scara机器人图像识别在茶产品质检中应用

郑 华

（广西工商职业技术学院，广西南宁 530007）

scara机器人属于坐标型工业机器人。scara真空机械手包括伸缩、旋转、升降三关节，其中两旋转关节的角位移与移动关节位移共同决定机器手手腕位置。因此，该机器人最适宜平面定位作业，及垂直装配作业。该机器人视觉系统包含光源、摄像机、镜头、图像采集卡、处理器、显示器。scara机器人基于视觉系统而形成的智能化图像识别功能被越来越广泛应用于工业生产与农产品检测之中。尤其是茶产品检测中，茶叶体积小、形状多，用人工肉眼检测，既有感官思维上的主观性，又有肉眼观察的不彻底性。利用scara机器人视觉系统可进行微小事物的图像搜集与处理，可对茶叶颜色、形状、外观品质进行检测，收集检测数据进行综合分析处理。

1 scara机器人图像识别概述

scara真空机械手在图像识别上，可利用其视觉补偿抓取功能。首先，利用摄像机拍摄抓取工件，通过图像采集卡收集图像信息，在计算机处理器中基于特征法分析图像信息，继而计算出工件质心，整合机器人坐标系，对上述工件质心结果进行换算，继而得出工件三维坐标，通过视觉系统获取的信息可对定位引导机械手抓手。

1.1 摄像机标定

摄像机标定就是对摄像机采集的到图像的识别，对工件坐标信息的重构。scara真空机械手视觉系统在工件识别中，应先标定摄像机。以此获取图像像素坐标，这些坐标与三维空间点之间形成映射关系，其间的映射关系参数就是摄像机的标定。摄像机标定常用模型是针孔成像几何模型，其线性的成像关系可以近似展现实际成像。本文所论述的机器人视觉系统摄像机标定以张正友标点法为基础算法，以针孔模型为摄像机基础模型，小孔成像作为摄像机标定模型，基于图像点的映射关系对摄像机参数进行标定。

1.2 图像的特征识别以及匹配

第一，对工件成像进行预处理，提取静态工件特征，划分提取结果，进行初步分类。工件的特征提取指在对不同工件信息的提取中，界定工件识别的条件。第二，进行特征匹配，对目标模型进行界定，与特征数据库中的工件信息做对比，找出与目标模型相契合的模型。现如今，使用最为广泛的匹配方法位轮廓匹配法、灰度直方图匹配法。其中灰度直方图匹配法的精度最低，这是由于灰度直方图中灰度出现频率以灰度级像素个数而定，但是这种方法没有顾及到图像采集中存在的空间信息。

数字图像中最为突出的特征便是图像的轮廓，这是图像的重要信息。图像轮廓是固定不变，不会随着外界条件而变化的，所以很多匹配条件对其都使用。利用图像轮廓的边缘特征可以对图像进行清晰识别。这种轮廓匹配方法可以广泛应用于各种工件的识别中，可减少数据计算量，并保留图像结构与外观信息，继而准确识别工件。

1.3 图像消除噪音性设置

在图像转换成图像信息传输到计算机处理仪器中时，会受到摄像机性能、浮尘、光照、飞沫等因素的影响，尤其是在图像收集、传输、处理过程中的不可避免的噪声干扰，这种必然存在的干扰会影响图像形成，使得图像模糊不清。scara机器人对噪声采取高斯滤波处理方式处理图像信息的采集。高斯滤波基于高斯函数计算模板值，其为线性平滑滤波器，对此，利用高斯参数衡量滤波器权重，通过高斯参数的分布看模板宽度。并且在对高斯函数的离散化处理中，以二项式展开系数获取逼近值。二项式展开系数可以利用杨辉三角法计算得出，得到相应的模板取值。实践证明，使用高斯滤波会在一定程度上丢失相关信息，但会消除大部分噪声，且其中丢失的信息不会影响后续算法，因此，在图像特征识别之前应利用高斯滤波消除图像处理中的噪音。

2 scara机器人图像识别在茶产品质检中的具体应用

2.1 茶叶图像的采集

scara机器人视觉系统可收集处理茶叶图像。利用摄像机获取并采集茶产品图像，茶叶体型较小，利用scara机器人视觉系统中特定的摄像机采集图形信息较为快捷直观，受外界因素干扰较小，图像测量精度较高。在摄像机采集茶叶图像信息时，图像信息会通过图像采集卡中的转化器转化为二进制数值，以供计算机识别，将图像信息转化为数字信息。scara机器人的视觉识别系统由摄像机、图像采集卡、计算机共同连接而成，实现了图像的系统化采集，为后续图像处理奠定基础。

2.2 茶叶图像的处理

scara机器人视觉识别系统从对目标物体的图像信息数据采集开始，进而对图像信息进行处理，这一过程犹如人感官上的识别、检测、追踪过程。而scara机器人的视觉识别系统则是对目标物体进行图像信息的采集、分析、识别、处理。其中图像信息的处理是利用计算机分析处理图像数据信息，客观表现图像信息，依据图像数据深入识别图像各元素信息，在各元素之间建立分离与连接关系。

在人类视觉识别系统中，红、蓝、绿是最为敏感的颜色，其他颜色皆是在这三者基础上混搭而成。常见的颜色模型为：RGB、HSI、HSV、LAB等，各个模型都有其独特特征，实际对颜色的识别中，人类会根据需要提取颜色特征，获取所需颜色模型，出现频率最高的模型为RGB、HSI，两种模型表达着不同的物体色彩信息，图像处理正是基于两种模型的转换结合。

茶叶图像处理，即去除图像噪音、强化图像色泽强度，截图图像边缘信息，处理茶叶低层图像信息，对茶叶图像进行识别。前期低层的处理视为后续高层处理打下基础，以增强提取茶叶外形特征数据的准确定，强化图像识别的有效性。茶产品图像前期的处理质量直接关系到茶产品品质检测品质。图像去燥可利用高斯滤波法进行，既能去除噪音，又能确保图像信息数据的完整性，避免图形受噪音影响而变得模糊不清。茶叶形状及纹理需要依靠图像边缘而定，这是分析茶叶图像信息的基础性依据，通过摄像机采集的茶叶个体图像信息，在信息处理上需要对茶叶边缘做标记，尤其是突出边界点，由此完整截取茶叶单个样本信息。

2.3 茶叶外形信息的参数提取

茶产品检测需要从产业的外形、色泽、香味、味道等要素对其品质进行综合判断。茶叶外形主要有长条、圆形、针型、卷曲型、尖型等，依据茶叶外形，冲泡膨胀程度、吸水程度等可衡量茶品质优劣；茶叶色泽主要指干茶色泽、冲泡后的颜色、茶渣颜色，这也是判断茶叶品质的重要依据，传统茶品质检测中以人感官为检测工具，依靠人的视觉器官观察茶的颜色，干茶颜色有深绿、翠绿、墨绿、淡黄等，这种判断方式主观性较强。

而借助scara机器人则可准确识别、分析茶叶外形与色泽，对茶叶外形色泽进行定性定量分析。scara机器人视觉识别系统可准确计算提取茶产品边界、直径、圆度、面积、周长等数据信息，通过强化图像、边缘提取等可提取图像参数信息，对茶产品图像进行客观地分析处理。

2.4 茶叶品质分级

茶叶外形、色泽不是简单的好坏鉴定，需要对其特征的全面分析。而scara机器人可借助其神经网络强大的兼容性融合大量数据信息进行处理，并且scara机器人神经系统具有自我适应能力，犹如人工神经网络一般，可对茶叶品质进行犹如人类大脑般的主观分析，处理各节点的图像信息。利用复杂的网络系统，可调整连接图像内部节点信息，并对其进行智能化处理。scara机器人神经网络由网络层、神经元、数据分析组成，茶叶通过神经网络分析处理茶叶信息，从而对茶叶品质在客观分析的基础上，融入如人类分析的智能化分析结果，对茶叶品质实现智能化、科学化分级。

利用scara机器人视觉识别系统检测茶产品品质时，可通过收集、录入茶产品信息，预先处理图像信息，综合进行品质鉴定，制作图像进行分析，可实现对茶品质检测的智能化管理，实现了对茶叶数据的科学化管理。

3 结语

利用scara机器人对茶叶外观色泽的分析处理，可全面收集茶叶图像样本信息，经过计算机计算茶叶外形参数信息，再利用神经网络对数据信息进行智能化分析，对茶产品品质等级进行划分，提高数据分析的准确性，确保茶产品品质检测的智能化与科学性。在茶产品品质检定中，对茶产品分级越细致，品质检验结果越稳定。通过scara机器人图像识别系统对茶产品进行的检验，可实现对图像样本数据的科学化分析，对品质等级的智能化测量与划分，为茶品质检验提供了科学的检验平台。

[1]舒翔,曾武捷.计算机视觉技术在农产品品质检测中的应用[J].北京农业,2015(3):221.

[2]魏博宇,李科杰,高峻峣,范鹰.移动机器人视觉系统与摄像机标定[J].微计算机信息,2009(23):171-172+179.

[3]金利英,朱云.计算机视觉系统在工业机器人上的应用[J].云南农业大学学报(自然科学),2014(1):122-125.