疵病繭在線檢測與分離設備的設計與應用

鄭祚福，龔楊軒，朱夢琦，秦龍斌，林海濤

（廣西科技大學 生物與化學工程學院，廣西 柳州 545006）

廣西是全國乃至世界第一大優質原料繭基地，目前其在桑蠶資源綜合利用機械化、自動化方向仍缺乏革命性的創新與創造[1]。而蠶繭的分類分級是桑蠶資源利用的重要一環，對提高生絲品質和蠶繭利用率有積極意義。隨著繅絲原料價格的攀升和專業選繭工的稀缺，繅絲企業迫切需要提高蠶繭的利用率及研究其分類分級的自動化[2]。

調研廣西嘉聯絲綢股份有限公司和鹿寨縣貴盛繭絲工貿有限公司，發現受限于企業規模、蠶繭價格波動和人工費用，蠶繭的分類分級并沒有得到足夠的重視，導致蠶繭利用率和利用價值未能得到有效提高。此類企業在煮繭繅絲前依靠工人對蠶繭進行分類的做法已經極不可取，蠶繭的分選工序迫切需要提高效率和準確率。

因此本團隊基于機器視覺技術，針對選繭工序構建新型選繭設備。選繭設備在兩家企業的工廠中采集蠶繭特征，并對采集數據進行處理與識別，應用RecoCJ軟件達到疵病繭識別準確率高，蠶繭分類效率高等目的。

1 智能選繭邏輯

1.1 傳統蠶繭分類

傳統的收繭模式為蠶農、繭站和企業三方協同，蠶農新鮮收獲的蠶繭會打包集中送到繭站，再由繭站運送到企業。在此過程中，一部分蠶繭從繭站運送到繅絲廠進行鮮繭繅絲，一部分制成干繭進行干繭繅絲。本文主要針對干繭的分選進行論述。蠶繭一般分為上繭、次繭和下繭[3]。

上繭是繭形、繭色、繭層特征優秀及沒有疵點的繭，其在視覺識別上首先需要確定不是雙宮繭，然后確定繭色純白，最后確定繭層合理，排除多層繭及棉繭等繭層缺陷。

次繭是繭形、繭色、繭層和疵點有輕微缺陷的蠶繭，其提取的特征參數在視覺識別上未超出設定的缺陷閾值，屬于不影響用于繅制正品生絲，但不是下繭的繭。

下繭是繭形、繭色、繭層和疵點等方面有嚴重缺陷，不能或不宜繅制正品生絲的繭的統稱，有：雙宮繭、黑斑繭、棉繭、多層繭、口繭、霉繭、多疵點繭、血繭、異色繭和油繭等[4]。

一般來說，在蠶繭的貿易過程中，應將不同等級蠶繭分開出售[5]。

例如，若使用霉繭繅制生絲，首先在煮繭階段，其霉腐部分會使煮繭助劑大量失活，影響其周圍的好繭吸收藥劑，進一步影響其解舒質量。其次在繅絲階段霉繭的霉爛部分影響其強力，會導致繅絲牽絲張力不勻，容易落緒。

要想在進行煮繭繅絲前做好蠶繭的品質控制，必須認真分選不同類型的蠶繭，以免次繭、下繭混在好繭中污染好繭，使好繭變成下繭[6]。在有次繭、下繭混入上繭中時，疵病繭對生絲的清潔、潔凈均有程度不一的影響[7]。

1.2 智能分類邏輯

由于蠶繭瑕疵多種多樣，且運送到繅絲廠的蠶繭已經對缺陷明顯的蠶繭進行過初步剔除，本設備對蠶繭設定2個大類標簽：好繭（包括上繭和次繭）、壞繭（黑斑繭、棉繭、多層繭、霉繭等）。兼顧其他企業開發的雙宮繭繅絲技術，所以設備根據繭形特征也能針對雙宮繭進行識別與分類，并標記為“雙宮”，將蠶繭的利用價值最大化。本設備智能算法的判斷邏輯如圖1所示。

圖1 識別算法邏輯圖

2 選繭設備硬件

本設備主要由前后容繭器，蠶繭粘結分離裝置，高頻工業相機及其連接轉載識別算法的計算機、磁導標記組件和缺陷分離裝置組成[8-10]。設備的基本工藝流程如圖2所示。

圖2 設備工藝流程圖

本設備分為前道和后道。

前道主要由前容繭器、蠶繭粘結分離裝置、高頻工業相機及其連接的計算機識別算法組成。

后道主要由磁導標記組件、缺陷分離裝置及后容繭器組成器，如圖3所示。

圖3 設備結構簡圖

2.1 高頻相機及FA鏡頭

2.1.1 高頻相機

本設備選用的高頻工業相機是?？禉C器人技術有限公司2000萬像素的CMOS卷簾門面陣相機，型號為MV-CE200-10UC，具體參數見表1。

表1 高頻工業相機參數表

該型號相機具有5472×3648的高分辨率，可以將應用場景的視野拉得更加廣闊而不失細節，單位時間能夠采集到更多的蠶繭特征參數。同時其2.4×2.4μm的像元尺寸，使得蠶繭圖像在高倍放大的后期處理中保持清晰的紋理特征。

由于該型號相機傳感器為卷簾快門傳感器，所以設備輸送蠶繭的速度需要相應匹配得較低，為0.2m/s。

2.1.2 FA鏡頭

本設備選用的鏡頭是?？禉C器人技術有限公司工業FA鏡頭，型號為MVL-FK1128M-12MPE，具體參數見表2。

表2 遠心鏡頭參數表

該鏡頭視場角廣闊，能同時容納更多試樣。本設備實際應用中，距離為17.52mm時其對角線視角為66.7°；距離為14.14mm時水平方向視角為57°；距離為10.35mm時垂直方向視角為57°。同時該鏡頭畸變率僅為1.5%，且設計結構穩定，較適合于本設備的應用場景。

2.2 粘結分離裝置

粘結分離裝置接在前容器后，主要由分層孔洞板延時震動部件和分繭擋板部件組成。

分層孔洞板延時震動部件是上下兩層結構，分為a、b兩層（圖4），利用分層孔洞板延時震動初步分離粘結的蠶繭。蠶繭團下落后首先接觸第一層孔洞板，第一層的孔洞相對較大，能通過3～4個蠶繭結成的小團。隨后落到第二層孔洞板，第二層的孔洞較小僅能通過1～2個蠶繭，見圖4標示。

圖4 粘結分離裝置實物及結構圖

在本部件實際使用中，第二層孔洞板相對第一層孔洞板延時震動，這樣的結構有利于解開粘結勾絲在兩層板中間的蠶繭。

在分層孔洞的延時震動部件下方，是分繭擋板部件，前后擋板控制有限蠶繭，進行快速的二次分離，將掉落的蠶繭團分為a、b兩個蠶繭集合區（圖5）。

圖5 分繭擋板部件實物圖

2.3 缺陷分離裝置

在進入缺陷分離裝置前，蠶繭首先接受采樣光室的高頻工業相機的特征采集。經過對比識別后，本設備利用磁性小棒將識別結果標記在每一個采樣蠶繭上（圖6）。在缺陷分離裝置部分，通過PLC上位機控制氣動閥門，當被標記為“壞繭”的樣本經過氣動閥門時，觸發識別邏輯并執行將其吹下輸送帶的動作。

圖6 蠶繭特征采集及缺陷分離裝置圖

3 識別邏輯及軟件界面

蠶繭的圖像處理主要是為了提取其外型特征，排除采樣背景的干擾。本設備使用的RecoCJ軟件算法對蠶繭圖像處理的步驟主要有3步：第一步是截取單個蠶繭圖像進行閾值分割和形態學開運算；第二步是通過圖像的波峰波谷特征，構建蠶繭表面紋理；第三步是依據數據庫標準樣照進行判別。經過工業相機采集的蠶繭特征如圖7。

圖7 采集蠶繭特征圖

識別軟件的可視化界面（圖8）主要分為：實時監控區塊、標簽識別區塊、標簽鎖定區塊及單幀觀察區塊。

在可視化軟件的實時監控區塊可以實時顯示設備兩條輸送軌道上的蠶繭圖像，同時著重顯示蠶繭軌道中間的標簽序列（例如：5561、4532等）。每一個標簽運行到最左端則為進入準識別階段，將被進行紅框顯示，如圖8的a區。

在標簽識別區塊（如圖8的b區），顯示（n-2）個標簽序列中的軌道內含有蠶繭的識別結果（當前識別的蠶繭為第n個蠶繭，由于特征提取和識別時間，延時2個標準識別樣進行顯示），分為上下兩個部分，上半部分顯示的是結果及其對應的標簽，下半部分顯示的是標簽位置及其對應的識別結果。

在標簽鎖定區塊（如圖8的c區），由顯示紅框標簽的圖像界面和暫停按鈕組成，其對應的是實時監控區塊進入準識別階段的標簽序列，此時后臺正在進行該標簽位置上下兩路蠶繭的特征提取與對比識別，其結果將延時顯示在標簽識別區塊上。

在單幀觀察部分，可以勾選單幀觀察按鈕，對每一幀圖像的特征提取過程和識別過程進行單獨記錄，如圖8的d區。

圖8 RecoCJ軟件實時監控區塊a、標簽識別區塊b、標簽鎖定區塊c及單幀觀察區塊d

設備實際檢測中實時監控區塊的蠶繭對應的標簽識別情況解讀圖見圖9。通過圖9可以看到，標簽位置為“TAG-4532”的2個蠶繭，分別被軟件標記為“TAG-4532，上”、“TAG-4532，下”，即圖9中分別標為a、b的2個繭。

圖9 RecoCJ軟件實際應用解讀圖

通過放大圖像，可以看出蠶繭a表面繭色特征有異色，同時其異色部分由于腐敗變軟，出現結構凹陷，繭形繭層特征差異明顯，被識別為壞繭。與之形成強烈對比的b繭，繭色、繭形和繭層特征正常，被識別為好繭。

在前述兩家企業的實際應用中，視覺算法可以準確識別出每個清晰的蠶繭特征，識別準確率高達99.7%。同時，通過繼續收集每個季節，不同莊口的蠶繭特征，讓軟件數據庫繼續進行深度學習和儲備。

4 結語

當前如何降低生產成本，提高產品品質，提高企業生產自動化和智能化，已經成為解決繅絲企業發展瓶頸的關鍵問題。本設備專為選繭工序設計，通過蠶繭特征采集，運用機器視覺、深度學習和自動化剔除疵病繭等手段，實現了蠶繭的在線自動分離。其應用過程具有無損檢測，操作簡便，檢驗結果準確，實用性高等特點。應用本設備可極大降低企業對于專業選繭工人的依賴度，降低繅絲企業的生產成本，提高繅絲生產效率以及產品品質，對推動繅絲生產線自動化和智能化的發展以及繅絲行業的技術進步具有重要的意義。