摘要：针对棉花轧工质量现行人工感官检验中存在的劳动强度大、主观性强、检测效率低等问题,设计一种基于机器视觉的棉花轧工质量检测系统。系统由压棉机构、图像采集机构、检测处理机、检测控制板卡和触控显示屏组成。设计了低角度直接照明系统与图像采集机构,LED光源以检测视窗法线呈45°方向照射,工业相机透过光学玻璃采集棉花图像。采用图像纹理特征表达棉花外观形态,通过测定轧工质量实物标准的角二阶矩,建立图像纹理特征与外观形态关系模型,融合噪声点评价与高低阈值自适应的Canny方法进行图像滤波与分割识别,根据欧氏距离进行轧工质量等级判定,并选取棉样进行系统试验验证。结果表明,轧工质量实物标准P1、P2、P3的角二阶矩分别为[0.8932,1]、[0.6891,0.7761]、[0.2136,0.5873],各等级间的角二阶矩纹理特征值区别明显,验证了图像纹理表达棉花外观形态的可行性。系统的疵点粒数指标检测相对偏差为0.15,疵点与背景的分离效果明显。与国标检验方法相比,轧工质量视觉系统检测准确率达94.20%,检测偏差上下浮动不大于1个轧工质量等级,与国标检验结果一致性高。单个棉样系统检测耗时1.2 s,检测效率提升77.36%。系统能够满足现场使用要求,为棉花轧工质量指标的仪器化检测提供了技术参考。

摘要：籽棉收购过程中含杂率检测工序繁杂、劳动强度大、效率低,不利于籽棉的快速检测分级,严重影响籽棉收购效率。该研究开发了一种适于收购环节的机采籽棉含杂率快速检测系统。系统由驱动传输单元、压棉单元、传感单元、机器视觉系统、PLC控制系统组成。首先利用大杂清理机清除籽棉中的棉杆和铃壳等大密度杂质(大杂),对去大杂后的籽棉进行称量后送至机器视觉系统,采用RGB双面成像方法获取籽棉样本图像,分析计算图像中的杂质面积,预测去除大杂的籽棉含杂率和小杂质量,最后结合计算的大杂质量预测籽棉样本总含杂率。其中,RGB图像处理中使用同态滤波、主成分分析(Principal Component Analysis,PCA)变换和局部自适应阈值方法提升图像的可分割性;比较了线性回归(Linear Regression,LR)和支持向量机回归(Support Vector Regression,SVR)2种回归模型的准确率,确定较优的回归模型为LR,总含杂率决定系数R^(2)为0.95,均方根误差RMSE为0.58%,最后利用100个籽棉样品对系统性能进行验证,实测值与预测值之间平均绝对误差为0.36个百分点,单个样本含杂率检测程序处理时间为48.38 s。结果表明该系统具有较高的预测准确率和效率。