速凍青豆殘次品在線檢測與剔除系統

王佳樂，王永強，周聰玲

(天津科技大學機械工程學院，天津 300222)

速凍青豆是對成熟青豆去殼、清洗、水煮熟化、瀝水、冷凍后形成的顆粒橢球狀產品，其中混有顏色和形狀不合格的殘次品，在產品包裝前需要篩選剔除[1].目前行業內主要是人工挑選來完成，標準難以量化，篩選過程效率低，同時由于視覺疲勞會導致錯選和漏選.

隨著機器視覺檢測技術已被廣泛應用于在線自動檢測中[2-9]，本文利用機器視覺技術對青豆殘次品進行在線檢測識別.通過系統結構設計，實現了青豆的自動有序排列，同時結合顏色信息和形狀特征完成殘次品青豆的快速識別定位，再利用 PLC驅動多路電磁閥控制高壓氣流的通斷，將識別出的殘次青豆予以剔除.

1 系統結構及工作原理

1.1 系統結構設計

系統整體結構包括上料鋪料、采集圖像和殘次品剔除三部分(圖 1).入料斗上端為矩形，下端呈楔形，便于青豆集中落入同步輸送帶并實現單層平鋪.

根據速凍青豆的外形以及單粒識別剔除的需要，傳輸裝置采用若干尼龍鏈板與同步帶相結合的方式，在尼龍鏈板上均布沉頭孔，便于定位剔除青豆.每片尼龍鏈板的兩端分別有兩個定位孔與同步帶固定，其中間部分左右分別對稱設計有 2行，每行 15個，共30個沉頭孔，呈矩陣式均勻分布，如圖2所示.

圖1 整體結構圖Fig. 1 Overall structure

圖2 尼龍鏈板沉頭孔示意圖Fig. 2 Sketch of nylon plate countersunk hole

圖像采集裝置位于輸送帶的法向正上方，采用半封閉式漫反射白色燈箱、同軸正光照射方式，避免青豆下方出現陰影.為了有效提高識別效率，采用并列的兩臺彩色相機分別采集輸送帶左右兩側的對應區域，可有效提高在線識別的效率和精度.根據式(1)，最終選定鏡頭焦距為8mm.

式中：f為鏡頭焦距；L為圖像采集區的長度；W為圖像采集區的寬度；D為相機與傳送帶的高度；l和 w為CMOS芯片的長度和寬度.

在上位 PC機完成圖像采集處理后，將殘次品青豆的位置信息發送到下位 PLC中，控制尼龍鏈板對應位置沉頭孔下方高壓氣管路中的電磁閥開啟，利用高壓噴嘴完成殘次青豆的剔除.特制的排列式噴氣嘴間距確保和尼龍鏈板上的排列孔間距一一對應.電磁閥采用一進十六出的連體閥，簡便易控.剔除方案如圖3所示.

圖3 殘次青豆剔除示意圖Fig. 3 Schema of eliminating unqualified green beans

1.2 信息編碼與剔除

為了實現對殘次品的準確剔除，本文利用青豆的矩陣式分布，對其進行位置信息的編碼.具體的編碼過程如下：圖像處理過程中，將尼龍鏈板上每個沉頭孔內的青豆殘次品設定為“1”，合格品設定為“0”.由于每臺相機采集圖像中每行均分布 15粒青豆，即可生成 15位的信息編碼.在串口傳輸中需將其轉換成十六進制，所以在最高位補 0，從而每行可以編碼成 4個十六進制數，如圖 4所示.“+”代表殘次青豆，其余為合格青豆，再利用 Modbus協議進行串口通信，將信息碼傳遞到下位PLC中.

由于伺服電機的脈沖數與青豆運行速度成正比，且噴嘴與圖像采集區的距離固定，可以計算出所需脈沖數.PLC通過計算脈沖數可以確定青豆的位置，進而將編碼信息賦值給其輸出端口，控制電磁閥實現對殘次品的準確剔除.

圖4 青豆殘次品剔除信息編碼Fig. 4 Information coding of eliminating unqualified green beans

2 殘次品特征識別

圖 5所示分別為合格青豆、腐壞青豆和破損青豆.速凍青豆合格品顏色較均勻，橢球形狀，較規則；殘次品的主要缺陷表現在表面顏色明顯變深或者破損.

圖5 速凍青豆類型Fig. 5 Frozen green beans

2.1 顏色特征識別

I1I2I3彩色模型是根據模式識別的分類理論產生的特征，見式(2)—式(4).它的顏色分割效果和 K-L變換的分割結果相當[10]，利用其對青豆彩色圖像進行 I1、I2、I3通道的分離，可觀察出腐壞青豆與合格青豆的明顯差異.如圖 6所示，I1通道下可以明顯區分合格青豆和腐壞青豆，而 I2、I3通道下對腐壞青豆的處理效果較差.

圖6 I1、I2、I3通道下的青豆處理效果Fig. 6 Green beans processed in I1，I2 and I3 channels

在對 I1通道進行分離后，可利用自動閾值獲取全局二值圖像，圖像中黑色像素占比小于 10%為合格品，反之則為腐壞青豆，由此快速識別圖像中的青豆是否合格，并給出相應的信息碼，“0”為合格品，“1”為殘次品.由于尼龍鏈板上的沉頭孔是矩陣式有序排列，其世界坐標與其圖像中的坐標可以預先標定，因此對于圖像中的任意青豆均可計算出其在世界坐標下的位置信息，將得到的這些信息存儲在數組Array1中.具體流程如圖 7所示，其中 Area_r為腐壞面積.

圖7 提取腐壞青豆流程圖Fig. 7 Process of idenfifying rotten green beans

2.2 形狀特征識別

速凍青豆的形狀特征主要包括青豆投影輪廓的面積、周長、圓形度和圓滿度[11]，其中圓形度和圓滿度是檢測速凍青豆是否合格的依據.圓形度 Ro是指速凍青豆與圓形的相似程度，圓滿度 SA指的是速凍青豆的面積與其外接圓的面積比，見式(5)和式(6)(其中 P為周長，L為長軸長，A為面積).通過HSI彩色模型的單通道分析發現，只有S通道下的青豆輪廓較為清晰，S為飽和度，指的是顏色的深淺程度，顏色越深，飽和度越高；H 和 I通道均不能完整體現青豆輪廓信息.因此，在 S通道下進行單粒青豆的分離.利用Canny算子求取青豆邊緣，再通過圖像填充獲取青豆周長像素和面積像素，如圖 8所示；殘次青豆和合格青豆的圓形度和圓滿度，見表1.

圖8 形狀填充后的青豆Fig. 8 Shape-filled green beans

表1 合格青豆和破損青豆形狀參數Tab. 1 Shape parameters of good and broken green beans

通過對隨機選取的破損青豆進行統計，求得圓形度和圓滿度的閾值Rd、Rm(見圖9流程圖)，同時作為判定的依據.形狀識別的具體流程如圖 9所示，所提取的形狀特征見表 1.系統最終將數組 Array2傳遞給 PLC.由于數組 Array2為只有 0和 1的一維數組，即合格品和殘次品的排列順序，PLC根據 Array2中內容實現對殘次品剔除.

圖9 提取破損青豆位置流程圖Fig. 9 Process of locating damaged green beans

3 實 驗

選取速凍青豆 2000粒，分成 4組(每組 500粒)，各組中合格、腐壞、破損青豆的數量不同，依次將每組青豆樣本混合后放入料斗內進行實驗，考核系統識別和剔除的正確率.實驗中，同步帶的運行速度為 0.20m/s，相機分辨率為 1280×960，整體結構傾角為 10°，結果見表 2.本系統的檢測效率可以達到400kg/h.在線識別與剔除的正確率達到 99.3%以上，其中破損的青豆相比腐壞的青豆更難于剔除.其原因：一是單粒青豆的破損程度對特征閾值的選取有影響；二是破損面影響高壓氣流的“吹出”.

表2 實驗結果Tab. 2 Results of the experiment

4 結 語

本文提出并設計了一套基于機器視覺的速凍青豆殘次品在線檢測與剔除系統.通過對青豆顏色特征和形狀特征的分析，對殘次品進行快速識別定位，并將所生成的剔除信息編碼傳遞給 PLC控制系統，利用集成式多點高壓氣流噴嘴，實現殘次品的剔除.該裝置不僅能夠檢測速凍青豆，對其他球型、橢球型產品也可以進行相關檢測，具有廣泛的適應性.該系統性價比高，可替代人工完成速凍青豆殘次品的篩選，具有經濟效益和應用價值.