在油茶果脫殼后,采用機(jī)械方法分選的茶籽中混雜著一些果殼,由于兩者大小和比重相似,其外觀差異成為分選的重要依據(jù)。本文提出一種綜合考慮油茶果顏色、紋理、幾何形狀多種圖像特征的分選方法,結(jié)合機(jī)器視覺(jué)技術(shù)實(shí)現(xiàn)油茶果果殼與茶籽的準(zhǔn)確分選。通過(guò)有效的圖像預(yù)處理手段提取物料樣本輪廓,并計(jì)算輪廓內(nèi)的顏色、紋理以及形狀特征信息,分別比較了通過(guò)網(wǎng)格搜索法(Grid Search, GS)、粒子群算法(Particle Swarm Optimization, PSO)和遺傳算法(Genetic Algorithm, GA)尋優(yōu)而建立的三種支持向量機(jī)(Support Vector Machine, SVM)分類模型,最終確定GS-SVM模型最佳,其模型訓(xùn)練集識(shí)別率為94.44%,測(cè)試集識(shí)別率為93.33%,結(jié)果表明將此方法應(yīng)用于油茶果果殼與茶籽分選是可行的,為油茶果果殼與茶籽分選加工技術(shù)提供了一定的理論基礎(chǔ)。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1試驗(yàn)平臺(tái)

油茶果果殼與茶籽分選平臺(tái)如圖1所示,主要試驗(yàn)設(shè)備有工業(yè)面陣相機(jī)(型號(hào):MV-CA060-10GC、分辨率:1280×1024),鏡頭(型號(hào):MVL-HF2528M-6MP),條形光源(尺寸:140mm×20mm×15mm),PLC控制器(型號(hào):S7-200),空氣....

圖2分選流程圖

圖1試驗(yàn)平臺(tái)若滾筒轉(zhuǎn)速過(guò)快,圖像則存在“拖影”,若過(guò)慢,則不滿足分選效率要求,因此凹槽式滾筒轉(zhuǎn)速設(shè)置在6r/min。物料從振動(dòng)料斗落在凹槽式滾筒上,滾筒轉(zhuǎn)動(dòng)時(shí)側(cè)面的金屬格柵每觸發(fā)一次傳感器就會(huì)產(chǎn)生信號(hào)命令相機(jī)捕捉當(dāng)前幀圖像,見(jiàn)采集樣本原始圖,隨后計(jì)算機(jī)進(jìn)行圖像分析以獲取分選結(jié)....

圖3采集樣本原始圖像

為了獲取油茶果的有效圖像信息,建立準(zhǔn)確的分選模型,提取目標(biāo)輪廓是關(guān)鍵步驟。從采集到的圖像(圖3)上分析,油茶果作為前景呈棕黑色或灰色,滾筒及凹槽間隙作為背景呈銀白色和黑色,故前景的飽和度要高于背景。在此基礎(chǔ)上,根據(jù)以下步驟進(jìn)行油茶果輪廓提取(圖4)。圖4輪廓提取過(guò)程

圖6紋理特征散點(diǎn)圖

隨機(jī)選取60個(gè)油茶果果殼與茶籽,利用Tamura紋理特征算法[17-18]計(jì)算并統(tǒng)計(jì)果殼外表面與茶籽的粗糙度和對(duì)比度紋理特征。繪制散點(diǎn)圖,如圖6所示。由散點(diǎn)圖可知,大部分油茶果果殼的外表面粗糙度和對(duì)比度大于茶籽,因此粗糙度和對(duì)比度指標(biāo)對(duì)分選果殼外表面與茶籽有較好的效果,可作為果殼....

本文編號(hào)：3917165