用于水果重量測量的傳感器
水果重量可以通過使用測壓元件技術測量,杯子裡裝着水果在一個短區間内,稱重傳感器和稱重傳感器輸出的滑動平均。
有幾個稱重傳感器技術的類型——其中,“紐扣和墊圈”應變計是兩者的首選精度和精度。稱重傳感器的原理是基于電阻的變化典型的稱重傳感器采用惠斯通電網橋,四個稱重傳感器的外形,輸出約為幾毫伏,精度約為1g,是大多數産品分級系統的典型特征。
運作時測量杯子重量輸送機沒有水果。互補式金屬氧化物半導體相機,矽電荷耦合器件或互補金屬氧化半導體(互補式金屬氧化物半導體)陣列用于通過将光轉換為電子來捕獲圖像。
這些傳感器将做出反應,至可見和遠紅色波長,放置在相機内的濾光片可包含或排除可見光或遠紅光。
陣列在獨立訪客和遠紅色區域提供了更好的靈敏度,并且在弱光下更受歡迎條件。互補式金屬氧化物半導體技術具有更高的讀出速度、更低的功耗、更低的制造成本和更好的動态範圍,并且随着不斷的改進,互補式金屬氧化物半導體将有效地取代技術,除了少數利基應用。
簡單的互補式金屬氧化物半導體數組的每個元件(像素)的電壓輸出用于建立灰階圖像。要建立彩色相機,數組中的像素通常用紅色、綠色和藍色濾鏡屏蔽在拜耳圖案中,會損失一些空間分辨率。
遠紅色互補式金屬氧化物半導體相機常用于新鮮農産品分級。可以在封裝線上建立結構化照明環境,通常使用白色與反光罩組合,創造漫反射和均勻的照明條件。
斜鏡可用于允許對水果的側面進行成像,并選擇最大的傳送帶顔色與水果顔色形成對比。遠紅色相機可以更好地識别某些缺陷,例如瘀傷。
這大概是由于水果中自由水的變化,吸水在840和960 nm左右的波長(由于第三和第二泛音O-H鍵拉伸振動)。
機器視覺算法允許圖像“分割”,即識别水果相關像素接下來是“斑點”,即與水果相關的像素分組以建立對象。
水果圖像分割通常使用諸如顔色、紋理(相鄰之間的方差像素)、形狀(周長特征)和大小(斑點像素計數),以識别圖像中的對象。
新鮮農産品分級的典型應用包括大小、顔色、形狀和表面缺陷。使用者界面允許運算符控制給定等級的公差下降點。
可見近紅外光譜綜述了近紅外光譜在水果評價中的應用。水果評估系統通常使用部分或全部透射率幾何形狀,測量400到1000納米波長的吸光度。
該技術已用于評估水果的“宏觀成分”,如幹物質含量和薄皮水果中的白利糖度,典型的測量誤差約為1%。對于水果酸度和硬度的測量也提出了一些要求。
堅固性是一種實體特征,與細胞膨脹和細胞壁特征相關,但可能存在間接相關系數。對于例如,未成熟的水果可能具有較高的硬度和葉綠素水準,是以對硬度的規格熱帶評估可能基于葉綠素水準的評估。
可滴定的大多數水果果汁中的酸度水準很低,每體積約為1%重量,是以測量這種屬性也很可能是間接的(例如,未成熟的水果可能具有較低的酸度、較高的葉綠素和較低的白利糖度。
酸度可以通過在酸時直接測量水準很高(例如,在檸檬中)。内部缺陷檢測也是可能的,例如,内部褐變和蘋果的水芯。
對“積極”品質屬性進行分類的技術采用相對較低,這是缺乏市場回報和拒收水果造成損失的結果。
更大的對“負面”屬性(蘋果等内部缺陷)進行排序已取得吸收成功内部褐變或水芯。通常,線上系統采用部分或全部傳輸系統(光有向水果的一部分和探測器觀察另一部分),而不是反射率。
在反射率幾何中,探測器觀察水果的照明區域。信号水準很高,但大部分信号是鏡面反射或非常接近表面漫反射。結果是批次之間表面特性的任何變化水果影響預測精度。
參考文獻:
[1] 粉絲自動分揀稱重裝置設計[J]. 郝青龍;張斌;張朋.工業儀表與自動化裝置,2020(03)
[2] 基于PLC的蜜柚分揀系統設計[J]. 吳捍疆;張豐收;張佳琪.包裝與食品機械,2019(04)
[3]2019年上半年中國水果市場形勢分析與後市展望[J]. 侯煜廬;趙俊晔.農業展望,2019(08)