System til sortering og klassificering af grøntsager med vision-kameraer
Når du vil inspicere kvaliteten af grøntsager såsom gulerødder, tomater, kartofler, agurker, salat, løg, auberginer, grønne bønner, zucchini og peberfrugter osv. med hensyn til længde, overfladerevner, størrelse, form og farve, er implementering af et vision-system i høj kvalitet afgørende for at identificere disse parametre på et transportbånd . Vi forstår, at det kan være svært at fastlægge den rette kameraopsætning, Machine Vision-belysning og computer vision-software. På blot få trin hjælper denne artikel dig med at vælge den rette vision-hardware og -software.
En af vores vision-ingeniører anbefaler et eksempel på en testkameraopsætning og software til dette visionsystem til grøntsagssortering. Via linksene er vores produkter og priser straks synlige, hvilket giver direkte adgang til oplysninger om dette visionsystem til grøntsagssortering.
Til denne applikation havde vores kunde en forespørgsel om at registrere kvaliteten af gulerodsskæring og sortere dem baseret på de billeder, der er taget med vores industrielle kameraer. De havde behov for at klassificere de beskadigede gulerødder adskilt fra de sunde. Ved at bruge et Machine Vision-system til at registrere parametrene kunne han godkende eller afvise revnerne på gulerødderne til videre brug.
Valg af industrielt kamera
Først starter vi med valget af det industrielle kamera til vision-systemet til klassificering og sortering af grøntsager. Anbefalingen var vores 1.60 MP GigE-kamera MER2-160-75GC-P , som var baseret på specifikationerne og detaljerne i vores kundes applikation.
Først vidste kunden ikke, hvilken kameragrænseflade han havde brug for, og havde ingen specifik præference for grænseflade. Når afstanden mellem en pc og et kamera er kortere end 4.6meter, anbefales et USB3-kamera for at drage fordel af den 4 gange højere båndbredde end et GigE-kamera, dataoverførsel og strøm via kun 1 kabel samt prisfordel.
For at skelne farverne blev der valgt et farvekamera. Da grøntsagerne bevæger sig på et rolling transportbånd, anbefaler vi at bruge et Global shutter-kamera i stedet for et rolling shutter-kamera til dette specifikke vision-system til klassificering af gulerødder. Mere om Global shutter vs. Rolling shutter kan læses i denne artikel i vores Videnscenter.
For at kunne måle kameraets billedhastighed og hvor mange optagelser der skal tages pr. sekund, spurgte vi derefter kunden om transportbåndets faktiske hastighed, og baseret på hastigheden på cirka 19 m/s beregnede vi kameraets nødvendige billedhastighed, som var 75fps.
For at bestemme den nødvendige opløsning, som forskeren stadig var usikker på på forhånd, tilbød vi ham support ved at beregne dette baseret på de mindste detaljer, han ønskede at registrere på gulerøddernes overflade, såsom revner og skader. For at se de mindste revner på omkring 0.85mm inden for synsfeltet på cirka 400*300 mm kræves en systemopløsning på 1.6 MP. Baseret på 3 pixels pr. mindste revnedetalje krævedes mindst 1440*1080 pixels. Vores 1.6 MP MER2-160-75GC-P-kamera med Sony IMX273-sensoren tilbyder en fremragende højopløselig løsning til nøjagtig registrering af revner og skader ved kvalitetsklassificering af gulerødder/grøntsager.
Objektiv til Sony IMX273-sensor
Det valgte 1,6 MP-kamera til dette vision-system til grøntsagssortering har en Sony IMX273-sensor, som er en 1/2,9”-sensor. For at afgøre, hvilket objektiv der er bedst egnet til dette vision-system, har vi anvendt vores online objektivberegner. Baseret på 2 specifikationer for vision-systemet, det påkrævede horisontale synsfelt (FOV) og arbejdsafstanden (WD), beregnes den korrekte brændvidde.
Kunden kræver et FOV på 400x300 mm og foretrækker en WD mellem 900-1000 mm. Beregningen viser, at et objektiv med en brændvidde på 12MM anbefales til disse specifikationer. Det vises også, at arbejdsafstanden vil være 1000 mm, og at synsfeltet vil være lidt større end foretrukket. Dette skyldes kameraets sensorstørrelse, som ikke har samme pixel-forhold som synsfeltet på 400*300 mm. Det endelige synsfelt vil være cirka 409*307 mm. Vores 12MM F2.0 1/1.8" C-mount-objektiv, VA-LCM-5MP-12MM-F2.0-018 objektivet, er et objektiv uden forvrængning < 0.3%, som tilbyder en fremragende løsning til 1,6 MP-kameraet.
Industriel belysning til kvalitetsklassificering af grøntsager
Tilføjelse af Machine Vision-belysning til inspektionen af gulerodssortering øger kontrasten og fremhæver eksisterende revner og skader på gulerøddernes overflade. For at minimere og eliminere skyggerne anbefales et belysningssystem på oversiden af transportbåndet. Den forbedrede kontrast ved brug af lys ovenfra til vision-systemet til inspektion af grøntsagssortering gør det lettere at registrere revnerne og se skaderne på grøntsagerne, så de efterfølgende kan sorteres. Til belysning anbefaler vi et lys, der er cirka 10 % større end synsfeltet. Vi anbefaler 2 af vores Barlys, det hvide Barlysserie VA-BL3 275*16, som placeres over transportbåndet. Derudover er disse tilgængelige på ekspreslageret. Det betyder, at de kan sendes straks til kunden.
Da applikationen skulle finde sted i et udendørs område, anbefalede vi både et polariserende objektivfilter og et polariseringsark for at fjerne mulig blænding og refleksioner.
Et polariserende objektivfilter: objektivfilteret LFT-LPOL-M25.5 er fremstillet til C-mount-objektiver med filtergevindet M25.5xP0.5, såsom det anbefalede 12 mm C-mount-objektiv.
Et polariserende filterark: det lineære polariserende filterark polariserer baggrundslyset, når det holdes foran lyskilden. Det kan også skæres i kundens foretrukne størrelse.
Billedbehandlingssoftware til grøntsagssortering
Et enkelt Kamera, objektiv og belysning udgør ikke et komplet vision-system til sortering af grøntsager. Til den faktiske kvalitetsinspektion af grøntsager kræves billedbehandlingssoftware for at registrere revner og skader på grøntsagerne. Vores kameraer er GenICam-kompatible, hvilket betyder, at de kan anvendes med en række tredjepartssoftware, herunder MvTec Halcon, NI LabVIEW, Cognex Vision pro, MATLAB, Open CV og software til Arm Boards.
Til den indledende programmering kan vores gratis SDK anvendes til at hente billeder og indstille kameraparametrene.
Softwareudviklingssættet er kompatibelt med almindelige og industrielle pc'er samt ARM-platforme, herunder NVIDIA TX-serien og Raspberry Pi. Understøttede operativsystemer omfatter Windows, Linux og Android. Operativsystemerne Notably og Apple MAC OS understøttes ikke til industriel brug, men ingeniører kan køre en virtuel maskine med Windows eller Linux på MAC for kompatibilitet. SDK'et understøtter programmeringssprog som C++, C#/. NET og Python. Det er muligt at få yderligere sprog efter anmodning, da de ikke er inkluderet i standardpakken.
Til dette eksempel, applikation til sortering af grøntsager/gulerødder, værdsatte kunden at arbejde med software, der er nem at bruge for mindre erfarne kolleger. Derfor anbefales det at anvende Zebra Aura Vision Software. Denne kraftfulde og brugervenlige software tilbyder et robust grafisk miljø, der fungerer som en “værktøjskasse”.
Ved at bruge denne software som supplement til din applikation til sortering af grøntsager kan både størrelsen på skaderne og antallet af dem registreres.
For at opnå kendskab til Aurora Vision-softwaren er den gratis lite-version tilgængelig med alle standardalgoritmer.
Applikationer til sortering og kvalitetsklassificering af grøntsager
En applikation til klassificering og sortering af grøntsager med et visionsystem anvendes også i en række andre applikationer og industrier; denne blev anvendt i landbrugsindustrien. Den anvendes dog ofte også i fødevareindustrien. Et visionsystem kan for eksempel automatisere optælling og analyse af et stort antal frugter i højt tempo i fødevareproduktionen. Til billedbehandling ved høj hastighed kan et industrielt visionskamera såsom vores 1,6 MP-kamera med 227 fps, MER2-160-227U3C-kameraet, ved fuld opløsning tilbyde en fremragende hardwareløsning til vision.
Ud over at inspicere revner på gulerodens overflade kan et visionsystem også anvendes til at registrere misfarvning og skindkvalitet på grøntsagernes overflade.
Support til applikationer til kvalitetsvurdering og sortering af grøntsager
Ønsker du support fra en af vores Machine Vision-eksperter til at oprette dit eget visionsystem til sortering af grøntsager? Eller et andet lignende visionsystem? Tøv ikke med at kontakte os ved at bruge formularen nedenfor!