哈密瓜分級裝置的設計含SW三維及15張CAD圖帶開題-獨家.zip
哈密瓜分級裝置的設計含SW三維及15張CAD圖帶開題-獨家.zip,哈密瓜,分級,裝置,設計,SW,三維,15,CAD,開題,獨家
哈密瓜分級裝置的設計開題報告
一、本課題來源及研究的目的和意義
1、課題來源
XXXX
2、本課題研究的目的和意義
1）研究目的
隨著經(jīng)濟的快速發(fā)展，人民生活水平的提高，消費者的消費觀念也日益提高，
人民在選購農(nóng)產(chǎn)品時，不僅關注其外部品質(zhì)，而且關心它們的內(nèi)在營養(yǎng)價值。例如消費者在選購哈密瓜時除了注重哈密瓜的大小、顏色、外觀形狀等外部品質(zhì)之
外，對于內(nèi)部品質(zhì)如口感度、糖度以及酸度等指標也極為看重。我國加入世貿(mào)組
織后，水果需求大量增加，品質(zhì)要求日益提高，水果采后分級作為保證其品質(zhì)的
技術受到重視，并直接影響水果的出口。中國的水果種植面積和總產(chǎn)量均居世界
之首，但是水果出口量和出口價格都較低，這是由于水果未經(jīng)商品化處理，在水
果的大小、顏色、紋理、糖度、酸度等方面未進行規(guī)格的等級劃分，良莠不齊，
造成價格低，嚴重影響了我國水果的經(jīng)濟效益。
2）研究意義
目前我國的水果分級主要依靠人工完成, 利用人工進行水果品質(zhì)檢測和分
級雖然可行，但勞動強度大，工作效率低，且由于個人視力差別、情緒、疲勞和
光線強弱等因素的影響，分級的準確性較差。近年來，隨著電子技術、計算機技
術、圖像處理技術和模式識別技術的飛速發(fā)展，利用機器視覺技術進行水果自動
分級得到了廣泛研究，國內(nèi)外都已開發(fā)出了基于機器視覺技術的水果自動分選
機，并且基于多光譜在線檢測與分級技術也已經(jīng)進行了大量研究。而這類產(chǎn)品的
三個核心基礎部件就是水果在線檢測裝置、水果輸送裝置以及水果分級卸料裝
置。水果輸送裝置必須確保機器視覺系統(tǒng)的圖像采集系統(tǒng)能夠采集到被檢測水果
的有效信息。
利用機器視覺進行水果分級可以同時對多個標準, 包括水果的尺寸大小、顏
色、形狀、紋理等外觀品質(zhì)一次性進行綜合分級。其分級的客觀性強、標準穩(wěn)定、
一致性好、效率高, 而且非接觸無傷害。高光譜圖像技術集合了圖像學、光學、
信息處理以及計算機科學技術，在傳統(tǒng)的二維成像技術的基礎上，有效的結合光
譜技術，可獲得待測對象的超多波段、光譜高分辨率和圖譜合一的信息，實現(xiàn)其
綜合品質(zhì)的檢測。高光譜圖像技術結合了圖像學和光譜學兩種技術的優(yōu)勢，在農(nóng)
產(chǎn)品的內(nèi)部和外部綜合品質(zhì)進行多信息融合無損檢測分級中具有很大的發(fā)展?jié)?
力。因此，研究機器視覺技術結合高光譜圖像技術為多光譜在線檢測與分級技術
打下良好的理論基礎，實現(xiàn)哈密瓜品質(zhì)的自動檢測分級。
二、本課題所涉及的問題在國內(nèi)(外)研究現(xiàn)狀及分析
1、國外研究現(xiàn)狀
Dull等（1989）利用近紅外光譜技術檢測了成熟羅馬甜瓜中蔗糖與可溶性固形物的含量。實驗結果表明：完整果相關系數(shù)僅為0.60，正標準誤差（SEC）為1.67，預測標準誤差（SEP）為2.18，薄片樣本取得較好的試驗結果，其相關系數(shù)為0.97，SEC為0.56，SEP為1.56，造成較大差異的原因主要是瓜皮厚的特性，使得果皮有較強的吸收。
Dull等(1990) 利用近紅外透射光譜儀測定甜瓜的可溶性固形物，運用2個二階導數(shù)的比值建立校正模型，模型校正相關系數(shù)為0.85，標準誤差為1.5。Brandon等(1990) 利用機器視覺系統(tǒng)獲得胡蘿卜頂部圖像，以外部形狀特征參數(shù)輸入神經(jīng)網(wǎng)絡，將胡蘿卜頂部形狀分為5個等級，平均分類準確率為85%。
Dull等(1992) 研制了一個能對甜瓜可溶性固形物含量進行無損檢測的儀器。儀器使用斜臺-干涉-濾波技術進行掃描，使用一個有軌探測器檢測透過瓜肉內(nèi)部的光譜。其相關系數(shù)為0.91，校正標準誤差和預測標準誤差分別為0.82%，和1.85%。
Paulus等(1997) 提出三種方法進行水果大小分級依據(jù)的尺寸：表面積（根據(jù)水果四個不同角度的投影面積來計算）、直徑（每個水果四幅圖像中直徑的平均值）、體積（將水果看作半徑為平均半徑的球體而進行計算），但Paulus等人沒有進行驗證性試驗研究。
Alexios等（2002） 開發(fā)了基于DSP的柑橘在線多光譜并行檢測系統(tǒng), 可以檢測柑橘的大小、顏色和缺陷, 工作效率為每秒5個柑橘。
Tsuta等(2002) 利用紅外光譜儀通過測量甜瓜赤道部位25 mm直徑的圓柱形區(qū)域得到其吸收光譜，在874 nm和902 nm的吸收峰與甜瓜總糖含量建立相關性研究，相關系數(shù)為0.99，標準誤差為0.333。
Maruo等(2002) 在光譜800-1000 nm波段范圍內(nèi)采用激光透射方法對甜瓜進行光譜采集，建立光譜與果肉可溶性固形物、堅實度的相關關系，并對其它樣品進行預測。試驗表明，采用激光透射方式可以實現(xiàn)對甜瓜品質(zhì)指標的無損檢測。
Juan 等(2005) 采用 高 光譜圖 像 技術 實 現(xiàn) 了對 “GoldenDelicious” 和“Jonagold”蘋果表面損傷的檢測：采用均值濾波法，首先對采集到的高光譜圖像光譜維區(qū)域進行預處理；然后利用主成分分析法進行圖譜數(shù)據(jù)降維，得到蘋果表面損傷檢測的最佳主成分圖像；最后，采取閾值分割法對蘋果表面損傷進行檢測。試驗結果表明，對“GoldenDelicious”蘋果表面損傷的檢測正確率為86%，“Jonagold”蘋果表面損傷的檢測正確率為75％。
Masateru Nagata等（2005年） 應用近紅外高光譜成像技術對草莓的可溶性固形物進行了預測，測量波長范圍為650-1000nm，最后提取五個特征波長建立預測模型對可溶性固形物獲得0.87的相關系數(shù)。
Gamal等（2006） 研究采用高光譜成像技術（400-1000 nm）檢測草莓的含水率、酸度及可溶性固形物。利用PLS方法對光譜數(shù)據(jù)進行處理分析，確定最佳波段，并建立多元線性回歸模型，對其含水率、酸度及可溶性固形物檢測的相關系數(shù)分別為 0.90，0.87，0.80。
Renfu Lu（2007） 研究采用高光譜散射成像技術對兩種蘋果的可溶性固形物進行無損檢測，采用主成分分析和神經(jīng)網(wǎng)絡結合方法對兩種蘋果的堅實度和可溶性固行物進行預測，對Golden Delicious蘋果SSC預測相關系數(shù)為 0.79，預測樣本中的標準誤差為0.72%，而對Red Delicious蘋果堅實度預測相關系數(shù)為0.64, 預測樣本中的標準誤差為 0.81%。
Hyun等（2007） 利用高光譜成像技術無損檢測蘋果品質(zhì)。試驗中，采用主成分分析對光譜數(shù)據(jù)進行處理，并通過神經(jīng)網(wǎng)絡建立回歸預測模型。試驗結果表明，對蘋果可溶性固形物和可滴定酸含量的預測相關系數(shù)R分別為0.75和0.57。
ELMASRYG等（2007） 利用高光譜圖像技術研究了草莓含水率、酸度及可溶性固形物。采用偏最小二乘法(PLS)進行數(shù)據(jù)處理，并獲得最佳光譜波段。采用全光譜波段進行多元線性回歸建模，預測模型的含水率、酸度及可溶性固形物預測的相關系數(shù)分別為：0.90，0.870，0.80；利用最佳光譜波段進行多元線性 回歸建模，預測模型的含水率、酸度及可溶性固形物預測的相關系數(shù)分別為：0.87，0.92，0.80。試驗結果表明，高光譜圖像技術可無損檢測水果內(nèi)部品質(zhì)。
2、 國內(nèi)研究現(xiàn)狀
我國學者是近幾年來才開始利用機器視覺技術及高光譜圖像對水果品質(zhì)進行無損檢測研究的。國內(nèi)江西農(nóng)業(yè)大學的劉木華教授、江蘇大學的趙杰文教授和蔡健榮教授、華南農(nóng)業(yè)大學的洪添勝教授、中國農(nóng)業(yè)大學的彭彥昆教授、浙江大學的應義斌教授等均對西瓜、梨、蘋果、柑橘、獼猴桃等水果的品質(zhì)無損檢測及分級系統(tǒng)進行了一定研究工作。應義斌等（2002） [31] 研制了一套適合黃花梨品質(zhì)檢測的機器視覺系統(tǒng)，設計了一種利用水果最小外接矩形（MER）法求最大橫徑，以適應實際生產(chǎn)中水果方向的隨機性和水果外形的不規(guī)則的要求。試驗表明：實際最大橫徑與預測最大橫徑的相關關系為0.9962。
洪添勝等(2007) [32] 利用高光譜圖像技術無損檢測雪花梨內(nèi)部品質(zhì)。對光譜信息進行MSC預處理，通過獲得雪花梨的光譜反射回歸曲線，分別選取含糖量和含水量相關性最好的5 個特征波段，采用人工神經(jīng)網(wǎng)絡方法對雪花梨的含糖量和含水量進行建?；貧w分析。結果表明，對含糖量和含水量預測的誤差分別為0.4749°及0.0658%。
田海清、應義斌等(2007) [33] 設計了近紅外透射式西瓜可溶性固形物含量(SSC)檢測系統(tǒng)，對50個樣本的麒麟瓜SSC進行預測試驗研究，采用主成分回歸和偏最小二乘回歸的方法分別建立樣品的原始光譜、一階微分光譜、二階微分光譜和SCC的預測模型。試驗表明：偏最小二乘法的建模效果較好，其校正集相關系數(shù)為0.951，均方根誤差0.347，預測集相關系數(shù)為0.910，均方根誤差0.302。
劉木華等(2008) [34] 利用高光譜圖像技術對臍橙糖度進行檢測的研究。通過獲取光譜數(shù)據(jù)處理，獲取反映臍橙糖度的特征波長；應用人工神經(jīng)網(wǎng)絡方法建立臍橙糖度的預測模型。結果表明，臍橙糖度預測模型相關系數(shù)R=0.831。
蔡健榮等(2009) [35] 探尋了獼猴桃糖度快速無損檢測方法。采用小波濾噪法對獼猴桃近紅外光譜區(qū)域進行預處理，運用偏最小二乘（PLS）、區(qū)間偏最小二乘(iPLS)和聯(lián)合區(qū)間偏最小二乘(siPLS)分別建立預測模型。試驗表明，采用聯(lián)合偏最小二乘法（siPLS）建立的獼猴桃糖度模型效果最佳，校正集相關系數(shù)和均方根誤差分別為0.9414和0.3788，預測集相關系數(shù)和均方根誤差分別為0.9295和0.3904。
3、技術分析
緊密結合地區(qū)的農(nóng)業(yè)生產(chǎn)實際，選擇的特色水果—哈密瓜為研究對象，綜合利用機械設計基礎、農(nóng)業(yè)物料學、Matlab、C 程序設計、光學、光譜分析、數(shù)學、計算機、模式識別、計算機圖像處理技術、CCD 技術、主成分分析、小波分析、獨立分量分析、波段比算法、小波變換、主成分回歸、偏最小二乘回歸、人工神經(jīng)網(wǎng)絡等眾多領域的知識，自主創(chuàng)新，采用理論分析和試驗研究相結合的方法，擬開展以下研究工作：
① 優(yōu)化配置好適于哈密瓜檢測的機器視覺及高光譜圖像試驗系統(tǒng)。主要進行物距調(diào)整、哈密瓜光源系統(tǒng)的選擇及輸送裝置的優(yōu)化。
② 利用機器視覺系統(tǒng)獲得用于檢測哈密瓜外部品質(zhì)的圖像信息，通過圖像處理技術，提取哈密瓜外部品質(zhì)特征用于檢測哈密瓜的大小、重量和網(wǎng)紋率。
③ 研究不同品質(zhì)的哈密瓜在不同波長光線(400-1000 nm)照射下的分光反射特性，從獲取的高光譜圖像中尋找最能反映哈密瓜品質(zhì)的最優(yōu)特征波長和特征波長下的圖像信息，提取光譜信息并確定其品質(zhì)與糖度之間的相關關系，建立哈密瓜糖度預測模型。
④ 研究不同大小、網(wǎng)紋品質(zhì)的哈密瓜分級檢測方法，對獲取的哈密瓜高光譜圖像進行邊緣提取及二值化等處理，以其自然對稱形態(tài)特征為依據(jù)，確定哈密瓜外部品質(zhì)檢測方向，進一步檢測哈密瓜的大、重量小及網(wǎng)紋率，對比分析兩種技術，并建立哈密瓜分級輸送裝置設計參比數(shù)據(jù)。
⑤ 設計哈密瓜分級輸送裝置。根據(jù)哈密瓜大小不同，設計哈密瓜平穩(wěn)輸送試驗系統(tǒng)，并保證哈密瓜在輸送過程中不出現(xiàn)明顯的機械損傷。
三、對課題提出的任務
要求及實現(xiàn)預期目標及內(nèi)容：
預期目標：1.搭建哈密瓜分級裝置三維模型；
2.對關鍵部件進行優(yōu)化設計；
3.完成哈密瓜分級裝置樣機制備。
具體內(nèi)容：1.畢業(yè)設計開題報告1份，文獻綜述以及外文資料翻譯；
2.運用SolidWorks軟件進行三維圖繪制；
3.購買所需材料并進行試驗臺搭建。
4、 本課題需要重點研究的、關鍵的問題及解決的思路
存在的問題
利用人工進行水果品質(zhì)檢測和分級雖然可行，但勞動強度大，工作效率低，且由于個人視力差別、情緒、疲勞和光線強弱等因素的影響，分級的準確性較差
解決問題的途徑
① 優(yōu)化配置好適于哈密瓜檢測的機器視覺及高光譜圖像試驗系統(tǒng)。主要進行物距調(diào)整、哈密瓜光源系統(tǒng)的選擇及輸送裝置的優(yōu)化。
② 利用機器視覺系統(tǒng)獲得用于檢測哈密瓜外部品質(zhì)的圖像信息，通過圖像處理技術，提取哈密瓜外部品質(zhì)特征用于檢測哈密瓜的大小、重量和網(wǎng)紋率。
③ 研究不同品質(zhì)的哈密瓜在不同波長光線(400-1000 nm)照射下的分光反射特性，從獲取的高光譜圖像中尋找最能反映哈密瓜品質(zhì)的最優(yōu)特征波長和特征波長下的圖像信息，提取光譜信息并確定其品質(zhì)與糖度之間的相關關系，建立哈密瓜糖度預測模型。
④ 研究不同大小、網(wǎng)紋品質(zhì)的哈密瓜分級檢測方法，對獲取的哈密瓜高光譜圖像進行邊緣提取及二值化等處理，以其自然對稱形態(tài)特征為依據(jù)，確定哈密瓜外部品質(zhì)檢測方向，進一步檢測哈密瓜的大、重量小及網(wǎng)紋率，對比分析兩種技術，并建立哈密瓜分級輸送裝置設計參比數(shù)據(jù)。
⑤ 設計哈密瓜分級輸送裝置。根據(jù)哈密瓜大小不同，設計哈密瓜平穩(wěn)輸送試驗系統(tǒng)，并保證哈密瓜在輸送過程中不出現(xiàn)明顯的機械損傷。
五、完成本課題所必須的工作條件及解決的辦法
1、完成本課題所必須的工作條件
1）SolidWorks軟件，手冊及書籍；
2）SolidWorks軟件，計算機環(huán)境；
3）設計研究場所
2、解決的辦法
（1）使用自己的計算機一臺，并且安裝有SolidWorks軟件，
（2）教師電子備課室的開放時間足以保證時間要求。
（3）通過個人購買、網(wǎng)絡搜索、大學圖書館和學院資料室借閱解決。
六、完成本課題的工作方案及進度計劃
1、完成本課題的工作方案
為完成本課題的基本任務要求，擬定工作方案如下：
（1）在查閱、分析、研究相關資料的基礎上，完成開題報告和文獻綜述；
（2）掌握SolidWorks軟件，ANSYS仿真軟件的使用方法，利用SolidWorks軟件，ANSYS仿真軟件進行力、角度等參數(shù)的分析計算；
（3）總體結構的搭建及控制系統(tǒng)的設計；
（4）完成畢業(yè)論文的撰寫。
2、完成本課題的進度計劃（以周為單位，共14周）
（1）撰寫開題報告，文獻綜述以及設計方案階段：（1—2周）
（2）對哈密瓜的物料特性進行研究：（3—5周）
（3）使用SolidWorks繪制哈密瓜分級裝置三維圖：（5—8周）
（4）完成哈密瓜分級裝置樣機制作：（11周）
（5）撰寫論文，準備答辯階段：（12—14周）
7、 主要參考文獻
[1] 廖新福,劉曼雙. 哈密瓜產(chǎn)業(yè)現(xiàn)狀及發(fā)展對策[J]. 農(nóng)業(yè)科技,2011,03:1-2.
[2] 馬本學,李鋒霞,王麗麗,等.大型瓜果品質(zhì)檢測分級技術研究進展[J].農(nóng)機化研究,2013(1):248-252.
[3] 趙啟明. 6GF―500型小雜果分級技術裝備的開發(fā)[J].中國農(nóng)機化學報,2013,34(1):143-145.
[4] 李國進,董第永,陳雙. 基于計算機視覺的芒果檢測與分級研究[J]. 農(nóng)機化研 究,2015,10:13-18+23.
[5] 王運祥,馬本學,楊杰,王靜,葉晉濤,蔣偉,呂琛,張巍. 雙錐壓縮式哈密瓜承載托輥的設計及參數(shù)計算[J]. 農(nóng)機化研究,2016,09:88-93.
[6] 劉啟全,郭俊先,劉明濤,劉航,王艷. 基于機器視覺的哈密瓜大小分級研究[J]. 農(nóng)機化,2016,02:16-18.
[7] 王旭,趙志衡. 基于機器視覺的柑橘分級技術研究[J]. 懷化學院學報,2016,05:60-63.
[8] 任杰,李婷婷. 基于PLC的水果大小連續(xù)分級設備設計[J]. 機械工程與自動化,2015,06:100-101.
[9] 王映龍,徐輝輝,劉道金,劉木華. 球形水果實時分級PLC控制系統(tǒng)[J]. 農(nóng)業(yè)機械學報,2007,12:229-231.
[10] 孟繁臻,宮元娟. 基于PLC的寒富蘋果自動分級生產(chǎn)線控制系統(tǒng)設計[J]. 農(nóng)業(yè)科技與裝備,2014,06:37-38.
[11] 黃信兵,劉小娟. 基于PLC的臍橙分揀及裝箱自動系統(tǒng)設計[J]. 廣東農(nóng)業(yè)科學,2013,15:183-184+206.
[12] 沈從舉,賈首星,鄭炫,等.紅棗分級機械的現(xiàn)狀與發(fā)展[J].中國農(nóng)機化學報,2013,34(1):26-30.
[13] 張有正.機器視角下的柑橘體積檢測[J].長春理工大學學報,2013,8(2):191-192.
[14] 毛麗民,劉叔軍,朱培逸,等.基于FPGA的水果邊緣檢測方法研究[J].科學技術與工程,2013,13(12):3472-3480.
[15] 朱培逸,王引佳,高玨,等.基于 PLC和組態(tài)王的水果品質(zhì)分級系統(tǒng)設計[J].農(nóng)機化研究,2013(10):103-106.
[16] 葛紀帥,黃文倩,張弛,等.基于SolidWorks的稱重式水果分選機設計[J].機械設計與制造,2012(7):33-35.
[17] 胡靜,郭新,何浩甲,等.基于多分類器融合的水果自動分級系統(tǒng)[J].上海電機學院學報,2012,15(3):163-170.
[18] 夏卿,李先鋒.基于改進PSO算法和LS-SVM的蘋果分級檢測[J].計算機與現(xiàn)代化,2012(5):161-166.
[19] 周竹,黃懿,李小昱,等.基于機器視覺的馬鈴薯自動分級方法[J].農(nóng)業(yè)工程學報,2012,28(7):178-183.
[20] 龔昌來,羅聰,黃杰賢,等.基于機器視覺的柚子尺寸檢測系統(tǒng)的研究[J].農(nóng)機化研究,2013(11):22-25.
.
指導教師審閱意見：
開題報告成績：
指導教師（簽字） 2017 年 1月10日
備注：
9
收藏