scara機器人圖像識別在茶產品質檢中應用

鄭 華

（廣西工商職業(yè)技術學院，廣西南寧 530007）

scara機器人屬于坐標型工業(yè)機器人。scara真空機械手包括伸縮、旋轉、升降三關節(jié)，其中兩旋轉關節(jié)的角位移與移動關節(jié)位移共同決定機器手手腕位置。因此，該機器人最適宜平面定位作業(yè)，及垂直裝配作業(yè)。該機器人視覺系統(tǒng)包含光源、攝像機、鏡頭、圖像采集卡、處理器、顯示器。scara機器人基于視覺系統(tǒng)而形成的智能化圖像識別功能被越來越廣泛應用于工業(yè)生產與農產品檢測之中。尤其是茶產品檢測中，茶葉體積小、形狀多，用人工肉眼檢測，既有感官思維上的主觀性，又有肉眼觀察的不徹底性。利用scara機器人視覺系統(tǒng)可進行微小事物的圖像搜集與處理，可對茶葉顏色、形狀、外觀品質進行檢測，收集檢測數(shù)據(jù)進行綜合分析處理。

1 scara機器人圖像識別概述

scara真空機械手在圖像識別上，可利用其視覺補償抓取功能。首先，利用攝像機拍攝抓取工件，通過圖像采集卡收集圖像信息，在計算機處理器中基于特征法分析圖像信息，繼而計算出工件質心，整合機器人坐標系，對上述工件質心結果進行換算，繼而得出工件三維坐標，通過視覺系統(tǒng)獲取的信息可對定位引導機械手抓手。

1.1 攝像機標定

攝像機標定就是對攝像機采集的到圖像的識別，對工件坐標信息的重構。scara真空機械手視覺系統(tǒng)在工件識別中，應先標定攝像機。以此獲取圖像像素坐標，這些坐標與三維空間點之間形成映射關系，其間的映射關系參數(shù)就是攝像機的標定。攝像機標定常用模型是針孔成像幾何模型，其線性的成像關系可以近似展現(xiàn)實際成像。本文所論述的機器人視覺系統(tǒng)攝像機標定以張正友標點法為基礎算法，以針孔模型為攝像機基礎模型，小孔成像作為攝像機標定模型，基于圖像點的映射關系對攝像機參數(shù)進行標定。

1.2 圖像的特征識別以及匹配

第一，對工件成像進行預處理，提取靜態(tài)工件特征，劃分提取結果，進行初步分類。工件的特征提取指在對不同工件信息的提取中，界定工件識別的條件。第二，進行特征匹配，對目標模型進行界定，與特征數(shù)據(jù)庫中的工件信息做對比，找出與目標模型相契合的模型。現(xiàn)如今，使用最為廣泛的匹配方法位輪廓匹配法、灰度直方圖匹配法。其中灰度直方圖匹配法的精度最低，這是由于灰度直方圖中灰度出現(xiàn)頻率以灰度級像素個數(shù)而定，但是這種方法沒有顧及到圖像采集中存在的空間信息。

數(shù)字圖像中最為突出的特征便是圖像的輪廓，這是圖像的重要信息。圖像輪廓是固定不變，不會隨著外界條件而變化的，所以很多匹配條件對其都使用。利用圖像輪廓的邊緣特征可以對圖像進行清晰識別。這種輪廓匹配方法可以廣泛應用于各種工件的識別中，可減少數(shù)據(jù)計算量，并保留圖像結構與外觀信息，繼而準確識別工件。

1.3 圖像消除噪音性設置

在圖像轉換成圖像信息傳輸?shù)接嬎銠C處理儀器中時，會受到攝像機性能、浮塵、光照、飛沫等因素的影響，尤其是在圖像收集、傳輸、處理過程中的不可避免的噪聲干擾，這種必然存在的干擾會影響圖像形成，使得圖像模糊不清。scara機器人對噪聲采取高斯濾波處理方式處理圖像信息的采集。高斯濾波基于高斯函數(shù)計算模板值，其為線性平滑濾波器，對此，利用高斯參數(shù)衡量濾波器權重，通過高斯參數(shù)的分布看模板寬度。并且在對高斯函數(shù)的離散化處理中，以二項式展開系數(shù)獲取逼近值。二項式展開系數(shù)可以利用楊輝三角法計算得出，得到相應的模板取值。實踐證明，使用高斯濾波會在一定程度上丟失相關信息，但會消除大部分噪聲，且其中丟失的信息不會影響后續(xù)算法，因此，在圖像特征識別之前應利用高斯濾波消除圖像處理中的噪音。

2 scara機器人圖像識別在茶產品質檢中的具體應用

2.1 茶葉圖像的采集

scara機器人視覺系統(tǒng)可收集處理茶葉圖像。利用攝像機獲取并采集茶產品圖像，茶葉體型較小，利用scara機器人視覺系統(tǒng)中特定的攝像機采集圖形信息較為快捷直觀，受外界因素干擾較小，圖像測量精度較高。在攝像機采集茶葉圖像信息時，圖像信息會通過圖像采集卡中的轉化器轉化為二進制數(shù)值，以供計算機識別，將圖像信息轉化為數(shù)字信息。scara機器人的視覺識別系統(tǒng)由攝像機、圖像采集卡、計算機共同連接而成，實現(xiàn)了圖像的系統(tǒng)化采集，為后續(xù)圖像處理奠定基礎。

2.2 茶葉圖像的處理

scara機器人視覺識別系統(tǒng)從對目標物體的圖像信息數(shù)據(jù)采集開始，進而對圖像信息進行處理，這一過程猶如人感官上的識別、檢測、追蹤過程。而scara機器人的視覺識別系統(tǒng)則是對目標物體進行圖像信息的采集、分析、識別、處理。其中圖像信息的處理是利用計算機分析處理圖像數(shù)據(jù)信息，客觀表現(xiàn)圖像信息，依據(jù)圖像數(shù)據(jù)深入識別圖像各元素信息，在各元素之間建立分離與連接關系。

在人類視覺識別系統(tǒng)中，紅、藍、綠是最為敏感的顏色，其他顏色皆是在這三者基礎上混搭而成。常見的顏色模型為：RGB、HSI、HSV、LAB等，各個模型都有其獨特特征，實際對顏色的識別中，人類會根據(jù)需要提取顏色特征，獲取所需顏色模型，出現(xiàn)頻率最高的模型為RGB、HSI，兩種模型表達著不同的物體色彩信息，圖像處理正是基于兩種模型的轉換結合。

茶葉圖像處理，即去除圖像噪音、強化圖像色澤強度，截圖圖像邊緣信息，處理茶葉低層圖像信息，對茶葉圖像進行識別。前期低層的處理視為后續(xù)高層處理打下基礎，以增強提取茶葉外形特征數(shù)據(jù)的準確定，強化圖像識別的有效性。茶產品圖像前期的處理質量直接關系到茶產品品質檢測品質。圖像去燥可利用高斯濾波法進行，既能去除噪音，又能確保圖像信息數(shù)據(jù)的完整性，避免圖形受噪音影響而變得模糊不清。茶葉形狀及紋理需要依靠圖像邊緣而定，這是分析茶葉圖像信息的基礎性依據(jù)，通過攝像機采集的茶葉個體圖像信息，在信息處理上需要對茶葉邊緣做標記，尤其是突出邊界點，由此完整截取茶葉單個樣本信息。

2.3 茶葉外形信息的參數(shù)提取

茶產品檢測需要從產業(yè)的外形、色澤、香味、味道等要素對其品質進行綜合判斷。茶葉外形主要有長條、圓形、針型、卷曲型、尖型等，依據(jù)茶葉外形，沖泡膨脹程度、吸水程度等可衡量茶品質優(yōu)劣；茶葉色澤主要指干茶色澤、沖泡后的顏色、茶渣顏色，這也是判斷茶葉品質的重要依據(jù)，傳統(tǒng)茶品質檢測中以人感官為檢測工具，依靠人的視覺器官觀察茶的顏色，干茶顏色有深綠、翠綠、墨綠、淡黃等，這種判斷方式主觀性較強。

而借助scara機器人則可準確識別、分析茶葉外形與色澤，對茶葉外形色澤進行定性定量分析。scara機器人視覺識別系統(tǒng)可準確計算提取茶產品邊界、直徑、圓度、面積、周長等數(shù)據(jù)信息，通過強化圖像、邊緣提取等可提取圖像參數(shù)信息，對茶產品圖像進行客觀地分析處理。

2.4 茶葉品質分級

茶葉外形、色澤不是簡單的好壞鑒定，需要對其特征的全面分析。而scara機器人可借助其神經網絡強大的兼容性融合大量數(shù)據(jù)信息進行處理，并且scara機器人神經系統(tǒng)具有自我適應能力，猶如人工神經網絡一般，可對茶葉品質進行猶如人類大腦般的主觀分析，處理各節(jié)點的圖像信息。利用復雜的網絡系統(tǒng)，可調整連接圖像內部節(jié)點信息，并對其進行智能化處理。scara機器人神經網絡由網絡層、神經元、數(shù)據(jù)分析組成，茶葉通過神經網絡分析處理茶葉信息，從而對茶葉品質在客觀分析的基礎上，融入如人類分析的智能化分析結果，對茶葉品質實現(xiàn)智能化、科學化分級。

利用scara機器人視覺識別系統(tǒng)檢測茶產品品質時，可通過收集、錄入茶產品信息，預先處理圖像信息，綜合進行品質鑒定，制作圖像進行分析，可實現(xiàn)對茶品質檢測的智能化管理，實現(xiàn)了對茶葉數(shù)據(jù)的科學化管理。

3 結語

利用scara機器人對茶葉外觀色澤的分析處理，可全面收集茶葉圖像樣本信息，經過計算機計算茶葉外形參數(shù)信息，再利用神經網絡對數(shù)據(jù)信息進行智能化分析，對茶產品品質等級進行劃分，提高數(shù)據(jù)分析的準確性，確保茶產品品質檢測的智能化與科學性。在茶產品品質檢定中，對茶產品分級越細致，品質檢驗結果越穩(wěn)定。通過scara機器人圖像識別系統(tǒng)對茶產品進行的檢驗，可實現(xiàn)對圖像樣本數(shù)據(jù)的科學化分析，對品質等級的智能化測量與劃分，為茶品質檢驗提供了科學的檢驗平臺。

[1]舒翔,曾武捷.計算機視覺技術在農產品品質檢測中的應用[J].北京農業(yè),2015(3):221.

[2]魏博宇,李科杰,高峻峣,范鷹.移動機器人視覺系統(tǒng)與攝像機標定[J].微計算機信息,2009(23):171-172+179.

[3]金利英,朱云.計算機視覺系統(tǒng)在工業(yè)機器人上的應用[J].云南農業(yè)大學學報(自然科學),2014(1):122-125.