夏 敏,趙旭東,費(fèi)琦琪,孫 鵬,楊琳琳
(云南農(nóng)業(yè)大學(xué) 機(jī)電工程學(xué)院,昆明 650201)
天麻作為云南省的地域名貴中藥材之一[1],實(shí)施自動(dòng)化分選是天麻商品化處理的關(guān)鍵環(huán)節(jié)。隨著機(jī)器視覺技術(shù)的發(fā)展,采用該技術(shù)對(duì)天麻進(jìn)行在線無(wú)損檢測(cè)、自動(dòng)化分選是天麻自動(dòng)化生產(chǎn)的重要發(fā)展方向。
在農(nóng)產(chǎn)品外部缺陷自動(dòng)檢測(cè)與分選方面,鄧立苗等在現(xiàn)有水果機(jī)械分選機(jī)的基礎(chǔ)上,加裝機(jī)器視覺系統(tǒng)和智能分級(jí)控制系統(tǒng),提出馬鈴薯外觀品質(zhì)檢測(cè)算法,實(shí)現(xiàn)了對(duì)馬鈴薯智能分選[2]。屈婷等設(shè)計(jì)了一種基于機(jī)器視覺的小型移動(dòng)式獼猴桃外觀尺寸在線檢測(cè)與分級(jí)系統(tǒng)[3]。王衛(wèi)翼等設(shè)計(jì)了一種識(shí)別蟲蝕葵花籽的機(jī)器視覺分級(jí)系統(tǒng),對(duì)特征面蟲蝕采用孔洞的“吸光效應(yīng)”,利用邊緣輪廓的多邊形擬合算法提取和分析邊緣病、蟲腐蝕,實(shí)現(xiàn)蟲蝕葵花籽的識(shí)別和分選[4]。王艷等使用基于小波灰度共生矩陣的方法進(jìn)行分選[5]。張麗芬設(shè)計(jì)開發(fā)了一種小型的集櫻桃內(nèi)部質(zhì)量和外觀判定為一體的計(jì)算機(jī)視覺自動(dòng)分選系統(tǒng)[6]。這些研究主要利用計(jì)算機(jī)視覺技術(shù)[7]與分選設(shè)備結(jié)合,從而實(shí)現(xiàn)了農(nóng)產(chǎn)品的在線自動(dòng)分選[8],但現(xiàn)階段的農(nóng)產(chǎn)品研究重點(diǎn)主要集中在馬鈴薯[9]、藍(lán)莓、大棗及櫻桃等農(nóng)產(chǎn)品,對(duì)天麻的自動(dòng)化分選方面的關(guān)聯(lián)度缺乏深入研究。
為此,以機(jī)器視覺技術(shù)為基礎(chǔ),設(shè)計(jì)了一種天麻自動(dòng)化分選裝置[10],先對(duì)天麻外觀品質(zhì)進(jìn)行檢測(cè),再利用自動(dòng)化分選裝置實(shí)現(xiàn)天麻的自動(dòng)化分選。
分選裝置主要包括放料部分、上料部分、識(shí)別系統(tǒng)和卸料部分,如圖1所示。放料部分主要包括機(jī)架、料斗、電動(dòng)機(jī)、輸送滾筒及塑料擋板;上料部分主要包括輥輪及翻滾槽;識(shí)別系統(tǒng)主要用于圖像采集與處理;卸料部分主要包括托盤和卸料等級(jí)箱。
1.托盤 2.卸料等級(jí)箱 3.攝像頭 4.電箱 5.電機(jī) 6.翻滾槽 7.支撐架 8.輥輪 9.塑料擋板 10.滾筒 11.料斗
天麻分選裝置以電動(dòng)機(jī)為動(dòng)力源,靠皮帶輪帶動(dòng)上料部分將天麻從料斗傳送至輸送部分,由輥輪傳輸將天麻輸送到翻滾槽,經(jīng)翻滾槽口天麻逐個(gè)落入托盤機(jī)構(gòu);通過(guò)計(jì)算機(jī)視覺系統(tǒng)對(duì)托盤上的天麻進(jìn)行圖像采集并識(shí)別,完成天麻圖像的自動(dòng)采集且逐一判別天麻的外觀品質(zhì);當(dāng)帶有外觀品質(zhì)信息的天麻與托盤機(jī)構(gòu)運(yùn)動(dòng)到相應(yīng)的卸料等級(jí)箱時(shí),卸料裝置在控制器的作用下使托盤進(jìn)行翻轉(zhuǎn),天麻離開托盤進(jìn)入對(duì)應(yīng)的天麻分級(jí)箱,最終實(shí)現(xiàn)天麻的自動(dòng)分級(jí)。
放料機(jī)構(gòu)主要由機(jī)架、料斗、電動(dòng)機(jī)、輸送滾筒及塑料擋板組成,如圖2所示。電動(dòng)機(jī)傳動(dòng)方式為皮帶傳動(dòng),為輸送滾筒工作提供足夠的動(dòng)力。為保證整個(gè)上料部分儲(chǔ)存的天麻數(shù)量,料斗設(shè)計(jì)為大V字型,料斗底部安裝在輸送滾筒上方,防止在輸送過(guò)程中天麻掉落,保證天麻持續(xù)有序的上料。塑料擋板的設(shè)計(jì)對(duì)天麻輸送起到緩沖作用,可以減小輸送過(guò)程中天麻表皮的機(jī)械損傷。
1.滾筒 2.塑料擋板 3.側(cè)邊擋板 4.機(jī)架 5.支撐底座 6.電動(dòng)機(jī) 7.傳送帶 8.料斗
上料裝置主要包括輥輪和翻滾槽兩部分。天麻的外形幾何參數(shù)和物理參數(shù)與輥輪結(jié)構(gòu)設(shè)計(jì)有很大關(guān)系,天麻果形近似橢圓形、卵圓形、長(zhǎng)條形,為了更合理地設(shè)計(jì)出輥輪結(jié)構(gòu)(見圖3),隨機(jī)抽取 200 個(gè)天麻對(duì)其外形幾何參數(shù)進(jìn)行測(cè)量。經(jīng)測(cè)量統(tǒng)計(jì),天麻的直徑分布范圍為30~50mm,取均值為40mm;長(zhǎng)度分布范圍為70~150mm,取均值為110mm;厚度分布范圍為10~20mm,取均值為15mm。根據(jù)天麻的外形參數(shù),把輥輪設(shè)計(jì)為由兩個(gè)凸臺(tái)和一個(gè)凹槽組成,如圖3所示。
圖3 輥輪圖
凸臺(tái)在凹槽兩頭,輸送天麻過(guò)程中,天麻由于重力作用滑入凹槽里,從而保證了天麻的定位。凹槽的長(zhǎng)度參考天麻長(zhǎng)度的均值,設(shè)計(jì)為 140mm;凹槽的最大深度參考天麻直徑的均值,取均值的1/10為4mm。為了防止天麻的堆積,輥輪的間距設(shè)計(jì)為天麻的最小寬度,兩個(gè)輥輪槽的最大距離為
Lmax=4×2+20mm 式中Lmax—滾輪的最大間距(mm); Dmin—天麻的最小直徑(mm)。 為使天麻不從兩輥輪之間掉落,天麻定位示意圖如圖4所示。 1.天麻 2.凹槽 3.輥輪 翻滾槽的尺寸設(shè)計(jì)依據(jù)天麻的物理特性,旋轉(zhuǎn)角度設(shè)計(jì)為90°,翻滾槽內(nèi)有4個(gè)大小均勻的橢圓形空間其長(zhǎng)度、寬度和深度尺寸分別為160mm×55mm×4mm。該設(shè)計(jì)每次翻轉(zhuǎn)天麻個(gè)數(shù)最多為1個(gè),一定程度上保證天麻輸送質(zhì)量。翻滾槽三維圖如圖5所示。 圖5 翻滾槽三維圖 托盤機(jī)構(gòu)承載天麻將其輸送到圖像采集工位和卸料工位,配合圖像采集裝置完成圖像采集和配合卸料裝置完成卸料,如圖6所示。托盤機(jī)構(gòu)由托盤、托盤支架、限位鐵條和凸輪等組成。托盤支架一邊通過(guò)連接銷緊固聯(lián)接,可進(jìn)行轉(zhuǎn)動(dòng);另一邊安裝限位鐵條,當(dāng)步進(jìn)電機(jī)接受到系統(tǒng)識(shí)別信號(hào)后會(huì)進(jìn)行旋轉(zhuǎn),凸輪帶動(dòng)限位鐵條向上運(yùn)動(dòng),使托盤支架翻轉(zhuǎn)一定角度,從而實(shí)現(xiàn)卸料功能。 圖6 托盤機(jī)構(gòu) 控制系統(tǒng)主要由計(jì)算機(jī)、單片機(jī)、光電開關(guān)及繼電器等組成。當(dāng)控制傳感器檢測(cè)到天麻的位置信息時(shí),通過(guò)單片機(jī)控制攝像頭采集天麻圖像,并對(duì)圖像實(shí)時(shí)處理,得出天麻外觀品質(zhì)的信息,判斷天麻為霉變還是完好;當(dāng)托盤到達(dá)所判定品質(zhì)的卸料等級(jí)箱處時(shí),對(duì)應(yīng)等級(jí)的控制傳感器給步進(jìn)電機(jī)一個(gè)信號(hào),通過(guò)控制電機(jī)轉(zhuǎn)動(dòng),從而控制凸輪機(jī)構(gòu)運(yùn)動(dòng),使對(duì)應(yīng)托盤進(jìn)行翻轉(zhuǎn),將霉變天麻送到相應(yīng)的收集箱。 識(shí)別系統(tǒng)主要分為圖像采集硬件系統(tǒng)設(shè)計(jì)和軟件系統(tǒng)設(shè)計(jì)圖像采集硬件系統(tǒng)示意圖,如圖7所示。 圖7 圖像采集硬件系統(tǒng)示意圖 系統(tǒng)中的主要硬件為USB DFK31BG03.H工業(yè)相機(jī),光源為4根13W的LED燈管。工業(yè)相機(jī)置于頂部中央,離載物臺(tái)的距離為500mm;4根LED燈管在支架四周,燈管直接放在支架的4條豎梁上,保證每個(gè)方向的光照均勻,加裝夾角65°V型燈罩,保證光源聚合效果。將天麻置于載物臺(tái)上的托盤中,同時(shí)采集樣本圖像信息,圖像存儲(chǔ)于計(jì)算機(jī)中,進(jìn)行后續(xù)分析處理。 軟件系統(tǒng)主要對(duì)比分析采用ssd[11]、faster_rcnn_inception[12]、faster_rcnn_resnet101[13]、rfcn[14]4種神經(jīng)網(wǎng)絡(luò)[15]對(duì)天麻霉變區(qū)域進(jìn)行模型訓(xùn)練。4種神經(jīng)網(wǎng)絡(luò)的原理有差別,但訓(xùn)練識(shí)別流程相近。以ssd網(wǎng)絡(luò)的訓(xùn)練識(shí)別為代表,識(shí)別流程圖如圖8所示。 圖8 訓(xùn)練識(shí)別流程圖 4種網(wǎng)絡(luò)模型訓(xùn)練后分別提取3類損失結(jié)果圖,如圖9~圖11所示。分析3類損失結(jié)果圖得到如表1和表2的結(jié)果。 表1 4種網(wǎng)絡(luò)性能識(shí)別表 表2 原圖像四種算法平均損失值 1.faster_rcm_inception 2.fater_rcnn 3.rfcn 4.ssd 1.faster_rcm_inception 2.fater_rcnn 3.rfcn 4.ssd 1.faster_rcm_inception 2.fater_rcnn 3.rfcn 4.ssd 由表1可知:4種網(wǎng)絡(luò)性能中faster_rcnn_inception、faster_rcnn_resnet101、rfcn和ssd網(wǎng)絡(luò)的平均準(zhǔn)確值分別為99.19%、99.34%、99.17%和95.59%, ssd網(wǎng)絡(luò)的平均準(zhǔn)確率略低于其它3種網(wǎng)絡(luò);其他3種網(wǎng)絡(luò)的平均準(zhǔn)確值相近,說(shuō)明該4種網(wǎng)絡(luò)均能識(shí)別天麻機(jī)械損傷,但faster_rcnn_resnet101網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率最高。從表2模型的平均步長(zhǎng)上看:faster_rcnn_inception、faster_rcnn_resnet101、rfcn和ssd網(wǎng)絡(luò)的平均步長(zhǎng)時(shí)間分別為19.66、7.06、5.38、6.22s,可知faster_rcnn_inception網(wǎng)絡(luò)的平均步長(zhǎng)遠(yuǎn)高于其余3種網(wǎng)絡(luò);其他3種網(wǎng)絡(luò)平均步長(zhǎng)相近,雖然計(jì)算時(shí)間存在差距但不明顯。由于天麻霉變屬于小目標(biāo),在平均步長(zhǎng)差別不大的情況下,選擇識(shí)別準(zhǔn)確率高、平均損失值小分類效果好的模型,有利于節(jié)省工作時(shí)間,提高模型識(shí)別效率,所以faster_rcnn_inception101網(wǎng)絡(luò)最優(yōu)。 為了驗(yàn)證天麻分選設(shè)備設(shè)計(jì)的合理性,采用上述設(shè)計(jì)結(jié)合faster_rcnn_inception101網(wǎng)絡(luò),選取300個(gè)昭通天麻平均分為6組,對(duì)設(shè)計(jì)樣機(jī)進(jìn)行整機(jī)性能測(cè)試,結(jié)果如表3所示。 表3 試驗(yàn)結(jié)果表 從表3可以看出:人工識(shí)別準(zhǔn)確率為100%,設(shè)備分選的平均準(zhǔn)確率為95%。雖然設(shè)備的分選和人工的準(zhǔn)確率有一定差距,但設(shè)備分選有助于提高分選效率降低了必要?jiǎng)趧?dòng)時(shí)間,提高了社會(huì)經(jīng)濟(jì)效益,且卸料過(guò)程平穩(wěn),天麻沒有明顯的機(jī)械損傷,達(dá)到了分選要求。 自動(dòng)分選裝置主要是針對(duì)天麻的外觀品質(zhì)所設(shè)計(jì),引入的計(jì)算機(jī)視覺識(shí)別系統(tǒng)可以對(duì)采集到的天麻圖像進(jìn)行綜合分析判斷,確定天麻品質(zhì)和位置信息,并傳送給分選執(zhí)行機(jī)構(gòu),對(duì)天麻進(jìn)行智能分級(jí)。該設(shè)計(jì)適用于天麻、蘋果、獼猴桃等農(nóng)產(chǎn)品,能一次性分選出完好和霉變的天麻。整機(jī)結(jié)構(gòu)輕巧,操作簡(jiǎn)單方便,工作穩(wěn)定性可靠,識(shí)別率滿足要求,實(shí)際應(yīng)用性強(qiáng)。2.3 卸料裝置的設(shè)計(jì)
3 識(shí)別系統(tǒng)硬件系統(tǒng)設(shè)計(jì)和軟件設(shè)計(jì)
4 試驗(yàn)及其結(jié)果分析
5 結(jié)論