視覺(jué)引導(dǎo)淡水魚(yú)自動(dòng)去頭尾系統(tǒng)關(guān)鍵技術(shù)

李楷模 文躍兵

（湖南工業(yè)職業(yè)技術(shù)學(xué)院，湖南 長(zhǎng)沙 410208）

淡水魚(yú)食品加工需要進(jìn)行去頭尾作業(yè)，通常是人工操作實(shí)現(xiàn)的，生產(chǎn)效率低，不能滿足現(xiàn)代生產(chǎn)的要求。中國(guó)淡水魚(yú)產(chǎn)量近幾年連續(xù)增加，淡水魚(yú)食品加工技術(shù)在冷凍保鮮、自動(dòng)去鱗、腌熏與烘烤加工等方面進(jìn)展很快，但自動(dòng)去頭尾技術(shù)的研究還未涉及，影響了淡水魚(yú)食品加工企業(yè)的生產(chǎn)規(guī)模。近年來(lái)，隨著計(jì)算機(jī)視覺(jué)技術(shù)迅速發(fā)展，出現(xiàn)了許多應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)的生產(chǎn)自動(dòng)化系統(tǒng)［1－3］，如利用計(jì)算機(jī)視覺(jué)技術(shù)根據(jù)蘋(píng)果的大小自動(dòng)分級(jí)［4］、根據(jù)藥丸顆粒的顏色自動(dòng)分類(lèi)等，提高了生產(chǎn)效率。本研究提出了一種視覺(jué)引導(dǎo)淡水魚(yú)自動(dòng)去頭尾系統(tǒng)方案，該方案的關(guān)鍵就是如何運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)對(duì)淡水魚(yú)頭、尾的準(zhǔn)確定位。由圖像不變矩理論，利用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)魚(yú)頭、尾匹配定位方法，然后應(yīng)用可編程邏輯控制器（PLC）實(shí)現(xiàn)準(zhǔn)確對(duì)刀及自動(dòng)完成去魚(yú)頭、尾作業(yè)。

1 工作原理

視覺(jué)引導(dǎo)去頭尾系統(tǒng)如圖1所示，該系統(tǒng)用于淡水魚(yú)食品加工自動(dòng)生產(chǎn)線。系統(tǒng)工作時(shí)，去鱗的淡水魚(yú)由輸送帶1送到工作臺(tái)2，當(dāng)魚(yú)頭接觸3接觸傳感器E時(shí)，接觸傳感器E發(fā)出指令，啟動(dòng)工作臺(tái)中間的帶式傳動(dòng)機(jī)構(gòu)，魚(yú)身朝圖1中左方向直線移動(dòng)，當(dāng)魚(yú)頭接觸11接觸傳感器F時(shí)，接觸傳感器F發(fā)出兩個(gè)指令：① 工作臺(tái)中間的帶式傳動(dòng)機(jī)構(gòu)停止，魚(yú)身處于待去頭尾工作狀態(tài)；② 指令?yuàn)A緊裝置7動(dòng)作，夾緊裝置的“弓”形壓塊內(nèi)設(shè)氣囊，由進(jìn)氣、排氣電控閥控制進(jìn)排氣，進(jìn)氣電控閥5獲得指令打開(kāi)進(jìn)氣閥門(mén)，夾緊裝置7下的氣囊進(jìn)氣將魚(yú)夾緊到調(diào)定的壓力值后壓力傳感器自動(dòng)關(guān)閉。圖1中13、15是圖像傳感器 M、N分別采集魚(yú)頭、魚(yú)尾數(shù)字圖像信號(hào)，該信號(hào)由千兆以太網(wǎng)傳輸給控制計(jì)算機(jī)?？刂朴?jì)算機(jī)通過(guò)圖像處理算法實(shí)現(xiàn)魚(yú)頭及魚(yú)尾位置的準(zhǔn)確定位，并經(jīng)由PLC模塊控制步進(jìn)電機(jī)驅(qū)動(dòng)刀具進(jìn)入切割魚(yú)頭及魚(yú)尾位置，完成魚(yú)頭、魚(yú)尾切割作業(yè)。具體由圖像傳感器M、N獲得特征圖形后發(fā)出指令控制電機(jī)A、B完成X方向準(zhǔn)確對(duì)刀，電機(jī)D完成工作臺(tái)上下Z軸方向動(dòng)作控制，使刀具能完全切到魚(yú)頭、魚(yú)尾部分；電機(jī)C控制工作臺(tái)前后Y方向動(dòng)作，Y、Z方向的控制使刀具能完全分割魚(yú)頭、魚(yú)尾；魚(yú)頭、尾分割完后，刀具必然接觸工作臺(tái)底部傳感器10和右側(cè)的傳感器8，分別發(fā)出指令：① 將分割的魚(yú)頭、尾移走（圖中沒(méi)有標(biāo)明）；② 排氣電控閥6放氣，將夾緊的魚(yú)松開(kāi)；③ 控制工作臺(tái)回到原來(lái)狀態(tài)；④ 工作臺(tái)中間的帶式傳動(dòng)機(jī)構(gòu)啟動(dòng)，將切割了魚(yú)頭、尾的魚(yú)身移向傳送帶12，準(zhǔn)備下一個(gè)加工工序，同時(shí)工作臺(tái)準(zhǔn)備下一個(gè)工作循環(huán)。

圖1 視覺(jué)引導(dǎo)去頭尾系統(tǒng)結(jié)構(gòu)圖Figure 1 Visual guide to cutting the head and tail system structure diagram

2 魚(yú)頭、魚(yú)尾位置定位算法設(shè)計(jì)

中國(guó)的淡水魚(yú)養(yǎng)殖家魚(yú)主要有：青魚(yú)、草魚(yú)、鳙魚(yú)和鰱魚(yú)，其身體結(jié)構(gòu)見(jiàn)圖2～5。

圖2 青魚(yú)身體結(jié)構(gòu)Figure 2 Black carp body structure

圖3 草魚(yú)身體結(jié)構(gòu)Figure 3 Grass carp body structure

圖4 鳙魚(yú)身體結(jié)構(gòu)Figure 4 Bighead carp body structure

圖5 鰱魚(yú)身體結(jié)構(gòu)Figure 5 Silver carp body structure

通過(guò)4種常見(jiàn)的淡水魚(yú)魚(yú)身結(jié)構(gòu)，不難發(fā)現(xiàn)4種淡水魚(yú)的魚(yú)頭、尾部均呈規(guī)則的幾何形狀，頭部呈扇形，尾部呈燕尾形。針對(duì)上述特點(diǎn)，本研究基于具有仿射和旋轉(zhuǎn)不變性的Hu矩［5－7］設(shè)計(jì)魚(yú)頭、魚(yú)尾定位算法。

2.1 魚(yú)頭、魚(yú)尾匹配定位原理

“矩”是一個(gè)統(tǒng)計(jì)學(xué)概念，用于描述隨機(jī)變量的分布形態(tài)，在數(shù)字圖像處理中，矩可用來(lái)描述某一圖像物體的形狀，圖像I中某一模版的pq階矩定義為：

pq階中心距定義為：

其中，xa、ya分別為該模版圖像x坐標(biāo)和y坐標(biāo)的平均值，將中心矩除以m00的冪，可得到歸一化處理的中心距：

Hu矩是歸一化中心矩的線性組合，對(duì)于圖像的某些變化縮放、旋轉(zhuǎn)和鏡像映射等具有不變性，Hu矩的定義為：

本試驗(yàn)的方法應(yīng)用Hu矩來(lái)判斷檢測(cè)圖像中某一區(qū)域和標(biāo)準(zhǔn)魚(yú)頭（魚(yú)尾）模板的相似程度，進(jìn)而實(shí)現(xiàn)魚(yú)頭、魚(yú)尾的精確定位。判定某一區(qū)域?yàn)轸~(yú)頭（魚(yú)尾）的判據(jù)為：

其中，D為模板相匹配閾值，可根據(jù)檢測(cè)對(duì)象的統(tǒng)計(jì)數(shù)據(jù)確定，hAi和hBi分別表示圖像區(qū)域和標(biāo)準(zhǔn)魚(yú)頭（魚(yú)尾）的i階Hu矩。

2.2 檢測(cè)步驟

（1）制作需加工魚(yú)魚(yú)頭（魚(yú)尾）標(biāo)準(zhǔn)模板，計(jì)算標(biāo)志模板的Hu矩，設(shè)定模板相匹配閾值D；設(shè)定檢測(cè)圖像中魚(yú)頭（魚(yú)尾）匹配區(qū)域初始大小及初始位置。

（2）計(jì)算檢測(cè)圖像魚(yú)頭（魚(yú)尾）初始區(qū)域的Hu矩，按照式（11）所述判據(jù)判斷初始區(qū)域是否就是魚(yú)頭（魚(yú)尾）所在位置。

（3）若初始位置不是魚(yú)頭（魚(yú)尾）所在位置，以5像素為步長(zhǎng)，向初始區(qū)域的8鄰接方向移動(dòng)匹配區(qū)域，計(jì)算新匹配區(qū)域的Hu矩，判斷新區(qū)域是否是魚(yú)頭（魚(yú)尾）所在位置。

（4）若移動(dòng)80個(gè)像素仍然未找到魚(yú)頭（魚(yú)尾）所在位置，以5像素為步長(zhǎng)調(diào)整匹配區(qū)域大小，重復(fù)步驟（3）。

（5）若區(qū)域大小變化了±20個(gè)像素沒(méi)有找到魚(yú)頭（魚(yú)尾）所在位置，程序停止，報(bào)錯(cuò)；（2）～（4）任一步驟中若找到魚(yú)頭（魚(yú)尾）所在位置，輸出該區(qū)域參數(shù)。

3 試驗(yàn)及分析

（1）驗(yàn)證本試驗(yàn)提出的Hu矩匹配魚(yú)頭、魚(yú)尾判據(jù)的有效性。分別制作100×80像素大小的鳙魚(yú)魚(yú)頭（魚(yú)尾）標(biāo)準(zhǔn)模板，在另一分辨率為800×600像素的鳙魚(yú)圖像中選定20個(gè)區(qū)域，其中第1～4個(gè)區(qū)域基本和魚(yú)頭（魚(yú)尾）位置重合（如圖6中A、B所示），5～20個(gè)區(qū)域則是魚(yú)的其他部分（如圖6中虛線區(qū)域所示），各區(qū)域按照匹配判據(jù)計(jì)算得到T值如圖7所示。由圖7可知，當(dāng)區(qū)域?yàn)轸~(yú)頭魚(yú)尾部分時(shí)，式（11）判據(jù)中T值計(jì)算結(jié)果小于3.1；當(dāng)區(qū)域?yàn)轸~(yú)的其他部分時(shí)，式（11）判據(jù)中T值大于4.3；兩者區(qū)別顯著，沒(méi)有交錯(cuò)部分，本研究提出的魚(yú)頭、魚(yú)尾匹配判據(jù)是有效的。

（2）對(duì)本試驗(yàn)檢測(cè)算法進(jìn)行進(jìn)一步驗(yàn)證，采用上述鳙魚(yú)魚(yú)頭（魚(yú)尾）標(biāo)準(zhǔn)模板在50幀分辨率為800×600像素不同的鳙魚(yú)圖像中尋找魚(yú)頭（魚(yú)尾）；應(yīng)用式（11）所述判據(jù)時(shí)，模板相匹配閾值取值3.7，共有43幀圖像正確找到了魚(yú)頭（魚(yú)尾）；4幀圖像只找到了魚(yú)頭、魚(yú)尾之一；3幀圖像魚(yú)頭、魚(yú)尾均未能找到，本試驗(yàn)檢測(cè)算法有效率達(dá)86%。

圖6 區(qū)域選取Figure 6 Illustration of selected areas

圖7 不同區(qū)域T值計(jì)算結(jié)果Figure 7 Results of different Tvalue

4 結(jié)論

提出了一種視覺(jué)引導(dǎo)淡水魚(yú)自動(dòng)去淡水魚(yú)頭、尾系統(tǒng)方案；基于圖像不變矩理論，提出了魚(yú)頭、魚(yú)尾匹配定位方法。結(jié)果表明，本試驗(yàn)采用的匹配判據(jù)能有效區(qū)分魚(yú)頭（魚(yú)尾）與魚(yú)的其他部分；本試驗(yàn)檢測(cè)算法用于鳙魚(yú)魚(yú)頭、魚(yú)尾定位檢測(cè)有效率達(dá)86%以上，數(shù)據(jù)表明此技術(shù)完全可以應(yīng)用于鳙魚(yú)食品加工自動(dòng)生產(chǎn)線。

引入Zernike矩和小波矩的一些思想，并與本試驗(yàn)算法相集成，進(jìn)一步提高魚(yú)頭、魚(yú)尾識(shí)別的準(zhǔn)確性，是下一步研究的方向。

1 胡永彪，杜成華.機(jī)器視覺(jué)技術(shù)在工程機(jī)械上的應(yīng)用［J］.機(jī)械工程，2009，40（10）：53～56.

2 張萍，朱政紅.機(jī)械視覺(jué)技術(shù)及其在機(jī)械制造自動(dòng)化中的應(yīng)用［J］.合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，30（10）：1 292～1 295.

3 譚建平，王憲，文躍兵.一種基于機(jī)器視覺(jué)平面擺動(dòng)的擺心測(cè)試方法：中國(guó)，201110382185.3［P］.2012－07－04.

4 安愛(ài)琴，余澤通，王宏強(qiáng).基于機(jī)器視覺(jué)的蘋(píng)果大小自動(dòng)分級(jí)方法［J］.農(nóng)機(jī)化研究，2008（4）：163～166.

5 李迎春，陳賀新，趙銘，等.基于飛機(jī)目標(biāo)的仿射不變矩研究［J］.吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2003，21（5）：85～88.

6 張水發(fā)，王開(kāi)義，王書(shū)鋒，等.基于優(yōu)化矩不變特征的鮮切菜在線分級(jí)技術(shù)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27（10）：354～358.

7 應(yīng)義斌，景寒松.黃花梨果形的機(jī)器視覺(jué)識(shí)別方法研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，1999，15（1）：192～196.