一种荞麦剥壳机在线实时品效智能检测装置与方法

技术领域

本发明属于农机智能化装备领域，具体涉及一种荞麦剥壳机在线实时品效智能检测装置与方法。

背景技术

荞麦剥壳作为荞麦粗、精加工的第一道工序，目前对于荞麦剥壳加工主要依靠的是上下砂盘式的荞麦剥壳机。但目前上下砂盘式的荞麦剥壳机存在剥壳效率不高、荞麦剥壳破碎率较高，机器的智能化程度不高对人工的依赖性较高导致实际的生产加工中生产效率低。因此对荞麦剥壳机器进行智能化升级意义重大。

发明内容

为解决上述技术问题，本发明提出一种荞麦剥壳机在线实时品效智能检测装置与方法。

一方面，本发明提出一种荞麦剥壳机在线实时品效智能检测装置，包括：定量化取样单元、匀料单元、剥出物图像获取单元，图像处理单元；

所述定量化取样单元安装在荞麦剥壳机的荞麦剥出物出料口，用于对荞麦剥出物进行定期定量取样；

所述匀料单元与所述定量化取样单元连接，用于将取样的荞麦剥出物均匀的分布于匀料单元面板上；

所述剥出物图像获取单元设置在所述匀料单元面板上方，用于对分布于匀料单元面板上的荞麦剥出物进行图像采集；

所述图像处理单元与所述剥出物图像获取单元电性连接，用于对所述剥出物图像获取单元上传的图像进行处理，检测荞麦剥壳效率。

另一方面，本发明提出一种荞麦剥壳机在线实时品效智能检测方法，包括：

S1、驱动装置带动取样臂转动到剥壳机出料口下方，对剥出物进行收集；

S2、待剥出物填满取样器后，驱动装置在转动周期内带动取样器转动到匀料单元上方；

S3、驱动装置转动取样臂到匀料单元上方后，取样器在舵机的带动下将取样的荞麦剥出物倒在匀料单元面板上；

S4：通过调整电机震动频率将取样的荞麦剥出物均匀的分布于匀料单元面板上；

S5：可变焦的CCD相机对匀料单元面板上的荞麦剥出物进行图像采集，并上传到图像处理单元；

S6：将上传的荞麦剥出物图像转化为灰度图，采用低通滤波法，去掉图中的噪声，并使用邻域增强算法使得灰度化更加平滑；

S7：将预处理后的灰度化荞麦图像通过U-net深度卷积网络模型中进行图像分割，将分割后的图像输入CNN卷积神经网络模型中对图像中的完整荞麦米、未剥壳荞麦和碎荞麦米进行识别并计数，最后计算并输出荞麦剥壳机器加工出米率η和碎米率ε。

本发明的有益效果：

本发明通过对荞麦剥壳机剥壳后的剥出物进行定时的取样，通过获取剥出物的图像进行识别并计算出机器的剥壳效率；通过实时对机器的工作状态的检测，可以做到实时调整剥壳机的剥壳效率，从而减少在原材料荞麦粒脱壳过程中对荞麦受到的损伤，提高其整仁率、减少粮食损耗；

本发明不仅可以提升上下砂盘式荞麦剥壳机的智能化程度，实现对荞麦剥壳过程的实时监控；保证荞麦剥壳机的效率最好的同时提高荞麦粒脱壳的整仁出品率、降低荞麦粒损耗、有效保留了荞麦粒中的营养成分。

附图说明

图1为本发明的一种荞麦剥壳机在线实时品效智能检测装置结构示意图；

图2为本发明的一种荞麦剥壳机在线实时品效智能检测方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种荞麦剥壳机在线实时品效智能检测装置，如图1所示，包括：定量化取样单元、匀料单元、剥出物图像获取单元，图像处理单元；

所述定量化取样单元安装在荞麦剥壳机的荞麦剥出物出料口，用于对荞麦剥出物进行定期定量取样；

所述匀料单元与所述定量化取样单元连接，用于将取样的荞麦剥出物均匀的分布于匀料单元面板上；

所述剥出物图像获取单元设置在所述匀料单元面板上方，用于对分布于匀料单元面板上的荞麦剥出物进行图像采集；

所述图像处理单元与所述剥出物图像获取单元电性连接，用于对所述剥出物图像获取单元上传的图像进行处理，检测荞麦剥壳效率。

所述定量化取样单元包括取样器、取样臂和驱动装置；

所述取样臂为上臂和下臂组成的T形结构，所述取样臂的上臂两端通过舵机各安装一个所述取样器，所述取样臂的下臂连接所述驱动装置；所述取样器容量设置为100g；所述驱动装置转动周期设置为5-30min。

所述取样器容量设置为100g；所述驱动装置转动周期设置为5-30min。

所述匀料单元的面板下面设置有震动电机，电机震动频率范围设置为20w～66w。

所述剥出物图像获取单元包括可变焦的CCD相机和相机支臂；所述相机支臂将所述可变焦的CCD相机架设在所述匀料单元的面板正上方。

所述图像处理单元采用深度卷积神经网络模型，所述深度卷积神经网络模型包括：U-net深度卷积神经网络模型和CNN卷积神经网络模型；

对U-net深度卷积神经网络模型进行训练：

S1、获取荞麦剥壳后的图像数据集，将数据集中的图像转化为灰度图；

S2、对数据集中所有的灰度图像进行裁剪，去噪和增强处理，得到样本集；

S3、初始化RMSPro算法中的参数，具体包括误差、最大迭代次数和学习率；

S4、将样本集中数据输入到U-net深度卷积神经网络中进行特征提取，并将每次迭代后的函数值，绘制梯度曲线；

S5、根据绘制出的梯度曲线找到其曲线的极值，并对建立的U-net深度卷积神经网络进行修正使得U-net深度卷积神经网络中准确度达到最佳。

所述剥出物图像获取单元采集的图像经过预处理后输入U-net深度卷积神经网络模型进行图像分割，分割后的图像输入CNN卷积神经网络模型中对图像中的完整荞麦米、未剥壳荞麦和碎荞麦米进行识别并计数，最后计算并输出荞麦剥壳机器加工出米率η和碎米率ε。

一种荞麦剥壳机在线实时品效智能检测方法，如图2所示，包括：

S1、驱动装置带动取样臂转动到剥壳机出料口下方，对剥出物进行收集；

S2、待剥出物填满取样器后，驱动装置在转动周期内带动取样器转动到匀料单元上方；

S3、驱动装置转动取样臂到匀料单元上方后，取样器在舵机的带动下将取样的荞麦剥出物倒在匀料单元面板上；

S4：通过调整电机震动频率将取样的荞麦剥出物均匀的分布于匀料单元面板上；

S5：可变焦的CCD相机对匀料单元面板上的荞麦剥出物进行图像采集，并上传到图像处理单元；

S6：将上传的荞麦剥出物图像转化为灰度图，采用低通滤波法，去掉图中的噪声，并使用邻域增强算法使得灰度化更加平滑；

S7：将预处理后的灰度化荞麦图像通过U-net深度卷积网络模型中进行图像分割，将分割后的图像输入CNN卷积神经网络模型中对图像中的完整荞麦米、未剥壳荞麦和碎荞麦米进行识别并计数，最后计算并输出荞麦剥壳机器加工出米率η和碎米率ε。

根据CNN卷积神经网络模型统计的完整荞麦米、未剥壳荞麦和碎荞麦米数据计算荞麦剥壳机器加工出米率η和碎米率ε，包括：

出米率η：

碎米率ε：

其中，M

根据荞麦剥壳机出米率η和碎米率ε，判断是否处于荞麦剥壳机的最佳剥壳状态，通过荞麦剥壳机总控单元调节上下砂盘间隙使得荞麦剥壳机的剥壳效率达到最优。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。