首页 > 论文范文 > 社会科学论文 > 科技论文 > 自动化论文 > PLC和图像处理基础上的水果分类智能控制系统分析

PLC和图像处理基础上的水果分类智能控制系统分析

2020-08-25 965 上传者：管理员

摘要：采用先进的计算机视觉、人工神经网络和PLC控制技术,提出了一种基于FX3U-48MT/ES-APLC控制器的水果分类智能控制系统,分析了系统的工作原理、芒果样本采集处理与识别模型,给出了PLC控制系统的软硬件设计。试验结果表明,水果分类智能控制系统可以利用神经网络和计算机视觉方法对芒果进行适当的分类,精度可以高达94.23%,具有非常重要的现实意义。

关键词：
PLC
人工神经网络
水果分类
自动化
计算机视觉
加入收藏

在对水果的等级分类过程中,不少果农仍采用传统的手工方法来区分水果等级,不仅劳动量大、准确率低,而且每个人的判断标准会造成水果分类的差异较大。为了解决以上问题,农业机械分拣系统的需求变得非常重要。本研究将计算机视觉和人工神经网络(ANN)相结合,采用PLC控制技术,设计了一套水果分类智能控制系统,可对水果进行适当的分类。

1、水果分类机器人智能控制系统工作原理

提出了一种PLC和图像处理技术的水果分类智能控制系统,主要原理是利用图像处理技术,对待分类的水果进行特征提取,从而判断水果的等级;然后与PLC进行通讯,将分类结果发送给PLC控制器,由PLC控制系统进行水果的分类和包装。水果分类智能控制系统工作原理如图1所示。

2、芒果样本采集与处理

2.1 芒果样本收集

研究过程中,选择分类的水果为芒果,并在市面上购买不同等级的芒果,采用VIVOX20智能拍照手机拍摄每个样品的图像。在样本拍摄过程中,每幅图像的背景保持不变,但图像捕获角度、照明条件和相机距样本的距离等参数都不固定,收集的数据集包含1300多张健康和有缺陷芒果的图像。每张芒果图像都是根据不同生长阶段和缺陷进行手动分类的,芒果等级分为特级品、一级品、二级品和有缺陷的芒果,分别包括327、288、284和458张图像。芒果样本图像如图2所示。

图1水果分类智能控制系统工作原理

2.2 芒果图像预处理和增强

芒果图像预处理和增强采用深度卷积神经网络(ConvolutionalNeuralNetworks,CNN)算法,因此,样本图像的训练阶段需要大量的训练图像数据集来学习所有参数;否则,CNN将不会被适当地训练并且存在过度拟合的风险。在深度卷积网络中嵌入了太多参数。因此,训练阶段需要大量的训练图像数据集来学习所有参数;否则,CNN将不会被适当地训练并且存在过度拟合的风险。由于在成本和时间并行增加的情况下通常不可能增加输入图像的数量,因此需要应用称为数据增量的策略。在数据增强方法中,训练数据集增加相同的标签或类别以防止过度拟合问题。该技术通过图像处理方法完成,如水平或垂直翻转输入图像。本研究中,使用旋转、高度偏移、宽度偏移、缩放、水平翻转和剪切强度来增强训练数据集,数据增强技术为训练过程创建了37056个图像。

图2芒果样本图像采集

2.3 卷积神经网络架构

为了训练输入的RGB图像,CNN可以将卷积层作为主要层之一,这些图层的任务是通过过滤器提取边缘、斑点和颜色等低级特征。此外,与普通神经网络一样,CNN的结构由完全连接层组成。而CNN的训练主要有两个步骤:前馈和后向传播。在前馈步骤中,通过将基于给定图像的网络输出与作为输入的网络之间的差异与实际标记输出进行比较来计算网络误差;在反向传播阶段,根据网络误差计算参数梯度,然后根据计算的梯度更新每个权重矩阵。

视觉几何组网络利用均匀结构来增加CNN深度,可以显著提高特征值提取性能。VGGNet由5个不同的块组成,这些块是均匀和顺序设置的,因此每个块的输出被定义为下一个块的输入。通过这种架构,网络从输入图像中提取强大的特征,如纹理、形状和颜色。视觉几何组网络如图3所示。

3、PLC控制系统的设计

3.1 PLC硬件控制系统的设计

PLC硬件控制系统分为控制电路和主电路两部分,控制电路采用低压弱电控制,主电路采用高压强电驱动电机工作,通过弱电驱动电池阀的方法控制强电的工作。PLC硬件控制系统电路如图4所示。

图3视觉几何组网络模型

图4PLC硬件控制系统电路图

水果分类智能控制系统以可编程控制器为核心,外加简单的外围电路,可以实现有效实时的水果分类控制。根据水果分类智能控制系统的要求,PLC控制器分别需要16个和5个输入/输出点数。为了方便后期的扩展和升级,采用日本三菱公司的FX3U-48MT/ES-APLC控制器。该控制器CPU处理速度高达0.065us/指令,内置RAM存储器为64K,其内置的编程口可以达到115.2kbps的高速通信,且最多可以同时使用3个通信口,可以很好地与图像采集处理模块进行信息的交互;内置24输入/24输出点数,可以满足扩展需求。PLC控制器输入输出端口配置分别如表1和表2所示。

水果分类智能控制系统主要功能是对水果进行清洗、分级和包装,每一步过程都是由PLC控制器进行控制。PLC控制器I/O点数接线如图5所示。

图5PLC控制器I/O点数接线图

3.2 PLC软件控制系统的设计

前文提及,PLC控制系统是为了实现通过弱电驱动电池阀的方法控制强电的工作,而控制部分主要是通过PLC编程实现。PLC控制器通过读取已固化的程序,实现水果的清洗、分类和包装,其主要的控制思路如图6所示。

图6PLC控制思路流程图

为了实现水果分类包装的便捷性,方便用户在水果分类数量不多时可以采用手动分类的方法进行水果分类包装。本文软件控制采用手动和自动两种控制方法,PLC流程控制结构如图7所示。

图7PLC流程控制结构图

采用STEP7-Micro/WIN编程软件,编写满足控制要求的PLC梯形图程序,流程如图8所示。

4、图像识别分类和PLC的通信

要实现PLC对水果的自动分类,必须要先实现图像识别分类模块和PLC控制器之间的数据通信。传统的PLC通信大多采用以太网、PROFIBUS总线和CAN总线等方式,充分利用FX3U-48MT/ES-APLC控制器的特点,其支持RS485和以太网相结合的数据传输方法。本文采用EAP(thernetforPlantAutomation)通信方式,在实际开发中,会先给PLC芯片分配IP,然后PC端根据IP地址和PLC进行数据交互。EAP协议不需要配置UDP(UserDatagramProtocol)协议,具有较高的实时性。图像识别分类模块和PLC的EAP通信流程如图9所示。

图8PLC控制系统梯形控制流程图

图9EAP通信流程图

5、试验与分析

基于PLC和图像处理的水果分类智能控制系统,可以将芒果分为4类,为了提高系统分类级别,采用104个样本根据不同隐藏层进行深度训练。不同隐藏层的识别精度如表3所示。

由表3可以看出:采用40个隐藏层,水果分类智能控制系统可以准确地对芒果进行分类,成功率高达94.23%。

6、结论

针对农业现代化的发展需求,以水果自动分类为研究对象,应用图像处理识别和PLC控制技术,设计了一种基于PLC和图像处理的水果分类智能控制系统。试验结果表明:水果分类智能控制系统可以利用神经网络和计算机视觉方法对芒果进行适当的分类,精度可以高达94.23%,具有非常重要的现实意义。

参考文献：

[1]胡静,罗宜元,宁建红.一种新型的水果分类系统设计[J].上海电机学院学报,2014,17(6):343-346.

[2]赵彬.基于机器视觉的工业机器人分拣技术研究[D].沈阳:沈阳工业大学,2013.

[3]钱兆楼.基于云计算的大数据自动分类系统的实现路径[J].科学技术创新,2019(13):67-68.

[4]刘会景.基于模糊智能控制的煤矿瓦斯浓度监控系统研究[J].煤炭工程,2019,51(4):80-84.