蘇葉在線分選系統設計與試驗

趙 博 王 燁 董 鑫 李亞碩 姜含露 呂程序

(中國農業機械化科學研究院土壤植物機器系統技術國家重點實驗室， 北京 100083)

0 引言

蘇葉不僅具有一定的藥用價值，還具有較高的食用價值[1]。近些年，國內對諸如烤肉、壽司等料理的消費逐年增大，作為重要輔料的蘇葉逐漸為人所知，市場不僅對蘇葉的需求量快速增長，而且對其尺寸、形狀、新鮮度等質量要求也越來越高。

依據不同尺寸規格制定蘇葉價格，分等銷售、分級貯存，滿足不同食用需求，提高蘇葉產品價值及競爭力，這是目前市場重點關注且急需解決的問題。然而，目前國內尚未見相應的蘇葉分選系統，主要依靠人工來完成，耗時耗力，效率極低。

機器視覺是一種快速、經濟、一致、客觀、無損的檢測技術，已被國內外學者廣泛應用于蔬菜、水果等分選系統中[2-15]。SOFU等[16]利用機器視覺技術實現了對蘋果尺寸、顏色、質量、缺陷的檢測與分級。JARIMOPAS等[17]利用機器視覺系統對羅望子形狀、尺寸、外部缺陷進行檢測與分級。ABBASGOLIPOUR等[18]采用圖像處理技術實現了對葡萄干純度等的檢測與分級。BLASCO等[19]采用多光譜機器視覺技術顯著提高了常規機器視覺系統對柑橘外部缺陷檢測的準確率。杜永忠等[20]利用機器視覺技術實現了對圣女果表面缺陷的檢測與分選。文獻[21-24]利用機器視覺與圖像分析實現農產品分選。

本文應用機器視覺技術設計蘇葉在線分選系統，以蘇葉葉片最大長度為分選依據，利用蘇葉葉片形態特征，設計基于最小圓的蘇葉長度測量算法，以實現蘇葉自動測量與分選。

1 硬件系統設計

1.1 總體結構設計

蘇葉在線分選系統硬件部分主要由上料單元、檢測單元、傳輸單元、分選單元、下料單元、供氣系統以及控制系統組成。整機結構如圖1所示，其中，1、2構成了上料單元主體，4～6構成了供氣系統主體，7～9構成了檢測單元主體，10～13構成了分選單元主體。

圖3 控制系統工作原理圖Fig.3 Schematic of system operation

圖1 蘇葉分選系統整機結構圖Fig.1 Whole structure of sorting system for perilla1.第1執行機構 2.上料輸送皮帶機 3.控制系統 4.無油空氣壓縮機 5.過濾減壓閥 6.精密減壓閥 7.LED燈帶 8.CCD相機 9.暗箱 10.第2執行機構 11.第3執行機構 12.第4執行機構 13.第5執行機構 14.傳輸單元 15.下料單元

1.2 關鍵部件設計

1.2.1上料單元

上料單元用于將待檢測蘇葉移送至檢測單元。上料單元包括機架、上料電機、電機調速器、傳動裝置、輥子、上料輸送帶、第1執行機構。其中，第1執行機構如圖2所示，可一次吸附4片蘇葉，包括安裝架、連接支架、無桿氣缸、雙桿氣缸、真空吸盤。每個無桿氣缸和雙桿氣缸上設有兩個行程開關用于氣缸動作控制。

圖2 第1執行機構結構圖Fig.2 Structure of the first actuator1.安裝架 2.無桿氣缸 3.連接支架 4.雙桿氣缸 5.真空吸盤

1.2.2控制系統

控制系統用于控制蘇葉上料、檢測、輸送、分選、下料，控制系統包括工控機、控制器、輸出擴展模塊、繼電器。控制系統的工作原理如圖3所示，蘇葉被擺放到上料輸送帶上，用于上料的執行機構將蘇葉自動移送至檢測單元；工控機利用檢測單元結合軟件系統接收信號，對圖像進行采集、分析、處理并給出分選信號；S7-200分析處理信號，通過輸出擴展模塊、繼電器控制分選單元和下料單元實現蘇葉的分選和下料。

其他硬件系統功能和組成如表1所示。

1.3 系統工作流程

系統工作流程圖如圖4所示，具體流程如下：①開機。②調節無油空氣壓縮機至0.5 MPa，調節相機光圈和焦距至能獲得清晰圖像，激活各驅動電機，調節至合適速度。③人工上料至上料輸送帶，第1執行機構上料。④相機采集圖像，工控機處理并輸出分級結果。 ⑤控制器接收處理分選結果并控制不同分級閥組和真空發生器實現蘇葉分級，即控制器首先判斷分選信號中是否存在1級信號，若存在，則激活第2級執行機構對應閥組和真空發生器狀態進而控制第2級執行機構將蘇葉移送至下料輸送帶，若不存在，則直接將信號移位至下一級，依此類推，最后，若檢測的蘇葉不屬于任何級別，則視為無效目標。⑥下料。

表1 部分硬件系統功能與組成Tab.1 Function and component of part of hardware system

圖4 系統工作流程圖Fig.4 Working flow chart of system

2 軟件系統設計

2.1 蘇葉長度測量算法

圖5 蘇葉測量長度示意圖Fig.5 Schematic of length of measuring perilla

由于國內在蘇葉分選上尚未有相應的分選標準，因此，本文參考國外蘇葉分選標準，以蘇葉葉片最大長度作為蘇葉尺寸分選的唯一依據。圖5所示蘇葉是本文分選的目標，觀察其外形可以看出，其葉片最大長度實際為葉尖PA和葉片與葉梗分離點PB的距離Lu。因此，本文對原始圖像(圖6a)依次進行灰度化、大津法閾值分割處理，獲得二值圖(圖6b)，并對圖像取反(圖6c)，結合

圖6 目標提取及最小外接圓獲取Fig.6 Target extracting and minimum circumscribed circle searching

(1)

式中j′(x,y)——圖6d中點(x，y)處的像素值

j(x,y)——圖6c中點(x，y)處的像素值

Rmin、Rmax——行上、下閾值

對取反圖像進行降噪處理(圖6d)，去除背景干擾。但從降噪圖像可以看出，部分葉片葉梗相連，這使得PB坐標難以獲取，因此，對降噪圖像進行形態學操作以完全分離葉片與葉梗。經試驗發現，對降噪圖像依次進行1次閉運算、2次腐蝕、2次膨脹處理的效果最好(圖6e)。對降噪圖像進行形態學操作后，分離的葉梗雖然成了噪聲，但可以看出，該類噪聲面積遠小于目標輪廓所包圍區域面積且數量較少，因此，一種有效的方法是通過區域面積進行篩選，在濾除噪聲的同時對目標進行提取(圖6f)，篩選公式為

(2)

式中Ce,i——圖6e中第i個區域輪廓判定結果

Ai——第i個輪廓所包圍區域面積

Ad——面積下限

Au——面積上限

N——檢測出的輪廓數量

其中，判定結果為1表明該輪廓為蘇葉輪廓，為0表明該輪廓為非蘇葉輪廓。由于蘇葉姿態的不確定性，使得PA、PB兩點的坐標隨著蘇葉姿態改變而改變，這使得依靠PA、PB坐標進行測量比較困難。對此，本文采用一種簡單有效的方法，即通過獲取蘇葉輪廓最小外接圓(圖6g)，進而獲取其直徑D，并作為Lu的系統測量值。后續通過試驗也證明了這是一種簡單、快速、有效的方法。由于通過該方法得到的系統測量值是以像素為單位的長度，對此，本文先通過計算獲得了轉換系數k，將得到的系統測量值乘以該系數k得到待測量長度Lu的系統測量結果Lu,s，其中k的計算公式為

(3)

式中Li——蘇葉葉片最大長度人工測量值，cm

Di——蘇葉葉片最大長度系統測量值，像素

M——蘇葉數量

整個算法流程如圖7所示。

圖7 蘇葉長度測量算法Fig.7 Algorithm for measuring length of perilla

經試驗得出，Rmin、Rmax分別取200、545像素時降噪效果最佳，如圖6d所示。當Ad取6 000像素，Au取30 000像素時判別結果最佳，如圖6f所示，紅線表示蘇葉輪廓。

2.2 測量結果排序

由于實際獲取的蘇葉輪廓(圖8a)無規則排列，使得根據蘇葉輪廓獲取的最小外接圓無規則排列(圖8b)，導致蘇葉系統測量長度輸出順序較亂，使得軟件系統根據蘇葉系統測量長度給出的分選信號排列不規則，給后續分選控制帶來一定的困難。因此，為使后續蘇葉分選控制方便，在獲取蘇葉輪廓最小外接圓之前，對蘇葉輪廓進行再排列以輸出規則排列分選信號(統一采用從左到右排列順序)。結合所識別蘇葉的最大數量將整幅圖分為4個區域，標識為1、2、3、4號，對蘇葉輪廓進行再排列的公式為

(4)

式中Cz,i——第i片蘇葉區域輪廓判定結果

cx,i——第i片蘇葉區域輪廓中心點x坐標值

db——邊界初始距離

dg——區間間隔

經試驗可得，db取30像素，dg取330像素時，所得效果較好，如圖8c所示。

圖8 蘇葉輪廓及最小外接圓(圖中數字僅代表排列順序)Fig.8 Contour and minimum circumscribed circle of perilla (numbers in map only represented sequence)

2.3 軟件系統開發

基于上述算法，在Windows框架下，采用MFC和OpenCV3.4.0作為開發工具，設計了蘇葉在線分選軟件系統，主要包括控制面板、圖像采集顯示模塊、結果展示模塊、統計結果顯示模塊、日志生成控制模塊與工作信息顯示模塊，軟件系統界面如圖9所示。

圖9 軟件系統界面Fig.9 Software system interface1.控制面板 2.圖像采集顯示模塊 3.結果展示模塊 4.統計結果顯示模塊 5.日志生成控制模塊 6.工作信息顯示模塊

3 試驗與結果分析

3.1 分選依據與樣機

蘇葉分選參考日本堀田生態農場股份有限公司相關標準，如圖10所示，依據蘇葉葉片最大長度Lu將蘇葉分為4級，7～8.5 cm為1級，記為M規格；8.5～9.5 cm為2級，記為L(小)規格；9.5～10.5 cm記為3級，記為L(大)規格；10.5～12 cm為4級，記為2L規格。

圖10 蘇葉分選依據圖Fig.10 Pursuant picture of perilla sorting

樣機如圖11所示，整機尺寸為5 000 mm×1 500 mm×1 500 mm，分選速度約為4片/s。

圖11 蘇葉分選樣機Fig.11 Perilla sorting machine

3.2 圖像標定

如2.1節所述，在蘇葉長度測量算法中，所提取的直徑是像素坐標下的值，因此，需要通過轉換系數k將該像素直徑轉換為實際值。為此，選取蘇葉120片，其中100片用于驗證蘇葉分選系統測量精度和分選效果，其余20片用于計算k。由于使用的相機基本無畸變，k計算步驟為：①初始時，設置軟件系統中k為1。②采用游標卡尺對蘇葉葉片最大長度進行測量，得到人工測量值Li。③將蘇葉放入系統檢測單元結合軟件系統對蘇葉葉片最大長度進行再測量，得到系統測量值Di。④利用步驟②、③所得測量信息結合式(3)重新計算k，得到結果為0.053 013 cm/像素。

3.3 長度精度試驗

修改軟件系統中k為0.053 013 cm/像素，k一經確定在裝置不改變的情況下不需要再次修改。采用人工方式測量剩余100片蘇葉最大長度并利用系統測量對應長度，所得測量結果和測量誤差分別如圖12、13所示，總體來看，測量誤差較小，能夠滿足實際分選蘇葉測量精度要求。

圖12 蘇葉測量結果對比Fig.12 Comparative diagram of measurement results of perilla

圖13 誤差曲線Fig.13 Diagram of error

3.4 分選試驗

將人工測量后的蘇葉擺放在上料輸送帶上，通過系統上料、檢測、輸送、分級、下料，進行蘇葉分選試驗，所得分選結果如圖14所示，其中分選準確率的計算公式為

(5)

式中Pc——分選準確率Nc——分級正確數量

Nt——當前檢測數量

圖14 蘇葉分選結果Fig.14 Sorting result of perilla

3.5 結果分析

經試驗，蘇葉分選系統單幅圖像處理時間約為0.18 s，規格為M、L(小)、L(大)、2L的蘇葉對應系統測量絕對誤差最小值均為0 cm，最大值分別為

0.450、0.510、0.400、0.400 cm，平均絕對誤差分別為0.145、0.148、0.186、0.162 cm，總體平均絕對誤差為0.157 cm，對應分選準確率分別為93.10%、89.47%、77.78%、100%，總體分選準確率為90.09%，如表2所示。

表2 蘇葉分選統計結果Tab.2 Sorting results of perilla

從表2可以看出，蘇葉系統測量長度總體平均絕對誤差較小，但每個規格蘇葉對應系統測量絕對誤差較大。主要原因是，在蘇葉長度測量算法中，為有效分離葉片葉梗，對降噪后圖像進行了多次形態學操作，使得葉尖以及葉片與葉梗連接點被腐蝕，導致系統測量的圖像距離偏小，但由于即使使用相同的方式對不同蘇葉進行形態學操作，其處理效果也不盡相同，使得在系統標定過程中，通過人工測量的蘇葉葉片最大長度與其對應圖像距離近似為比例關系，由此，使得后續測試系統性能時得到的測量結果存在一定程度上的誤差。總的來說，本文所述分選設備結合本文所述蘇葉長度測量方法，能夠實現蘇葉長度較為準確的測量和不同規格蘇葉的快速分選，分選準確率較高。

4 結論

(1)設計了蘇葉在線分選系統，包括上料單元、檢測單元、傳輸單元、分選單元、下料單元、供氣系統以及控制系統，實現了蘇葉上料、檢測、輸送、分選、下料的全流程自動化。

(2)提出了蘇葉長度測量算法，設計了蘇葉測量結果信號反饋排序策略和蘇葉在線分選軟件系統，實現了蘇葉長度在線快速測量及結果實時顯示、統計以及軟硬模塊實時通信。

(3)以100片蘇葉驗證所設計的蘇葉分選系統性能，試驗結果表明，單幅圖像處理時間約為0.18 s，分選速度約為4片/s，在蘇葉長度測量和分選情況上，規格為M、L(小)、L(大)、2L的蘇葉對應系統測量總體平均絕對誤差為0.157 cm，總體分選準確率為90.09%。