基于多维度识别的瓜类分拣机设计

2022-05-24关运升范振宇薛佳辉

机械工程与自动化 2022年2期

关运升，范振宇，薛佳辉

(沈阳工业大学，辽宁沈阳 110870)

0 引言

现阶段市面上的绝大部分水果选果机，仅仅是以水果的重量作为分级标准，检测指标单一，所能完成的只是重量分级的问题，而本文所设计的瓜类品质识别分拣机可以实现对瓜的瓜形、色泽、大小、网纹、缺陷进行多维度检测识别与分拣。可以说，这从根本上解决了目前市场上瓜类分拣后品质仍是参差不齐的问题。

1 瓜类分拣机总体设计

以甜瓜分拣作为样例进行分析设计，瓜类品质识别分拣机总体结构如图1所示。

图1 瓜类品质识别分拣机总体结构

该设备由进料机构、传送机构、检测机构、分料机构和出料机构五大部分组成。整个机械设备为流水线型结构，框架主体采用Q235喷塑和硬质塑料拼接。工作时，将甜瓜送入进料口后，经过传送机构传送到检测机构进行品质检测，将甜瓜分为精品、普通、劣等三个等级，检测机构将数据传入PLC控制系统，控制系统控制两个气缸，依次把精品瓜和普通瓜分别推入对应的分拣通道，并同时完成精品瓜和普通瓜标签的粘贴[1-3]。

2 瓜类分拣机理

2.1 大小检测

对于瓜的大小检测，以甜瓜为例进行说明。首先对采集的图像进行处理，寻找边缘轮廓，得到最优拟合椭圆；然后利用横径实际长度与横径像素点之比确定一个参数S，计算出甜瓜实际面积特征和拟合椭圆面积特征；最后输入甜瓜实际长度,即可通过参数S计算出其实际面积，完成大小检测。

2.2 纹理检测

甜瓜、西瓜和哈密瓜等葫芦科的瓜类表面具有网络纹路，其表面纹理面积占全瓜表面积的比例代表着瓜的纹理等级。大量统计数据表明，瓜的纹理等级是决定瓜类品质最重要的因素之一。所以，通过对采集的瓜的图像进行处理，以纹理特征像素点数目与二值化像素点数目的比例大小为依据来确定瓜的等级。

2.3 缺陷检测

对于包含霉菌、晒伤、裂纹的缺陷检测，利用深度学习框架建立一种卷积神经网络模型。采用图像处理与深度学习算法对瓜的外部缺陷进行检测分类，利用主成分分析、奇异值分解和阈值分割等方法强化缺陷特征，分别对不同卷积神经网络的原始数据和特征强化后数据进行训练。最后逐一比对训练结果的准确率，从而确定缺陷检测的最优模型[4]。

3 各装置设计

3.1 进料机构设计

该机构主要由机座和“Y”型进料口组成。进料机构与水平面存在一个30°左右的坡度，当甜瓜被放置在进料机构上时，在自身重力的作用下会以一个较为平稳的速度滚入传送机构，随着进料口收窄，最后一次只能通过一个甜瓜[5]。

3.2 传送机构设计

该机构由普通传送带作为输送载体，以调速电机作为动力源，配备普通Ⅴ型带及带轮，作为动力输出首级传动装置，由从动轮连接同步带轮控制二级传动比，保证输送装置平稳运行。考虑到对瓜的保护，故传送带与瓜接触表面采用橡胶来减少磕碰。

3.3 检测机构设计

检测机构主要由工业摄像头和耐磨陶瓷滚筒输送部分组成，如图2所示。

图2 检测机构

滚筒设计成中间细两端粗的特殊筒状，可以很好地贴合甜瓜的外部轮廓，而耐磨陶瓷的材质则可以实现瓜通过工业摄像头下方时保持连续转动的状态。通过测定瓜翻转一周所用时间，设置摄像头的采集图像信息的间隔，就保证了对瓜进行360°的检测；将辨别结果传输给PLC，进行品质分析识别，从而大大提高了检测结果的精确性。

3.4 分料机构设计

该机构由薄型气缸、推杆式贴标签机构和感应器支架组成，如图3所示。

图3 分料机构

当甜瓜经过流水线时，流水线体上的感应器会感应到检测机构检测出的精品瓜或者普通瓜，并将信号传达给分料机构，随后气缸推出，推杆将甜瓜推到对应的分拣线，与此同时推杆中心的贴标签机构弹出，将精品瓜或普通瓜的二维码标签贴在分级后的甜瓜表面。其中推杆与水平面呈15°夹角，顶部选用橡胶材质包裹拱形结构推块，能够在确保瓜不受外部伤害的同时，以一个略微向上的推力将瓜准确推至相应的传送分拣线上。

3.5 出料机构设计

该机构由智能堆码小车(见图4)和特制甜瓜箱组成。

图4 智能堆码小车

考虑到实际情况，对于精品瓜的出料，采用了智能堆码小车。小车由滚轮、车座、车架和托盘四部分组成。托盘以可降解塑料为原料，制有半球形凹槽，托盘颜色与凹槽的数量可以随意定制。在瓜到达之前，托盘在小车最顶部。当瓜到达时，最下方的托盘下落到与传送带同一高度，滚轮带动小车以蛇形路径运动，将瓜装满托盘，托盘匀速下落到底座，然后顶部托盘下落到传送带高度，重复第一个托盘操作。当所有托盘装满后，小车自动离开，另一辆小车到来。装满甜瓜的托盘可以直接装入规格匹配的箱子里，作为精品瓜礼盒出售。

对于普通瓜和劣等瓜的分料，采用了特制甜瓜箱。以底面积约1 m2、高度20 cm的塑料箱为主体，内部铺有一层1 cm厚的多孔海绵，在保护瓜不受磕碰的同时保持一个相对干爽的环境。