今天是2021年8月1日 星期日,欢迎光临本站 

公司快讯

色选机也能用来分选西红柿的?这篇文章给你答案

文字:[大][中][小] 手机页面二维码 2021/5/24     浏览次数:    
视频中展示的色选机首先通过前置收割及理料装置将西红柿规整的排列在传送带上,接下来通过计算机视觉中的光谱分析算法来判断每一个西红柿的颜色。那么色选机是如何做到通过颜色来判别不同成熟度的西红柿呢?
    自然界中的图像是以RGB色彩空间的方式在计算机中存储的。RGB是最常用于显示器的色彩空间,R(red)是红色通道,G(green)是绿色,B(blue)是蓝色通道。如图一所示,红、绿、蓝三种颜色以不同的量进行叠加,就可以显示出五彩缤纷的色彩。

图一:RGB颜色空间

    RGB 格式里(0,0,0)代表着黑色,(255,255,255)代表着白色。红色(R)通道的数值越高,说明颜色中含有的红色分量越多。

    现在我们以这张草莓图片为例,用RGB通道提取草莓,姑且把这张图片叫做Strawberry。

图二:草莓图像

    我们将原始图像的不同颜色通道进行分离,之后就可以得到三张单通道的图片,如下所示:
图三:R 通道、G 通道、B 通道图像

    与彩色的RGB图像不同的是:单通道的图每个像素点只有一个数值,所以处理后的图片是灰色的。我们发现处理后的草莓在R通道比较亮,但是在G通道和B通道都比较黑。这是因为草莓含的红色比较多,所以在 R 通道中的数值比较高,数值越高也就越亮。白色花瓣在三张图中都是白色,因为白色含的红、绿、蓝色都很多,所以不管在哪个通道,都会很亮。

    这时,我们可以分别设定 R、G、B 通道的像素值范围,在图像 Strawberry中,范围内的像素值会变白,不在范围内的会变黑。

    例如,我们设置 R 的范围是 100~255,G 是 0~20,B 是 0~20,这时,只有红色含量高,蓝色绿色含量低的部分才会变白,其他部分都会变黑了,草莓也就隐约可见啦。

图四:分离出的草莓图像

    这样我们就成功地通过一个简单的、基于经验主义的图像算法分离出了草莓图像。

    按照同样的逻辑:如果一个西红柿的颜色越接近于绿色,那么这个西红柿的成熟度则越低,反之如果一个西红柿的颜色越接近于红色,那么这个西红柿的成熟度则越高。得到绿色西红柿的图像坐标位置后,通过图像坐标系与真实坐标系之间的转换来计算西红柿在每个时间点的掉落位置,控制拨块将不够成熟的西红柿剔除出去。
    其中坐标系的转换方式如下:

    从世界坐标系到相机坐标系,涉及到旋转和平移(其实所有的运动也可以用旋转矩阵和平移向量来描述)。绕着不同的坐标轴旋转不同的角度,得到相应的旋转矩阵,如下图所示:
    那么从世界坐标系到相机坐标系的转换关系如下所示:

    视频中的色选机可以通过颜色识别的方法剔除98%的未成熟西红柿。从而节省农业从业者95%的劳动力以及大量的时间。

    本款色选机具有执行效率高的优点、但是由于识别算法只是通过颜色简单的判断西红柿的成熟情况,无法同时检测出西红柿的畸形、形状、大小等其他指标。如果采用最新的人工智能神经网络模型来完成相关的智能分选任务,肯定可以增加西红柿识别的指标范围,并且大幅提升西红柿分选的准确率。
返回上一步
打印此页
400-107-8086
浏览手机站