基于機(jī)器視覺的脫囊衣橘片分揀裝置研究.pdf

1、在柑橘橘片罐頭生產(chǎn)過程中，脫囊衣后的橘片可能存在囊衣殘留、橘核殘留，橘片破損等缺陷，影響產(chǎn)品品質(zhì)。目前工廠中均采用人工分揀剔除缺陷橘片。人工分揀存在招工難、成本高，衛(wèi)生隱患等問題。本文以脫囊衣溫州蜜柑為研究對象，研究開發(fā)基于機(jī)器視覺技術(shù)的橘片分揀算法與自動(dòng)分揀設(shè)備，以實(shí)現(xiàn)橘片的自動(dòng)分揀。
　　針對三種缺陷的脫囊衣橘片，根據(jù)其形態(tài)的不同與光學(xué)特征，設(shè)計(jì)機(jī)器視覺檢測成像系統(tǒng)，研究不同種類的工業(yè)相機(jī)、鏡頭、光源對成像與檢測效果的影響，結(jié)

2、果顯示使用白色環(huán)形光源能夠獲得較為均勻的光照，同時(shí)使用紅色背景光源能夠獲得較為清晰的橘核特征，采用658×492像素的彩色工業(yè)相機(jī)，搭建的橘片檢測平臺(tái)能夠較好的采集具有清晰缺陷特征的橘片圖像。
　　針對三種橘片缺陷研究機(jī)器視覺算法，基于LabVIEW開發(fā)平臺(tái)及其視覺開發(fā)模塊，研究了灰度化、圖像分割、圖像增強(qiáng)、缺陷特征提取與分析等機(jī)器視覺算法，比較不同算法的處理效果與計(jì)算耗時(shí)，編寫檢測與控制程序，并基于橘片檢測平臺(tái)進(jìn)行靜態(tài)的缺陷檢測

3、，采用Equalize算法可增強(qiáng)透射圖像的橘片輪廓，采用Clustering和Inter Variance兩種二值化算法能較好的分離缺陷特征。缺陷橘片的檢測準(zhǔn)確率可達(dá)到99.1±0.5％，平均耗時(shí)17±5ms，可實(shí)現(xiàn)每秒64±19片/秒的檢測速度。
　　設(shè)計(jì)了用于橘片自動(dòng)分揀的機(jī)械裝置。為解決酸堿脫囊衣后部分橘片互相重疊，不利于機(jī)器視覺檢測的問題，設(shè)計(jì)并測試了四種用于將堆疊的橘片分散為單片的分散裝置，其中管道式的分散裝置可達(dá)到較好

4、的效果，使橘片重疊率降至0.27±0.18％。針對脫囊衣橘片脆弱易損的特性，研究了兩種橘片輸送裝置以及低損傷的剔除裝置，其對橘片的損傷率低于0.18±0.15％。
　　構(gòu)建橘片自動(dòng)分揀設(shè)備模型，用于驗(yàn)證連續(xù)分揀時(shí)機(jī)器視覺檢測算法與機(jī)械裝置的效果，實(shí)現(xiàn)了對缺陷橘片的連續(xù)分揀，試驗(yàn)結(jié)果表明，該自動(dòng)分揀設(shè)備模型分揀速度可達(dá)到30片/s，識(shí)別準(zhǔn)確率達(dá)到99.1±0.4％，橘片破損率為0.11±0.05％，可達(dá)到較好的分揀效果并具有較低的橘