本发明涉及农业生产辅助设备,更具体地说,它涉及一种机采棉的全程质量控制方法。
背景技术:
棉花是世界上最主要的农作物之一,产量大、生产成本低,使棉制品价格比较低廉。棉纤维能制成多种规格的织物,从轻盈透明的巴里纱到厚实的帆布和厚平绒,适于制作各类衣服、家具布和工业用布。棉织物坚牢耐磨,能够洗涤和在高温下熨烫,棉布由于吸湿和脱湿快速而使穿着舒服。如果要求保暖好,可通过拉绒整理使织物表面起绒。通过其他整理工序,还能使棉织物防污、防水、防霉;提高织物抗皱性能,使棉织物少烫甚至不需要熨烫;降低织物洗涤时的缩水,使缩水率不超过1%;
目前的棉花种植面积较大,传统的人工采摘方式成本较大,耗时较长,无法带来更好的经济交易,所以采棉机来替代人工采摘方式;
在机采棉的过程中,采棉机上的喂料结构对棉株上的棉花进行搅碎分离,然后经过分离将棉花吹送到打包结构中,而所获得的棉花中会掺杂有大量的杂质,例如尺寸较大的铃壳、果枝或枯叶,给后续的棉花清洗过程带来诸多不便,也增加了处理成本,因此,为解决此类问题,我们提出一种机采棉的全程质量控制方法。
技术实现要素:
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种机采棉的全程质量控制方法。
为了实现上述目的,本发明采用了如下技术方案:
一种机采棉的全程质量控制方法,应用于完全成熟的棉株的棉花采摘过程,棉花的采摘过程使用采棉机进行,采棉机中设置有图像处理系统、锯齿式清花结构和运输带结构;
所述图像处理系统用于实时采集运输带结构中的图像数据;
所述锯齿式清花结构用于采摘棉株上的棉花,且所述锯齿式清花结构中包含有锯齿滚筒、刷棉滚、格条栅、刺钉滚和排杂绞龙中的一种或者多种组合方式;
所述图像处理系统中包含有视觉分析、视觉定位和视觉计算三个功能,且所述图像处理系统中的分析数据用于控制锯齿式清花结构和运输带结构中的工作参数。
优选的,所述运输带结构中的图像数据分为ⅰ型图像、ⅱ型图像和ⅲ型图像,所述ⅰ型图像中为无棉花传输状态下的运输带结构上的实时图像;
所述ⅱ型图像中为采棉机实时运行状态下的运输带结构上的实时图像,且所述ⅱ型图像包含有棉花、杂物或运输带结构的一种或多种组合方式。
所述ⅲ型图像中为无杂质棉花在运输带结构上传输的实时图像。
优选的,以ⅰ型图像中的图像数据为照片底层数据,以ⅲ型图像中的图像数据为底片上侧数据,并将ⅰ型图像与ⅲ型图像以基准点位置进行合并,合并得到的图像数据为图像参照物数据。
优选的,所述ⅰ型图像中的图像颜色为运输带结构的颜色,所述运输带结构中的颜色为除黑色系和白色系中的任一种颜色;
所述ⅲ型图像中的图像颜色为棉花的颜色,且所述ⅲ型图像的图像颜色为白色系。
优选的,所述图像处理系统中的视觉分析和视觉定位功能用于处理ⅱ型图像的图像数据,处理方式如下所示;
s1:以图像参照物数据为基础,将ⅱ型图像以相同的基准点位置进行合并,通过视觉分析功能来分析ⅱ型图像与图像参照物数据之间的颜色差异;
s2:通过图像处理系统中的视觉定位功能,来定位s1步骤中颜色差异的位置、面积和数量;
s3:以s2中的数据,来计算运输带结构上所传输棉花的含杂率,含杂率的计算公式如下:
含杂率=杂物量/ⅱ型图像的横截面积*100%。
优选的,所述图像处理系统中的视觉计算功能中包含有计时模块,所述计时模块中设置有处理周期h,所述图像处理系统以处理周期h循环启动;
所述视觉计算公式如下所示:处理周期h*运输带结构的传输速度=处理周期中的棉花传输量=ⅱ型图像的横截面积;处理周期h*运输带结构的传输速度*面积*数量=杂物量。
优选的,以s2步骤中颜色差异的面积为判断依据数据,并通过图像处理系统设置杂物中的铃壳、果枝或枯叶的面积梯度为a1、a2和a3,a1、a2和a3的梯度数据为图像处理系统中的视觉分析功能的分析参照数据。
z1:以视觉分析功能对杂物中铃壳、果枝或枯叶分析的分析数据为最终数据,调节锯齿滚筒、刷棉滚、格条栅、刺钉滚和排杂绞龙中的一种或者多种的工作参数;
z2:处理周期分为h1、h2、h3到hn;
z3:在h1的处理周期中,调节工作参数,h2所分析处的含杂率以h1的工作参数组合方式为基础;
z4:通过多组调节方式,选出最优参数组合。
本发明提出的一种机采棉的全程质量控制方法,有益效果在于:
1、该发明中以图像处理为主要系统,对采棉机的采摘棉花过程进行实时图像采集、图像分析和图像处理,可以实时检测出所采摘到的棉花质量,检测出棉花中的杂物含量,例如铃壳、果枝或枯叶,从而可以起到控制棉花采摘质量的作用;
2、以图像数据为基础,对图像数据中的颜色进行分析,并通过调节各项工作参数来控制,可以得出最优参数组合;
3、在控制棉花采摘的过程中,设置有多组梯度,细化杂物,可以分辨出棉花中的不同杂物,并进行针对性的修改参数。
附图说明
图1为本发明提出的一种机采棉的全程质量控制方法的运行结构框图;
图2为本发明提出的一种机采棉的全程质量控制方法的参数结构框图;
图3为本发明提出的一种机采棉的全程质量控制方法的图像处理的运行框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
参照图1-3,一种机采棉的全程质量控制方法,应用于完全成熟的棉株的棉花采摘过程,棉花的采摘过程使用采棉机进行,采棉机中设置有图像处理系统、锯齿式清花结构和运输带结构;
所述图像处理系统用于实时采集运输带结构中的图像数据;
所述锯齿式清花结构用于采摘棉株上的棉花,且所述锯齿式清花结构中包含有锯齿滚筒、刷棉滚、格条栅、刺钉滚和排杂绞龙中的一种或者多种组合方式;
所述图像处理系统中包含有视觉分析、视觉定位和视觉计算三个功能,且所述图像处理系统中的分析数据用于控制锯齿式清花结构和运输带结构中的工作参数;
实施例一
所述运输带结构中的图像数据分为ⅰ型图像、ⅱ型图像和ⅲ型图像,所述ⅰ型图像中为无棉花传输状态下的运输带结构上的实时图像;
所述ⅱ型图像中为采棉机实时运行状态下的运输带结构上的实时图像,且所述ⅱ型图像包含有棉花、杂物或运输带结构的一种或多种组合方式。
所述ⅲ型图像中为无杂质棉花在运输带结构上传输的实时图像;
以ⅰ型图像中的图像数据为照片底层数据,以ⅲ型图像中的图像数据为底片上侧数据,并将ⅰ型图像与ⅲ型图像以基准点位置进行合并,合并得到的图像数据为图像参照物数据;
所述ⅰ型图像中的图像颜色为运输带结构的颜色,所述运输带结构中的颜色为除黑色系和白色系中的任一种颜色;
所述ⅲ型图像中的图像颜色为棉花的颜色,且所述ⅲ型图像的图像颜色为白色系;
所述图像处理系统中的视觉分析和视觉定位功能用于处理ⅱ型图像的图像数据,处理方式如下所示;
s1:以图像参照物数据为基础,将ⅱ型图像以相同的基准点位置进行合并,通过视觉分析功能来分析ⅱ型图像与图像参照物数据之间的颜色差异;
s2:通过图像处理系统中的视觉定位功能,来定位s1步骤中颜色差异的位置、面积和数量;
s3:以s2中的数据,来计算运输带结构上所传输棉花的含杂率,含杂率的计算公式如下:
含杂率=杂物量/ⅱ型图像的横截面积*100%;
如上述所示,在操作过程中,通过图像处理系统对传输带结构中的图像信息进行实时图像采集,采集过程中的图像信息分为三组,第一组以无棉花传输状态下的传输带结构为基础,第三组为无杂物棉花在传输带结构上移动状态为基础,并以这两组图像数据进行合并,从恶可以得出图像参照物数据;
在图像处理过程中,因为棉花的特性,所以运输带结构设置为除黑色系和白色系中的任一种颜色,而异物大多为铃壳、果枝或枯叶,此类异物的颜色大多为褐色的颜色,与棉花之间的颜色区别较大,便于图像处理系统中的视觉定位。
实施例二
所述图像处理系统中的视觉计算功能中包含有计时模块,所述计时模块中设置有处理周期h,所述图像处理系统以处理周期h循环启动;
所述视觉计算公式如下所示:处理周期h*运输带结构的传输速度=处理周期中的棉花传输量=ⅱ型图像的横截面积;处理周期h*运输带结构的传输速度*面积*数量=杂物量;
以s2步骤中颜色差异的面积为判断依据数据,并通过图像处理系统设置杂物中的铃壳、果枝或枯叶的面积梯度为a1、a2和a3,a1、a2和a3的梯度数据为图像处理系统中的视觉分析功能的分析参照数据;
如上述所示,在图像处理过程中,首先设置杂物中的铃壳、果枝或枯叶的面积梯度为a1、a2和a3,以a1、a2和a3的面积梯度来分析识别杂物中的铃壳、果枝或枯叶,例如当视觉分析功能检测出杂物中的面积,从而可以识别出杂物中的铃壳、果枝或枯叶,并记录一段处理周期h内的杂物含杂率;
此外,与实施例一不同的是,通过a1、a2和a3的面积梯度来分析一个处理周期h中的杂物中各个成分的占比,例如在杂物中某一个成分占比叫大时,在做出消除杂物的参数修改的前提下,也会针对这一个成分进行修改参数。
实施例三
z1:以视觉分析功能对杂物中铃壳、果枝或枯叶分析的分析数据为最终数据,调节锯齿滚筒、刷棉滚、格条栅、刺钉滚和排杂绞龙中的一种或者多种的工作参数;
z2:处理周期分为h1、h2、h3到hn;
z3:在h1的处理周期中,调节工作参数,h2所分析处的含杂率以h1的工作参数组合方式为基础;
z4:通过多组调节方式,选出最优参数组合。
如上所述,在采棉机运行过程中,通过图像处理系统设置好处理周期h,以处理周期h作为图像处理系统进行实时图像处理分析的启动时间,并对处理周期h划分为多个梯度,例如h1、h2、h3、、、、、和hn,
首先在h1这一段的处理周期中,对传输带结构进行图像处理分析,得出含杂率,并针对含杂率进行参数修改;
然后在h1和h2二者的中间内进行参数调节,此段数据调节所得出的含杂率等相关数据可以在h2这一段的处理周期中体现,以此来循环操作,直至选出最优参数组合;
最后,直至选取出最优参数组合的时候,依旧按照处理周期h对传输带结构进行检测。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。