基于機器視覺的食品生產自動化監測系統設計

趙瑩瑩

摘要：食品生產自動化監測系統的設計一直是食品工業領域的研究熱點之一，旨在提高生產效率、確保食品質量、降低人力成本。文章探討了一種基于機器視覺的食品產品計數方法，以提高食品生產線的自動化監測效能。文章研究了食品生產自動化監測的總體方案，包括食品、流水線、機器視覺系統、圖像采集卡和工控機等部分；著重關注了機器視覺系統中的光源和相機的功能，并解釋了兩者的協同工作；提出了一種基于圖像處理的產品計數算法，涵蓋了圖像預處理、閾值分割和連通分量分析等步驟；提出了一套仿真實驗方案，用MATLAB模擬了食品產品計數過程，以驗證算法的性能。

關鍵詞：機器視覺；自動化監測；產品計數方法；食品生產

中圖分類號：TS21中圖分類號? 文獻標志碼：A文獻標志碼

0 引言

食品生產自動化監測系統的設計與研究一直以來都備受食品工業領域的關注，這一研究領域具有廣泛的應用前景［1-3］。隨著食品生產環境的不斷復雜化和對食品質量穩定性的不斷追求，基于機器視覺的自動化監測系統逐漸嶄露頭角，成為解決眾多挑戰的重要技術之一［4-6］。

本文的目標是針對食品生產自動化監測的需求，提供一個全面的解決方案。（1）文章探討食品生產自動化監測的總體方案，其中包括其核心技術和必要要素。（2）文章集中研究基于機器視覺的產品計數方法。這是自動化監測系統的關鍵組成部分，對于生產效率和食品質量至關重要。機器視覺技術的應用能夠實現準確的食品產品計數，同時還提供了數據支持，有助于實施實時的生產控制策略。（3）為了驗證所提出方法的有效性，本研究進行了MATLAB仿真實驗。實驗結果展示了該自動化監測系統的可行性和性能。

本研究旨在為食品生產自動化監測系統的設計和實施提供有力的技術支持，推動食品工業的智能化升級，提高生產效率和產品質量，以滿足市場對高質量食品的不斷增長的需求。本研究的結果將為相關領域的學術界和工業界提供有價值的參考，為食品生產自動化監測系統的進一步發展助力。

1 食品生產自動化監測方案

食品生產自動化監測方案如圖1所示。

圖1 食品生產自動化監測方案

食品生產自動化監測方案的構建涵蓋了多個關鍵組成部分，每個部分在整個系統中扮演著重要的角色，共同保證了系統的順暢運行和高效監測。如圖1所示，本文構建的食品生產自動化監測方案包括食品、流水線、機器視覺系統、圖像采集卡和工控機等多個部分。

食品是生產線上的主要物料，通過流水線傳送至監測點。不同類型的食品在顏色、形狀、大小等方面具有差異，因此需要通過機器視覺系統進行準確識別和計數。流水線是用于傳送食品的物流通道，作用是將食品穩定地送至機器視覺系統的檢測區域。流水線的穩定運行對于保證監測的準確性至關重要。

機器視覺系統是整個方案的核心，負責對傳送至檢測區域的食品進行實時圖像采集、處理和分析。其主要功能包括圖像采集、特征提取、食品計數等。圖像采集卡［7-8］是連接機器視覺系統與攝像頭的接口設備，負責將攝像頭采集到的模擬圖像信號轉化為數字信號，以便機器視覺系統進行處理。工控機［9-10］是整個系統的控制中樞，負責監測系統的運行狀態、協調各個部件之間的工作，同時提供用戶界面用于操作和監控。其主要功能包括：（1）數據處理和分析。接收并處理機器視覺系統傳來的數據，進行計算和分析，以實現對食品的準確計數。（2）控制信號生成。向流水線、圖像采集卡等部件發送控制信號，保證各部分協調工作。在系統工作時，

（1）流水線穩定傳送食品至檢測區域，保證食品在機器視覺系統的拍攝范圍內；

（2）機器視覺系統通過圖像采集卡獲取食品的實時圖像；

（3）機器視覺系統對圖像進行處理，提取特征信息，然后進行食品的計數；

（4）計數結果傳遞至工控機進行進一步的數據處理和分析；

（5）工控機根據計數結果生成相應的控制信號，以調節流水線的運行速度，保持生產過程的穩定性和高效性。

2 基于機器視覺的產品計數方法研究

本文設計的基于機器視覺的產品計數方法如圖2所示，主要包括光源和工業相機2個關鍵組成部分。光源主要功能是提供適當的照明，以確保被檢測物體的特征得以清晰地呈現在相機的圖像中。光源的選擇和配置直接影響了圖像的質量和機器視覺系統的性能。本文將光源安置在機器視覺系統的側面，其角度和強度會根據被檢測物體的特性進行調整。工業相機用于捕捉被檢測物體的圖像，將其傳輸至機器視覺系統進行后續的圖像處理和分析。工業相機負責捕獲這些圖像，然后將其傳輸至機器視覺系統，該系統會分析圖像中的特征，識別并計數被檢測的產品。

本研究采用基于閾值分割和連通分量分析的計數方法對食品產品進行計數。在圖像預處理階段，輸入灰度圖像I，其灰度值范圍在［0， 255］，輸出為二值圖像BW，其中每個像素的值為0或1。選取一個合適的閾值T，將灰度圖像轉化為二值圖像。本文使用大津法（Otsus Method）來自適應地選擇閾值。

T=argmax{σ2B（t）}（1）

其中，σ2B（t）為以閾值T分割后的前景和背景之間的類間方差。然后，根據選取的閾值將灰度圖像進行二值化處理。

BW（x，y）=1，I（x，y）≥T

0，otherwise（2）

本研究進行連通分量分析，輸入二值圖像BW，輸出各連通分量的個數，即食品產品的數量；對二值圖像進行連通分量分析，將相鄰的像素歸為同一組，形成不同的連通區域，然后統計各個連通區域的個數，即為所求的食品產品數量。

3 基于MATLAB的仿真實驗

本文采用MATLAB做了仿真實驗。

（1）圖像數據獲取：從實際的食品生產場景或者合成的數據集中獲取食品產品的圖像數據。確保圖像包含多個食品產品，并涵蓋不同的形狀、顏色和大小，以模擬真實的監測情況。

（2）圖像預處理：在仿真中，可以使用MATLAB的圖像處理工具箱來模擬實際的圖像預處理步驟。包括灰度化、噪聲去除、圖像增強等操作，以準備圖像用于后續的計數分析。

（3）閾值分割：使用MATLAB實現圖像的閾值分割，將圖像轉化為二值圖像。在仿真中，可以選擇不同的閾值方法，如大津法或自適應閾值法，并比較其效果。

（4）連通分量分析：

利用MATLAB的圖像處理工具箱，實現連通分量分析。標記圖像中的連通區域，并統計各連通分量的數量，即為食品產品的估計計數。

部分實驗結果如圖3所示，可以看出，橘子基本被提取出來，證實了二值圖像的準確性，對圖3進行連通分量分析可以得到該圖片完整的橘子數量約為23個。

4 結語

本文研究了基于機器視覺的食品生產自動化監測系統，重點關注了產品計數方法。本研究通過闡明各組成部分的功能和工作原理，建立了一套完整的系統方案。機器視覺系統中的光源和相機的協同工作確保了食品圖像的清晰度，為計數提供了可靠的圖像數據。應用圖像處理算法，實現了食品產品的準確計數。仿真實驗驗證了算法的可行性，為進一步研究和實際應用提供了理論支持。這一研究對于提高食品生產自動化監測的效率和準確性具有重要意義，有望為食品工業的智能化升級貢獻一份力量。

參考文獻

［1］岳藝.食品包裝機械的自動化控制［J］.輕工科技，2016（1）：77-78.

［2］蔣秋楓.中小型食品生產企業質量管理工作的困局和對策［J］.現代食品，2019（21）：136-138，141.

［3］孟萌.食品機械智能化自動化的發展趨勢探討［J］.山東工業技術，2018（7）：17.

［4］李明.運動食品機器視覺的識別與定位技術的研? 究［D］.哈爾濱：哈爾濱商業大學，2014.

［5］晏祖根，李明，徐克非，等.高速機器人分揀系統機器視覺技術的研究［J］.包裝與食品機械，2014（1）：28-31.

［6］晏祖根，王立權，孫智慧，等.面向食品生產的高速自動分揀系統的研究［J］.包裝工程，2009（7）：16-18.

［7］劉煥軍，王耀南，段峰.機器視覺中的圖像采集技術［J］.電腦與信息技術，2003（1）：18-21.

［8］曾曄，項安，牟翔.一個基于Camera Link的圖像采集系統的研究［J］.計算機應用與軟件，2010（11）：245-249.

［9］龔愛平.基于嵌入式機器視覺的信息采集與處理技術研究［D］.杭州：浙江大學，2013.

［10］王起.論PLC、單片機、工控機在工業現場中的應用及選用方法［J］.廣西輕工業，2011（1）：60-61.

（編輯 王永超編輯）

Design of food production automation monitoring system based on machine vision

Zhao? Yingying

（Guangxi Vocational & Technical Institute of Industry， Nanning 530001， China）

Abstract：? The design of automated food production monitoring systems has always been one of the research hot views in the food industry， aiming to improve production efficiency， ensure food quality and reduce labor costs. This article explores a food product counting method based on machine vision to improve the efficiency of automated monitoring of food production lines. First， the overall plan for automated monitoring of food production was studied， including food， assembly lines， machine vision systems， image acquisition cards and industrial computers. It then focuses on the functions of light sources and cameras in machine vision systems and explains how they work together. Subsequently， a product counting algorithm based on image processing is proposed， covering steps such as image preprocessing， threshold segmentation and connected component analysis. Finally， a set of simulation experiment plans was proposed， and MATLAB was used to simulate the food product counting process to verify the performance of the algorithm.

Key words： machine vision; automated monitoring; product counting method; food production