棉籽品質(zhì)識別系統(tǒng)設計

王冰　張洪洲　劉媛杰　王暉軍　段世彬

【摘 要】為解決棉籽品質(zhì)識別問題，利用機器視覺技術，設計一種基于機器視覺技術的棉籽品質(zhì)識別系統(tǒng)，實現(xiàn)對棉籽品質(zhì)的快速識別?，F(xiàn)有的去除方式采用人工識別篩分，一次篩分并不能完全篩分干凈而且其操作麻煩，工作效率低，因此一種可以進行棉籽清理的裝置，是亟待解決的問題，據(jù)經(jīng)驗可知，不同品質(zhì)的脫絨棉籽表面顏色特征具有差別，因此，只要采集棉籽的顏色信息，經(jīng)過一定的數(shù)據(jù)處理，就可以判定棉籽的品質(zhì)優(yōu)劣。用工業(yè)相機CCD對棉籽圖像進行采集，得到相應的RGB圖像；對所采集的圖像進行預處理，消除噪聲及細化圖像特征將預處理后的圖像進行顏色空間轉換，即在HSI顏色空間中表示圖像，然后將H、S、I分割，得出棉籽圖像的 H、S、I值；在BP神經(jīng)網(wǎng)絡選擇好的情況下接收輸入H、S、I值，網(wǎng)絡經(jīng)過對不同的訓練目標、訓練次數(shù)及隱含層的結點個數(shù)進行訓練，得出誤差小的組合，完成棉籽的品質(zhì)識別。實驗結果表明，該系統(tǒng)對棉籽品質(zhì)識別效果良好。

【關鍵詞】機器視覺；棉籽；品質(zhì)識別

中圖分類號： S226.5 文獻標識碼： A 文章編號： 2095-2457（2018）31-0088-002

DOI：10.19694/j.cnki.issn2095-2457.2018.31.041

【Abstract】In order to solve the problem of cotton seed quality identification， a machine tool technology based cotton seed quality identification system was designed to realize the rapid identification of cottonseed quality. The existing removal method adopts manual identification screening， one screening is not completely screened clean and its operation is troublesome， and the work efficiency is low. Therefore， a device capable of cotton seed cleaning is an urgent problem to be solved， and it is known from experience that it is mature. According to experience， the color characteristics of different quality depiled cottonseeds are different. Therefore， as long as the color information of the cottonseed is collected， after a certain amount of data processing， the quality of the cottonseed can be judged. The industrial camera CCD to capture the cottonseed image to obtain the corresponding RGB image； pre-process the captured image to eliminate noise and refine the image features will be pre- The processed image is color-space converted， that is， the image is represented in the HSI color space， and then H， S， and I are segmented to obtain H， S， and I values of the cottonseed image； and the input is received when the BP neural network is selected well. H， S， I values， the network through the training of different training objectives， training times and the number of nodes in the hidden layer， a combination of small errors， to complete the quality identification of cottonseed. The test results show that the system has a good effect on the quality of cottonseed.

【Key words】Machine vision； Cottonseed； Quality identification

0 引言

棉花是南疆農(nóng)業(yè)的支柱產(chǎn)業(yè)，“南棉北糧”農(nóng)業(yè)發(fā)展戰(zhàn)略的實施使南疆棉花生產(chǎn)有了大幅度發(fā)展。棉花產(chǎn)業(yè)在新疆經(jīng)濟與社會發(fā)展中具有無可替代的戰(zhàn)略地位。棉籽品質(zhì)是棉籽質(zhì)量的重要組成部分，棉籽的品質(zhì)不能得以體現(xiàn)直接影響到棉籽的合理利用，因棉籽質(zhì)量造成的損失往往是其自身價值的百倍，而且這種損失又是無法控制的[1-2]。采用工業(yè)相機CCD對顆粒物料的圖像信息進行采集，提取顏色的HSI特征進行識別 ，可大大縮短彩色圖像的處理時間，同時提高了顏色識別的準確性[3-4]。本文提出一種基于機器視覺技術的棉籽品質(zhì)識別系統(tǒng)，對棉籽品質(zhì)進行識別，為下一步的優(yōu)質(zhì)棉籽篩選奠定基礎。

1 材料與裝置

原料為新陸早50號、新陸早57號、中棉56號。

基于機器視覺技術的棉籽品質(zhì)識別系統(tǒng)棉籽品質(zhì)識別系統(tǒng)框圖如圖1所示，裝置示意圖如圖2所示，該裝置主要有輸送帶、工業(yè)CCD相機、LED照明裝置、計算機、電機、控制器及數(shù)顯等部分組成。其中工業(yè)CCD相機用于采集棉籽表面的顏色信息，輸送帶用于輸送棉籽，使棉籽處于相機最下方，待相機采集完棉籽表面顏色信息后將下一粒棉籽輸送到相機下方。CCD相機采集完棉籽的顏色信息后，采用模型濾波方法對彩色圖像進行平滑處理，將彩色圖像看成是三分量灰度圖的疊加，分別進行濾波，然后利用矢量分析法求得棉籽對應的RGB平均分量值和標準偏差，利用幾何推導法進行RGB彩色模型到HSI彩色模型的轉換。

2 軟件設計

基于機器視覺技術的棉籽品質(zhì)識別系統(tǒng)軟件部分包括圖像信息采集控制、傳送帶控制、漏籽控制、照明控制模塊。

2.1 試驗方法

取3種棉籽各400粒，每個品種棉籽混入同品種不同品質(zhì)的棉籽 100 粒，使優(yōu)質(zhì)棉籽和非優(yōu)質(zhì)均勻混合將混合后的3種棉籽分別在棉籽品質(zhì)識別裝置上進行識別試驗，測定識別率。

2.2 顏色空間轉換

CCD相機彩色圖像后應對彩色圖像進行預處理，本設計對圖像的預處理主要分為兩步：圖像平滑與圖像銳化，經(jīng)過圖像平滑與圖像銳化，圖像的質(zhì)量會有所改變，更適于提取圖像的顏色特征。

利用顏色矢量法求得棉籽表面顏色的RGB值，由于顏色矢量分析法僅對R、G、B三分量中任意一分量值較為明顯時才會對所識別的顏色達到很好的效果，若R、G、B三分量值都較為均勻，則該方法不能對不同的顏色達到很好的識別效果，所以采用該方法對棉籽表面的顏色不能進行有效地區(qū)分，且同時對R、G、B三分量進行判別需要一定的時間，不符合識別的快速性要求。因此若要對不同顏色進行較好的區(qū)分需要尋找更好的顏色識別算法，也就基于HSI空間的顏色識別算法。

對于圖像處理來說，HIS彩色空間中亮度和色度是互相分離的，所以在彩色圖像分割應用中具有較大優(yōu)勢。目前很少有硬件設備能直接采集物體的HIS信息，因此需要從其他顏色空間進行轉換。

從RGB 轉換至 HSI 的有幾種常見方法，其中幾何推導法分辨率高[5]，本設計采用的是幾何推導法。

試驗所用的棉籽外部顏色信息的色調(diào)分量值H、飽和度分量值S、亮度分量值I，3個參數(shù)的詳細指標，如表1所示。

2.3 BP神經(jīng)網(wǎng)絡設計

本系統(tǒng)在MATLA 6.5 環(huán)境下建立了BP神經(jīng)網(wǎng)絡對訓練集進行訓練。首先對棉籽外部顏色信息的色調(diào)分量值 H、飽和度分量值 S、強度分量值 I做歸一化處理，使得各參數(shù)的度量單位一致，以此作為 BP 的輸入量，即輸入層的節(jié)點數(shù) 3。網(wǎng)絡結構為 3 層，分別對三個脫絨棉種品種進行試驗，即輸出層結點數(shù)為1，本文中采用以下公式計算首次訓練的隱含層節(jié)點數(shù)，同時對不同的結點數(shù)進行訓練對比，得出隱含層的最優(yōu)結點數(shù)。

l=n+0.618（n-m），n≥mn-0.618（m-n），n

其中，n 為輸入結點個數(shù)，m 為輸出結點個數(shù)，經(jīng)計算，首次訓練隱含層的結點數(shù)為 4。網(wǎng)絡結構如圖3所示

3 結果分析

按照3個主控因素分別對3個品牌棉籽順次做試驗，相同指標下試驗做4次，取平均值作為樣本數(shù)據(jù)下組合試驗，每次試驗測定優(yōu)質(zhì)棉籽的識別率，得到組合數(shù)據(jù)各125 組，從上述125組數(shù)據(jù)中隨機抽取出 80 組數(shù)據(jù)作為BP 網(wǎng)絡模型的訓練樣本，剩余45組數(shù)據(jù)作為進一步驗證 BP 網(wǎng)絡的測試數(shù)據(jù)，經(jīng)迭代收斂后得到 BP 神經(jīng)網(wǎng)絡的最優(yōu)解。

經(jīng)過對不同的訓練目標、訓練次數(shù)及隱含層的結點個數(shù)進行訓練，得出誤差最小的組合，經(jīng)訓練驗證得出當訓練目標為0.04，訓練次數(shù)為600，隱含層結點個數(shù)為5時，誤差達到0.03。

4 結論

（1）提出了基于運用機器視覺和BP神經(jīng)網(wǎng)絡對棉籽品質(zhì)進行識別，識別速度快，準確率高，克服了人工識別效率低的缺陷。

（2）根據(jù)圖像的顏色特征作為識別依據(jù)，準確度高，識別速度快。

（3）對三個棉種進行品質(zhì)識別檢測，結果表明，綜合檢測準確率可達85%以上，證明該方法是可行的，為后續(xù)優(yōu)質(zhì)棉籽篩選奠定了基礎。

【參考文獻】

[1]蘇美玲，王鳳霞，馬瓊.兵團南疆墾區(qū)棉花成本收益動態(tài)分析[J].合作經(jīng)濟與科技，2012，12：26-28.

[2]張洪洲.棉籽分級系統(tǒng)設計與PLC實現(xiàn)[J].中國農(nóng)機化學報， 2015，03：113-115.

[3]張帥.顆粒食品物料色選過程中顏色識別方法研究[D].內(nèi)蒙古農(nóng)業(yè)大學碩士學位論文，2011.

[4]王玉亮.基于機器視覺的玉米種子品種識別與檢測研究[D].山東農(nóng)業(yè)大學碩士學位論文，2008.

[5]李景彬，邵魯浩，田緒順，坎雜.基于BP神經(jīng)網(wǎng)絡的脫絨棉種品種識別[J].農(nóng)業(yè)機械，2012，09：140-143.