基于外形特征的潍县萝卜筛选系统研制与试验

针对目前潍县萝卜表面缺陷筛选主要依靠人工,存在工作强度大、分拣效率低等问题,设计了一种基于外形特征的潍县萝卜筛选系统,并搭建了试验台架。实地采集了潍县萝卜表面缺陷数据照片,构建数据集,通过调节亮度与对比度、旋转、缩放、高斯模糊及添加椒盐噪声等方法对数据集进行了扩充,以防止过拟合;对数据进行标注,分为根部多头、弯曲、损伤和虫眼4种类型;选用模型体积小、检测速度快的YOLOv5s网络对潍县萝卜表面缺陷数据集进行训练,并生成识别模型。结果表明,其识别准确率90.25%、精确率93.77%、召回率90.83%和mAP@0.5为91.21%。模拟实际作业环境,设计并制作了试验样机,采用传送带带动萝卜移动,上位机通过双摄像头对萝卜的表面信息进行采集并进行处理,下位机控制同步带滑台带动推板完成对萝卜的分拣。在输送平台传送带速度分别为0.16、0.30和0.38m/s时进行筛选试验,结果表明,筛选总体准确率分别为97.5%、92.0%和82.5%。该研究可为潍县萝卜筛选装置的研发提供设计参考。