苹果品质动态无损感知及分级机器手系统.pdfVIP

第 38 卷 第 16 期 农 业 工 程 学 报 Vol.38 No.16 2022 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2022 293 苹果品质动态无损感知及分级机器手系统 彭彦昆，孙 晨，赵 苗 （1. 中国农业大学工学院，北京 100083 ；2. 国家农产品加工技术装备研发分中心，北京 100083 ） 摘 要：为了实现灵活高效的苹果多品质指标检测分级，基于机器视觉技术及可见/近红外光谱技术，开发了用于苹果内 外部品质无损感知及分级的机器手系统。机器手系统采用六轴机械臂搭载自行研发的末端执行器，末端执行器上装载有 光学传感器与抓取结构，可以抓取流水线上的苹果并同时采集苹果的光谱进行糖度检测。使用 CMOS 相机采集苹果图像， 训练并使用 PP-YOLO 深度学习目标检测模型处理采集的苹果图像，计算苹果的坐标位置实现苹果的动态定位，并获取苹 果的果径大小、着色度信息实现外部品质检测。采集苹果样本光谱，结合不同的光谱预处理方式，利用偏最小二乘 （Partial Least-Square ，PLS ）方法进行建模分析。试验结果表明，使用PP-YOLO 目标检测算法处理图像和计算苹果位置，其识别 速度为 38 帧/s ，极大地提高了检测速度。使用归一化光谱比值法（Normalized Spectral Ratio ，NSR ）作为预处理算法的 糖度建模结果较佳。采用 NSR+CARS （Competitive Adaptive Reweighted Sampling，竞争性自适应重加权算法）作为机器 手的动态光谱模型效果较佳，该动态光谱模型相关系数 Rv 为 0.958 9，验证均方根误差RMSEV （Root Mean Squared Error of Validation ）为0.462 7%，与静态下建立的模型相比，机器手在动态状态下采集光谱对所建立的预测模型的预测效果影 响较小。对整体机器手系统进行了试验验证，机器手在工作时能够无损伤地抓取苹果，给出果径大小、着色度、糖度 3 个检测指标并依据指标自动划分等级，然后依据等级信息分级。随后测定了 3 个指标的实测值与预测值进行分析，果径 大小的预测相关系数为 0.977 2，均方根误差为 1.631 5 mm；着色度的预测相关系数为0.967 4，均方根误差为 5.973 4% ； 糖度的预测相关系数为 0.964 3，均方根误差为 0.504 8%，预测结果与真实值均具有较强的线性关系和较低的预测误差， 机器手系统分级正确率为 95%，完成一颗苹果的定位、抓取、检测、分级和放置的时间约为 5.2 s，具有较好的工作可靠 性，研究结果可为苹果多品质指标的高效检测提供参考。 关键词：机器视觉；可见/近红外光谱；苹果；无损感知；分级；机器手系统 doi ：10.11975/j.issn.1002-6819.2022.16.032 中图分类号：TP23 ；S237 文献标志码：A 文章编号：1002-6819(2022)-16-0293-11 彭彦昆，孙晨，赵苗. 苹果品质动态无损感知及分级机器手系统[J]. 农业工程学报，2022，38(16)：293-303. doi ： 10.11975/j.issn.1002-6819.2022.16.032 Peng Yankun, Sun Chen, Zhao Miao. Dynamic nondestructive sensing and grading manipulator system for apple quality[J]. Transactions of the Chinese Society of Agricultural Engineering (Transa