摘 要：工業(yè)4.0時代對生產自動化提出了智能化的全新要求。針對農產品的自動化檢測分類問題，本文提出了基于PLC的視覺檢測系統(tǒng)設計方案。其中由PLC進行總體控制，包括傳送帶控制、農產品分類包裝以及和PC端的交互。PC端執(zhí)行圖像處理算法，通過Roberts邊緣檢測完成農產品的品質檢測，得到檢測結果后再回傳給PLC。試驗結果表明，基于PLC的控制系統(tǒng)成功完成了總體控制，視覺檢測系統(tǒng)也對西瓜的品質進行了有效檢測。

關鍵詞：工業(yè)4.0；PLC；農產品；視覺檢測；邊緣檢測

中圖分類號：S 22" " " 文獻標志碼：A

德國正式提出工業(yè)4.0時代，標志著人類社會進入了第四次工業(yè)技術革命。蒸汽技術革命是人類歷史上第一次工業(yè)技術革命[1]。繼而人類社會又進行了電氣技術革命和信息技術革命。在工業(yè)4.0時代，信息化技術成果將進一步推動智能化發(fā)展，這也是一個具有鮮明智能化特征的時代。作為工業(yè)4.0概念的提出國，德國致力于將物聯網系統(tǒng)應用于生產制造的各環(huán)節(jié)，這與中國制造的戰(zhàn)略發(fā)展理念不謀而合[2]。在工業(yè)4.0時代，各種控制器通過核心控制，并運用外圍豐富的傳感系統(tǒng)可以實現更強大的功能，進而實現各種控制過程的自動化和智能化。在工業(yè)3.0時代，可編程邏輯控制器（PLC）極大地推動了信息化的發(fā)展[3]。在工業(yè)4.0時代，PLC技術將作為物聯網信息系統(tǒng)的控制核心，借助外部計算單元實現更強大的信息處理功能，進而實現生產過程的自動化、信息化和智能化。本文就是在這種背景下，采用PLC控制技術來構建農產品視覺檢測系統(tǒng)。

1 基于PLC的農產品視覺檢測框架設計

作為可編程邏輯器件，PLC具有方便快捷、容易擴展、可靠性高、實時性強和易于維護等很多特點，非常適宜用作復雜生產線上的控制器。為了進行農產品品質檢測，本文將PLC作為核心控制器。但是PLC也存在編程語言復雜、功能有限等局限性，在其上運行大型的檢測算法并不可行。因此，本文提出的農產品品質檢測框架是在檢測流水線上配置PLC，將其作為核心控制器以實現控制功能，并和視覺檢測部分進行實時信息調度。PC端執(zhí)行圖像處理算法，對視覺傳感器拍攝的農產品圖像進行檢測。在每個檢測任務的開始，PLC會從PC端調取圖像處理后的檢測結果，進而根據檢測結果對農產品進行合理分揀。本文構建的基于PLC的農產品視覺檢測框架如圖1所示。

從圖1可以看出，PLC進行農產品檢測分類的總體控制，包括傳送帶的控制、分類包裝以及和PC端的交互。PC端執(zhí)行圖像處理算法，對視覺傳感器拍攝的農產品圖像進行品質檢測，得到檢測結果后，再回傳給PLC端。

2 PLC控制系統(tǒng)設計和控制結構設計

作為農產品視覺檢測系統(tǒng)的總體控制器，PLC需要執(zhí)行整個生產線的控制任務，其對應的I/O端口配置見表1。

根據表1中的I/O端口配置情況和系統(tǒng)總體任務，PLC的部分控制流程如圖2所示。

3 基于機器視覺的農產品品質檢測與試驗

在本文的農產品檢測框架下，PLC為主控系統(tǒng)，PC端執(zhí)行機器視覺算法，對攝像機拍攝的農產品圖像進行品質檢測，并將檢測結果回傳給PLC，PLC再對不同品質的農產品進行分揀。

為了完成農產品品質檢測，必須在農產品圖像中提取有用的特征信息，進行進一步分析和處理。圖像中的信息種類非常豐富，多幅圖像中存在連續(xù)變化的光流信息，單幅圖像中存在顏色特征信息、紋理特征信息、形狀特征信息以及邊緣特征信息等。本文將顏色特征信息和邊緣特征信息作為農產品品質檢測的依據。

選擇顏色特征信息的原因是絕大多數圖像都包括豐富的顏色特征信息，即便是非彩色的灰度圖像，其灰度等級也包括較多的色階分布，便于進行不同圖像的分析和比較。對農產品圖像來說，無論是蔬菜還是水果，都包括豐富的顏色信息。而隨著農產品成熟度、新鮮度改變，它們的顏色信息還會產生明顯的變化。因此，以顏色特征信息作為農產品品質的判斷依據具有非常好的針對性。

紋理特征信息和形狀特征信息也是判斷農產品品質的有效依據。但是本文選擇更具適用價值的邊緣特征信息。原因是如果農產品的品質發(fā)生變化，會導致其局部紋理特征發(fā)生改變，局部的邊緣細節(jié)也會隨之發(fā)生變化。此外，如果農產品外表出現大面積裂痕，也可以通過邊緣信息檢測獲得。

3.1 顏色特征信息的提取

對于農產品顏色特征信息提取，從現有的數字圖像存儲格式來看，其顏色信息有多種不同的表達模型，如RGB顏色信息表達模型、HSV顏色信息表達模型、HIS顏色信息表達模型、CMY顏色信息表達模型以及Lab顏色信息表達模型等。

在眾多顏色信息表達模型中，RGB模型是最常見的。因此，本文就在RGB模型上進行農產品顏色特征提取。為了使檢測過程更可靠，本文將RGB合成通道進行三色通道的分離，從而可以從一幅RGB圖像中得到3幅圖像，使顏色特征信息提取更豐富。RGB顏色信息的合成表達如公式（1）所示。

C=R×2560+G×2561+B×2562 （1）

式中：C表示農產品圖像的合成顏色信息；R表示農產品圖像合成顏色中的紅色分量信息；G表示農產品圖像合成顏色中的綠色分量信息；B表示農產品圖像合成顏色中的藍色分量信息。

對于已經知道了合成顏色信息的圖像，可以求取分離的顏色分量信息，如公式（2）所示。

（2）

式中：[*]表示取整的操作處理。

3.2 邊緣特征信息的提取

邊緣特征信息是圖像中最豐富的特征信息，能非常準確地表達出圖像內容的局部和細節(jié)特征。為了提取圖像中的邊緣特征信息，已設計出多種提取器被，如基于Roberts算子的邊緣特征提取器、基于Sobel算子的邊緣特征提取器和基于Canny算子的邊緣特征提取器等。

在眾多邊緣特征提取器中，基于Roberts算子的邊緣特征提取器原理簡單、易于實現，算法的復雜度也相對較低，執(zhí)行實時性較好，便于在自動化的流水線中使用?；赗oberts算子的邊緣特征提取的數學原理如公式（3）所示。

（3）

式中：f（x，y）表示農產品原始圖像信息。

Roberts算子的計算過程包括2個偏導的計算，如公式（4）所示。

（4）

3.3 特征提取和農產品品質檢測

為了便于說明本文的特征提取過程，下面基于一幅鮮花圖像進行顏色特征信息和邊緣特征信息提取，結果如圖3所示。

從圖3可以看出，先根據公式（1）、公式（2）所示方法，對鮮花原始圖像進行3個分量的分離，進而采用公式（4）、公式（5）所示方法，對3個分量圖像進行邊緣檢測。至此，可以得到6幅特征圖像信息，增強了品質檢測的可靠性。

在PLC總體控制、PC端執(zhí)行品質檢測算法的框架下，對農產品西瓜進行品質檢測，結果如圖4所示。

在界面上方的主顯示區(qū)，分揀流水線上的西瓜被拍攝成圖像，通過PC端的檢測算法得到3組邊緣信息圖，并和數據庫圖像中的品質進行比較，確定為裂縫西瓜。該檢測結果將被回傳給PLC端。PLC端將控制分揀過程，將此西瓜分揀到殘次品類別，不能進行正常包裝。

4 結論

3次工業(yè)技術革命后，工業(yè)4.0時代以信息化促智能化的趨勢已經形成。PLC通過配合外圍算法模塊，構建出更具智能化、自動化程度更高的控制系統(tǒng)。本文設計了基于PLC的視覺檢測系統(tǒng)，用于農產品品質檢測。在該系統(tǒng)中，PLC進行總體控制，并將耗時大、復雜度高的視覺檢測算法配置給PC端進行處理，再通過PC端的品質檢測結果指導流水線上的分揀包裝。在視覺檢測過程中，本文使用了顏色信息結合邊緣信息的方法，并通過試驗加以驗證。試驗結果表明，西瓜的品質得到了有效檢驗，并可以及時回傳給PLC，進而指導流水線分揀包裝過程。

參考文獻

[1]張可云，蔡之兵.全球化4.0、區(qū)域協(xié)調發(fā)展4.0與工業(yè)4.0——“一帶一路”戰(zhàn)略的背景、內在本質與關鍵動力[J].鄭州大學學報（哲學社會科學版），2022，22（3）：264-271.

[2]李金華.德國“工業(yè)4.0”與“中國制造2025”的比較及啟示[J].中國地質大學學報（社會科學版），2023，15（5）：71-79.

[3]胡青龍.基于三菱PLC控制的全自動分板包裝機的設計與實現[J].自動化技術與應用，2022，41（1）：41-44.

作者簡介：龐小蘭（1983-），女，廣西北流市人，本科，工程師，主要研究方向為PLC技術、電工實訓和機械加工。

電子郵箱：308192796@qq.com。