瑞视特视觉系统logo 瑞视特是整套机器视觉方案提供商
首页 | 公司概况 | 新闻中心 | 产品应用 | 在线留言 | 加入收藏 | 联系我们
机器视觉产品
  • 型号:机器视觉-水果分拣检测系统
  • 类别:机器视觉产品

产品说明

视觉检测技术在水果分拣检测方面的应用是怎样的?如何辨别水果的内部品质,保证品控质量,一直是水果产业头疼的难题。在刚刚过去不久的机器视觉展会上,深圳瑞视特科技有限公司就独领风骚,以其最新研发的水果分拣检测系统吸引了不少眼球。


瑞视特科技研发的水果分拣检测系统是待检水果被送入分拣机后,将由专业相机进行扫描。系统根据数学模块逐个部分地分析水果内部情况,同时进行称量、测量直径长度、上色、注明营养成分、剔除瑕疵品等步骤,使高品质水果可从普通一、二等果中分离出来。


机器视觉技术在工农业生产中的应用也越来越普遍,现已广泛应用于林业、工业、农业、军事、交通、品质检测等领域,瑞视特科技对该技术在水果分级中的应用进行综述和展望。


1、机器视觉技术


机器视觉又称计算机视觉,是随着计算机技术的发展迅速成长起来的,是指计算机对 三维空间的感知,包括捕获、分析、识别等过程。它是计算机科学、光学、自动化技术、模式识别、人工智能技术的综合。

机器视觉系统主要由三部分组成: 图像的获取、图像的处理和分析、输出或显示,一般需要 CCD 摄像机、检测装置、传送带、计算机、伺服控制系统等设备。在水果分级过程中,水果位于传送带上方,CCD摄像机配置在传送带的上方及周边,在传送带的两侧安装有检测装置。


当水果通过 CCD 摄像机时,CCD 摄像机将通过图像采集卡将水果图像传入计算机 , 由计算机对图像进行一系列处理,确定水果的颜色、大小、形状、表面损伤情况等特征,再根据处理结果控制伺服机构,完成分级。该方法无损水果质量,能减轻人工分级的大量劳动和人为误差,速度快,精度高。


上世纪 80 年代后期,由于计算机技术的迅速发展,计算机硬件价格大幅度下降而计算速度成倍增长,为计算机视觉技术的广泛应用创造了条件。国外众多学者对提高分级速度也进行了多方面的研究和努力,在理论和应用上有了较大进展,并取得了很好的经济效益。而我国的水果自动分级技术研究则较晚,仅始于 90年代,且从事机器视觉水果自动分级系统研究的科研院所并不多,但却为我国研究水果分级系统奠定了基础, 目前在水果外部品质分级技术方面的研究主要体现在以下方面。


2、机器视觉技术在水果分级中的应用


 按大小分级 按大小分级是水果分级的一个重要指标。应义斌研究了利用机器视觉技术精确检测水果尺寸方法,建立了图像中的点与被测物体上的点之间的定量关系,提出利用物体的边界信息求出物体的形心坐标的新方法。实验表明所测水果最大横径与实际最大横径的相关系数0.96。


针对苹果的外形特征,应用苹果的最小外接矩形 (MER) 的 尺寸表示横径和纵径,取得了较为理想的结果 。

用傅立叶半径描述的前 9 个分量测量水果的大小[3]。冯斌、汪懋华以苹果的自然对称形态特征为依据,取垂直于水果轴向的最大宽度为水果大小,检测准确率为 94.4%,水果大小检测最大绝对测量误差为 3mm。


3、 按形状分级


果实形状是水果品质检测与分级的一个重要指标 利用图像形态学方法,按内切圆面积占苹果图像面积的比例进行分级,综合准确率达 91.4%。利用形态学进行果实品质检测只需进行膨胀和腐蚀的组合调用 ,算法容易,但由于反复调用,算法执行效率较。用半径指标、连续性指标、曲率指标、半径指标的对称性、连续性指标的对称性、曲率指标的对称性 6 个特征参数表示果形,利用人工神经网络对果形进行识别和分级。


结果表明,用提取的特征参数和果形识别技术,计算机视觉与人工分级的平均致率在 93%以上。在黄花梨的分级过程中采用傅立叶变换与傅立叶反变换对来描述果形。研究发现该傅立叶描述子的前16 个谐波的变化特性足以代表梨体的主要形状,采用傅立叶描述子与人工神经网络相结合的方法进行果形识别的精确率可达90%。


4、 按颜色分级


颜色也是衡量水果外部品质的重要指标之一,同时该指标也能间接反映水果的内部品质。因此按颜色分级也是水果分级的一项重要内容。通过对不同着色等级的水果分析,以各色度在水果表面分布的分形维数为特征进行分级,该特征值不仅考虑了各色度点的累计特性而且考虑了色度点空间分布特性,使颜色分级更符合实际情况,通过人工神经网络识别进行分级的准确率达 95%。


5、按表面缺陷分级


 表面缺陷也是水果分级的重要指标之一。在实数域分形盒维数计算方法的基础上,提出了双金字塔数据形式的盒维数快速计算方法。对于待识别水果图像的可疑缺陷区,提出用 5 个分形维数作为描述该区域粗糙度和纹理方向性的特征参数,并用所提出的快速计算方法进行计算,然后利用 BP 神经网络作为模式识别器,区分水果表面的缺陷区和梗萼凹陷区,识别准确率为 93%。根据苹果表面缺陷特征,同时考虑缺陷形状的投影畸变,提出了一种苹果表面缺陷分类方法。该方法利用二叉树将一个复杂的多模式分类问题分解为多级的、相对简单的二类模式分类问题,并采用人工神经网络与阈值判别相结合的方法,将苹果表面缺陷分为碰压伤、刺伤、裂果、病虫果和虫伤。






版权所有深圳市瑞视特科技有限公司  

地址(中国):深圳市宝安区福永街道凤凰兴三路3号美盈(美盈)智汇创

新园研发楼2楼

Tel:0755-23700300 Fax:0755-23700301

机器视觉服务商 E-mail:zihan。li@0755vc。com

地址(德国)Majakowskiring66,13156Berlin,Germany



我们的服务:机器视觉、视觉检测、视觉对位、智能视觉、缺陷检测、瑕疵检测、包装检测、尺寸测量系统、视觉定位系统、视觉测量系统、非标检测、标签检测设备、印刷检测、视觉软件、标签品检机

标签品检机        

13825281801
山东11选5开奖 山东11选5开奖 极速赛车登陆 鸿利彩票计划群 极速赛车走势规律怎么看 福建11选5开奖 迪士尼彩票计划群 吉利彩票计划群 上海11选5走势 彩之家彩票计划群