为了解决马铃薯分选工作时自动化程度低、劳动强度大、成本高等问题,设计了一种基于深度学习的马铃薯外部缺陷智能分选机器人。该装置由输送翻转装置、图像采集装置和剔除装置组成,输送翻转装置首先通过仿形滚轮与马铃薯表面产生的摩擦力使马铃薯翻转,并带动马铃薯单体调整为长轴与滚轮轴盘平行状态,使马铃薯以相对稳定的速度随滚轮正向有序排列运动;图像采集装置采用改进yolov8n检测算法,对马铃薯外部缺陷特征进行识别,将图像处理结果发送给PLC;剔除装置接收PLC的指令,控制气缸待缺陷马铃薯到达指定位置时伸出杠杆,完成一次剔除动作。试验结果表明:本装置马铃薯外部缺陷识别准确率为95.8%,缺陷马铃薯分选准确率为97.2%,分选合格率为96.8%。研究结果可为其他类似农产品分选装置研发提供理论依据。
先进性:我国马铃薯种植面积广,企业市场需求量大,马铃薯外部缺陷智能分选技术能提高马铃薯分选效率,可解决人工与简单机械分选时劳动强度大、效率低、成本高等问题。从多个角度获取外部缺陷信息,通过深度学习方式精确识别缺陷和剔除杠杠执行自主剔除动作,可大大提升马铃薯分选精度,对马铃薯智能分选技术提供重要参考。
可行性:本产品用于马铃薯外部缺陷分选,适用于质量在140~240g 的带有外部缺陷或正常的中小型马铃薯,缺陷检测结果符合国际马铃薯缺陷要求。检测平台采用深度学习的检测方法识别马铃薯外部缺陷信息,识别剔除完成的马铃薯分选准确率高达97.2%,可减少马铃薯的浪费。
创新性:利用仿形滚轮与马铃薯增大摩擦,马铃薯达到输送翻转,实现动态马铃薯检测,采集马铃薯全面域特征图像。采用剔除杠杠,利用连接在末端的气缸控制执行机构对缺陷马铃薯完成剔除动作。剔除装置可在线实时对被检测的马铃薯进行分选,具有分选精度高的特点。利用机器视觉技术和PLC控制系统对马铃薯外部缺陷进行在线实时精确检测,利用改进yolov8n检测算法识别马铃薯外部缺陷特征。