基于機器視覺的大豆籽粒精選方法
【專利摘要】基于機器視覺的大豆籽粒精選方法，涉及農(nóng)業(yè)自動化領域。它是為了解決傳統(tǒng)大豆精選方法的選擇精度低的問題。本發(fā)明對正常豆粒、霉變豆粒、灰斑和蟲蝕豆粒進行分類，有效地提高了大豆籽粒精選精度，同比提高了20%；對大豆籽粒無損傷的分類，不破壞籽粒的外觀。本發(fā)明適用于農(nóng)業(yè)自動化領域。
【專利說明】 基于機器視覺的大豆籽粒精選方法
【技術領域】
[0001 ] 本發(fā)明涉及農(nóng)業(yè)自動化領域。
【背景技術】
[0002]大豆是我國主要的經(jīng)濟作物，東北地區(qū)是我國大豆的主產(chǎn)區(qū)，近年來，在農(nóng)業(yè)部實施大豆振興計劃的帶動下，我省大豆的種植面積逐年猛增。同時對大豆的選種、出口、加工的質量標準也越來越嚴格。目前，市場上的大豆選種、精選方法，較多利用震動、離心、摩擦等機械原理，但該方法設計的設備體積大，笨重且精度低，一般用于前期分選去除雜質。
[0003]通過對農(nóng)產(chǎn)品表面的缺陷、顏色、飽和度等信息進行檢測可以用于質量評估和分級，近20年來，國內外研究者將目光集中于利用機算機視覺技術實現(xiàn)對農(nóng)產(chǎn)品的高效自動檢測，而圖像處理分析是計算機視覺技術的核心。就此研究者們針對不同的檢測對象展開了大量的研究。
[0004]日美等發(fā)達國家率先在糧食籽粒檢測方面展開研究。Zayas等利用計算機圖像處理技術從小麥籽粒圖片中提取出形態(tài)學特征參數(shù)，應用這些特征區(qū)分小麥的品種及非小麥成分。Liao K.等將玉米籽粒圖像用34個特征參數(shù)作為神經(jīng)網(wǎng)絡的輸入變量，可將籽粒形態(tài)分為5類，經(jīng)過學習的神經(jīng)網(wǎng)絡對完整籽粒分類的準確率達93%。Nair M.等基于形態(tài)參數(shù)和彩色參數(shù)研究了小麥表面污點的檢測技術。在單獨使用形態(tài)參數(shù)時，識別準確率為89.4% ;在單獨使用彩色參數(shù)時，識別準確率為71.4% ;在結合形態(tài)參數(shù)和彩色參數(shù)時，識別準確率為93.2%。Cardarelli等研究了稻米破損粒的檢測技術，提出了以R、G、B分量的均值作為判別參數(shù)，對三種稻米破損籽粒的識別準確率均達到80%以上。Paliwal等研究了不同品種小麥的識別技術，基于彩色參數(shù)和傅立葉描述子，利用最小距離分類器，對五種加拿大小麥的識別準確率分別為100%、94%、93%、99%和95%。Steenhoek等研究了玉米霉變粒、破損粒的檢測技術。直接將原始圖像的R、G、B像素值作為特征參數(shù)，采用概率神經(jīng)網(wǎng)絡分類器，識別準確率達到了 92%。Chtioui Y.等提出了用Rough sets理論作為模式分類工具通過計算機視覺技術來評價蠶豆品質的方法。這一理論提出用兩種不同的離散方法來區(qū)分合格、破損、過小、異類蠶豆和石頭。利用從彩色圖像中提取的35個特征參數(shù)進行分類，分類結果與判別分析統(tǒng)計分類結果相比有較好的一致度。Tahir等基于機器視覺研究了三種小麥中不同水分含量和顏色、構造特性、形態(tài)學特性的關系，得出散裝谷物與單個去殼谷物相比顏色、構造特性與水分的關系明顯。
[0005]國內，方如明提出了檢測米粒的三種方法，即直方圖傅里葉系數(shù)判別法，直方圖波峰檢出法及灰度突變法，對稻米爆腰情況進行了檢測。宋韜應用機器視覺進行作物籽粒形態(tài)識別的研究，用人工神經(jīng)網(wǎng)絡識別完整和破損玉米顆粒，對作物籽粒表面病變進行了分形描述與識別。許俐等應用機器視覺技術與色度學理論結合，研究了染色后稻米的胚乳、皮層以及胚芽所呈現(xiàn)的不同顏色特征的區(qū)分方法。黃星奕等研究了稻米留胚率、粒型和堊白度的檢測技術。利用遺傳神經(jīng)網(wǎng)絡對堊白像素和胚乳像素進行了識別，實現(xiàn)了至白度的自動無損檢測，檢測結果與人工檢測結果的誤差小于0.05。張弓等分析了谷物紋理特征，建立了綜合紋理識別模型，對小麥、燕麥和大麥三種谷物的平均識別率達到95%。侯彩云等利用微切片3維圖象處理系統(tǒng)對稻米品質特性進行了探索，結果可定性描述粒形、粒長、白米粒堊白度、透明度、蛋白質分布密度等外觀、營養(yǎng)品質參數(shù)。

【發(fā)明內容】

[0006]本發(fā)明是為了解決傳統(tǒng)大豆精選方法的選擇精度低的問題，進而提供了一種基于機器視覺的大豆籽粒精選方法。
[0007]基于機器視覺的大豆籽粒精選方法，該方法是基于下述裝置實現(xiàn)的，所述裝置包括:變頻器9、異步電機10、進種器11、光電傳感器1、單片機2、智能攝像頭3、步進電機控制器4、步進電機5、運送帶6、暗箱7、第一吹氣筒a、第二吹氣筒b、第一氣泵和第二氣泵；
[0008]變頻器9接入三相電源，所述變頻器9電源信號輸出端連接異步電機10的電源信號輸入端；所述異步電機10帶動進種器11工作；
[0009]進種器11的出種口 8位于運送帶6的上方，所述運送帶6水平設置，且運送帶6設直在暗箱7中；位于運送帶6末端的暗箱7上開有出種口 8 ；
[0010]智能攝像頭3懸掛在暗箱7上，且所述智能攝像頭3的拍攝面面向傳送帶；第一吹氣筒a和第二吹氣筒b相互平行設置，且均位于運送帶6的側面；
[0011]步進電機5接入三相電源,用于帶動傳動帶6工作；第一氣泵用于給第一吹氣筒a提供氣體；第二氣泵用于給第二吹氣筒a提供氣體；
[0012]光電傳感器I的檢測信號輸出端連接單片機2的檢測信號輸入端；智能攝像頭3的控制信號輸出端連接單片機2的控制信號輸入端，所述單片機2的第一氣泵控制信號輸出端連接第一氣泵的控制信號輸入端，單片機2的第二氣泵控制信號輸出端連接第二氣泵的控制信號輸入端，單片機2的步進電機控制信號輸出端連接步進電機控制器4的控制信號輸入端，所述步進電機控制器4的控制信號輸出端連接步進電機5的控制信號輸入端；
[0013]包括以下步驟:
[0014]步驟一、進種器11向傳動帶上下落一粒大豆仔粒，智能攝像頭3拍攝該的豆粒圖像信息，并進行圖像處理，然后將圖像處理結果發(fā)送給單片機2 ；
[0015]所述圖像處理的方法為:
[0016]步驟一一、根據(jù)豆粒圖像信息獲得豆粒的特征參數(shù)，對豆粒的特征參數(shù)進行神經(jīng)網(wǎng)絡分析，獲得大豆仔粒的質量數(shù)據(jù)；
[0017]步驟一二、判斷大豆仔粒為灰斑或蟲蝕的豆粒、霉變的豆粒還是正常的豆粒；并將判斷的結果作為圖像處理結果輸出給單片機2 ;
[0018]步驟二、單片機2接收智能攝像頭3的圖像處理結果，如果圖像處理結果為灰斑或蟲蝕的豆粒，則控制第一氣泵開啟，將該大豆仔粒從傳動帶上吹落；如果圖像處理結果為霉變的豆粒，則控制第二氣泵開啟，將該大豆仔粒從傳動帶上吹落；如果圖像處理結果為正常的豆粒，則將該大豆仔粒從暗箱7上的出種口 8輸出，并返回執(zhí)行步驟一。
[0019]本發(fā)明的有益效果是:本發(fā)明對正常豆粒、霉變豆粒、灰斑和蟲蝕豆粒進行分類，有效地提高了大豆籽粒精選精度，同比提高了 20% ;對大豆籽粒無損傷的分類，不破壞籽粒的外觀?！緦＠綀D】

【附圖說明】
[0020]圖1為基于機器視覺的大豆籽粒精選方法的軟件流程圖；
[0021]圖2為圖1的具體軟件流程圖；
[0022]圖3為基于機器視覺的大豆籽粒精選方法所采用裝置第一結構框圖；
[0023]圖4為基于機器視覺的大豆籽粒精選方法所采用裝置第二結構框圖；
[0024]圖5為基于機器視覺的大豆籽粒精選方法所采用裝置的機械結構圖。
【具體實施方式】
[0025]【具體實施方式】一:下面結合圖1、圖2和圖3說明本實施方式，本實施方式所述的基于機器視覺的大豆籽粒精選方法，該方法是基于下述裝置實現(xiàn)的，所述裝置包括:變頻器
9、異步電機10、進種器11、光電傳感器1、單片機2、智能攝像頭3、步進電機控制器4、步進電機5、運送帶6、暗箱7、第一吹氣筒a、第二吹氣筒b、第一氣泵和第二氣泵；
[0026]變頻器9接入三相電源，所述變頻器9電源信號輸出端連接異步電機10的電源信號輸入端；所述異步電機10帶動進種器11工作；
[0027]進種器11的出種口 8位于運送帶6的上方，所述運送帶6水平設置，且運送帶6設直在暗箱7中；位于運送帶6末端的暗箱7上開有出種口 8 ；
[0028]智能攝像頭3懸掛在暗箱7上，且所述智能攝像頭3的拍攝面面向傳送帶；第一吹氣筒a和第二吹氣筒b相互平行設置，且均位于運送帶6的側面；
[0029]步進電機5接入三相電源,用于帶動傳動帶6工作；第一氣泵用于給第一吹氣筒a提供氣體；第二氣泵用于給第二吹氣筒a提供氣體；
[0030]光電傳感器I的檢測信號輸出端連接單片機2的檢測信號輸入端；智能攝像頭3的控制信號輸出端連接單片機2的控制信號輸入端，所述單片機2的第一氣泵控制信號輸出端連接第一氣泵的控制信號輸入端，單片機2的第二氣泵控制信號輸出端連接第二氣泵的控制信號輸入端，單片機2的步進電機控制信號輸出端連接步進電機控制器4的控制信號輸入端，所述步進電機控制器4的控制信號輸出端連接步進電機5的控制信號輸入端；
[0031]包括以下步驟:
[0032]步驟一、進種器11向傳動帶上下落一粒大豆仔粒，智能攝像頭3拍攝該的豆粒圖像信息，并進行圖像處理，然后將圖像處理結果發(fā)送給單片機2 ；
[0033]所述圖像處理的方法為:
[0034]步驟一一、根據(jù)豆粒圖像信息獲得豆粒的特征參數(shù)，對豆粒的特征參數(shù)進行神經(jīng)網(wǎng)絡分析，獲得大豆仔粒的質量數(shù)據(jù)；
[0035]步驟一二、判斷大豆仔粒為灰斑或蟲蝕的豆粒、霉變的豆粒還是正常的豆粒；并將判斷的結果作為圖像處理結果輸出給單片機2 ;
[0036]步驟二、單片機2接收智能攝像頭3的圖像處理結果，如果圖像處理結果為灰斑或蟲蝕的豆粒，則控制第一氣泵開啟，將該大豆仔粒從傳動帶上吹落；如果圖像處理結果為霉變的豆粒，則控制第二氣泵開啟，將該大豆仔粒從傳動帶上吹落；如果圖像處理結果為正常的豆粒，則將該大豆仔粒從暗箱7上的出種口 8輸出，并返回執(zhí)行步驟一。
[0037]【具體實施方式】二:本實施方式對【具體實施方式】一所述的基于機器視覺的大豆籽粒精選方法作進一步限定，本實施方式中，智能攝像頭3的型號為VC2065/E。[0038]本實施方式中，智能攝像頭3可脫離PC機獨立工作，內部含有可編程控制的高性能DSP，集成RS-232硬件接口與單片機進行串口數(shù)據(jù)傳輸。
[0039]【具體實施方式】三:本實施方式對【具體實施方式】一所述的基于機器視覺的大豆籽粒精選方法作進一步限定，本實施方式中，運送帶6的傳送速度為40cm/s。
[0040]【具體實施方式】四:本實施方式對【具體實施方式】二所述的基于機器視覺的大豆籽粒精選方法作進一步限定，本實施方式中，運送帶6的厚度為2_。
[0041]【具體實施方式】五:本實施方式對【具體實施方式】一所述的基于機器視覺的大豆籽粒精選方法作進一步限定，本實施方式中，進種器11的型號為2QXP-1。
【權利要求】
1.基于機器視覺的大豆籽粒精選方法，該方法是基于下述裝置實現(xiàn)的，所述裝置包括:變頻器(9)、異步電機(10)、進種器(11)、光電傳感器(I)、單片機(2)、智能攝像頭(3)、步進電機控制器(4)、步進電機(5)、運送帶(6)、暗箱(7)、第一吹氣筒(a)、第二吹氣筒(b)、第一氣泵和第二氣泵； 變頻器(9)接入三相電源，所述變頻器(9)電源信號輸出端連接異步電機(10)的電源信號輸入端；所述異步電機(10 )帶動進種器(11)工作； 進種器(11)的出種口( 8 )位于運送帶(6 )的上方，所述運送帶(6 )水平設置，且運送帶(6)設置在暗箱(7)中；位于運送帶(6)末端的暗箱(7)上開有出種口(8)； 智能攝像頭(3)懸掛在暗箱(7)上，且所述智能攝像頭(3)的拍攝面面向傳送帶；第一吹氣筒(a)和第二吹氣筒(b)相互平行設置，且均位于運送帶(6)的側面； 步進電機(5)接入三相電源，用于帶動傳動帶(6)工作；第一氣泵用于給第一吹氣筒Ca)提供氣體；第二氣泵用于給第二吹氣筒(a)提供氣體； 光電傳感器(I)的檢測信號輸出端連接單片機(2)的檢測信號輸入端；智能攝像頭(3)的控制信號輸出端連接單片機(2)的控制信號輸入端，所述單片機(2)的第一氣泵控制信號輸出端連接第一氣泵的控制信號輸入端，單片機(2)的第二氣泵控制信號輸出端連接第二氣泵的控制信號輸入端，單片機(2)的步進電機控制信號輸出端連接步進電機控制器(4)的控制信號輸入端，所述步進電機控制器(4)的控制信號輸出端連接步進電機(5)的控制信號輸入端； 其特征在于:包括以下步驟: 步驟一、進種器(11)向傳動帶上下落一粒大豆仔粒，智能攝像頭(3)拍攝該的豆粒圖像信息，并進行圖像處理，然后將圖像處理結果發(fā)送給單片機(2); 所述圖像處理的方法為: 步驟一一、根據(jù)豆粒圖像信息獲得豆粒的特征參數(shù)，對豆粒的特征參數(shù)進行神經(jīng)網(wǎng)絡分析，獲得大豆仔粒的質量數(shù)據(jù)； 步驟一二、判斷大豆仔粒為灰斑或蟲蝕的豆粒、霉變的豆粒還是正常的豆粒；并將判斷的結果作為圖像處理結果輸出給單片機(2)； 步驟二、單片機(2)接收智能攝像頭(3)的圖像處理結果，如果圖像處理結果為灰斑或蟲蝕的豆粒，則控制第一氣泵開啟，將該大豆仔粒從傳動帶上吹落；如果圖像處理結果為霉變的豆粒，則控制第二氣泵開啟，將該大豆仔粒從傳動帶上吹落；如果圖像處理結果為正常的豆粒，則將該大豆仔粒從暗箱(7)上的出種口(8)輸出，并返回執(zhí)行步驟一。
2.根據(jù)權利要求1所述的基于機器視覺的大豆籽粒精選方法，其特征在于:智能攝像頭(3)的型號為VC2065/E。
3.根據(jù)權利要求1所述的基于機器視覺的大豆籽粒精選方法，其特征在于:運送帶(6)的傳送速度為40cm/S。
4.根據(jù)權利要求2所述的基于機器視覺的大豆籽粒精選方法，其特征在于:運送帶(6)的厚度為2mm。
5.根據(jù)權利要求1所述的基于機器視覺的大豆籽粒精選方法，其特征在于:進種器(11)的型號為2QXP-1。
【文檔編號】B07C5/342GK103752535SQ201410037954
【公開日】2014年4月30日 申請日期:2014年1月26日 優(yōu)先權日:2014年1月26日
【發(fā)明者】房俊龍, 趙朝陽, 李明, 周薔, 王潤濤 申請人:東北農(nóng)業(yè)大學