基于单片机的果实品质分类装置设计毕业论文Word文档下载推荐.docx
《基于单片机的果实品质分类装置设计毕业论文Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《基于单片机的果实品质分类装置设计毕业论文Word文档下载推荐.docx（22页珍藏版）》请在冰豆网上搜索。
关键词：
图像识别；
算法；
单片机；
采摘；
分类
Designofpickingdeviceofmechanicalarmbasedonsinglechipmicrocomputer
Abstract
Inshort,machinevisionusesthecameratotaketheactualimage,automaticallyconvertstheimageinformationintothecorrespondingelectricalsignalthroughthecameramodule,andtransmitsittothesinglechipmicrocomputerforlogicalprocessing,soastoachievetheintelligentrecognitionoftheimage.Machinevisioniswidelyusedinfruitpickingsystem.
Inthispaper,akindoffruitqualityclassificationdevicebasedonsingle-chipmicrocomputerisdesigned,whichcanrecognizethegeneralcoloroffruitsurfacethroughpatternrecognition,judgewhetherthefruitismatureandfurtherdecidewhethertopickthefruit.Afterpicking,thequalityofthefruitwasjudgedbythedifferentreflectioncharacteristicsofdamagedandundamagedfruitsurface,andthefruitwasclassified.Themainfunctionsareasfollows:
1）judgingwhetherthefruitismaturebytheshape,sizeandcolorofthefruit;
2）classifyingthequalityofthepickedfruit.
Firstofall,thispaperdescribestheschemeofthisdesign,anddividesthewholesystemintohardwaredesignandsoftwaredesign.Firstly,thepaperintroducestheresearchoffruitimagerecognition,theprincipleoffruitcolorrecognitionandthealgorithmoffruitcolorrecognition.ThehardwaredesignofthesystemisbasedonSTM32singlechipmicrocomputer.Thewholehardwareisdividedintorecognitionmodule,grabbingandcuttingmodule,fruitqualityclassificationmoduleandpowermodule.Thecamerarecognitionmoduleismainlyusedtoidentifymaturefruit,achieveaccuratearrivalandcutting,andidentifythedamagedegreeoffruitsurface,soastorealizethequalityclassificationoffruit;
thegrabbingandcuttingmodulerealizestheflexiblecontrolofthemechanicalarmandthepickingofmaturefruit;
thefruitqualityclassificationmoduleistoplacedifferentqualityfruitsinthedesignatedpositionafterthefruitiscut;
thepowermodulePowerthewholesystem.Secondly,thepaperdesignstheprogramofthewholesystem.Finally,thewholesystemismadeanddebugged,andthefunctionofthesystemmeetsthedesignrequirements.
Keywords:
Imagerecognition;
algorithm;
MCU;
picking;
classification
1绪论
1.1研究背景及意义
目前科学技术的发展促进了各个方面的发展，而我国是一个农业大国，毫无疑问科学技术早已渗透到农业当中，根据当今科技发展的趋势，农业自动化是农业发展的重要战略之一。
而如今，科技促使各行各业向自动化方向发展，最具典型代表的是机器人的应用。
我国是一个农业大国，我国的农作物产量大，在经济飞速发展的同时，人们逐渐的加大了对农产品的投入，不仅注重农作物质量要求，更加注重口感要求，特别是在水果上，人们对其需求越来越大，要求越来越高。
水果在我国农产品中占有很大一部分比例，但是目前我国水果的采摘的方式大部分还是依靠人力进行，这就造成了水果采摘的速度十分慢，而且又不能雇佣大量的采摘人员，因为水果只有在一定时候才会大量采摘，这就造成其他“淡季”的劳动力花费增加，对果实养殖户来说，无疑是减少了收入。
目前一些科学家提出使用采摘机器人对水果作为进行采摘，并应用到实际采摘中，机器人采摘大大的提高了水果采摘速度，从而降低了采摘成本。
目前我国的农业劳动力随着经济的发展逐渐减少，对传统的农业来说是一个巨大的打击，机器人作业概念的推广慢慢的可以解决这一问题。
有了采摘机器人并不能立马的解决采摘问题，因为机器相对于人来说，“思考”的过程相对繁琐，而且往往采摘到未成熟的果实，因此对机器人识别的研究至关重要，对实现精准采摘，提高采摘效率有着举足轻重的意义。
机器人识别系统，简而言之就是机器的“眼睛”，它的主要原理是通过视像头识别实际三维空间中的图像，将图像根据颜色的不同转化为不同的电信号，然后发送到主控CPU进行逻辑处理，通过提前对CPU进行对的软件编程，使得CPU能够正确识别摄像头传来的电信号对的颜色信息，并经过逻辑控制，发送相应的控制信号，控制对应的模块完成相应的功能，识别技术所设计的学科有很多，基本上包含了所有理工科的学科。
从上个世纪中旬开始，机器人识别系统就已经逐渐的被研究，美国的一些科学家在二维空间的基础上，研究了三维空间的识别系统，标志着三维识别技术的开始。
随着科学技术的发展，视觉计算机理论拉开了三维识别与计算机相结合的序幕，对以后的识别技术的发展奠定了基础。
1.2国内外研究现状
在上个世纪中旬，美国科学家就提出了对果实进行自动化采摘，利用机器识别技术对采摘目标进行识别，他们提出识别计算的原理是，通过待采摘目标和其周围的物质对光的反光性质不一样，以此来判断待采摘果实的具体位置，这种识别方法对启发了以后的识别技术。
根据这一原理，一些科学家制造了相对应的采摘系统，通过加强苹果的红色和叶子的绿色，利用照相机采集图像，以此来达到识别果实的目的。
在随后二十年的发展当中，世界各国的科学家相继投入到机器识别技术当中，根据农场不同的要求，设计出了不同功能的采摘机器人，我国在机器人采摘技术上相对落后一些，但是近年的发展以及十分迅速。
在上个世纪六十年代的时候，一些国外科学家提出了采用机器人来自动采摘果实的想法后，各种关于机械臂采摘系统的研究层出不穷。
随着科学技术的飞速发展，机器人的研究与人们的生活愈发紧密，特别是在农业自动化应用中，机器人采摘系统的研究络绎不绝。
最早科学家们设计的自动采摘装置是利用机械臂摇或者振动的方式，但是由于技术的欠缺，这两种采摘方法对果实的损坏率比较大，而且也不能准确识别果实是否成熟。
在第一个机器人采摘系统在国外诞生后，关于的采摘机器人的研究一直没有停，国外研究了许多关于黄瓜、苹果等果实的采摘系统，但是还是无法辨别果实是否成熟。
随着科学技术的进步，人们对于采摘机器人的研究集中于采摘机器人的识别系统，主要是对成熟果实与未成熟颜色的差异，通过对颜色识别，来判断哪个果实是成熟的，图像处理技术也愈加成熟。
随着科技的进步，人们对机械臂的研究从原先的平面运动，研究到了机械臂的5个自由度，实现对机械臂的三维控制。
慢慢的，人们对机械臂采摘装置的研究系统化，研究出整个采摘系统。
1.3课题研究要求
通过模式识别识别果实表面大体颜色，判断果实是否成熟进一步决定是否对果实进行采摘。
2果实图像识别技术研究
在设计采摘机器人时，首先应该研究的就是图像识别技术，因为整个系统的关键就在于图像识别。
整个系统由摄像头模块获取实际的空间图像，通过识别的技术的逻辑处理，将所识别的图像转换为电信号，并发送给CPU，在主控CPU中与已设定的参数进行对比，以此来确定目标是否符合采摘要求以及目标的位置信号。
因此对果实的图像研究十分重要，需将采集的数据经离散采样后转化为数字图像供识别分析。
2.1数字图像原理
系统由摄像头来获取待采摘目标的图像，并不能直接发送给单片机进行逻辑处理，需要对图像信号进行处理，将图像信号转化为数字信号，简单来说就是将图像由一个M行N列的矩阵fM×
N来表示，如式2.1所示。
只有将图像进行数字化处理之后，单片机才能够识别到图像信息，而这个矩阵中的每个点包含的值就是我们所说的图像在该位置的像素值。
（2.1）
现在用来表示空间颜色的模型有很多种，所谓颜色空间模块，也就是在一个指定的空间里，不同坐标处对应的颜色值是唯一的，目前这种模型在识别系统中应用非常广泛。
主要由RGB、CMY、CMYK颜色模型，其中我们一般在数字电路中，采用最多的是RGB。
但是并不是所有的都使用RGB，在一些彩色打印机中，使用最多的是CMYK颜色模型。
但是上述的几种模型并不是最准确的符合人类识别的颜色模型，最符合的还是HIS模型，因为它在颜色的色调等参数，更加符合人类的识别颜色的标准，因此这种模型是实际应用最多的。
根据上文所述，RGB模型是硬件采集图像使用最多的，这个模型不同于其他模型，它的像素对应的坐标是在笛卡尔坐标来建立的，如图2.1所示。
如果把这个模型中的三维坐标都单位化，那么三维坐标的所有值都集中在[0，1]这个区间范围内。
RGB颜色模型成色的原理是，三维坐标每一维都是由256个基本灰度组成，一个颜色由坐标上的x、y、z三个灰度叠加而成的彩色图像，每一个像素的像素深度是24位，由此可以计算出整个模型可以表示的颜色有224=16777216种，其中在三维坐标中（0，0，0）表示最深的黑色，（1，1，1）表示最浅的白色。
图2.1RGB颜色模型
2.2果实颜色识别算法
根据资料资料显示，目前对果实颜色识别的算法有两种，这两种算法分别是模糊C均值聚类算法，简称FCM，以及直方图信息快速FCM算法，简称FFCM。
2.2.1模糊C均值聚类（FCM）算法
首先提出模糊C均值聚类算法是一个叫Dunn的，后来随着科技的进步，由Bezdek完善了算法，并对其进行推广。
一般在对图像进行三维坐标灰度进行分割时，常常会遇到一些不确定的分割方法，这个时候使用本算法可以解决这个问题。
这个方法的具体原理是将像素数据集作为聚类样本数据，然后对其进行划分，再对图像进行分割。
在使用这种算法时，首先设一个像素数据集X，然后定义X={x1,x2,⋯xn}⊆Rt，在这个集合等式中，参数t表示的是向量xj（j=1,2,⋯n）的维数，然后根据定义，把数据集中的n个元素划分到c（2≤c≤n）个模糊组中，这种划分方法使得式（2.2）可以取到最小值。
（2.2）
式（2.2）中，uij为像素值xj属于第i个类的隶属度。
满足约束:
且（0≤uij≤1）。
m为加权指数（m>
1），dij为第j个像素值到第i个聚类中心vij的欧式距离，如式（2.3）所示。
（2.3）
对式（2.2）通过使用拉格朗日乘子法的方法，对其输入参数进行求偏导数，得到其取得最小值的条件：
（2.4）
（2.5）
根据以上所述，可以总结本算法具体实施的步骤：
首先要根据系统设定算法所需要的聚类数目c以及所要加权的指数，同时也要规定本算法的终止结算的条件ε>
0；
其次，要对算法所属的矩阵U（0）进行初始化，并且初步设置迭代次数P=1；
接着就要计算聚类中心矩阵，首先要求得当前的隶属度矩阵，然后把所得的值带入到是（2.4）中进行计算；
紧接着根据式（2.4）得到的结果，带入到式（2.5）中进行求解计算得到隶属度矩阵；
最后如果算法在计算中满足
，那么这个时候就可以停止计算，不然的话就会出现P=P+1，然后返回到第三步再重复以上的步骤。
然后根据上述步骤计算得到的最大隶属度矩阵，以此来分割所要识别的图像。
例如，当使用这种算法去分割一个600×
600的图像时，根据上述式子可抑制其数据集为360000，因此在计算时，由于数据量太大了，导致分割的速度比较慢。
2.2.2直方图信息快速FCM算法（FFCM）
由于上述的FCM算法所需要的聚类样本数量太多了，所以科学家们对此方法进行了一些改进，具体是将一个三维的像素分别映射到每一维坐标上，得到每一维灰度的具体值，从而解决了上述问题，大大的提高了算法识别图像的速度。
基于FCM改进的算法将FCM中所用到的数据集一一映射到灰度级数据集{0,1,⋯L−1}（L=256）中，然后将对出现的灰度进行加权处理，具体是根据当前灰度所出现的次数来加权，用以下函数来表示各个灰度出现的次数：
w（k）=n（k）,k=0,1,⋯L−1，其中n（k）表示图像中灰度级为k的像素的次数，满足直方图
，（M×
N为图像尺寸）。
其基本思路为，将式（2.6）作为目标函数：
（2.6）
式中，参数m表示的是加权指数，并且参数m满足m>
1的条件。
w（k）函数表示的是上述所提到的参数k表示的灰度所要加权的系数值。
参数Dik用来表示第k级灰度到第i类聚类中心vi的欧式距离的平方，其具体的计算方法如式（2.7）所示。
（2.7）
隶属度矩阵U和聚类中心矩阵V通过下面公式计算:
（2.8）
根据上述所介绍的FFCM算法，使用该算法的具体步骤是：
首先跟FCM一样，根据系统设定算法所需要的聚类数目c以及所要加权的指数，同时也要规定本算法的终止结算的条件ε>
0，同时设置迭代次数P=1以及设定初始聚类中心V（0）的值；
其次将聚类中心矩阵V（0）的值代入到式（2.7）中进行计算，得到了隶属度矩阵的值；
紧接着将隶属度矩阵的值带入到式（2.8）中进行计算，得到聚类中心矩阵的值；
然后根据计算得到的聚类中心矩阵的值带入到式（2.7）中，计算得到隶属度矩阵的值；
2.3果实识别过程
如图2.2为果实图像识别流程图。
图2.2果实图像识别流程图
通过查阅相关的资料，对比两种算法的分割质量。
资料中，使用matlab来判断两种算的分割质量，具体方法是在matlab设定两种算法的参数，其中统一设置两种算法所要识别的图像为640×
520，分别利用两种算法对其进行分割，通过结果可知两种算法的计算结果相近，但是直方图信息快速FCM算法计算速度更加快，具体表现为分割时间很短且识别图像所需要迭代的次数更少，可以得出在相同条件下，直方图信息快速FCM算法更加有效率。
3硬件电路设计
本设计是基于STM32单片机，如图3.1所示是本设计的方案框图。
整个系统主要由识别模块、STM32主控CPU、果实抓取模块以及果实分类模块组成。
首先通过摄像头智能识别成熟果实，将果实位置信息发送给单片机，由单片机矢量控制机械臂升降，精准的达到果实的位置，并进行采摘，此时摄像头再次识别果实表面损坏程度，由单片机矢量控制机械臂对果实进行品质分类。
图3.1系统方案框图
3.1主芯片选择
整个装置的主控芯片采用STM32F103VET6。
STMicroelectronics公司一直致力于开发出高科技芯片，为用户提供高性能、低功耗的32位数字处理器。
其开发了一系列基于ARMCortex-M处理器的32位闪存微控制器产品，其主流的MCU是STM32F103VET6，它是增强型的32位的控制器，这个控制器是以ARM为核心的。
Cortex-M3有32位的处理器，不仅如此，其内部的存储器等一些设备都是32位的。
这个处理器的内部是将数据和地址总线分开，每个都有自己独立的线路，因此不用担心地址和数据冲突，提高了处理器的效率。
图3.2为STM32F103VET6单片机最小系统电路。
图3.2STM32F103VET6单片机最小系统电路
3.2电源模块
STM32F103VET6系列单片机的电源电路如图3.3所示，其供电电压一般为2.0~3.6V之间。
如图所示MDB12-24S5芯片将24V的直流电压降压为5V的电压。
通过转换开关选择是否供电，+5V电源通过AMS1117-3.3芯片将电压转换为3.3V，C1、C2电容起到滤波、稳压作用。
STM32F103VET6系列的单片机有一些模拟电源的管脚，在电路设计中，数字电路和模拟电路分别单独供电，以降低系统的噪声，其中图中的R1、R2、C5和C6组合的主要作用就是过滤掉数字电路中的噪声，提高模拟电路的稳定性。
图3.2电源电路
3.3果实识别模块
本设计采用摄像头模块来采取果实的颜色。
摄像头识别模块用的是OpenMV，这个装置价格低廉、极具可开发性的颜色采集识别模块。
这款摄像头内部自带IDE，这个IDE的主要功能是自动提示代码，也就是说它可以将图像处理的代码高亮，而且这个摄像头有一个特点就是内部自带一个窗口，可以看到摄像头所要识别的图像，便于系统编程处理。
使用该模块对水果进行颜色识别，该摄像头模块主要原理是提取所拍到图像的RGB三个单通道灰度图像，根据对不同成熟度果实的颜色识别，发送给单片机处理，判断不同果实的成熟度。
其次根据对果实的颜色识别，以此来获取果实在坐标系中的具体位置，并与中心平面像素对比，以此来获取坐标差值，并发送给单片机，由单片机进行逻辑处理，并控制机械臂在空间移动，准确到达果实所在位置并进行采摘。
如图3.3为该模块实物图。
图3.3摄像头识别模块实物图
本设计所采用的摄像头识别模块是一款价格低廉、带有很多功能的模块。
本模块主要由CPU、摄像头芯片等组成，CPU采用STM32芯片系列中的STM32F427CPU，摄像头芯片采用的是OV7725，该模块采用C语言实现对图像颜色的采集，同时本模块还提供可编程接口，支持Python语言，这一功能是的该模块在众多识别模块中脱颖而出。
目前该模块广泛的应用到各种需要图像识别的系统中，例如人脸识别、边缘检测等。
在工业或制造业中，可以用力筛选残次品，或者对某个固定的物品进行标记，由本模块组成的系统跟踪。
并且该模块可支持Python代码，只需要写入一些简单的代码，即可完成复杂的功能。
该模块和机器人的结合，可使机器人更加智能化，可以让智能机器人通过识别周围空间颜色，做出比较人性化的动作。
从硬件角度来看，该模块采用STM32F427CPU，具有许多接口，包括UART，I2C，SPI，PWM，ADC，DAC等接口，可以支持众多的外围电路。
3.4抓取模块
本设计采用舵机实现抓取任务，实现果实的抓取和果实放到指定位置。
本设计采用舵机MG995。
舵机主要是一种可以控制舵面的电动机，它的基本工作原理是由主控对它发出控制命令，使其发生转动，转动的角度和控制命令的脉冲宽度有关。
舵机的主要由舵盘、减速齿轮组、位置反馈电位计5k、直流电机、控制电路板等部分组成。
整个舵机系统对外有三根线，一根是电源线、一根是地线、另一根是控制线，其基本控制结构图如图3.4所示。
舵机主要有5V电源电压供电，由电源线接入；
控制线主要是由控制CPU发出信号，控制舵机转动，控制信号是不同脉冲宽度的PWM信号，通常情况下一个信号的周期是20ms，脉冲宽度不同，舵机旋转的角度也就不同，其对应关系如图3.5所示，脉宽由0.5ms到2.5ms，舵机与之对应的角度为-90°
到90°
，并且成正比关系，控制信号输出的脉冲信号幅值是5V，且控制信号发出后，舵机就会旋转到对应的角度，直到下一次命令，它才会转动。
图3.4MG995舵机控制示意图
图3.5舵机的输出轴转角与输入信号的脉冲宽度之间的关系
4系统软件设计
第三章介绍了整个系统的硬件电路部分，但要完成整个系统的设计还需要进行系统软件设计才能完成控制功能，因此要有软件程序进行支撑，从而与硬件部分形成相辅相成形态，因此设计整个系统的软件也是实现系统功能一个重要的环节。
4.1软件开发环境及工具
MDK和IAR都能作为嵌入式编程开发工具，处于使用习惯方面考虑，语音和红外控制家用电器系统在软件代码编程时采用的是MDK，MDK主要适用于各种需要嵌入式开发的处理器。
它具有强大的Simulation设备模拟等功能，此外它内部集成了Flash烧写模块，可以自动配置启动代码。
使用MDK进行嵌入式开发时，其中左边是编程的目录，右边是编码区间。
RVMDK
升级会员 