scara機器人圖像識別在茶產品質檢中應用

鄭 華

（廣西工商職業技術學院，廣西南寧 530007）

scara機器人屬于坐標型工業機器人。scara真空機械手包括伸縮、旋轉、升降三關節，其中兩旋轉關節的角位移與移動關節位移共同決定機器手手腕位置。因此，該機器人最適宜平面定位作業，及垂直裝配作業。該機器人視覺系統包含光源、攝像機、鏡頭、圖像采集卡、處理器、顯示器。scara機器人基于視覺系統而形成的智能化圖像識別功能被越來越廣泛應用于工業生產與農產品檢測之中。尤其是茶產品檢測中，茶葉體積小、形狀多，用人工肉眼檢測，既有感官思維上的主觀性，又有肉眼觀察的不徹底性。利用scara機器人視覺系統可進行微小事物的圖像搜集與處理，可對茶葉顏色、形狀、外觀品質進行檢測，收集檢測數據進行綜合分析處理。

1 scara機器人圖像識別概述

scara真空機械手在圖像識別上，可利用其視覺補償抓取功能。首先，利用攝像機拍攝抓取工件，通過圖像采集卡收集圖像信息，在計算機處理器中基于特征法分析圖像信息，繼而計算出工件質心，整合機器人坐標系，對上述工件質心結果進行換算，繼而得出工件三維坐標，通過視覺系統獲取的信息可對定位引導機械手抓手。

1.1 攝像機標定

攝像機標定就是對攝像機采集的到圖像的識別，對工件坐標信息的重構。scara真空機械手視覺系統在工件識別中，應先標定攝像機。以此獲取圖像像素坐標，這些坐標與三維空間點之間形成映射關系，其間的映射關系參數就是攝像機的標定。攝像機標定常用模型是針孔成像幾何模型，其線性的成像關系可以近似展現實際成像。本文所論述的機器人視覺系統攝像機標定以張正友標點法為基礎算法，以針孔模型為攝像機基礎模型，小孔成像作為攝像機標定模型，基于圖像點的映射關系對攝像機參數進行標定。

1.2 圖像的特征識別以及匹配

第一，對工件成像進行預處理，提取靜態工件特征，劃分提取結果，進行初步分類。工件的特征提取指在對不同工件信息的提取中，界定工件識別的條件。第二，進行特征匹配，對目標模型進行界定，與特征數據庫中的工件信息做對比，找出與目標模型相契合的模型。現如今，使用最為廣泛的匹配方法位輪廓匹配法、灰度直方圖匹配法。其中灰度直方圖匹配法的精度最低，這是由于灰度直方圖中灰度出現頻率以灰度級像素個數而定，但是這種方法沒有顧及到圖像采集中存在的空間信息。

數字圖像中最為突出的特征便是圖像的輪廓，這是圖像的重要信息。圖像輪廓是固定不變，不會隨著外界條件而變化的，所以很多匹配條件對其都使用。利用圖像輪廓的邊緣特征可以對圖像進行清晰識別。這種輪廓匹配方法可以廣泛應用于各種工件的識別中，可減少數據計算量，并保留圖像結構與外觀信息，繼而準確識別工件。

1.3 圖像消除噪音性設置

在圖像轉換成圖像信息傳輸到計算機處理儀器中時，會受到攝像機性能、浮塵、光照、飛沫等因素的影響，尤其是在圖像收集、傳輸、處理過程中的不可避免的噪聲干擾，這種必然存在的干擾會影響圖像形成，使得圖像模糊不清。scara機器人對噪聲采取高斯濾波處理方式處理圖像信息的采集。高斯濾波基于高斯函數計算模板值，其為線性平滑濾波器，對此，利用高斯參數衡量濾波器權重，通過高斯參數的分布看模板寬度。并且在對高斯函數的離散化處理中，以二項式展開系數獲取逼近值。二項式展開系數可以利用楊輝三角法計算得出，得到相應的模板取值。實踐證明，使用高斯濾波會在一定程度上丟失相關信息，但會消除大部分噪聲，且其中丟失的信息不會影響后續算法，因此，在圖像特征識別之前應利用高斯濾波消除圖像處理中的噪音。

2 scara機器人圖像識別在茶產品質檢中的具體應用

2.1 茶葉圖像的采集

scara機器人視覺系統可收集處理茶葉圖像。利用攝像機獲取并采集茶產品圖像，茶葉體型較小，利用scara機器人視覺系統中特定的攝像機采集圖形信息較為快捷直觀，受外界因素干擾較小，圖像測量精度較高。在攝像機采集茶葉圖像信息時，圖像信息會通過圖像采集卡中的轉化器轉化為二進制數值，以供計算機識別，將圖像信息轉化為數字信息。scara機器人的視覺識別系統由攝像機、圖像采集卡、計算機共同連接而成，實現了圖像的系統化采集，為后續圖像處理奠定基礎。

2.2 茶葉圖像的處理

scara機器人視覺識別系統從對目標物體的圖像信息數據采集開始，進而對圖像信息進行處理，這一過程猶如人感官上的識別、檢測、追蹤過程。而scara機器人的視覺識別系統則是對目標物體進行圖像信息的采集、分析、識別、處理。其中圖像信息的處理是利用計算機分析處理圖像數據信息，客觀表現圖像信息，依據圖像數據深入識別圖像各元素信息，在各元素之間建立分離與連接關系。

在人類視覺識別系統中，紅、藍、綠是最為敏感的顏色，其他顏色皆是在這三者基礎上混搭而成。常見的顏色模型為：RGB、HSI、HSV、LAB等，各個模型都有其獨特特征，實際對顏色的識別中，人類會根據需要提取顏色特征，獲取所需顏色模型，出現頻率最高的模型為RGB、HSI，兩種模型表達著不同的物體色彩信息，圖像處理正是基于兩種模型的轉換結合。

茶葉圖像處理，即去除圖像噪音、強化圖像色澤強度，截圖圖像邊緣信息，處理茶葉低層圖像信息，對茶葉圖像進行識別。前期低層的處理視為后續高層處理打下基礎，以增強提取茶葉外形特征數據的準確定，強化圖像識別的有效性。茶產品圖像前期的處理質量直接關系到茶產品品質檢測品質。圖像去燥可利用高斯濾波法進行，既能去除噪音，又能確保圖像信息數據的完整性，避免圖形受噪音影響而變得模糊不清。茶葉形狀及紋理需要依靠圖像邊緣而定，這是分析茶葉圖像信息的基礎性依據，通過攝像機采集的茶葉個體圖像信息，在信息處理上需要對茶葉邊緣做標記，尤其是突出邊界點，由此完整截取茶葉單個樣本信息。

2.3 茶葉外形信息的參數提取

茶產品檢測需要從產業的外形、色澤、香味、味道等要素對其品質進行綜合判斷。茶葉外形主要有長條、圓形、針型、卷曲型、尖型等，依據茶葉外形，沖泡膨脹程度、吸水程度等可衡量茶品質優劣；茶葉色澤主要指干茶色澤、沖泡后的顏色、茶渣顏色，這也是判斷茶葉品質的重要依據，傳統茶品質檢測中以人感官為檢測工具，依靠人的視覺器官觀察茶的顏色，干茶顏色有深綠、翠綠、墨綠、淡黃等，這種判斷方式主觀性較強。

而借助scara機器人則可準確識別、分析茶葉外形與色澤，對茶葉外形色澤進行定性定量分析。scara機器人視覺識別系統可準確計算提取茶產品邊界、直徑、圓度、面積、周長等數據信息，通過強化圖像、邊緣提取等可提取圖像參數信息，對茶產品圖像進行客觀地分析處理。

2.4 茶葉品質分級

茶葉外形、色澤不是簡單的好壞鑒定，需要對其特征的全面分析。而scara機器人可借助其神經網絡強大的兼容性融合大量數據信息進行處理，并且scara機器人神經系統具有自我適應能力，猶如人工神經網絡一般，可對茶葉品質進行猶如人類大腦般的主觀分析，處理各節點的圖像信息。利用復雜的網絡系統，可調整連接圖像內部節點信息，并對其進行智能化處理。scara機器人神經網絡由網絡層、神經元、數據分析組成，茶葉通過神經網絡分析處理茶葉信息，從而對茶葉品質在客觀分析的基礎上，融入如人類分析的智能化分析結果，對茶葉品質實現智能化、科學化分級。

利用scara機器人視覺識別系統檢測茶產品品質時，可通過收集、錄入茶產品信息，預先處理圖像信息，綜合進行品質鑒定，制作圖像進行分析，可實現對茶品質檢測的智能化管理，實現了對茶葉數據的科學化管理。

3 結語

利用scara機器人對茶葉外觀色澤的分析處理，可全面收集茶葉圖像樣本信息，經過計算機計算茶葉外形參數信息，再利用神經網絡對數據信息進行智能化分析，對茶產品品質等級進行劃分，提高數據分析的準確性，確保茶產品品質檢測的智能化與科學性。在茶產品品質檢定中，對茶產品分級越細致，品質檢驗結果越穩定。通過scara機器人圖像識別系統對茶產品進行的檢驗，可實現對圖像樣本數據的科學化分析，對品質等級的智能化測量與劃分，為茶品質檢驗提供了科學的檢驗平臺。

[1]舒翔,曾武捷.計算機視覺技術在農產品品質檢測中的應用[J].北京農業,2015(3):221.

[2]魏博宇,李科杰,高峻峣,范鷹.移動機器人視覺系統與攝像機標定[J].微計算機信息,2009(23):171-172+179.

[3]金利英,朱云.計算機視覺系統在工業機器人上的應用[J].云南農業大學學報(自然科學),2014(1):122-125.