[發(fā)明專利]一種谷物品質(zhì)實(shí)時(shí)檢測(cè)裝置及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011038631.4
• 申請(qǐng)日: 2020-09-28
• 公開（公告）號(hào): CN112067616A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計(jì)）人: 陳進(jìn);張帥;武志平
• 申請(qǐng)（專利權(quán)）人: 江蘇大學(xué)
• 主分類號(hào): G01N21/85
• 分類號(hào): G01N21/85;G01N21/89;G01N21/88;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種谷物品質(zhì)實(shí)時(shí)檢測(cè)裝置，其特征在于，包括流動(dòng)谷物圖像捕獲裝置、嵌入式處理器以及交互顯示屏，流動(dòng)谷物圖像捕獲裝置包括CCD工業(yè)相機(jī)(1)，CCD工業(yè)相機(jī)(1)與嵌入式處理器進(jìn)行信號(hào)連接，嵌入式處理器與交互顯示屏連接；

所述CCD工業(yè)相機(jī)(1)固定在相機(jī)固定支架(6)內(nèi)部，相機(jī)固定支架(6)固定在谷物流道頂板(7)水平板上方，固定相機(jī)固定支架(6)處的谷物流道頂板(7)水平板設(shè)有方形開口(11)，靠近方形開口(11)的谷物流道頂板(7)水平板內(nèi)側(cè)固定多個(gè)LED光源(3)；谷物流道頂板(7)兩側(cè)豎板與谷物流道底板(8)固定連接，谷物流道底板(8)一端的長(zhǎng)度比谷物流道頂板(7)水平板的長(zhǎng)度大，且該端與谷物輸送器(13)的出口對(duì)齊，與該端對(duì)應(yīng)的谷物流道頂板(7)水平板下端焊接有折彎的谷物導(dǎo)流板(12)，谷物導(dǎo)流板(12)的折彎方向遠(yuǎn)離谷物輸送器(13)出口，且谷物導(dǎo)流板(12)的折彎角度為45-65°；谷物導(dǎo)流板(12)底端距離谷物流道底板(8)的高度為0.5-1.5cm；

所述CCD工業(yè)相機(jī)(1)下方固定相機(jī)鏡頭(2)；

所述谷物流道底板(8)通過固定鐵絲(15)與谷物輸送器(13)的出口固定，所述谷物流道底板(8)還通過可調(diào)節(jié)鐵絲(16)與谷物收集倉(cāng)(18)兩側(cè)的松緊螺栓(17)纏繞；

所述流動(dòng)谷物圖像捕獲裝置的安裝角度α在20°-90°之間。

2.根據(jù)權(quán)利要求1所述的谷物品質(zhì)實(shí)時(shí)檢測(cè)裝置，其特征在于，所述相機(jī)固定支架(6)下半部一側(cè)面上開設(shè)有鏡頭調(diào)節(jié)窗(10)。

3.根據(jù)權(quán)利要求1所述的谷物品質(zhì)實(shí)時(shí)檢測(cè)裝置，其特征在于，所述谷物流道底板(8)一端的長(zhǎng)度比谷物流道頂板(7)水平板的長(zhǎng)度大3-8cm。

4.根據(jù)權(quán)利要求1所述的谷物品質(zhì)實(shí)時(shí)檢測(cè)裝置，其特征在于，所述谷物導(dǎo)流板(12)的材質(zhì)為不銹鋼板。

5.一種根據(jù)權(quán)利要求1-4任一項(xiàng)所述的谷物品質(zhì)實(shí)時(shí)檢測(cè)裝置的實(shí)現(xiàn)檢測(cè)方法，其特征在于，谷物輸送器(13)內(nèi)的谷物(20)流出，谷物流道下底板(8)截獲部分谷物，谷物在谷物流道下底板(8)上流動(dòng)，經(jīng)過導(dǎo)流板(12)固定流動(dòng)形態(tài)，流至方形開口(11)正下方，CCD工業(yè)相機(jī)(1)以固定的周期對(duì)流道內(nèi)進(jìn)行曝光捕獲圖像，并將圖像傳送至嵌入式處理器，嵌入式處理器利用OPENCV以及XGBoost算法對(duì)圖像進(jìn)行處理，獲取谷物的實(shí)時(shí)品質(zhì)。

6.根據(jù)權(quán)利要求5所述的實(shí)現(xiàn)檢測(cè)方法，其特征在于，所述處理器利用OPENCV以及XGBoost算法對(duì)圖像進(jìn)行處理，具體為：

S1，初始化CCD工業(yè)相機(jī)(1)，在CCD工業(yè)相機(jī)(1)正常工作時(shí)，設(shè)置CCD工業(yè)相機(jī)(1)的曝光方式和曝光時(shí)間；

S2，CCD工業(yè)相機(jī)(1)曝光采集圖片，并傳輸給嵌入式處理器，將接收的圖片保存到本地；

S3，對(duì)采集到的圖片進(jìn)行去噪、灰度化、二值化后，提取連通區(qū)域的特征數(shù)據(jù)并保存；

S4，將提取的特征數(shù)據(jù)導(dǎo)入?yún)?shù)自動(dòng)調(diào)優(yōu)訓(xùn)練好的XGBoost分類識(shí)別模型中，XGBoost識(shí)別出各個(gè)連通區(qū)域中的雜質(zhì)、破碎、完整谷物；

S5，統(tǒng)計(jì)出各個(gè)類別的像素個(gè)數(shù)，并且換算成比例。

7.根據(jù)權(quán)利要求6所述的實(shí)現(xiàn)檢測(cè)方法，其特征在于，所述曝光時(shí)間滿足v*t≤p，其中v是谷物的流動(dòng)速度，t是曝光時(shí)間，p是相機(jī)精度。

8.根據(jù)權(quán)利要求6所述的實(shí)現(xiàn)檢測(cè)方法，其特征在于，所述參數(shù)自動(dòng)調(diào)優(yōu)訓(xùn)練好的XGBoost分類識(shí)別模型的獲取過程，具體為：

S1，采集樣本圖像，對(duì)所述圖像進(jìn)行處理后，提取所有圖片中的連通區(qū)域并保存；

S2，樣本數(shù)據(jù)制作：將連通區(qū)域劃分為訓(xùn)練集和測(cè)試集，并將各個(gè)連通區(qū)域的R、G、B、像素點(diǎn)個(gè)數(shù)、外接矩形長(zhǎng)寬比、曲率，與該連通區(qū)域人工判斷結(jié)果一起存入CSV數(shù)據(jù)中；

S3，使用XGBoost算法對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，結(jié)合參數(shù)自動(dòng)調(diào)優(yōu)算法調(diào)整訓(xùn)練參數(shù)，改進(jìn)XGBoost算法，得到參數(shù)自動(dòng)調(diào)優(yōu)訓(xùn)練好的XGBoost分類識(shí)別模型，并利用所述XGBoost分類識(shí)別模型對(duì)測(cè)試集進(jìn)行測(cè)試。

9.根據(jù)權(quán)利要求8所述的實(shí)現(xiàn)檢測(cè)方法，其特征在于，所述調(diào)整訓(xùn)練參數(shù)為：先設(shè)定好要選擇的訓(xùn)練參數(shù)區(qū)間，不斷地訓(xùn)練參數(shù)，通過評(píng)分函數(shù)對(duì)每個(gè)訓(xùn)練參數(shù)得到的識(shí)別結(jié)果進(jìn)行打分，最終得到最優(yōu)的訓(xùn)練參數(shù)。