本发明涉及农产品异物分拣，具体为农产品加工过程输送异物分拣装置。
背景技术：
1、在农业生产中，收获的农产品中往往会混杂着各种异物，传统的去杂方式为，多为采用风选，其去除异物的精度降低，如果采用手动分拣效率低。
2、授权公告号为cn114082674b的中国专利，公开了一种面扫线扫光电特征相结合的小颗粒农产品色选方法。主要包括颗粒农产品的面扫识别、农产品降落过程不合格农产品的线扫定位以及不合格农产品的气动分选；该发明利用面扫描相机获取输送带上颗粒农产品物料的面扫描图像，可精准地提取物料的面阵特征，实现不合格物料的精准识别；同时，本发明利用面扫描图像识别不合格物料的同时，也可为物料自由降落过程中的精准定位提供关键参数，并与线扫定位相机、气动喷嘴配合实现不合格物料的高速剔除。该发明解决了现有色选方法对小颗粒农产品分选速度快但精度差的不足，可在保证色选速度的同时提高对不合格物料的色选精度。
3、如上述申请，现有的针对农产品中的异物分拣去除，其一般采用的方式也是通过喷嘴将异物吹出，但是对于一些体积较大质量较重的异物，使用气动喷嘴将异物难以实现，或者去除的效率较慢，但是如果去除异物采用机械手抓取去除，则对于一些枯叶或者较轻较小的异物，也会出现难以夹持，影响到剔除效率的问题。
技术实现思路
1、为了解决上述问题，本发明提供了农产品加工过程输送异物分拣装置。
2、本发明采用以下技术方案，农产品加工过程输送异物分拣装置，包括用于输送农产品的输送装置和设置在输送装置上的分选仓，所述分选仓内设置有异物识别单元和异物剔除单元，所述异物识别单元用于识别农产品中的异物，所述异物剔除单元用于分拣剔除农产品中的异物；
3、所述异物识别单元包括：
4、图像采集模块，将高光谱相机安装在分选仓内，位于输送装置上方，确保能够覆盖整个输送装置的宽度，然后通过高光谱相机采集输送装置上输送物品的高光谱图像数据；
5、特征提取模块，将获取的图像数据转换为灰度图像，然后生成灰度共生矩阵，基于生成的灰度共生矩阵获取特征值，所述特征值包括对比度和均匀性；
6、异物识别模块，将高光谱图像数据和特征值输入到异物识别模型，输出异物种类或农产品；
7、所述异物剔除单元包括：
8、数据采集模块，当异物识别模块识别出异物种类时，获取异物特征数据；
9、分析控制模块，基于采集的异物特征数据生成异物剔除系数，根据异物剔除系数生成剔除指令，所述剔除指令包括第一剔除指令和第二剔除指令，基于生成的剔除指令剔除输送装置上的异物。
10、作为上述技术方案的进一步描述：所述生成灰度共生矩阵的方法包括：
11、将灰度图像的灰度级数压缩到32，并设定好偏移量为水平(1,0)、垂直(0,1)、对角线(1,1)和逆对角线(-1,1)；
12、创建一个k×k的glcm矩阵，初始值全部为0；
13、遍历灰度图像像素，对于每个像素(x,y)，找到其对应的偏移像素(x+△x，y+△y)；
14、如果偏移像素在图像范围内，获取这两个像素的灰度值i和j；
15、更新glcm矩阵中(i，j)的值，即：
16、glcm(i，j)＝glcm(i，j)+1。
17、作为上述技术方案的进一步描述：所述对比度的获取方法包括：
18、
19、式中，dbd表示为对比度，i和j表示为灰度共生矩阵中的行和列，glcm(i，j)表示为灰度值为i的像素与灰度值为j的像素同时出现的次数。
20、作为上述技术方案的进一步描述：所述均匀性的获取方法包括：
21、
22、式中，gyx表示为均匀性，i和j表示灰度共生矩阵中的行和列，glcm(i，j)表示为灰度值为i的像素与灰度值为j的像素同时出现的次数。
23、作为上述技术方案的进一步描述：所述第一剔除指令为气动去除，即通过安装在分选仓内的气流装置将异物吹出输送装置；
24、第二剔除指令为夹持去除，即通过安装在分选仓内的机械手夹持剔除输送装置上的异物。
25、作为上述技术方案的进一步描述：所述异物特征数据包括：异物密度和异物体积，其中异物密度通过安装在分选仓内的超声波检测器检测获取；
26、所述异物体积通过安装在分选仓内的三维扫描仪获取异物体积。
27、作为上述技术方案的进一步描述：通过三维扫描仪获取异物的体积数据的方法包括：
28、通过三维扫描仪直接获取物体的点云数据，并使用滤波算法去除点云中的噪声点和离群点；
29、使用表面重建算法将点云数据转换为三维网格模型；常用的算法包括poissonsurface reconstruction和ball pivoting算法；
30、使用三维建模软件计算重建的三维模型的体积。
31、作为上述技术方案的进一步描述：所述异物剔除系数的计算公式为：
32、zm＝md×vy；
33、
34、式中，txs为异物剔除系数，md为异物密度，vy为异物体积，zm为异物质量，和为权重系数，和均大于0。
35、作为上述技术方案的进一步描述：所述根据异物剔除系数生成剔除指令的方法包括：
36、预设异物剔除系数阈值t1；
37、当txs≤t1时，则生成第一剔除指令；
38、当txs＞t1时，则生成第二剔除指令。
39、作为上述技术方案的进一步描述：所述异物识别模型的训练方法包括：
40、获取p组数据，p为大于1的正整数，数据包括高光谱图像数据、特征值和异物种类或者农产品，将高光谱图像数据、特征值和异物种类作为样本集，将样本集划分为训练集和测试集，构建分类器，将训练集中的高光谱图像数据和特征值作为输入数据，将训练集中的异物种类或者农产品作为输出数据，对分类器进行训练，得到初始分类器，利用测试集对初始分类器进行测试，输出满足预设准确度的分类器作为异物识别模型。
41、有益效果：
42、在上述技术方案中，本发明提供的农产品加工过程输送异物分拣装置，通过高光谱相机采集输送装置上输送物品的高光谱图像数据，对高光谱图像数据进行特征提取，通过对比度反映图像中灰度值的局部变化程度，通过均匀性反映了图像的纹理均匀程度，即实现了通过高光谱图像数据和特征值输入到训练好的异物识别模型，然后进行异物种类识别，对比于现有的直接通过采集的图像数据进行识别判断，该农产品加工过程输送异物分拣装置，通过高光谱图像数据和特征值进行综合判断，其识别的精度更高，并且通过特征值反映的纹理均匀程度和灰度值的局部变化程度，能更加准确地识别异物的种类，便于后续的去杂处理。
43、进一步的，增加了异物剔除单元，即当通过异物识别模块识别出异物种类后，再通过获取异物特征数据，基于异物特征数据生成异物剔除系数，根据异物剔除系数生成剔除指令，从而合理地选择第一剔除指令和第二剔除指令相互配合使用，保证了异物剔除的效果和效率，对比与传统的单一采用吹风去除或者夹持去除，极大化地提高其去除效率。
1.农产品加工过程输送异物分拣装置，包括用于输送农产品的输送装置(1)和设置在输送装置(1)上的分选仓(2)，其特征在于，所述分选仓(2)内设置有异物识别单元和异物剔除单元，所述异物识别单元用于识别农产品中的异物，所述异物剔除单元用于分拣剔除农产品中的异物；
2.根据权利要求1所述的农产品加工过程输送异物分拣装置，其特征在于，所述生成灰度共生矩阵的方法包括：
3.根据权利要求2所述的农产品加工过程输送异物分拣装置，其特征在于，所述对比度的获取方法包括：
4.根据权利要求2所述的农产品加工过程输送异物分拣装置，其特征在于，所述均匀性的获取方法包括：
5.根据权利要求1所述的农产品加工过程输送异物分拣装置，其特征在于，所述第一剔除指令为气动去除，即通过安装在分选仓(2)内的气流装置将异物吹出输送装置(1)；
6.根据权利要求1所述的农产品加工过程输送异物分拣装置，其特征在于，所述异物特征数据包括：异物密度和异物体积，其中异物密度通过安装在分选仓(2)内的超声波检测器检测获取；
7.根据权利要求6所述的农产品加工过程输送异物分拣装置，其特征在于，通过三维扫描仪获取异物的体积数据的方法包括：
8.根据权利要求7所述的农产品加工过程输送异物分拣装置，其特征在于，所述异物剔除系数的计算公式为：
9.根据权利要求7所述的农产品加工过程输送异物分拣装置，其特征在于，所述根据异物剔除系数生成剔除指令的方法包括：
10.根据权利要求1所述的农产品加工过程输送异物分拣装置，其特征在于，所述异物识别模型的训练方法包括：
