基于树莓派3B+与OpenCV的红枣外观品质自动分拣系统的研究

徐晶晶 周旭 孔耀

摘  要：以树莓派3B+为控制器，利用Python语言结合OpenCV机器识别视觉库对软件程序进行编写，结合检测系统、自动分拣系统，针对当前红枣分拣速度慢、精度低、劳动强度大等问题，从红枣的大小、颜色、裂痕、病害等方面对红枣进行分析，设计了一种基于树莓派3B+与OpenCV的红枣外观品质自动分拣系统，对腐烂、斑点和表皮缺损等问题的红枣进行筛选，具有速度快、精度高、高效率分拣等特点。

关键词：红枣品质；视觉识别；树莓派；OpenCV

中图分类号：TP391.4   文献标识码：A   文章编号：2096-4706（2023）16-0138-05

Research on Automatic Sorting Device of Red Date Appearance Quality Based on Raspberry Pi 3B+ and OpenCV

XU Jingjing， ZHOU Xu， KONG Yao

（Shandong Huayu University of Technology， Dezhou  253034， China）

Abstract： This paper takes Raspberry Pi 3B+ as the controller， uses Python language and combines with OpenCV machine recognition vision library to write software programs. It combines with detection system and automatic sorting system， aiming at the problems of slow speed， low precision and high labor intensity of current red date sorting， this paper analyzes the size， color， cracks and diseases of red dates， and designs an automatic sorting system based on Raspberry Pi 3B+ and OpenCV to screen red dates with pulp rot， black spots and skin defects， which has the characteristics of fast speed， high precision and high efficiency of sorting.

Keywords： quality of red date; visual recognition; Raspberry Pi; OpenCV

0  引  言

红枣是中国特有的优良的特色品种，在我国已有三千多年的种植历史，它的食用、营养、药用和经济效益都很高。红枣的品种有很多，不同品种的形状、皮质、大小各不相同，总体上红枣皮薄易损伤，果形大小介于中等果与小果之间，而且小枣的分拣难度大、精度低，易形成二次污染。目前的小枣分拣方式主要是人工，其消耗时间长，分拣效率低，不利于红枣加工业的发展。为此，设计了一种红枣自动分拣系统，它是基于视觉识别红枣的外观，进行质量分拣，该设备分拣快速、效率高、精确度高、平稳靠谱。

1  国内外的研究和发展动态

目前国内红枣分级方式主要有：人工分级、机械化分级等，相较于人工分级，机械化分级更为准确。

自动分拣系统在物料搬运领域扮演着至关重要的角色，它可以帮助企业更有效地完成各种产品的配送，并且可以有效地提高物料的利用率。这种系统包含一系列的部件，如供件、输送、控制、分类等，可以实现对物料的快速、准确的分类与整合。

根据其结构划分，常见的自动分拣机可以分为滑块式、转轮式、交叉带式、翻板式、摆臂式、浮出式、托盘式和悬挂式等多种类型，这些分拣机可以有效地提高物品的分类效率，从而满足不同的生产需求。近年来，AGV分拣系统的柔性化水平显著提升，取得了巨大的进步。早期，国外的分类方式大多依赖于CCD相机，通过无损检测和计算机处理来精确识别各种水果。如今，机器视觉技术已经成为全球范围内最受关注的農产品内部品质检测领域。

机器视觉能识别表面形态、颜色和纹理等特征，可以对红枣进行更为细致的全面分析，将成为主要分级方式。

2  红枣外观品质分拣系统具体分析

2.1  背景分析

中国是枣的原产国，也是世界上最大的红枣生产国与消费国，近年来，我国红枣产量快速增长，近20年增长4.6倍。2000年我国红枣种植产量为131万吨，2018年达到736万吨，年均增速为10.1%。红枣在中国传统文化中具有重要地位，也是我国加入世贸组织后最具竞争力的农产品。

红枣的品质分类是一个至关重要的步骤，它间接影响枣农的收入。目前，中国的红枣分拣方式大致可分为手工拣选和机械筛选。手工拣选劳动强度大、效率低、准确性差、卫生质量差；而目前市场上的红枣机械拣选则智能化程度较低，无法满足枣农的需求。由于精度低、分选速度缓慢，因此，提升红枣的品质分类水平，提升枣农的收入水平，已经成为当务之急。

通过以上问题的研究发现，基于树莓派和OpenCV的红枣品质智能化分选技术，具有极高的精确度、迅速性以及更加广泛的市场应用潜力，可以为消费者带来更多的便利。

2.2  研究意义

“助推红枣产业振兴，绘就千年小枣画卷”。乐陵市位于山东德州，拥有悠久的红枣种植历史，并被列入“中国金丝小枣之乡”。红枣皮薄而肌丰，核小而肉厚，随着现代农业的发展，全国红枣市场也发生了巨大变化。在2015年，乐陵市委、市政府把枣产业振兴摆在突出位置，对生产方式进行改进。随着新技术的不断发展，“保不住枣树、种不出好枣、卖不出好价”的局面已经被彻底打破，为金丝小枣品牌带来了全新的时代意义。

为此，对基于机器视觉的红枣外观品质自动分选系统进行研究，将自己所学知识运用到生活中，进行实践，希望为金丝小枣的发展贡献一份力量，为我国红枣行业的发展做出贡献，助推工业发展。

3  研究内容

3.1  控制器的选择

经过对比，选择采用树莓派3B+（Raspberry Pi 3 Model B+）为主控板，树莓派3B+是树莓派3系列中的最新产品，拥有运行在1.4 GHz的处理器，双频2.4 GHz和5 GHz无线Wi-Fi，蓝牙4.2/BLE，更快的以太网和64位四核处理器。与常见的51单片机和STM32等微控制器相比，不仅可以完成相同的IO引脚控制，还可以完成更复杂的任务管理与调度，能够支持更上层应用的开发。树莓派体积小，成本低，其强大的芯片性能更适合做运算，可以实现一些图像采集、处理、深度学习和识别等功能，树莓派开发板如图1所示。

红枣外观品质自动分拣系统采用Raspbian 4.9为软件环境操作系统，树莓派3B+为控制器，Python为编程语言，机器视觉库OpenCV3图像用户界面库PyQt5为开发工具，最终完成对红枣的检测、分拣。

3.2  工作流程

本研究的红枣外观品质自动分拣系统主要由上料机构、检测机构和分拣机构等组成。监测机构主要是通过图像采集设备进行处理，分拣机构主要是通过图片分析处理，对红枣外观品质做出分级，利用气缸筛选装置对红枣等级进行筛选。工作流程图如图2所示。

当红枣通过上料系统到达图像采集设备后，工业相机接收到信号后对红枣图像进行拍摄，将图像上传至计算机，完成红枣图像的采集。随后红枣通过传送带送达分拣平台，通过图片处理与分析，对红枣进行颜色识别、品质判断，然后将红枣相关信息传送至计算机，随后喷气装置启动，将表皮受损、腐烂和有斑点的红枣筛选出来，无缺陷的红枣将通过传送带在筛选平台末端传送出，完成红枣的分级分拣。

本研究利用树莓派3B+与OpenCV结合，提供了一种基于机器视觉的红枣分拣系统，采用高清工业相机拍摄，实时采集传送带上的红枣图像，完成红枣图像的采集处理与分析，通过预先设定的分级标准对红枣外观品质进行分级，具有结构简单、操作方便、易实现、分级精确的优点，可高速度、高效率、低误差准确地完成对红枣的分拣。

4  系统设计

4.1  装置整体设计

本研究的红枣外观品质自动分拣装置主要由红枣上料装置、红枣图像采集分析监测装置、红枣分级分拣装置等组成。红枣外观品质自动分拣系统整体架构图如图3所示。

图3  红枣外观品质自动分拣系统整体架构图

红枣外观品质自动分拣系统包括上料装置、图像采集装置、红枣分拣装置。其中上料装置采用单枣单排输送，图像采集系统主要利用工业精工相机对图像进行采集、处理与分析，红枣分拣装置与上料装置通过图片采集系统进行连接，分拣平台上装有吹气装置，接收到图片采集系统分析后发送的信号，将浆烂、黑斑和表皮缺损等有品质缺陷的红枣筛选出来，将合格的红枣在传送带尾端传出。本发明通过视觉识别技术实现图像处理与分析，实现了软硬件一体化，达到红枣筛选的平稳、高效和准确。装置整体实物图如图4所示。

4.2  上料装置设计

上料装置采用3D打印凹槽形传送带进行设计。上料装置包括上料皮带、不锈钢托辊滚筒、可调滑块、导轨，上料皮带环绕在不锈钢托辊滚筒，通过减速电机控制行进。上料部分采用3D打印凹槽支架，每间隔5 cm固定排列一个3D打印凹槽，根据红枣椭圆形状的不规则特征，为了防止红枣掉落，采用波浪形凹槽的上料传送带，凹槽深2.5 cm，两凹槽中心间距为5 cm，恰好可容纳一颗红枣；上料皮带间的间距为5 cm，为了防止红枣在上料时不慎滑落，装置设置储料斗底部与输送带紧贴，直接将滑落的红枣顺着输送带与斜壁的紧贴处送至储料斗，等待下一次上料。外部装有可调滑块和导轨，二者配合使用，完成红枣的上料。上料实物图如图5所示。

4.3  检测装置设计

根据对红枣的检测需求，采用显微精工XG200S型工业相机进行监测，这是一款高速数字相机，相机分辨率高、图像清晰、颜色高度仿真，具有高帧率、高成像等特點。可以根据不同场合的需求进行高速和全速两种模式的切换，广泛应用于人体特征采集、图像采集、工业检测、医学监测和视觉识别等领域。采用XW2812型工业相机镜头与相机结合使用，该镜头焦距为2.8～12.0 mm，可实现手动光圈变焦，可进行红外感应。考虑到监测时的光线问题，加设LED白光灯泡进行补光，确保红枣图像采集完整、清晰。当红枣经过相机时，传感器接收信号，工业相机进行拍摄，对红枣图片进行采集，随后，红枣随传送带继续前进，如图6所示。

4.4  图像处理

装置采用OpenCV为主要的函数库，OpenCV是一种有关视觉识别、可以进行图像分析与处理的函数库。该函数库可以采用C++等多种语言进行编写，可多系统运行且运行速度快，它包含了各个领域的500多个函数接口，可广泛应用于立体视觉、立体成像、工业检测、图像处理、监控检测等多个领域。由于其处理速度快、精度高，可以实现对相机拍摄图像的精准分析与处理，减少红枣图像处理分析的误差。

当红枣通过传送带到达图像采集设备时，图像采集模块将会通过工业相机实时采集传送带上的图像，图像经预处理后发送至特征处理模块，图像采集模块中还设有光源，保证了所获图像的质量，在节约成本的同时提高了工作效率。特征处理模块接收到经预处理后的图像，对采集到的图像进行处理，将图像进行特征处理，首先通过特征比对单元确定传送带上的红枣目标，然后通过颜色识别节点对图像中的红枣进行识别，通过瑕疵检测节点对图像中的红枣进行检测，最后通过红枣损伤程度对红枣进行精确分级，该模块不仅可以将传送带上的红枣分拣出来，还可实现红枣的精确分级。特征处理图像如图7所示。

4.5  分拣装置设计

自动分拣装置的最后一道步骤是自动分拣执行系统利用相机对红枣外观质量检测到的结果进行分析与相应的分拣。分拣装置实物图如图8所示。

分拣平台通过750 W无刷减速电机进行驱动，平台由底座、转动辊子、传送皮带、出料箱、齿轮电磁阀和气缸组成，传送皮带缠绕在转动辊子上，出料箱分别筛出表皮受损、腐烂和有斑点的红枣电磁阀改变气缸的推出和收回。

当红枣传送至分拣平台后，计算机分析采集到的图像后做出判断，将红枣相关信息传送至计算机，随后分拣装置启动，喷气筛选装置设有4路分拣，分别设有4个出料箱与之对应，4个小型气缸分别对应着出料口，与电磁阀相连接，电磁阀通过电磁阀的通断改变气缸的位置，控制气缸推出和收回，将传送带上不同类型的红枣推送至对应的出料口，无缺陷红枣随传送带到达末端的出料箱，最终筛选出不同品质的红枣。

5  结  论

随着我国社会的不断发展，科技逐渐步入人们的生活。生活中的许多设备更加自动化，给人们的生活带来了很大的便利。近几年来，人们对养生越来越重视，红枣及其相关产品走在市场前列，且我国是红枣生产大国，红枣绝大部分来源于农村集体种植，质量参差不齐，采摘和运输过程中也有不同程度的损伤，所以红枣分拣是很重要的一步，是红枣进入流通区域的重要环节，是实现红枣标准化的基础，直接关系到红枣的生产效益。

本文设计的红枣外观品质的分选装置集上料、监测、分拣于一体，可通过对红枣图像的采集处理与分析完成红枣品质的分拣，可以更为便捷地代替人工，减少成本，提高效率。文中所研究的基于树莓派和OpenCV的红枣外观品质智能化分选技术，具有极高的精确度、迅速性，以及更加广泛的市场应用潜力，可以为消费者带来更多的便利。现阶段的红枣产业也不应局限于人工分拣，于此，在一些以红枣产业为主的地区，红枣外观品质的分选装置将会被大量投入使用，并进行下一步的创新。以期在分拣研究上做出贡献，为我国红枣行业的发展做出贡献，助推我国工业发展。

参考文献：

[1] 王铁伟，赵瑶，孙宇馨，等.基于数据平衡深度学习的不同成熟度冬枣识别 [J].農业机械学报，2020，51（S1）：457-463+492.

[2] 白依凡，贺晓光，何建国，等.红枣自动分级机的研究进展 [J].宁夏工程技术，2016，15（1）：88-92.

[3] 窦文卿，柴春祥，鲁晓翔.无损检测技术在水果品质评价中应用的研究进展 [J].食品工业科技，2020，41（24）：354-359.

[4] 邓立苗，杜宏伟，徐艳，等.基于机器视觉的马铃薯智能分选方法与实现 [J].中国农机化学报，2015，36（5）：145-150.

[5] 田有文，吴伟，卢时铅，等.深度学习在水果品质检测与分级分类中的应用 [J].食品科学，2021，42（19）：260-270.

[6] 高辉，马国峰，刘伟杰.基于机器视觉的苹果缺陷快速检测方法研究 [J].食品与机械，2020，36（10）：125-129+148.

[7] 赵小霞，李志强.基于PLC和机器视觉的水果自动分级系统研究 [J].农机化研究，2021，43（8）：75-79.

[8] 刘艳丽，杜鸿运，王世璞.红枣高速在线分级检测系统研发 [J].中国农机化学报，2015（5）：142-144.

[9] 詹映.基于机器视觉南疆红枣颜色分级方法研究 [D].阿拉尔：塔里木大学，2015.

作者简介：徐晶晶（2003.10—），女，汉族，山东

菏泽人，本科在读，研究方向：机器人工程；周旭（1980.03—），男，汉族，河北唐山人，副教授，本科，研究方向：电气自动化；孔耀（2000.04—），男，汉族，山东枣庄人，本科在读，研究方向：电气工程及其自动化。