798
新時代農產品收割 ，還有3D視覺科技加入
據麥姆斯谘詢報道，超市對提供準確的重量、尺寸、形狀和質量的產品需求正日益增長。為滿足這些需求，自動收割係統必須檢查如土豆、胡蘿卜和西蘭花等產品以上的特征，以及任何缺陷和疾病的表征。
目前，許多收割方法都是人工完成的。然而，因為超市可能隻需要特定重量的產品，收集大量農作物再分類區分出哪些是適合銷售的產品，可能會造成浪費。
為克服這個問題，分類任務可以在田間進行，以便在收割之前對產品進行分級，從而提高良率。
利用3D激光掃描儀、機器人、圖像處理技術和深度學習軟件的結合，Capture Automation公司正在開發西蘭花球的自動收割係統
開發用於檢測、識別和測量此類產品的算法是複雜的。通常，使用基於邊緣的檢測方法時，產品必須位於圖像中。在不同的環境照明條件下，陰影效應會導致2D方法的失敗。然而，通過3D成像，產品的邊緣是在體積表示中定義的，這樣就不需要照明，可以根據形狀和大小挑選如生菜或西蘭花球等蔬菜。
由於2D係統被校準到一個特定的平麵上，產品的高度不同使得用於這樣的任務的2D圖像處理係統更加複雜。然而，通過預先校準的3D成像係統，可以對產品的角度和傾斜進行分析，以便在產品被拾取之前，機器人可以被輸入正確的角坐標，這樣產品不會受到損壞。
從Gocator高度圖形式生成的數據產生的灰度圖像（左）在像素數據越小的情況下，西蘭花球就越靠近攝像頭，反之亦然
目前，該3D自動收割係統正被Capture Automation公司（位於英國東薩塞克斯郡赫福市）開發。該公司利用3D激光掃描儀、機器人、圖像處理技術和深度學習軟件，正在開發一個西蘭花球的自動收割係統。
3D激光掃描儀的優點之一是它們可以被連續地用來捕捉可以在傳輸過程中的圖像。使用安裝在拖拉機上的編碼器，位置坐標可以發送給機器人，追蹤在機器人頭下移動的產品，然後拾取它們。為了從移動係統獲得如此精確的信息，必須使用精確的編碼器。在該係統的第一個原型機中，一個旋轉編碼器輪被裝在拖拉機的前部。
不幸的是，這種旋轉編碼器輪在雨天可能打滑，使係統的校準失效。為克服這個問題，一種基於防滑釘的編碼器被開發用來提供更精確的位置信息。
然後，收割機可以根據不同的重量和大小選擇不同類型的西蘭花球，並將不同的花球放在不同的箱子裏。該係統還可以報告哪些花球可能還留在地上，或可能適合後來采摘。雖然種植西蘭花要花費好幾個月的時間，但有一個成熟或過熟的大約3天的時間窗口，所以收集這樣的數據是很重要的。
機器收割機進行3D掃描，是將LMI Technologies公司（位於加拿大哥倫比亞省本那比市）的Gocator掃描儀安裝在拖拉機前麵，並連接到PC主機。這種掃描儀的一個優點是多個掃描儀可以同時使用，用於覆蓋廣闊的視野。
與定製激光/相機三角係統需要校準以確保正確的測量相比，Gocator掃描儀的預校準允許係統立即提供毫米級精度的測量。Gocator掃描儀在拖拉機上以毫米/秒的速度快速運行，使用來自編碼器提供的信息數據，允許捕捉的成像數據用於測量農作物的大小，並向機器人提供正確的位置和深度信息，以跟蹤每一個西蘭花球，並在正確的時間采摘。
使用如Genicam傳輸層等標準的軟件圖像流是有益的，因為它提供了選擇軟件進行圖像分析的靈活性。在圖像被捕捉後，Teledyne DALSA公司（位於加拿大滑鐵盧市）的Sherlock軟件進行2D和3D圖像處理。為檢測西蘭花球，自定義算法被用作Sherlock軟件的插件。
從Gocator高度圖生成的數據產成的灰度圖像，像素數據越小，西蘭花球越接近攝像頭，反之亦然。使用2D算法減少一些縮放會導致西蘭花球的大小類似。因此，為了分類的目的，沒有必要使用過大或過小的西蘭花球進行修正，因為在這種情況下，樹葉或雜草可能被檢測到，錯誤率會增加。
有了這樣的收割係統，由於分類需要快速執行，需要快速的圖像處理。例如，在一個拖拉機上，如果操作者不完全直線行駛，攝像機會在某一位置識別西蘭花頭，但當機器人頭部到達西蘭花球時，采摘臂就會不在適當的位置。
利用2D圖像處理算法，可以識別西蘭花球，然後3D算法可以識別西蘭花球的中心。要辨識出這些西蘭花球，深度學習技術使用Polimago模式匹配工具進行應用，是來自Stemmer Imaging（位於德國普赫海姆市）的Common VisionBlox（CVB）軟件的一部分。
通常，自動收割如西蘭花等有機產品是困難的。有了計算機視覺，許多不同的變量必須被修正並加入到係統中，例如形狀和口感不同的特大或特小西蘭花球。
由於每一個西蘭花球看起來稍有不同，係統需要經過修正，以確定它們到底是完美的圓形還是形狀稍許不完美的。這種圖像識別的最大挑戰之一是將西蘭花球與葉子分開，因為葉子通常會與西蘭花的頭部混合在一起。因此，必須使用許多不同的圖像來修正該係統，這一過程包括基於係統的拖拉機在田間識別不同類型的西蘭花球的生長過程。
一旦係統確定了西蘭花球，它需要按大小分級。不幸的是，這不是一件容易的事，因為西蘭花球可能部分被葉子覆蓋，因此葉子需要從西蘭花球分離出來。利用3D成像，紋理分割可以將葉子與西蘭花球分離開來，其結果是僅包含西蘭花球數據的圖像，以便可以測量其直徑。
使用PC上的圖形用戶界麵（GUI），操作者可以選擇哪個尺寸的西蘭花球被挑選出來。在西蘭花球被正確辨識出後，他們的位置信息被從拖拉機上的PC發送到安裝有定製采摘頭的Fanuc機器人（位於日本忍野市）。那些未被選中的西蘭花球可以被識別和標記，以便今後分析。來源：傳感器網
最後更新：2017-08-22 18:32:16