南豐蜜橘小型機器視覺在線分級裝置設計

中圖分類號：S226.5 文獻標志碼：BDOI：10.19345/j.cnki.1674-7909.2025.14.027文章編號：1674-7909（2025）14-134-6

0 引言

在水果采摘后的高效商品化處理過程中，精準分級是至關重要的一步。然而，水果在自然生長過程中，受環境因素的影響顯著，導致其在大小、色澤、成熟度及表面瑕疵等方面存在天然差異，客觀上給品質評定帶來了挑戰。本質上，水果分級是根據預設標準對水果進行篩選歸類，并剔除次品的過程，不僅能有效降低管理交易風險，還能通過按質論價來簡化流通環節，讓消費者省去挑選的麻煩，推動水果市場規范化和健康發展。

目前，常用的水果分級方法有人工、機械和基于機器視覺。其中，人工分選高度依賴人力，勞動強度大、效率低下，且受限于操作者的主觀判斷，難以統一標準，可靠性和精度難以保證。機械分選（如按尺寸的孔徑篩或按重量的杠桿裝置）雖在處理速度和結構簡單性上具有優勢，但其標準單一、精度有限，且在分選過程中水果易因磕碰而造成損傷。基于機器視覺分選是利用圖像采集與分析技術，能同時精準獲取水果的外觀尺寸、顏色分布、紋理特征及缺陷狀況等信息，實現高效、客觀、非接觸式判別。基于機器視覺分選對水果造成的損傷小，適用性廣，并能靈活對接后續自動化分選設備。

當前，發達國家普遍采用先進的自動化處理系統對水果進行分級，在提升效率和節約人力物力方面取得顯著成效。而我國許多水果產區仍采用傳統的人工分級方式，難以實現精準分級，直接導致水果品質不穩定、缺乏市場競爭力。這是因為國內水果采后分級處理的工業化技術水平相對滯后。傳統的人工分揀或簡易機械分選設備普遍存在識別錯誤率高、水果損耗大、最終產品規格不一致等弊端，不僅降低了水果產后附加值，使得優質水果無法實現優價，還直接削弱了我國水果在國內外市場的整體競爭力。

我國南豐蜜橘的生產主體是分散的個體農戶[1]，而小規模、分散化種植模式導致難以引入大型、昂貴的自動化分級設備。因此，開發出一種成本可控、操作簡便、適應我國南豐蜜橘生產模式的中小型自動化或智能分級設備顯得尤為迫切。這類設備的成功研發與應用能有效提升國產水果品質的一致性和市場價值，增強其在國內及國際上的綜合競爭力。

該研究基于南豐蜜橘種植小散戶的需求，設計出一款小型、高效的南豐蜜橘分級裝置，在保證分級效果的前提下，盡量控制成本及占地面積，并控制裝置的尺寸，使其有一定的便攜性。

1整機結構及工作原理

該小型化南豐蜜橘品質在線分級裝置整體尺寸為 854mm×548mm×525mm ，是基于機器視覺技術構建，其核心功能模塊包含物料運輸系統、分級執行系統及圖像采集系統，整體結構見圖1。

1.1運輸系統設計

輸送系統包括結構機架、伺服驅動電機、減速機構、鏈輪一鏈條傳動副及特制輪轂元件。運輸系統并行布置2條獨立輸送線；單線核心由直板單孔鏈條及鉸接于鏈條直板銷軸上的輪轂構成，輪轂可繞銷軸自由轉動；輪轂為雙凸緣形態（啞鈴狀），相鄰輪轂間形成的凹槽為單顆南豐蜜橘提供相對穩定的輸送位姿；輸送線下部安裝水平導軌板，確保輪轂在行進過程中保持水平移動，并在導軌上產生摩擦滾動。

1.2分級執行系統設計

分級執行系統由電磁驅動裝置、擊打推板、安裝基座及分級卸料導板組成。每條輸送線配置3個卸料導板出口，分別對應3個預設蜜橘等級，其中一處位于輸送線末端。該裝置共集成4個電磁閥，其驅動推桿末端安裝推板，動作時將蜜橘橫向推出輸送線至對應等級卸料口。

為提高裝置空間的利用率，2條輸送線間距應最小化，但會導致電磁閥推桿運動軌跡與輸送線結構存在潛在干涉。可采用以下解決方案：通過安裝基座來抬升電磁閥本體高度，并在其推桿末端加裝延伸推板組件，使其運動范圍既能有效作用蜜橘，又能避開下方輸送機構。

1.3圖像采集系統設計

圖像采集系統（見圖2）承擔獲取蜜橘表面圖像信息的任務，由工業相機、光學鏡頭、照明光源及外部觸發裝置組成。針對雙輸送線布局，成像區域在垂直于物料行進方向（縱向）至少覆蓋 144mm 寬度；平行于行進方向（橫向）要完整容納單顆蜜橘。由于蜜橘個體尺寸差異、高度不一，部分蜜橘的寬度可能超出單線寬度，實際縱向成像范圍要略大于理論輸送線寬度。設定系統檢測精度為 0.2mm/px ，可得縱向分辨率需求為 144/0.2=720px 。參考標準工業相機規格，選用 800px （橫向） ×600px （縱向）分辨率的相機，對應的實際成像視場為 160mm×120mm 。

為避免蜜橘與相機相對運動產生的成像模糊問題（拖影），要優化曝光時間。曝光期間目標在傳感器芯片上的位移量應小于 1px 尺寸。據此，最大允許曝光時間 T_e 計算公式見式（1）[2]。

式（1）中： Fov 為橫向視場長度； V 為蜜橘輸送速度，理論最大值為 207.33mm/s;N_p 為相機橫向像素數。計算可得 T_e 應小于 964.6μs 。在滿足此約束下，應盡可能選用長的曝光時間，保障成像信噪比。

基于緊湊視場與穩定性要求，選用大恒圖像MER-050-200GC彩色面陣相機。鏡頭焦距 f 計算公式見式（2）[3]。

圖1小型高效南豐蜜橘分級裝置整機結構

圖2圖像采集系統

式（2）中：l為相機傳感器橫向物理尺寸； W_d 為工作距離，即物距。計算出初步需求焦距約為 0.024W_d^°

為追求系統結構的緊湊性，應減小物距，選用短焦距鏡頭，故選定大恒圖像HN-0614-2M-C1/2X鏡頭，其焦距為 6mm ，對應推薦工作距離設置為250mm 。

2裝置控制與工作流程

南豐蜜橘分級裝置控制流程如圖3所示。該裝置采用光電傳感器作為圖像采集的外部觸發源，當蜜橘通過檢測位時，光電信號觸發工業相機來捕捉圖像。工控機完成圖像分析并確定等級后，將指令傳輸至Arduino微控制器。Arduino微控制器在接收等級指令后，將其動態寫人內部隊列緩存。同時，鏈輪處安裝有編碼器作為位置計數器，持續追蹤每個已識別蜜橘在輸送線上的實時位移。當系統檢測到特定蜜橘的空間坐標與其在隊列中預設的等級卸料工位匹配時，Arduino微控制器通過繼電器驅動電路來激活對應的電磁鐵執行機構，實現精準推出動作。未觸發分級的蜜橘則繼續輸送至末端收集區。

圖3分級裝置控制流程

該裝置在運行期間受多種環境因素與操作變量的綜合影響。為客觀評估其運行可靠性、分級準確性等關鍵性能指標，對該裝置進行綜合性能驗證，見圖4。

圖4裝置測試

圖5通道差分流程

3圖像預處理與分級方法

3.1 圖像預處理

圖像采集與傳輸過程會不可避免地引入噪聲，對后續處理的精度產生影響，可采用濾波技術來提升圖像品質，并通過均值濾波、高斯濾波、中值濾波、雙邊濾波這4種常用算法來對比分析去噪效能。

采用平均梯度、圖像二維熵、結構相似性（SSIM）和峰值信噪比（PSNR）4為客觀指標來量化評估去噪效果，結果見表1。均值濾波的PSNR值最低，即其噪聲抑制能力最弱；雙邊濾波的SSIM指數最低，意味著其處理后的圖像失真程度最為顯著。綜合各項指標，高斯濾波表現最優，其SSIM、PSNR和平均梯度均占據首位，圖像二維熵位列第二。因此，在強調邊緣細節保留和灰度變化速率的圖像分割環節，優先選擇平均梯度最高的高斯濾波器；在注重信息保真度和降低失真的特征提取階段，中值濾波器則展現出其適用性。

表1濾波器處理后圖像質量評估

3.2 圖像分割

在輸送線環境中獲取的南豐蜜橘圖像常受背景反光及輪轂間隙的干擾，常規分割方法的效果普遍不佳。圖5（a）和5（b）為圖像多通道特性分析，結果表明：G通道與B通道在背景區域強度相近，但目標果實區域在B通道的強度顯著低于G通道。對B通道實施直方圖均衡化，結果見圖5（c），發現目標區域強度依然偏低，而背景強度高于G通道背景。利用此差異特性，將原始G通道圖像與均衡化后的B通道圖像進行差分運算，得到圖5（d），成功實現蜜橘目標與背景的有效分離。為進一步抑制背景殘留的十擾，對差分結果進行低通濾波處理，得到背景殘余更少的圖5（e）。

隨后對圖5（e進行直方圖均衡化處理，結果見圖6（a），觀察到存在少量背景區域被誤判為目標及部分目標區域被誤分割為背景的現象，表明仍有背景噪聲殘留，不宜直接二值化生成掩膜。為解決這個問題，可使用形態學處理方法。開運算后的效果Huu（a）G通道 （b）B通道 （c）直方圖均衡化B通道 （d）差分圖像 （e）低通濾波圖像見圖6（b），經二值化處理得到掩膜圖像，見圖6（c）。最終，通過該掩膜與原圖的邏輯與運算，得到分割清晰的南豐蜜橘圖像，見圖6（d）。

3.3 分級方法

根據國家標準GB/T19051—2008，依據橫徑（赤道面直徑）對南豐蜜橘進行分級，要求果形均勻端正，果形評價指標為果形指數（橫徑與縱徑之比）。因此，視覺系統要精確獲取果實的橫徑與縱徑尺寸。

機器視覺測量尺寸通常基于目標輪廓來擬合幾何形狀，并提取參數。采用最小外接矩形法、最小外接圓法和最小外接橢圓法對4000張南豐蜜橘樣本圖像進行檢測，結果見圖7。

以均方誤差（MSE）、平均絕對誤差（MAE）、標準差（SD）和相對標準偏差（RSD）為指標來評估誤差。其中，MSE和MAE反映檢測尺寸與人工測量參考尺寸的偏差程度，二者值越大，說明誤差越大； SD 和RSD則表征測量數據的離散性，離散性越小，重復性和可靠性越高。檢測誤差結果見表2。

由表2可知，最小外接矩形法和最小外接橢圓法的MAE值均超過 8mm ，且 RSD 值較高，表明檢測結果的可靠性不足。初步分析認為，這與輸送線上的果實姿態多變、難以獲取垂直于縱軸的理想成像角度有關。相比之下，最小外接圓法精度最優，離散性最低，其橫徑檢測的MSE值僅為 1.87mm² ）MAE值為 1.10mm，RSD 值為 1.98% ，綜合性能表現最佳。

表2各尺寸檢測方法橫徑檢測誤差

為驗證分級系統的實際能力，根據國標規格進行測試，即S級 （30mm?Dlt;40mm ） ?L 級（ 40mm? D?50mm ），其余為等外品。隨機選取S級和L級南豐蜜橘各100個進行人工測量與機器分級對比，結果見表3。

測試結果表明，該系統對南豐蜜橘規格判別的準確率為 98% 。少量分級錯誤主要發生在規格邊界附近的“串級果”上，符合國標要求，整體準確率較高。

圖6基于通道差分的圖像分割

圖7尺寸檢測方法對比

表3果品尺寸規格分級測試結果

4結束語

針對南豐蜜橘小規模分散種植模式下采后分級存在的效率低、精度差及標準化不足的問題，研究設計并實現了一款基于機器視覺的小型在線分級裝置。該裝置采用雙輸送線并行緊湊布局，并使用基于G-B通道差分、直方圖均衡化、低通濾波及形態學開運算的圖像分割算法，能有效克服背景干擾，實現目標精準分割，通過最小外接圓法對蜜橘尺寸進行檢測，準確率為 98% 。結合光電觸發、編碼器定位及嵌入式控制，實現分級指令與蜜橘位置的精確同步執行。

該裝置的小型化設計能顯著降低成本與空間需求，其高精度、高效率的分級能力有效提升了南豐蜜橘采后處理的標準化水平與產品一致性，為小農戶提供了切實可行的自動化解決方案，對增強國產水果市場競爭力具有實際應用價值與推廣潛力。

參考文獻：

[1]熊兵才，王金華.南豐蜜桔產業面臨的危機與出路[J].現代園藝，2016（17）：40-41.

[2]ABDELHEDIS，TAOUILK，HADJKACEM B.Design of automatic vision-based inspection system for monitoring in an olive oil botling line[J].International Journal of Computer Applications，2012，51 （21）：39-46.

[3]QUISPEC，FERNANDOL.Disenoeimplementacion de una interface usuario-maquina basada en vision computacional para automatizar laselección de frutos citricos segun la forma，tamano， colory defectos externos[D].Lima：Pontificia UniversidadCatolicadelPeru，2020.

[4]李澤平.基于機器視覺和光譜技術的新疆無核白葡萄品質檢測分析研究D].烏魯木齊：新疆農業大學，2021.

Designofa Small-Scale OnlineMachineVisionGradingDevice for Nanfeng Tangerines

XUENaihao

Intelligent Engineering College，Jiangxi Universityof Technology，Nanchang33Oo98，China

Abstract： To address the problems of low eficiency，poor accuracy in manual grading，and dificulties in applying automated equipment under China's small-scale cultivation model of Nanfeng tangerines，a small online machine vision grading device was designed and developed.The device optimizes space through a dual-conveyor parallel layout and a solenoid valve lifting design.An image segmentation algorithm based on G-B channel differencing，histogram equalization，low-pass filtering，and morphological opening operations was adopted，which can effectively overcome background interference from the conveyor belt. The grading detection precision reaches an RSD of 1.98% .Byintegrating photoelectric triggering，encoder positioning，and Arduino control，precise synchronized grading execution is achieved， with a grading accuracy rate of 98% . This device features small size， high efficiency，and controllable cost，which can significantly improve the standardization level of post-harvest grading and market competitiveness of Nanfeng tangerines.

Keywords：Nanfeng tangerine;machine vision; grading device