誤判虛景后，得到檢測(cè)目標(biāo)區(qū)域，然后根據(jù)特征提取分類方式如神經(jīng)網(wǎng)絡(luò)分類器等復(fù)雜算法對(duì)目標(biāo)進(jìn)行分類識(shí)別，從中挑選有價(jià)值目標(biāo)。

根據(jù)檢測(cè)算法流程分析，目標(biāo)確認(rèn)算法輸出的檢測(cè)信息已經(jīng)能夠保證檢出效果，即使只有少量運(yùn)用復(fù)雜度最高的目標(biāo)分類識(shí)別算法，系統(tǒng)在安裝調(diào)試后也能達(dá)到較好的檢出率。按此思路設(shè)計(jì)的檢測(cè)算法并行度高，復(fù)雜度較低，較適合嵌入式方案實(shí)現(xiàn)，但是算法設(shè)計(jì)時(shí)將更加依賴實(shí)際拍攝特征。所以設(shè)計(jì)算法時(shí)應(yīng)從拍攝圖像特征出發(fā)，設(shè)計(jì)算法流程，并著重增強(qiáng)算法對(duì)實(shí)際拍攝環(huán)境適應(yīng)性。根據(jù)設(shè)備實(shí)際拍攝情況特性，可以得到下列圖像特征，用于算法流程設(shè)計(jì)：

(1)在白光、紫外光和偏振光設(shè)置中，異纖與棉花有色差或邊緣梯度差異。

(2)異纖數(shù)量相對(duì)于棉花數(shù)量為較小值，所以在統(tǒng)計(jì)上占主要部分的是棉花與背景值，經(jīng)過調(diào)試后，棉花與背景間的梯度和色差都較小。

(3)棉花種類變化時(shí)，拍攝圖像中棉花部分會(huì)發(fā)生變化，但異纖數(shù)量在總量中占比仍較小。

(4)根據(jù)異纖材質(zhì)不同，以及風(fēng)速和附著棉團(tuán)尺寸不同，實(shí)際速度會(huì)有差異。

基于上述4點(diǎn)圖像特征，本文設(shè)計(jì)的算法流程如圖4所示。

圖4 異纖檢測(cè)算法流程圖Fig.4 Flow chart of fiber detection algorithms

算法在設(shè)計(jì)時(shí)分為非實(shí)時(shí)性的閾值學(xué)習(xí)部分，以及有實(shí)時(shí)性要求的梯度空間及色差空間檢測(cè)部分。通過開機(jī)后的閾值學(xué)習(xí)，完成算法對(duì)生產(chǎn)線狀態(tài)的適應(yīng)，然后進(jìn)入檢測(cè)狀態(tài)完成異纖檢出，并定時(shí)重新學(xué)習(xí)閾值和統(tǒng)計(jì)棉速均值以適應(yīng)生產(chǎn)線變化。

1.3.1 基于色差和梯度空間的目標(biāo)檢測(cè)算法

根據(jù)檢出原理分析以及設(shè)備圖像特征，檢測(cè)算法可利用異纖與棉花在色差空間和梯度空間的特征區(qū)別進(jìn)行設(shè)計(jì)[8]。在色差檢測(cè)中，可選擇將原始RGB空間的圖像數(shù)據(jù)轉(zhuǎn)化至較符合人眼感受的Lab空間進(jìn)行色差分析。基于國(guó)際照明學(xué)會(huì)(CIE)的Lab均勻顏色空間定義，兩點(diǎn)間色差可表示為

(1)

式中 ΔL——兩點(diǎn)間L通道差值 Δa——兩點(diǎn)間a通道差值 Δb——兩點(diǎn)間b通道差值

為更好適應(yīng)異纖清除機(jī)實(shí)際工作情況，分別對(duì)式(1)中的各變量差值增加權(quán)重系數(shù)。

(2)

其中

α+β=1

(3)

式中α、β——權(quán)重系數(shù)，取值為0～1

通過式(2)、(3)調(diào)整各分量在色差計(jì)算中所占比例。

梯度空間轉(zhuǎn)化可用梯度算子實(shí)現(xiàn)。鑒于圖片中異纖的方向是隨機(jī)的，在設(shè)計(jì)中采用拉普拉斯算子提取梯度信息。該算子具有實(shí)現(xiàn)簡(jiǎn)單、為同性微分算子且具有旋轉(zhuǎn)不變性的特點(diǎn)。一個(gè)二維圖像函數(shù)的標(biāo)準(zhǔn)拉普拉斯變換是各向同性的二階導(dǎo)數(shù)，其離散形式為

f(x,y-1)-4f(x,y)

(4)

為保證檢出率，需對(duì)圖像中R、G、B3通道全部進(jìn)行梯度空間轉(zhuǎn)化。

1.3.2 閾值選取算法設(shè)計(jì)

通過二值化對(duì)圖像進(jìn)行分割時(shí)，閾值選取是難點(diǎn)，傳統(tǒng)研究的對(duì)象是挑選過的包含異纖的切片檢測(cè)數(shù)據(jù)，此時(shí)大津法是最常用的計(jì)算圖像閾值的方法。但是在實(shí)際應(yīng)用中棉花和背景在統(tǒng)計(jì)中占絕對(duì)主體部分，異纖僅占非常小的部分，若棉花與背景融合較好，則直方圖分布中只有一個(gè)波峰，此時(shí)需要直方圖中有2個(gè)波峰的大津法進(jìn)行閾值提取效果不明顯。若采用更復(fù)雜的算法，計(jì)算量會(huì)有明顯的上升。為解決上述問題，在算法設(shè)計(jì)中可通過統(tǒng)計(jì)特性求取梯度或色差通道閾值。

圖5為安裝調(diào)試背景與棉花亮度后，產(chǎn)線正常走棉工況下的典型圖像。背景(紅點(diǎn)處)R、G、B值為112、113、112，棉花根據(jù)厚度可分為接近邊緣的較薄部分(綠點(diǎn)處)以及靠近中央較厚部分(藍(lán)點(diǎn)處)，其R、G、B值分別為121、119、120和112、108、115。背景部分的梯度及色差差異接近于零，并且棉花與背景的交界處有較小的梯度及色差變化，此外棉花開松后的厚度是向中心逐漸緩慢增加，上述現(xiàn)象導(dǎo)致棉花表面圖像產(chǎn)生連續(xù)的變化，所以棉花及背景圖片的直方圖統(tǒng)計(jì)特性體現(xiàn)為：接近灰度值零點(diǎn)附近呈現(xiàn)概率分布較高的“尖峰”。實(shí)現(xiàn)中采用統(tǒng)計(jì)的方式，將梯度和色差檢測(cè)最末尾固定百分比的點(diǎn)對(duì)應(yīng)值設(shè)定為閾值，并且根據(jù)工程經(jīng)驗(yàn)設(shè)置最小保護(hù)值。在棉花發(fā)生變化后，雖然棉花與背景梯度及色差發(fā)生變化，但是異纖所占比例仍舊是一較小值。此方法在實(shí)踐中，能在大量無效的棉花和背景數(shù)據(jù)中高效率挑選疑似目標(biāo)，通過調(diào)整閾值對(duì)應(yīng)的百分比數(shù)值，即可保證不漏掉檢測(cè)目標(biāo)。

圖5 背景、棉花與墨綠色異纖的現(xiàn)場(chǎng)拍攝圖Fig.5 Live shot of background, cotton and foreign fiber

1.3.3 目標(biāo)測(cè)速算法設(shè)計(jì)

現(xiàn)場(chǎng)應(yīng)用時(shí)疑似的目標(biāo)速度與其所附著的棉團(tuán)尺寸有關(guān)，為一變化值，并且目標(biāo)速度影響圖像數(shù)據(jù)中檢出目標(biāo)的實(shí)際縱向尺寸計(jì)算，如不能將每個(gè)檢出目標(biāo)的速度信息及時(shí)更新，會(huì)造成大量誤判。文獻(xiàn)[17]描述了一種利用上下重疊放置的2臺(tái)相機(jī)，通過圖像匹配進(jìn)行測(cè)速的方法。但是此方案需要增加一臺(tái)相機(jī)進(jìn)行測(cè)速，并且疊放的2臺(tái)相機(jī)拍攝數(shù)據(jù)相同，無法提供更多信息。本文選用的三線陣相機(jī)含有空間分離的3條傳感器，通常在使用中，采用人工或測(cè)速裝置輸入速度信息，用以調(diào)整3條傳感器間的數(shù)據(jù)修正量，即空間分離量[18]。但是棉紡產(chǎn)線實(shí)際應(yīng)用中，棉花在管道中高速運(yùn)動(dòng)，不能通過接觸式測(cè)量獲取速度，如簡(jiǎn)單采用平均速度，不能準(zhǔn)確體現(xiàn)目標(biāo)信息，所以需要研究針對(duì)每個(gè)疑似目標(biāo)的測(cè)速方案。

通過理論可推導(dǎo)目標(biāo)速度V與三線陣相機(jī)空間分離量n、相機(jī)行頻flinerate以及光學(xué)放大率M的關(guān)系式為

(5)

式中u——物距，mmv——鏡頭焦距，mmΔd——三線陣傳感器中兩通道間距，文中取112 μm

當(dāng)相機(jī)設(shè)置完畢后光學(xué)放大率和行頻為固定值，若能估算出兩通道間亞像素級(jí)空間校正值，即可計(jì)算得出拍攝目標(biāo)的精確速度，并推知準(zhǔn)確的目標(biāo)縱向分辨率。

亞像素級(jí)三線分離量估算可以通過對(duì)相機(jī)拍攝圖像中不同譜段的數(shù)據(jù)，使用基于灰度空間的歸一化相關(guān)系數(shù)(Normalized correlation coefficient, NCC)和魯棒性強(qiáng)的二次曲線擬合相結(jié)合的亞像素匹配算法推得，計(jì)算步驟如下：

(1)圖像I1和I2間相同大小，但是互相有位移的數(shù)據(jù)間歸一化相關(guān)系數(shù)的計(jì)算式為

(6)

式中F1、F2——圖像I1和圖像I2中區(qū)域面積相同的圖像數(shù)據(jù)

p——圖像區(qū)域的中心坐標(biāo)點(diǎn)

wp——位移

(2)求取歸一化相關(guān)系數(shù)Φ(p,wp)的極值點(diǎn)，可首先對(duì)其最大值點(diǎn)及附近點(diǎn)使用二次曲面f(x,y)進(jìn)行擬合估計(jì)。

f(x,y)=α5x2+α4y2+α3xy+α2x+α1y+α0

(7)

式中α0、α1、α2、α3、α4、α5——二次曲面擬合系數(shù)

引入擬合系數(shù)向量X，并結(jié)合式(7)可得

AX=B

(8)

其中X=[α5α4α3α2α1α0]T

(9)

(10)

B=[f0f1f2f3f4f5]T

(11)

向量X通過式(8)～(10)的偽逆矩陣法求得

X=(ATA)-1ATB

(12)

求得擬合系數(shù)向量X后，利用求導(dǎo)法，即可得到二次曲面f(x,y)的極值坐標(biāo)(xmax,ymax)，該坐標(biāo)數(shù)值即為亞像素三線分離量。

(13)

由式(13)可推得極值點(diǎn)(xmax,ymax)與擬合系數(shù)的關(guān)系為

(14)

基于二次曲面擬合的亞像素匹配方法精度在文獻(xiàn)[19]中有討論，最大有0.1個(gè)像素點(diǎn)的誤差。

1.4 基于嵌入式系統(tǒng)的圖像數(shù)據(jù)處理系統(tǒng)設(shè)計(jì)

在相機(jī)數(shù)據(jù)處理板卡中，核心數(shù)據(jù)處理芯片的選型占重要地位。較常見的核心芯片構(gòu)架有：CPU/ARM、GPU、FPGA、DSP等。針對(duì)上述各芯片構(gòu)架的討論和應(yīng)用，近年研究觀點(diǎn)如下：

(1)相較于CPU/ARM，DSP和GPU更適合進(jìn)行大規(guī)模數(shù)學(xué)運(yùn)算。在運(yùn)算速率指標(biāo)上，GPU高于DSP，但是在功耗效率指標(biāo)上，DSP占有優(yōu)勢(shì)[9]。

(2)GPU相較FPGA在開發(fā)難度和高性能運(yùn)算領(lǐng)域應(yīng)用中優(yōu)勢(shì)明顯，而FPGA則能以較低的頻率實(shí)現(xiàn)如中值濾波等運(yùn)算，功耗效率較GPU有優(yōu)勢(shì)[10]。

(3)在最新的報(bào)道中，也有使用GPU實(shí)現(xiàn)實(shí)時(shí)目標(biāo)檢測(cè)的研究[11]。但是該報(bào)道中也存在如下問題：嵌入式GPU在開發(fā)時(shí)，只能以Nvidia TX1板卡套件或核心板形式進(jìn)行，并不單獨(dú)提供GPU芯片供用戶自行設(shè)計(jì)電路系統(tǒng)。此外GPU應(yīng)用時(shí)必須基于大型操作系統(tǒng)例如Linux，而Linux在硬實(shí)時(shí)應(yīng)用中通常還需要額外改造[12]。

綜上所述，為了在線實(shí)時(shí)處理相機(jī)三通道輸出的60 MB/s的數(shù)據(jù)，并考慮到設(shè)備功耗以及驅(qū)動(dòng)剔除系統(tǒng)的硬實(shí)時(shí)需求，本文設(shè)計(jì)了如圖6所示的基于FPGA+DSP方案的嵌入式處理板卡，其中FPGA選用工業(yè)級(jí)EP3C55F23I7，DSP選用文獻(xiàn)[13]中DSP DM642的后續(xù)升級(jí)版本(工業(yè)級(jí)DM648)，并使用輕量級(jí)硬實(shí)時(shí)TI-RTOS作為板卡操作系統(tǒng)。嵌入式板卡高速數(shù)據(jù)輸出選用千兆網(wǎng)口接口，增強(qiáng)板卡間組網(wǎng)能力，能簡(jiǎn)易適配多相機(jī)方案，并能完成原始高速圖像數(shù)據(jù)輸出或算法檢測(cè)結(jié)果輸出。上述嵌入式板卡單塊功耗小于12 W。設(shè)計(jì)方案使用全工業(yè)級(jí)芯片實(shí)現(xiàn)，并通過看門狗功能防止死機(jī)現(xiàn)象產(chǎn)生，在同樣可實(shí)時(shí)目標(biāo)檢測(cè)的條件下系統(tǒng)功耗和成本相較其他方案有成本低和穩(wěn)定性好優(yōu)勢(shì)。

圖6 嵌入式處理板卡結(jié)構(gòu)框圖Fig.6 Structure diagram of embedded board

基于1.3節(jié)算法設(shè)計(jì)思路，可將算法中屬于數(shù)據(jù)預(yù)處理的部分：梯度空間轉(zhuǎn)換及色差空間轉(zhuǎn)換代碼，使用FPGA實(shí)現(xiàn)，而將從二值化開始，包括游程編碼、基于連通域大小的特征提取、速度測(cè)算以及外接矩等算法部分由DSP實(shí)現(xiàn)。

原始數(shù)據(jù)分通道在FPGA內(nèi)完成由梯度算子卷積完成梯度轉(zhuǎn)換，并通過查找表轉(zhuǎn)換成Lab空間數(shù)據(jù)。上述兩類轉(zhuǎn)換數(shù)據(jù)加上原始相機(jī)數(shù)據(jù)總共為 180 MB/s數(shù)據(jù)傳輸至DSP。DM648系統(tǒng)共提供5路VPORT接口，本系統(tǒng)使用3路VPORT通道作為傳輸通道，其每路能提供最高為108 MHz的16 bit數(shù)據(jù)位寬。DSP與FPGA之間的配置信息不需要實(shí)時(shí)性傳輸，所以系統(tǒng)可選擇接口簡(jiǎn)單的EMIF作為低速數(shù)據(jù)通路，F(xiàn)PGA在此接口下可作為DSP的外部存儲(chǔ)器使用。

在算法移植實(shí)現(xiàn)中，應(yīng)充分發(fā)揮線陣相機(jī)數(shù)據(jù)流以行為單位輸出的特點(diǎn)。在梯度轉(zhuǎn)換處理中，F(xiàn)PGA端進(jìn)行了緩存一行數(shù)據(jù)的處理，在Lab空間轉(zhuǎn)換中采用并行轉(zhuǎn)換方式，最終將數(shù)據(jù)按照DSP端接收協(xié)議格式擺放，并通過VPORT接口輸出數(shù)據(jù)至DSP進(jìn)行算法處理。最終檢測(cè)數(shù)據(jù)通過DSP板千兆接口和交換機(jī)匯總于設(shè)備狀態(tài)顯示用簡(jiǎn)易工控機(jī)，將檢測(cè)數(shù)據(jù)上傳云端服務(wù)器，供后續(xù)處理。

1.5 基于目標(biāo)實(shí)時(shí)速度修正的剔除系統(tǒng)設(shè)計(jì)

分揀設(shè)備的執(zhí)行部分是機(jī)電結(jié)合部件，根據(jù)用途不同可有多種形式，文獻(xiàn)[13]中的果物分選設(shè)備需控制電磁鐵驅(qū)動(dòng)的翻板，而本文設(shè)計(jì)的異纖清除機(jī)和常見的大米分揀機(jī)都使用電磁高壓氣閥作為吹出異物的執(zhí)行機(jī)構(gòu)，其中噴閥啟動(dòng)時(shí)機(jī)的選擇是關(guān)鍵問題。在噴閥啟動(dòng)時(shí)機(jī)計(jì)算中，相機(jī)和噴閥間距由實(shí)際機(jī)械尺寸決定。風(fēng)速、管道長(zhǎng)以及各個(gè)步驟用時(shí)關(guān)系如圖7所示。

圖7 噴閥啟動(dòng)時(shí)間計(jì)算示意圖Fig.7 Diagram of valve delay time calculation

圖7中總時(shí)長(zhǎng)t0可用相機(jī)和噴閥間距除以檢測(cè)目標(biāo)速度得出；t1用來表示異纖在圖像中的位置；t2為嵌入式板卡計(jì)算時(shí)間；t3表示信號(hào)從嵌入式板卡出發(fā)時(shí)刻與噴閥驅(qū)動(dòng)信號(hào)發(fā)出的時(shí)間差；t4為噴閥啟動(dòng)延時(shí)，用以建立氣壓，與噴閥本身屬性有關(guān)；t5用來增加小部分提前量以防拍攝的異纖只是部分暴露；噴閥啟動(dòng)修正量t6為從總時(shí)長(zhǎng)t0中除去之前所有分步耗時(shí)(t1～t5)的剩余時(shí)間。噴閥開啟時(shí)長(zhǎng)可通過異纖實(shí)際長(zhǎng)度和速度計(jì)算。

2 系統(tǒng)實(shí)驗(yàn)與分析

2.1 閾值選取算法實(shí)驗(yàn)與分析

設(shè)備設(shè)定開機(jī)后等待燈管預(yù)熱5 min為學(xué)習(xí)狀態(tài)，并將50行數(shù)據(jù)作為一幀圖像，通過統(tǒng)計(jì)學(xué)習(xí)色差和梯度閾值，共學(xué)習(xí)55.2 k幀圖像，實(shí)際使用閾值通過統(tǒng)計(jì)得出，并設(shè)定最低值保護(hù)算法以免當(dāng)無棉花情況下計(jì)算獲得過低閾值。學(xué)習(xí)時(shí)間結(jié)束后軟件進(jìn)入檢測(cè)狀態(tài)。

圖8是現(xiàn)場(chǎng)3條產(chǎn)線正常運(yùn)行時(shí)的歸一化梯度曲線。3條曲線對(duì)應(yīng)的產(chǎn)線走棉量相當(dāng)，都約為400 kg/h。由圖8可知，占圖像中主體部分的梯度都小于10。可將梯度10作為學(xué)習(xí)最小保護(hù)值，并取固定百分比的梯度作為二值化閾值，如在圖8中歸一化頻數(shù)取0.2時(shí)，產(chǎn)線2對(duì)應(yīng)閾值為14，產(chǎn)線1和3對(duì)應(yīng)為13?？梢娒藁ê蛨D像背景調(diào)節(jié)的不同會(huì)造成統(tǒng)計(jì)時(shí)有少量差異，但是基于閾值學(xué)習(xí)后的閾值相近。閾值選取百分比可以通過軟件主界面靈敏度設(shè)置成比例調(diào)整，即可保證異纖基本不漏判。在更換棉花或光路照明稍有變化后，變化較多的是棉花與背景之間的絕對(duì)值變化，而背景、棉花、異纖之間統(tǒng)計(jì)關(guān)系不會(huì)有劇烈變化，異纖在棉花中所占比例仍是一個(gè)較小的值，設(shè)備通過學(xué)習(xí)新閾值即可初檢出所有疑似目標(biāo)。

圖8 歸一化梯度曲線Fig.8 Curves of normalized gradient

2.2 目標(biāo)測(cè)速算法實(shí)驗(yàn)與分析

目標(biāo)測(cè)速算法將分為滾筒實(shí)驗(yàn)臺(tái)實(shí)驗(yàn)和產(chǎn)線實(shí)際運(yùn)行實(shí)驗(yàn)兩部分。滾筒實(shí)驗(yàn)臺(tái)可定量驗(yàn)證測(cè)速算法的可行性，實(shí)驗(yàn)裝置如圖9所示。架設(shè)在架子上的相機(jī)使用50 mm焦距鏡頭垂直拍攝貼于滾筒上的測(cè)試靶紙；滾筒由變頻器控制的交流電動(dòng)機(jī)帶動(dòng)轉(zhuǎn)動(dòng)，其轉(zhuǎn)速可以通過旋轉(zhuǎn)編碼器讀出。滾筒周長(zhǎng)多次測(cè)量取平均值為833.2 mm，測(cè)量相機(jī)物距為717 mm，依據(jù)光路計(jì)算得式(5)中光學(xué)放大率M為14.34。實(shí)驗(yàn)中典型校正效果如圖10所示。

圖9 滾筒實(shí)驗(yàn)平臺(tái)Fig.9 Roller experiment platform1.相機(jī) 2.電動(dòng)機(jī) 3.滾筒 4.測(cè)試靶紙 5.旋轉(zhuǎn)編碼器 6.變頻器

圖10中樓房窗戶處的細(xì)節(jié)可以看出在正確校正后，圖像中色散現(xiàn)象基本消除。實(shí)驗(yàn)結(jié)果如表 1所示，并通過相機(jī)測(cè)速均值Vcam與編碼器測(cè)速均值Vrot之差除以編碼器測(cè)速均值Vrot計(jì)算誤差。

圖10 三線分離圖像與校正效果圖Fig.10 Diagram of triple-line separation image and correction effect

實(shí)驗(yàn)序號(hào)變頻器頻率finv/Hz三線分離量相機(jī)測(cè)速均值Vcam/(m·s-1)編碼器測(cè)速均值Vrot/(m·s-1)誤差/%第1組164.891.641.67-1.0第2組203.792.122.081.7第3組253.142.562.502.3第4組312.603.093.18-2.9第5組392.004.024.02-0.2

測(cè)試結(jié)果顯示，三線測(cè)速方案基本能反映被拍攝物體真實(shí)的運(yùn)行速度。將三線分離量測(cè)速方案在產(chǎn)線中使用，所得典型速度統(tǒng)計(jì)如圖11所示，此處以512個(gè)測(cè)速結(jié)果為例。其中96%的測(cè)量速度分布在8～15 m/s，均速為10.8 m/s，與工程經(jīng)驗(yàn)相符。

圖11 異纖速度測(cè)試結(jié)果直方圖Fig.11 Histogram of foreign fiber velocity measurement result

2.3 目標(biāo)檢測(cè)算法實(shí)驗(yàn)與討論

圖12為合作廠房產(chǎn)線一個(gè)班次內(nèi)上傳白光通道檢出圖像。其中圖12a～12h為異纖，圖12i～12l為棉花本身所帶有的雜質(zhì)。

圖12 白光通道典型檢出物Fig.12 Typically detected substances of white light channel

紫外光和偏振光檢出效果如圖13所示，棉花在紫外光偏振光通道呈現(xiàn)較低灰度，通過固定閾值設(shè)定即可滿足檢出需求，本文在此不再贅述。

圖13 紫外光和偏振光檢出物Fig.13 Detected substances of fluorescence and polarization channel

圖14為高級(jí)用戶界面的設(shè)置界面，界面包括噴閥打擊時(shí)間、噴閥個(gè)數(shù)、絲狀異纖最小檢測(cè)長(zhǎng)度、塊狀異纖最小檢測(cè)面積以及紫外光靈敏度。

圖14 高級(jí)用戶界面Fig.14 Advanced user interface

軟件主界面只保留給普通用戶靈敏度設(shè)定，用于成比例增加閾值選取的百分比數(shù)值，如圖15所示。設(shè)備開機(jī)后自動(dòng)進(jìn)入學(xué)習(xí)狀態(tài)，在學(xué)習(xí)完畢后，進(jìn)入檢測(cè)狀態(tài)，并定時(shí)自動(dòng)重學(xué)習(xí)閾值。

圖15 軟件主界面Fig.15 Main user interface

2.4 嵌入式硬件實(shí)驗(yàn)與分析

嵌入式硬件實(shí)驗(yàn)應(yīng)分為2個(gè)步驟：①系統(tǒng)運(yùn)行實(shí)時(shí)性實(shí)驗(yàn)，通過使用模擬圖片檢測(cè)系統(tǒng)運(yùn)行時(shí)間。②使用原始圖像數(shù)據(jù)長(zhǎng)期實(shí)驗(yàn)，用于檢驗(yàn)板卡運(yùn)行長(zhǎng)期穩(wěn)定性。

驗(yàn)證系統(tǒng)運(yùn)行實(shí)時(shí)性，將選取的圖像在PC仿真平臺(tái)上使用VC仿真運(yùn)行，并與使用測(cè)試設(shè)備中的圖像模擬源將數(shù)據(jù)發(fā)送至檢測(cè)板卡運(yùn)行進(jìn)行比對(duì)。運(yùn)行時(shí)間分算法步驟如表2所示，其中PC平臺(tái)配置為i5-4210@2.4 GHz，8 GB DDR3，算法以Release方式編譯運(yùn)行；嵌入式平臺(tái)為FPGA EP3C55和DM648@900 MHz，256 MB DDR2，其中DSP以“-O3”優(yōu)化設(shè)置編譯運(yùn)行。

檢測(cè)板卡中FPGA完成梯度空間轉(zhuǎn)換和色差空間轉(zhuǎn)換等圖像預(yù)處理工作。其中梯度轉(zhuǎn)換需計(jì)算當(dāng)前行與上一行和下一行數(shù)據(jù)的關(guān)系，需要緩存一行數(shù)據(jù)，而色差空間轉(zhuǎn)換可在一行內(nèi)完成，不需要緩存數(shù)據(jù)，所以FPGA總共耗時(shí)只有梯度空間轉(zhuǎn)換所需的緩存一行數(shù)據(jù)的時(shí)間，即表2中108 μs。DSP運(yùn)算時(shí)，算法通過連通域大小初步確定疑似目標(biāo)，然后對(duì)疑似目標(biāo)進(jìn)行測(cè)速，得到準(zhǔn)確的目標(biāo)尺寸，最后進(jìn)行長(zhǎng)寬比面積等精確細(xì)節(jié)檢測(cè)。DSP平臺(tái)試驗(yàn)中，設(shè)計(jì)時(shí)將梯度和色差檢測(cè)利用DSP平臺(tái)提供的基于單指令多數(shù)據(jù)操作(Single instruction multiple data, SIMD)指令的相關(guān)內(nèi)聯(lián)函數(shù)(Intrinsic function)提升數(shù)據(jù)處理并行能力，并使用基于匯編優(yōu)化的數(shù)學(xué)庫(kù)對(duì)細(xì)節(jié)檢測(cè)的計(jì)算步驟加速，得到了較好的優(yōu)化效果，使DM648在主頻低于PC平臺(tái)的情況下得到了相當(dāng)?shù)倪\(yùn)算時(shí)間。實(shí)驗(yàn)結(jié)果表明：嵌入式板卡處理一幀的圖像數(shù)據(jù)耗時(shí)為3 127 μs，該值小于共50行數(shù)據(jù)的一幀圖像所需的采集時(shí)間5 400 μs，板卡數(shù)據(jù)處理能力滿足系統(tǒng)實(shí)時(shí)性需求。

表2 算法分步測(cè)試結(jié)果Tab.2 Test results of algorithm step by step μs

不同于基于上位機(jī)的系統(tǒng)開發(fā)，嵌入式方案在開發(fā)中需要將算法程序跨語(yǔ)言跨平臺(tái)進(jìn)行移植并深度優(yōu)化，在工程實(shí)現(xiàn)中易造成嵌入式板卡算法程序運(yùn)行結(jié)果和原算法結(jié)果不一致的問題。在系統(tǒng)測(cè)試中，應(yīng)以相機(jī)專用測(cè)試設(shè)備錄制現(xiàn)場(chǎng)數(shù)據(jù)后，通過相機(jī)數(shù)據(jù)模擬源將所錄制的原始數(shù)據(jù)以相機(jī)接口格式輸送至嵌入式板卡，并對(duì)檢測(cè)數(shù)據(jù)進(jìn)行長(zhǎng)期驗(yàn)證，文獻(xiàn)[20]中有具體測(cè)試設(shè)備實(shí)現(xiàn)方法的討論。在使用模擬源進(jìn)行的長(zhǎng)期測(cè)試中，F(xiàn)PGA+DSP板卡始終穩(wěn)定可靠，實(shí)驗(yàn)中檢測(cè)效果與原算法保持一致，并且無運(yùn)行超時(shí)記錄。

2.5 剔除系統(tǒng)實(shí)驗(yàn)與分析

剔除系統(tǒng)實(shí)驗(yàn)時(shí)，需測(cè)試系統(tǒng)對(duì)不同速度目標(biāo)的剔除效果。實(shí)驗(yàn)時(shí)使用變頻風(fēng)機(jī)連接異纖機(jī)主管道，并通過設(shè)定不同頻率的方式，改變管道風(fēng)速，通過測(cè)試系統(tǒng)對(duì)異物的擊出率，測(cè)試系統(tǒng)對(duì)產(chǎn)線風(fēng)速變化的適應(yīng)能力。實(shí)驗(yàn)中使用80 mm×5 mm的彩色皺紋紙，噴閥時(shí)長(zhǎng)設(shè)定為13 ms。實(shí)驗(yàn)時(shí)待風(fēng)機(jī)工作穩(wěn)定后，投放20朵粘上測(cè)試紙條的棉團(tuán)進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果如表3所示。

表3 變速剔除實(shí)驗(yàn)結(jié)果Tab.3 Test results of variable speed detection

上述實(shí)驗(yàn)結(jié)果顯示，因?yàn)楫惱w附著在棉花上，速度和棉速一致，通過準(zhǔn)確的目標(biāo)測(cè)速，系統(tǒng)檢出效果良好。

2.6 異纖檢測(cè)實(shí)驗(yàn)與分析

安裝于實(shí)際產(chǎn)線的設(shè)備如圖16所示。在現(xiàn)場(chǎng)設(shè)計(jì)樣本測(cè)試及現(xiàn)場(chǎng)扎袋比對(duì)測(cè)試2種方案對(duì)設(shè)備異纖檢測(cè)能力進(jìn)行測(cè)試。表4為設(shè)備運(yùn)行狀態(tài)時(shí)使用樣本測(cè)試的典型檢測(cè)報(bào)告。產(chǎn)線測(cè)試條件為：支別J40，產(chǎn)量348 kg/h，測(cè)試棉速均值為10.8 m/s。投放時(shí)需保證投放口接近相機(jī)檢測(cè)區(qū)域，以避免測(cè)試樣本被棉流覆蓋。開閥時(shí)長(zhǎng)設(shè)置為白光20 ms，紫外光、偏振光50 ms，在異纖清除機(jī)管道投放口投放40 mm×2 mm的模擬異纖樣本，進(jìn)行測(cè)試。

圖16 實(shí)際產(chǎn)線安裝照片F(xiàn)ig.16 Installation photo of machine in cotton mill1.除雜氣路 2.異纖清除機(jī) 3.混棉機(jī) 4.精細(xì)開棉機(jī)

顏色樣本數(shù)發(fā)現(xiàn)數(shù)檢出數(shù)檢出率/%綠色20181890淡黃色20161575白色20181785透明薄膜20181890

注：檢出率為檢出數(shù)目與樣本數(shù)目的比值。

實(shí)驗(yàn)中淡黃色異纖檢出率較低，與其和棉花色彩差異較小有關(guān)。檢測(cè)時(shí)各組擊出率相較之前變速擊出實(shí)驗(yàn)有少量下降，與輸棉管道風(fēng)壓和剔除系統(tǒng)除雜風(fēng)機(jī)風(fēng)壓匹配有關(guān)。

異纖清除機(jī)在合作棉紡廠測(cè)試運(yùn)行期間，由合作廠商獨(dú)自通過扎袋比對(duì)方式對(duì)設(shè)備進(jìn)行異纖檢出測(cè)試，測(cè)試條件為：支別J50，產(chǎn)線產(chǎn)量390 kg/h，測(cè)試時(shí)間56 min。測(cè)試時(shí)，國(guó)外異纖清除機(jī)A和本文異纖清除機(jī)處于一線兩機(jī)并行的工作狀態(tài)，國(guó)外異纖清除機(jī)B安裝于本文異纖清除機(jī)后方，用于檢測(cè)本文異纖清除機(jī)漏過的異纖。測(cè)試完畢后對(duì)總噴出物稱量(出花量)和異纖稱量，然后將兩者相除得到異纖出花比。測(cè)試結(jié)果表明：本文異纖清除機(jī)出花量為212.4 g，異纖質(zhì)量為0.4 g，異纖出花比為0.189%；國(guó)外異纖清除機(jī)A的出花量為466.4 g，異纖質(zhì)量為0.3 g，異纖出花比為0.064%；國(guó)外異纖清除機(jī)B的出花量為344.4 g，異纖質(zhì)量為0.09 g，異纖出花比為0.026%。本文異纖清除機(jī)在檢出異纖質(zhì)量和異纖出花比2個(gè)參數(shù)上都有優(yōu)勢(shì)，原因是準(zhǔn)確的異纖檢測(cè)算法和噴閥控制。

異纖清除機(jī)在如圖16所示的合作棉紡廠已運(yùn)行超過2年，整體檢測(cè)效果一直保持穩(wěn)定，合作廠方認(rèn)可本設(shè)計(jì)中異纖清除機(jī)的檢測(cè)效果和對(duì)異纖種類的覆蓋率。

3 結(jié)論

(1)針對(duì)透明薄膜在傳統(tǒng)紫外光和白光檢測(cè)中難以發(fā)現(xiàn)的問題，在紫外光路上通過增加偏振光源，在不增加相機(jī)的情況下，增強(qiáng)對(duì)透明薄膜的檢出。

(2)針對(duì)異纖檢測(cè)算法討論對(duì)產(chǎn)線適應(yīng)性問題研究較少的現(xiàn)狀，提出基于歸一化相關(guān)系數(shù)和二次曲面擬合的三線陣相機(jī)的亞像素空間分離量估算的測(cè)速方案，設(shè)計(jì)滾筒實(shí)驗(yàn)進(jìn)行驗(yàn)證。最終將測(cè)速應(yīng)用于剔除系統(tǒng)控制方案，并設(shè)計(jì)變速實(shí)驗(yàn)進(jìn)行驗(yàn)證。

(3)基于FPGA+DSP嵌入式系統(tǒng)，設(shè)計(jì)一套計(jì)算量合適，利于嵌入式實(shí)現(xiàn)的，包括白光、紫外光及偏振光檢測(cè)在內(nèi)的算法。在嵌入式系統(tǒng)中實(shí)現(xiàn)算法，并優(yōu)化運(yùn)行速率至滿足系統(tǒng)實(shí)時(shí)性需求。

(4)設(shè)計(jì)樣本測(cè)試及現(xiàn)場(chǎng)扎袋比對(duì)測(cè)試2種方案來驗(yàn)證現(xiàn)場(chǎng)檢測(cè)效果。樣本測(cè)試顯示設(shè)備在與棉花有明顯差異的異纖及帶有熒光粉的丙綸絲和透明薄膜的檢出率高于80%，而接近棉花顏色的淡黃色異纖檢出率稍低于80%。扎袋比對(duì)測(cè)試顯示，基于準(zhǔn)確的異纖檢測(cè)算法和噴閥控制，本文設(shè)備相較同類設(shè)備有異纖落花率優(yōu)勢(shì)。

1 楊文柱,李道亮,魏新華,等. 基于光譜分析的棉花異性纖維最佳波段選擇方法[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2009, 25(10):186-192. YANG Wenzhu, LI Daoliang, WEI Xinhua, et al. Selection of optimal band for detection foreign fibers in lint cotton using spectroscopic analysis[J]. Transactions of the CSAE, 2009,25(10):186-192 (in Chinese)

2 王欣. 基于機(jī)器視覺的棉花偽異性纖維識(shí)別研究[D]. 北京：中國(guó)農(nóng)業(yè)大學(xué), 2015 WANG Xin. Detection of pseudo-foreign fibers based on computer vision[D]. Beijing: China Agricultural University, 2015.(in Chinese)

3 楊文柱,李道亮,魏新華,等. 棉花異性纖維圖像分割方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(3):156-160. YANG Wenzhu, LI Daoliang, WEI Xinhua, et al. Toward image segmentation of foreign fibers in lint[J].Transactions of the Chinese Society for Agricultural Machinery,2009,40(3):156-160. (in Chinese)

4 楊文柱,李道亮,魏新華,等. 基于自動(dòng)視覺檢測(cè)的棉花異性纖維分類系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(12):177-181. YANG Wenzhu, LI Daoliang, WEI Xinhua, et al. AVI system for classification of foreign fibers in cotton[J]. Transactions of the Chinese Society for Agricultural Machinery,2009,40(12):177-181. (in Chinese)

5 趙學(xué)華,李道亮,楊文柱,等. 基于改進(jìn)蟻群算法的棉花異性纖維目標(biāo)特征選擇方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(4):168-173. ZHAO Xuehua, LI Daoliang, YANG Wenzhu, et al. Feature selection for cotton foreign fiber objects based on improved ant colony algorithm[J].Transactions of the Chinese Society for Agricultural Machinery,2011,42(4):168-173. (in Chinese)

6 趙學(xué)華, 李道亮, 于合龍. 基于費(fèi)舍爾評(píng)分與離散粒子群優(yōu)化的棉花異性纖維在線檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(6):107-115. ZHAO Xuehua, LI Daoliang, YU Helong. Online detection for cotton foreign fiber based on fisher score and binary particle swarm optimization[J]. Transactions of the CSAE,2014,30(6):107-115. (in Chinese)

7 王欣,李道亮,楊文柱,等.基于可見光機(jī)器視覺的棉花偽異性纖維識(shí)別方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,46(8):7-14. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20150802&journal_id=jcsam.DOI: 10.6041/j.issn.1000-1298.2015.08.002. WANG Xin, LI Daoliang, YANG Wenzhu, et al. Lint cotton pseudo-foreign fiber detection based on visible spectrum computer vision[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(8):7-14.(in Chinese)

8 鄭文秀,王金星,劉雙喜,等.棉花異性纖維的動(dòng)態(tài)識(shí)別技術(shù)研究[J].儀器儀表學(xué)報(bào),2009,30(10):2203-2207. ZHENG Wenxiu, WANG Jingxing, LIU Shuangxi, et al. Reaserch on dynamic identification technology of cotton foreign fibers[J]. Chinese Journal of Scientific Instrument,2009,30(10):2203-2207. (in Chinese)

9 RAMESH B, BHARDWAJ A, JUSTIN R. Optimization and evaluation of image- and signal- processing kernels on the TI C6678 multi-core DSP[C]∥IEEE High Performance Extreme Computing Conference (HPEC),2014:1-6.

10 PAUWELS K, TOMASI M, JAVIER D, et al. A comparison of FPGA and GPU for real-time phase-based optical flow, stereo, and local image features[J]. IEEE Transactions on Computers,2012,61(7):999-1012.

11 LEE S H, YANG C S. A real time object recognition and counting system for smart industrial camera sensor[J]. IEEE Sensors Journal,2017,17(8):2516-2523.

12 BARBALACE A, LUCHETTA A, MANDUCHI G, et. al. Performance comparison of VxWorks, Linux, RTAI, and Xenomai in a hard real-time application[J]. IEEE Transactions on Nuclear Science,2008,55(1): 435-439.

13 陳銘明. 基于FPGA與DSP的棉花異纖檢測(cè)系統(tǒng)研究[D]. 南京：南京理工大學(xué), 2015. CHEN Mingming. Research on cotton foreign fiber detection system based on FPGA and DSP[D]. Nanjing: Nanjing University of Science & Technology,2015. (in Chinese)

14 鄧?yán)^忠,李山,張建瓴,等.小型農(nóng)產(chǎn)品分選機(jī)設(shè)計(jì)與試驗(yàn)[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,46(9):245-250. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20150936&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2015.09.036. DENG Jizhong, LI Shan, ZHANG Jianling, et al. Design and test of small-scale sorting machine for agricultural products[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2015,46(9):245-250. (in Chinese)

15 張晨, 孫世磊, 石文軒,等. 工業(yè)線陣CCD相機(jī)系統(tǒng)測(cè)試與噪聲評(píng)估[J].光學(xué)精密工程,2016,24(10):2532-2539. ZHANG Chen, SUN Shilei, SHI Wenxuan, et al. Linear CCD camera system for industry measurement and its noise evaluation[J].Optics and Precision Engineering,2016,24(10):2532-2539. (in Chinese)

16 賈小秋. 超越M型異纖分揀機(jī)的應(yīng)用[J]. 棉紡織技術(shù),2016,44(8):48-51. JIA Xiaoqiu. Application of Chaoyue M foreign fiber cleaner [J]. Cotton Textile Technology,2016,44(8):48-51. (in Chinese)

17 陸文凱,張雷,劉磊.異性纖維分揀系統(tǒng)中用視頻測(cè)速的棉流速度在線估計(jì)方法：中國(guó),10065192.4[P]. 2008-10-08.

18 李曉帆. 線陣CCD信號(hào)處理系統(tǒng)及處理算法研究[D]. 南京：南京理工大學(xué), 2015. LI Xiaofan. Research on linear CCD signal processing system and algorithms[D]. Nanjing: Nanjing University of Science & Technology, 2015. (in Chinese)

19 潘兵,謝惠民,戴福隆.數(shù)字圖像相關(guān)中亞像素位移測(cè)量算法的研究[J].力學(xué)學(xué)報(bào),2007,39(2):245-252. PAN Bing, XIE Huimin, DAI Fulong. An investigation of sub-pixel displacements registration algorithms in digital image correlation[J]. Chinese Journal of Theoretical Applied Mechanics,2007,39(2):245-252. (in Chinese)

20 夏巧橋,汪鼎文,張立國(guó),等.高速多通道遙感相機(jī)快視系統(tǒng)的實(shí)現(xiàn)[J].光學(xué)精密工程,2013,21(1):158-166. XIA Qiaoqiao, WANG Dingwen, ZHANG Liguo, et al. Realization of fast-view system for high-speed multi-channel remote sensing camera [J]. Optics and Precision Engineering, 2013,21(1):158-166. (in Chinese)

Design and Test of Foreign Fiber Removal Machine Based on Embedded System

ZHANG Chen1SUN Shilei2SHI Wenxuan3ZENG Lin1DENG Dexiang1

(1.SchoolofElectronicInformation,WuhanUniversity,Wuhan430072,China2.InternationalSchoolofSoftware,WuhanUniversity,Wuhan430072,China3.SchoolofRemoteSensingandInformationEngineering,WuhanUniversity,Wuhan430072,China)

The embedded system based on FPGA+DSP was suitable for the agricultural sorting field, due to its flexible chip selection and high power efficiency. The embedded system was designed based on the principle of detection, software and hardware design and rejection system design. In principle of detection, a polarization channel was added to the UV channel to resolve the problem of transparent film detection without increasing camera. In software design, a speed measurement based on spatial correction and a learning algorithm for threshold detection was proposed to improve the adaptation of the equipment. An embedded solution was put forward which had advantages in both material cost and power consumption. After optimization, the DSP embedded board could stably process camera image data in real time. In rejection system, a control scheme was designed based on target real-time speed. The experiment result showed that the speed measurement scheme was verified via roller platform, and cotton speed can be obtained in the production line test. The embedded system could meet the real-time requirement, and the system was stable under varying foreign fiber numbers in long-term test. Concerning the test of rejection system, an impact test was performed by changing the wind speed. Finally, two typical foreign fiber detection tests of the system were implemented. The results showed that the detection rates of foreign fibers and polypropylene filaments as well as transparent films were higher than 80%, while the detection rate of yellowish foreign fibers was slightly lower than 80%. In the comparison test with similar equipment, the present equipment revealed superior detection rate. Long-term test result showed that the present equipment was easy to operate and had stable performance.

foreign fiber removal machine; foreign fiber of cotton; machine vision; embedded system; sub-pixel spatial separation correction

10.6041/j.issn.1000-1298.2017.08.004

2017-03-02

2017-06-05

國(guó)家自然科學(xué)基金青年科學(xué)基金項(xiàng)目 (61501334)

張晨(1983—)，男，博士生，主要從事機(jī)器視覺和嵌入式系統(tǒng)研究，E-mail: chen.zhang@whu.edu.cn

孫世磊(1981—)，男，副教授，主要從事機(jī)器視覺和嵌入式系統(tǒng)研究，E-mail: sunsl@whu.edu.cn

S24; TS112.7

A

1000-1298(2017)08-0043-10