基于機器視覺的馬鈴薯智能分級系統

鄧立苗 韓仲志 徐 艷 熊 凱

（青島農業大學理學與信息科學學院，山東 青島 266109）

馬鈴薯自動分級是提高馬鈴薯市場競爭力和增值的重要途徑。隨著機器視覺技術的發展，該技術已廣泛應用于農產品生產檢測過程中，使用機器視覺可以排除人為因素干擾，避免人工分級的不確定性，提高生產率和分級精度。目前，國內外學者已在馬鈴薯自動分級方面做了大量的研究工作。Marchant等［1］研制了一種根據尺寸對馬鈴薯進行分級的系統，分級速度為40個/s，但精度還不能滿足實際生產的需要。Deck等［2］按照形狀、尺寸和發綠程度對馬鈴薯進行分類，其結果優于統計分類方法。Tao等［3］研究了基于傅里葉形狀的馬鈴薯形狀分級自動檢測系統。Zhou等［4］開發了一個基于PC機的機器視覺系統，該系統針對馬鈴薯的主要分類指標進行分級，分級速率為50個/s，總的分級準確率為86.5%。鄭冠楠等［5］根據外形特性，采用離心率法進行馬鈴薯的形狀分級。雖然國外研究者［6，7］在馬鈴薯外觀品質分級方面做了大量工作，但研究大多數集中在理論和方法研究階段，對于實時分級系統的研究并不多；中國［8］盡管已經研制了一些馬鈴薯的分級設備，但由于分級效率低、性能不穩定和適應性差等問題，尚不能滿足實際生產的需要。

為了實現馬鈴薯外觀品質自動分級，本研究構建馬鈴薯智能分級軟硬件平臺，并參照馬鈴薯等級標準［9］，提出了馬鈴薯外觀品質分級檢測方法和流程，并基于Visual C＋＋集成開發環境實現了馬鈴薯智能分級系統。

1 馬鈴薯智能分級硬件系統

馬鈴薯智能分級系統是在現有水果機械式分級系統基礎上增加計算機視覺檢測系統和智能分級控制系統構建而成。系統裝置如圖1所示，主要由輸送裝置、計算機視覺系統、分級執行系統、控制電路等部分組成。機器接通電源后，通過步進電機5帶動傳送帶12運動。馬鈴薯7放置在托盤6上隨傳送帶運動。每過一個托盤，光電傳感器11發送一個信號到智能控制器（下位機）3，智能控制器接收到信號即發送信號到計算機（上位機）2，上位機接收到信號，控制工業攝像頭9進行拍照，并將拍攝的圖像發送給上位機處理。上位機對所拍攝的圖像進行處理并根據外觀特征檢測方法進行分級，得到分級結果（是否為次品），并將分級結果（0或1）發送給智能控制器。智能控制器接收到分級結果，若是1（次品）則發信號給次品區打果器14，打果器收到信號打翻托盤，馬鈴薯滾入次品收集區13。當馬鈴薯經過壓力傳感器10處時，壓力傳感器獲取重量信息并發送到機械控制器4，機械控制器按照重量信息分級，發送信號到重量等級出口的對應等級的打果器，打果器打翻托盤，馬鈴薯則會進入相應重量等級的分級區15內。

圖1 分級系統示意圖Figure 1 Diagram of general scheme

2 系統流程和分級控制方法

智能分級系統分為4個模塊，分別為拍照控制模塊、圖像采集和預處理模塊、特征提取和檢測模塊以及分級控制模塊，系統流程見圖2。拍照控制模塊控制拍照時間間隔，保證每個馬鈴薯圖片拍攝1次；圖像采集和預處理模塊負責馬鈴薯圖像采集和預處理；特征提取和檢測模塊對形狀、綠皮和缺陷3個分級指標進行特征提取和量化分級；分級控制模塊根據分級結果控制分級執行器執行分級結果。

圖2 系統流程圖Figure 2 Flow diagram

由于馬鈴薯在傳輸帶上運動，分級時必須保證上位機發出的分級信號與分級執行時間保持一致。由于機器運行速度可調，每個圖片的處理時間也不固定，由上位機確定發送分級信號的時間比較困難。為保證每個馬鈴薯圖片只拍攝1次且分級控制不受圖像處理時間的影響，本試驗采用計數的方式來進行分級控制。使用光電傳感器作為計數器，每經過1個托盤，計數器加1（圖3（a）），同時下位機向上位機發送拍照控制信號，上位機接收信號即控制攝像頭拍攝圖像，然后對所拍攝的圖像進行處理和檢測分級，最后將處理結果（0或1）發送給下位機（圖3（b））。下位機將信號保存在隊列中，構成一個控制序列。并以固定的時間間隔（計數器加1）從隊頭取控制信號，根據控制信號來執行分級動作，若為1，電磁鐵打果器通電，將托盤打翻，馬鈴薯翻滾到相應等級的收集區（圖3（c））。

圖3 分級控制流程圖Figure 3 Flow chart of grading process

3 軟件系統

軟件系統運行界面如圖4所示，主界面分為4個區域：控制按鈕區、圖像監視區、數據顯示區和統計數據區。控制按鈕區實現攝像頭的打開和關閉、開始檢測和關閉檢測及數據顯示等功能；圖像監視區實時顯示監控畫面和所拍攝的馬鈴薯圖像。數據顯示區分為基本數據區和綜合數據區，基本數據區主要顯示馬鈴薯形狀、綠皮和缺陷3個指標的檢測數據，并顯示每個檢測指標是否正常。綜合數據區顯示馬鈴薯的長、寬、面積和等級，統計數據區主要顯示檢測到的馬鈴薯總數和正常馬鈴薯個數。

對供試驗的350個馬鈴薯運行智能分級系統，綜合形狀、顏色和缺陷3個方面特征進行檢測，只要具有畸形（二次生長）、綠皮、缺陷其中任何一種情形就判定為次品，否則為正常薯塊。根據這個標準對350個馬鈴薯進行測試，誤判個數為35個，綜合檢測準確率為90%。

在Intel酷睿i3 3110M2.5GHz CPU，2GB內存硬件條件下進行馬鈴薯綜合檢測速度測試，每個馬鈴薯檢測時間約為40ms，每秒可處理約25個馬鈴薯，能夠滿足實時檢測的需求。

圖4 軟件運行界面Figure 4 GUI of software

4 討論和結論

機器運行時步進電機的強電會對分級控制裝置（單片機）的弱電造成強烈的干擾，本研究采取了將控制裝置增加抗干擾電路、將控制器安裝在封閉的金屬盒之中以及分離電源等措施，基本上消除了干擾，但在生產線調速過程中偶爾存在著輕微干擾，原因可能是在步進電機變速的瞬間產生了較大磁場干擾了電路，下一步考慮選用可靠性高、抗干擾能力強的PLC控制器［10］。同時，步進電機的強電會對攝像頭造成干擾，影響拍照質量，采用將燈箱接地的方式基本消除了干擾。

本系統是在已有機械分選機的基礎上改造而成的，加入智能分級控制系統后，跟原來的機械控制系統之間會存在不一致性現象。次品馬鈴薯在第一步根據外觀特征已被揀出，但原有的機械控制系統仍然按照壓力傳感器采集的重量信息分級，所以分級系統會存在 “空打”的現象，雖然不影響分級結果，但仍需要改進。下一步采取的措施是，若某個馬鈴薯檢測為次品，則將壓力傳感器的信號屏蔽掉，這樣馬鈴薯作為次品檢出后，將不會再按照重量進行分級。

由于馬鈴薯在傳輸過程中相對于托盤上固定不動，安裝在正上方的攝像頭只能獲取馬鈴薯上部圖像，從而影響檢測結果。研究中嘗試采用在傳送帶兩側加上鏡子的方式［11］，可以同時拍攝馬鈴薯正面和兩個側面的圖像，這樣在一定程度上擴大馬鈴薯表面信息的獲取，但拍攝傳送帶上馬鈴薯底面圖像還是比較困難。如何獲取比較完整的馬鈴薯表面圖像信息，從而提高分級準確率有待于下一步深入研究。

為實現馬鈴薯實時檢測和分級，本試驗構建了馬鈴薯智能分級硬件裝置，設計了一種簡單易行的馬鈴薯智能分級控制方法，提出了基于外觀品質檢測方法和流程，并基于Visual C＋＋集成開發環境實現了馬鈴薯智能分級系統。結果表明，本試驗所構建的馬鈴薯智能分級系統運行穩定，所提出分級控制方法簡單易行，系統的綜合分級準確率可達到90%，能夠滿足實時檢測的需求。

1 Marchant J A，Onyango C M，Street M J.High speed sorting of potatoes using computer vision［J］.Transaction of the ASAE，1998，41（9）：3 528～3 540.

2 Deck S H，Morrow C T，Heinemann P H，et al.Comparison of a neural network and traditional classifier for machine vision inspection of potatoes［J］.Applied Engineering in Agriculture，1995，11（2）：319～326.

3 Tao Y，Morrow C T，Heinemann P H，et al.Fourier-based separation technique for shape grading of potatoes using machine vision［J］.Transactions of the ASAE，1995，38（4）：949～957.

4 Zhou L，Chalana V，Kim Y.PC-based machine vision system for real-time computer-aided potato inspection［J］.International Journal of Imaging Systems and Technology，1998，9（6）：423～433.

5 鄭冠楠，譚豫之，張俊熊，等.基于計算機視覺的馬鈴薯自動檢測分級［J］.農業機械學報，2009，40（4）：166～168.

6 郝敏，麻碩士.基于機器視覺的馬鈴薯單薯質量檢測技術研究［J］.農機化研究，2009（9）：61～63.

7 郝敏，麻碩士，郝小冬.基于Zernike矩的馬鈴薯薯形檢測［J］.農業工程學報，2010，26（2）：347～350.

8 劉少達，張日紅.我國馬鈴薯分級設備現狀及亟待解決的技術問題［J］.農業機械，2009（12）：53～54.

9 中華人民共和國農業部.NY/T 1066－2006馬鈴薯等級規格［S］.北京：中國農業出版社，2006.

10 李英輝，曲昀卿，崔成，等.傳送帶PLC控制系統設計［J］.制造業自動化，2013，35（4）：128～129.

11 周竹，黃懿，李昱.基于機器視覺的馬鈴薯自動分級方法［J］.農業工程學報，2012，28（7）：178～182.