基于机器视觉的油茶果果壳与茶籽分选方法研究

发布时间：2024-03-02 17:38

　　在油茶果脱壳后,采用机械方法分选的茶籽中混杂着一些果壳,由于两者大小和比重相似,其外观差异成为分选的重要依据。本文提出一种综合考虑油茶果颜色、纹理、几何形状多种图像特征的分选方法,结合机器视觉技术实现油茶果果壳与茶籽的准确分选。通过有效的图像预处理手段提取物料样本轮廓,并计算轮廓内的颜色、纹理以及形状特征信息,分别比较了通过网格搜索法(Grid Search, GS)、粒子群算法(Particle Swarm Optimization, PSO)和遗传算法(Genetic Algorithm, GA)寻优而建立的三种支持向量机(Support Vector Machine, SVM)分类模型,最终确定GS-SVM模型最佳,其模型训练集识别率为94.44%,测试集识别率为93.33%,结果表明将此方法应用于油茶果果壳与茶籽分选是可行的,为油茶果果壳与茶籽分选加工技术提供了一定的理论基础。

【文章页数】：8 页

【部分图文】：

图1试验平台

油茶果果壳与茶籽分选平台如图1所示,主要试验设备有工业面阵相机(型号:MV-CA060-10GC、分辨率:1280×1024),镜头(型号:MVL-HF2528M-6MP),条形光源(尺寸:140mm×20mm×15mm),PLC控制器(型号:S7-200),空气....

图2分选流程图

图1试验平台若滚筒转速过快,图像则存在“拖影”,若过慢,则不满足分选效率要求,因此凹槽式滚筒转速设置在6r/min。物料从振动料斗落在凹槽式滚筒上,滚筒转动时侧面的金属格栅每触发一次传感器就会产生信号命令相机捕捉当前帧图像,见采集样本原始图,随后计算机进行图像分析以获取分选结....

图3采集样本原始图像

为了获取油茶果的有效图像信息,建立准确的分选模型,提取目标轮廓是关键步骤。从采集到的图像(图3)上分析,油茶果作为前景呈棕黑色或灰色,滚筒及凹槽间隙作为背景呈银白色和黑色,故前景的饱和度要高于背景。在此基础上,根据以下步骤进行油茶果轮廓提取(图4)。图4轮廓提取过程

图6纹理特征散点图

随机选取60个油茶果果壳与茶籽,利用Tamura纹理特征算法[17-18]计算并统计果壳外表面与茶籽的粗糙度和对比度纹理特征。绘制散点图,如图6所示。由散点图可知,大部分油茶果果壳的外表面粗糙度和对比度大于茶籽,因此粗糙度和对比度指标对分选果壳外表面与茶籽有较好的效果,可作为果壳....

本文编号：3917165