本设计旨在开发一套基于机器视觉的百香果成熟度自动化检测与分选装置,以解决传统人工分选效率低、主观性强、易损伤果实等问题。该装置集成了深度学习算法与多模态机械系统,实现了从上料、传输、图像采集、成熟度判别到精准分选的全流程自动化。
装置主要由四大核心部分组成:上料机构采用仿生滑道与振动防堵设计,确保百香果单列平稳进入传输系统;传输系统创新采用双链节辊轮结构,通过滚动接触与果实自转,有效降低果皮损伤;视觉检测单元在封闭暗箱内配置环形光源与工业相机,结合YOLOv8算法实现高精度成熟度分级;分选模块通过舵机驱动拨爪机构,依据检测结果将果实分选至对应接果筐。控制系统基于可编程逻辑控制器,协同各模块实现精准联动。
技术层面,研究自主构建了包含1602张标注图像的百香果数据集,并通过数据增强提升模型泛化能力。经测试,YOLOv8模型平均精度达0.911,具备良好的识别性能与抗干扰能力。关键机械部件经过严格校核与有限元分析,确保运行可靠性与结构安全。
该装置具有显著的经济性与实用性,分选速度达35mm/s,在提升分选效率与准确性的同时,大幅降低人工成本与果实损伤率。其模块化设计便于维护与扩展,具备推广至其他果蔬分选场景的潜力,为农产品采后处理提供了高效、智能的解决方案,有力助推农业现代化与可持续发展。