《机械开题报告苹果分级机设计【8张优】学士学位论文.doc》由会员分享,可在线阅读,更多相关《机械开题报告苹果分级机设计【8张优】学士学位论文.doc(8页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、 上海电机学院毕业设计(论文)开题报告课题名称 _苹果分级机设计 学 院 机械学院 专 业 机械电子工程 班 级 BJ080737 学 号 081002070737 姓 名 房应臣 指导教师 赵爽 定稿日期: 2011年 1月6日8 苹果分级机设计1 选题背景及其意义我国是农业大国,也是蔬菜、水果等农产品的生产大国, 总产量居世界第一位。我国出口到国外市场的各类农产品由于产后处理不完善, 如优次不分、包装水平差等,导致缺乏市场竞争力,甚至毫无竞争优势,而在欧美和日本等发达国家,农产品收获后,都要经过严格的分级和包装,不仅拉开了价格档次,而且也方便了购买者,具有很强的市场竞争力。加人WTO后,我
2、国农业面临着前所未有的竞争,农民的增产增收受到严峻的考验, 而这也正是当今我国社会关注的焦点,“三农” 问题的关键, 这就迫使我们要紧跟时代的步伐,使农产品通过标准分级,提高市场竞争力,以达到增加农民收人的目的。农产品的检测与分级已成为当今许多科研人员非常感兴趣的研究方向,国家也给予了较大的投入。由于农产品本身品质的多样性,加上我国在该领域的研究起步较晚,目前,国内还很少有高效实用的农产品分级设备,大部分仍然停留在原始的手工分级阶段, 在农村甚至还存在不分级的原始农作,严重影响了农民的增产增收。故本文课题针对我国国内农产品分级情况,设计一种具有无损自动分级功能的水果分级机,对降低人工劳动强度,
3、提高农民收入,都具有十分突出的现实意义。2 文献综述(国内外研究现状与发展趋势)水果的分级指标包括外部品质和内部品质两个方面。水果外部品质的主要分级指标是水果的果形、大小、色泽、表面质量和颜色等。其中水果的表面质量可以通过表面光洁度、表面缺陷(斑点、污点、烂坏)、损伤来描述。内部品质指糖度、硬度、酸度、可溶性固形物等指标。传统的瓜果分级方法主要有以下三种:(l)人工分级。靠人工感官,根据瓜果的大小、颜色、形状、缺陷进行识别判断。这种主观评定受个人的能力、色彩分辩力、情绪、疲劳程度和光线等条件的影响,效率低,误差大,而且大多数停留在定性判断,其客观性、准确性较差。(2)机械化分级。主要有尺寸分级
4、机及重量分级机。机械化分级虽然在一定程度上减轻了劳动强度,但只能根据农产品的大小和重量来分等级,无法完成形状、尺寸、成熟度、表面缺陷等方面的综合评价。(3)光电分级。其分选标准是依据瓜果的表面颜色反映出来的特征决定其品质的优劣程度。当光作用于物体后,物质对不同波长的光具有选择性吸收的特点,因此光学自动分选台的工作原理是利用瓜果表面对不同波长范围内的光的吸收和反射来分析其颜色特征,从而决定瓜果的质量等级。由于该方法只能对瓜果的表面色泽进行判别,而忽略其它方面的特征,故存在很大的片面性,不适合瓜果品质全面检测的需要。目前为止,国内外学者在利用计算机视觉进行瓜果的品质检测分级方面已经做了大量的工作,
5、主要集中在瓜果分级技术的系统研究和瓜果图像的计算机图像处理方法和识别算法的研究。国外早期的水果自动分级方法主要通过CCD 相机,采用无损检测、计算机分析处理等手段对水果逐一进行分析判别后得出综合结论。利用机器视觉技术实现农产品内部品质无损检测是目前国际上正在研究的热点课题。用计算机视觉代替人的视觉进行瓜果分级,首先将人从繁重单调的劳动中解放出来,排除人的主观因素的干扰,避免了因人而异的分选结果;分级设备不仅可按瓜果重量、尺寸进行分级,而且还可以根据缺陷、色泽、形状、成熟度等进行分级,使瓜果的处理质量和效率进一步提高。人工神经网络、遗传算法和模糊数学等新兴的交叉学科虽尚未完全成熟,但已显示了巨大
6、的潜力,并正以很快的速度与实际生产相结合。相对于国外而言,国内在利用机器视觉进行瓜果品质自动识别方面的研究起步较晚,无论在硬件还是软件上都还有很大的差距,离实际应用的距离则更远。曹其新、王红永等、应义斌,景寒松等17用BP神经网络判别形状,其中应义斌,景寒松等17用傅立叶变换和傅立叶反变换对描述果形,如果不考虑果梗的影响,不失为一个好方法。何东健、杨青等以计算机视觉自动检测果实表面着色度并进行分级,将RGB值转换成HLS值;在分析苹果颜色特性的基础上,确定了用合适色相值下累计着色面积百分比进行颜色分级的方法。分级试验结果表明,用建立的准则和方法,计算机视觉分级与人工分级的一致度在88%以上。李
7、庆中、张漫等以色度直方图分布作为特征,利用遗传算法实现了多层前向神经网络识别器的学习设计,实现了苹果颜色的实时分级,并通过试验验证了方法的有效性。试验结果表明,颜色分级识别准确率在90%以上,分级一个苹果所用的时间为150ms。陈晓光、杨秀坤应用计算机视觉技术获取了国光、富士和黄元帅三个不同品种苹果的形状特征参数,采用退火演化算法及神经网络“融合”方法建立了分级合作的层次处理自动评价系统,实现了对果型的快速、准确综合判别。实验表明,该方法准确率达到95%,并具有较好的鲁棒性和灵活性,能够满足多品种、大批量实时分级的需要。徐娟和汪懋华21用图像形态学处理图像,确定果梗,但此方法要构建合适的结构元
8、素有困难,也不能判断果梗完整性。目前,国内学者的研究的对象均是静态的瓜果个体,对瓜果的实时在线处理研究较少;主要集中于识别算法的研究,这些算法往往各有各的优缺点,只能在一定条件下适用,鲁棒性不好;不能对瓜果判别全部要素进行完全的识别检测;大多只是在理想情况的实验条件下验证算法。3 研究内容该机可实现自动输送及分级,分级效率大约为8000个/小时,分四级。如图1所示,设备由进料、输送、称重、分料、机架等部件及控制系统组成。工作过程如下:瓜果从输入口进入流水线,经过排列装置落入安装在传送带上的托盘里,经过检测箱时,压力传感器将检测到的数据传到计算机内存,计算机对数据进行处理,判断等级,控制分级执行
9、装置(通过电磁阀驱动可伸缩机械手)将瓜果送入不同的分级出口。图1(a) 苹果分级机示意图图1(b) 苹果分级机示意图4 研究方案1)上果段上果段负责将已经清洗上蜡后的苹果平稳地置入果杯, 由链条带动向前运行至传感段, 这一段要求尽量使苹果在进入传感分选段之前苹果保持运行的平稳, 以减弱上果瞬间的机械振动。2)传感器段分选传感器段由两根并行的整体铸铝导轨构成。果杯托盘底部的四只对称压脚分别压在两根导轨表面,由铰链拉动向前滑动。导轨有一个长方形凹槽,槽内分别固定悬臂梁式压力传感器,传感器上水平安置一块长方形钢板,长度与果杯托盘所占长度相当,钢板表面处理的极为光滑, 钢板与铸铝表面处同一平面,与铸铝
10、保持一定缝隙,以避免钢板在称重的时候由于与周围的铸铝接触产生数据误差。钢板与铸铝的缝隙不能过大,以避免果杯划过该段时产生震动,这个震动在传感器的输出信号上反映为幅度很大的振荡电压信号,它对果蔬的称重测量影响很大。铸铝导轨面被加工成光洁度非常高的两边低中间高的拱形结构。当果杯被拖送到传感段的时候,随着果杯向前移动,铸铝斜坡越来越高,果杯的称重压脚被光滑的铸铝表面钢板托起,果杯及果蔬的重力因此逐渐与铰链脱离。当果杯滑动到重力传感器部分时,果杯高度达到最高点,短时间内果杯重力完全脱离铰链,果杯的四只称重压脚全部压在两边的两只重力传感器的钢板上。传感器利用果杯重力脱离铰链快速通过传感器的短暂时间迅速采
11、集数据,经CPU 的计算,得到果杯与果杯上所置果蔬的重量之和。图2 传感器段 图3 分级机构示意图3)分果出口段如图4所示,流水线传感段之后紧接着是分果出口段, 它是在传送带侧面安排了若干个出果口和接果槽, 每个口设计一个控制出果的电磁阀。当已经在传感器段被测出重量的果蔬通过相应的出果口时,CPU 会及时发出控制命令,令该出果口的电磁阀动作,苹果就通过分级机构(如图3所示)滚入接果槽。出果口越多, 则苹果品级的分选可以越细。本设计有4个出果口,分四级。图4 出果口示意图5 进度计划2011年11月- 2012年12月:收集资料,阅读技术文献及翻译有关外文资料。2011年12月- 2012年1月
12、:确定设计系统总体方案。2012年 2月- 2012年 3月:具体设计计算。2012年 3月- 2012年4月:完成总装配图。2012 年 4 月- 2012年5月:完成电气控制部分设计。2012 年 5 月- 2012年6月:编写毕业论文,毕业答辩准备和答辩。参考文献1 张方明,应义斌.水果分级机器人关键技术的研究和发展J.机器人技术与应用, 2004,(1):34-37.2 Miller B K, et al. Peach defect detection with machine visionJ.Transaction of the ASAE,1991,34(6):2588-2597.3
13、 李庆中, 汪懋华. 基于分形特征的水果缺陷快速识别方法J.中国图像图形学学报, 2000,5(2):144-148.4 李庆中, 张漫, 汪懋华. 基于遗传神经网络的苹果颜色实时分级方法J.中国图像图形学学报, 2000,5(9):779-784.5 籍保平,吴文才.计算机视觉苹果分级系统J.农业机械学报,2000,31(6): 118-121.6 何东健,杨青,薛少平等.果实表面颜色计算机视觉分级技术研究J.农业工程学报,1998,14(3):202-205.7 何东健.用人工神经网络进行果实颜色分级技术研究J.西北农业大学学报,1998,16(6):109-112.8 冯斌,汪懋华.基于
14、颜色分形的水果计算机视觉分级技术,2002,20(2): 144-147.9 赵静, 何东健.果实形状的计算机识别方法研究J.农业工程学报,2001,17(2):165-167.10 应义斌,饶秀勤,马俊福.柑橘成熟度机器视觉无损检测方法研究J. 农业工程学报,2004,20(2):144-147.11 李公平, 柳纪虎, 施援平,等.用核磁共振原理测甜菜含糖量探讨J.甘肃科技, 2000,(3):33.12 应义斌,饶秀勤,黄永林等.运动水果图像的实时采集方法与系统研究J.农业机械学报,2004,35(3):179-183.13 REHKUGLER G E , THROOP J A. Ima
15、ge Processing Algorithmfor Apple Defect Detection J.Trans of the ASAE ,1989 ,32(1) :267 - 272.14曹其新,吕恬生,永田雅辉,王红永. 草莓拣选机器人的开发. 上海交通大学学报,1999,Vol.33,No.7: 880884.15 陈晓光,杨秀坤,马成林,于海业. 果型综合评价系统中的退火演化和神经网络融合方法研究. 1997,Vol. , No.5 : 161165.16 徐娟,汪懋华. 图像形态学在苹果自动分级视觉信息处理中果梗判断与边缘检测的应用. 农业工程学报,1996,Vol.15,No.2:177180.指导教师意见 指导教师签名: 年 月 日开题答辩小组意见1、论文选题:有理论意义;有工程背景;有实用价值;意义不大。2、论文的难度:偏高;适当;偏低。3、论文的工作量:偏大;适当;偏小。4、设计或研究方案的可行性:好;较好;一般;不可行。5、学生对文献资料及课题的了解程度:好;较好;一般;较差。6、学生在论文选题报告中反映出的综合能力和表达能力:好;较好;一般;较差。7、学生在论文选题报告中反映出的创新能力:好;较好;一般;较差。8、对论文选题报告的总体评价:好;较好;一般;较差(在相应的方块内作记号“”)建议结论评议小组组长签名:评议小组组员签名: 年 月 日
限制150内