作品展示

鲜人参作为珍贵的中药材资源，其品质直接关系到市场需求和经济效益。目前我国鲜人参的分拣分级仍以人工为主，效率低、成本高、主观性强等问题，难以满足大规模生产和市场需求。针对上述问题，开发了一套基于深度学习的鲜人参品质分级智能装备。该装备由上料、传动机构，图像采集装置、PLC控制器、气泵和气阀、决策系统等组成。其中决策系统由改进的YOLO v5模型和西门子SMART200-SR20 PLC控制系统组成，改进的YOLO v5模型对鲜人参的图片进行特征提取和分类，经多次实验，图像识别的准确率达到96.9%，PLC控制气阀的准确率达到89.2%。

1.开发了基于深度学习的鲜人参分级系统，通过改进后的YOLO v5算法分析鲜人参的级别，并利用Hough检测识别鲜人参的中心和长度，提高了气阀打参的准确性和效率。 2.研发了YOLO v5与PLC通讯相结合，实现分级筛选的自动化、高效化，实现机电结合，模拟和数据结合，以便符合实际生产需求。 3.检测模型能够以每秒30帧以上的速率对图像进行处理，识别出图像中人参的等级和位置，控制执行机构进行快速分级。

关键技术 1.数据采集与预处理技术： 数据采集：使用高分辨率相机捕捉鲜人参的图像数据，确保图片清晰、全面地反映人参特征。 预处理：包括图像的清洗、大小调整、归一化、增强等，以提高模型训练的效果和泛化能力。 2.深度学习模型设计与训练： 模型设计：采用YOLO v5深度学习模型作为基础模型，设计适合鲜人参特征的网络架构。 模型训练：使用大量标记好的鲜人参图像数据进行监督学习，训练模型以识别和分类品质等级。 3.PLC自动控制技术： 代码编写：采用西门子SMART200-SR20进行编写，实现高效信号输出，保证后续机械动作准确性、实时性、稳定性 设计理念 通过YOLO深度学习后，对人参进行大小品质的分级标注，使用Python中snap7，将分级信号传至PLC，结合气缸、电磁阀、传送带等硬件设施，完成自动化分级工作。

1.通过深度学习技术，训练大量的样本数据，学习到鲜人参大小品质的特征和规律，从而提高分类的准确性。这对于人参市场的规范化、标准化具有重要意义。 2.该分级装置可以在短时间内完成大量的分类工作，提高生产效率。这对于人参种植户、加工企业和销售商来说，都是非常有利的。 3.PLC自动化控制系统，可不受人工工作时间限制，极大程度的提高了加工企业的生产效率，且故障率低、安全性高。