农产品异物检测的机器视觉采集控制系统构建
农产品异物检测的机器视觉采集控制系统构建
故障时能及时停止采集系统。
２ ． ３ 控 制系统 总体 设计
基金项 目：江苏省国际科技合作 计划项 目（ Ｂ Ｚ ２ ０ ０ ８ ０ ０ ０ ８ ０） 作 者简介 ：缑 斌丽 （ １ ９ ６ ４ 一 ） ， 女， 西安人 ， 副教授 ，（ Ｅ — ｍ ａ ｉ ｌ ）ｇ ｏ ｕ ｂ ｉ ｎ ｌ ｉ ＠
相肭照Biblioteka ￣ ｔ ｌ ｇ １ １ ４ ＂ … ， －
一 １
ｌ
ｌ
Ｉ ｌ 菇 茬 毒 孟
耄 翥 鐾
ｌ 萎 择 Ｈ ｌ ｌ ｌ
Ｈ Ｈ 按 Ｈ 嚣
雾
翠
一
修改程序 进 行实验仿真
图 ３ 系 统 功 能 模块 图
２ ． ４ 控 制 系统硬件 设计
现场 安装连线
测规定 。但传统 的农产 品异 物检测 主要 依靠人工 检 测判断或借用相关简单设备进行抽样 ， 检测劳动强度
大， 检 测 速度 慢 ， 存 在 人 为 的 检 测 误 差 。农 产 品异 物 检 测 的机 器 视 觉 采 集 系 统 要 实 现 自动 图像 采 集 和 ｘ 光 扫 描 的功 能要 求 。在 农 产 品异 物 检 测 中 ， 该 采 集 系
１ ６ ３． ｔ ｏ ｍｏ
根据上述采集系统控制需求 和安全要求 ， 对机器
视 觉采 集 系统 进行 硬 件 和 软 件方 面 的设 计 ， 实 现 三 大 控 制 功 能 模 块 。硬 件 采 用 Ｐ Ｌ Ｃ控 制 ， 结 合 步 进 电机 、
通讯作者 ：张
晓 （ １ ９ ８ ７ 一） ， 女， 山东蓬 莱人 ， 硕士研究 生 ， （ Ｅ — ｍａ ｉ ｌ ）
９． 相机触发行程开关
１ ０ ．左 限位行程开关
基于计算机视觉的作物智能识别系统设计
基于计算机视觉的作物智能识别系统设计随着科技的不断发展和社会的不断进步，计算机视觉技术在农业领域中的应用越来越广泛。
其中，基于计算机视觉的作物智能识别系统是一种比较常见的应用。
本文将介绍基于计算机视觉的作物智能识别系统的设计思路和实现方法。
一、引言在传统农业生产中，农民们往往需要通过肉眼观察作物的生长情况，判断生长情况和是否需要采取相应的措施。
这种方式虽然经验丰富的农民能够较为准确地识别出作物的品种和生长状态，但是并不适用于所有人。
同时，农民所能识别的农作物种类和生长状态也受到限制。
基于计算机视觉的作物智能识别系统，通过计算机视觉技术，能够自动地检测、识别和分析作物的形态特征、成色等信息，从而快速准确地判断作物的品种和生长状态。
这种系统的应用可以有效提高农业生产效率，便于农民进行农业管理，从而实现农业生产的智能化和信息化。
二、系统架构基于计算机视觉的作物智能识别系统的架构主要包括图像采集系统、图像处理系统、作物种类判断系统和作物生长状态判断系统。
图像采集系统主要负责采集作物图像。
可以通过智能相机、无人机、移动机器人等方式采集作物图像，可以在野外、温室等环境中进行。
采集到的图像会通过传感器传回到计算机视觉系统中。
图像处理系统主要负责对采集到的作物图像进行处理和分析。
处理方法主要包括图像增强、滤波、分割、特征提取等步骤。
处理完成后，可将图像特征数据存储在数据库中或提供给作物识别模型进行训练。
作物种类判断系统主要负责对作物的种类进行判断。
可以通过机器学习算法（如SVM、KNN、决策树等）进行模型训练和预测。
训练时，需要将已知种类的作物图像提取特征并进行标记，从而建立训练数据集。
在实际应用中，将采集到的作物图像输入到分类模型中，即可实现对作物种类的判断。
作物生长状态判断系统主要负责对作物的生长状态进行判断。
一般情况下，根据作物的生长形态、颜色、纹理等特征进行判断。
同样可以采用机器学习算法进行模型训练和预测。
机器视觉系统中的异物检测技术研究
机器视觉系统中的异物检测技术研究随着科技的进步和人工智能技术的快速发展，机器视觉系统在日常生活和工业生产中扮演着越来越重要的角色。
机器视觉系统能够通过感知和分析图像或视频中的信息，实现目标检测、人脸识别、场景分析等复杂的任务。
其中，异物检测是机器视觉系统的重要应用之一。
异物检测是指在图像或视频中检测出不应存在的物体或物体状态，如电力线路上的树枝、油气管道上的压力泄漏等。
异物检测技术的研究对于保障工业安全、维护社会治安等具有重要意义。
目前，机器视觉系统中主流的异物检测技术主要包括基于特征提取的方法和基于深度学习的方法两种。
基于特征提取的方法是通过寻找图像中的特征点、边缘、颜色等特征，对比图像中的异物与正常物体的特征差异来判断是否存在异物。
该方法的优点是操作速度快，而且适用于光照变化比较小的环境。
但是，由于人工特征提取难度大，精度低，对于存在光照变化和图像干扰的环境下，检测精确率较低。
基于深度学习的方法是一种新兴的异物检测技术。
该方法通过运用深度学习算法对图像进行特征提取和分类，从而实现对异物的高精度检测。
相比于传统的基于特征提取的方法，基于深度学习的方法具有更高的检测精度和更强的泛化能力。
基于深度学习的异物检测技术主要分为两类，一类是基于卷积神经网络（CNN）的方法，另一类是基于循环神经网络（RNN）的方法。
基于CNN的异物检测方法主要是通过训练卷积神经网络来提取图像中的特征，然后使用特征进行物体识别，从而实现对异物的检测。
该方法的优点在于卷积神经网络能够自动学习图像的特征，而不需人工提取，从而提高了检测的精确度。
但是，该方法只适用于属于CNN模型训练集中的物体检测，对于长期未见的物体检测性能较差。
基于RNN的异物检测方法则是通过循环神经网络对视频进行分析，通过流体力学、旋转、形态变化等方式来判断当前视频帧中是否存在异物。
该方法对光照变化、角度变化等因素比较敏感，在多种环境下具有较强的鲁棒性。
总的来说，对于工业等有特殊环境的异物检测，可以采用多种算法相结合的方法进行综合使用。
机器视觉在农产品质量检测中的应用技巧
机器视觉在农产品质量检测中的应用技巧随着科技的不断发展，机器视觉已经逐渐应用于各个领域，其中包括农业行业。
机器视觉在农产品质量检测中的应用技巧不仅能够提高效率和准确性，还能够节省人力物力资源。
在本文中，我们将探讨机器视觉在农产品质量检测中的应用技巧，并分析其优势和挑战。
首先，农产品质量检测是确保农产品质量和安全的重要环节。
传统的质量检测方法通常依赖于人工操作，这不仅耗费大量时间和人力资源，而且存在主观判断偏差的可能。
而机器视觉的应用可以大大提高检测效率和准确性。
在农产品质量检测中，机器视觉可以用于检测农产品外观质量、大小规格、病虫害、成熟度以及鉴别杂质等。
通过摄像头和图像处理软件，机器视觉可以对农产品进行高速连续的图像采集、处理和分析。
通过比对产品的图像和已知的理想状态图像，机器可进行有针对性的判别和分类。
同时，机器视觉还能够进行图像增强和图像边缘检测，进一步提高质量检测的准确性。
为了确保机器视觉在农产品质量检测中的应用效果，以下是一些应用技巧：1. 优化图像采集设备在农产品质量检测中，图像采集设备的品质直接影响到机器视觉的检测效果。
为了获得清晰的图像，需选用高分辨率的摄像头，并合理调整摄像头的曝光度、白平衡和对比度等参数。
2. 开发合适的图像处理算法图像处理算法是机器视觉的核心。
不同的农产品有着不同的特征，应根据农产品特性进行算法的优化和开发。
例如对于检测水果的成熟度，可以通过颜色分析算法来实现；对于检测蔬菜上的害虫，可以采用形态学处理算法提取害虫的形状特征。
3. 数据集的构建和标注为了让机器学习算法具备良好的识别能力，需要大量的标注数据。
这要求农产品质量检测的数据集的构建和标注工作。
数据集应该包含各种农产品在不同条件下的图像，包括正常和异常情况下的图像。
标注工作需要专业的工作人员，并且要进行精确和统一的标注，以提高模型的准确性。
尽管机器视觉在农产品质量检测中有着巨大的潜力，但也存在一些挑战。
计算机视觉技术在农产品质量检测中的应用
计算机视觉技术在农产品质量检测中的应用计算机视觉技术在农业领域的应用正日益受到重视，其中之一就是农产品质量检测。
传统的农产品质量检测方法通常依赖于人工操作，存在不稳定、效率低下以及主观性强等问题。
而计算机视觉技术通过图像处理和分析，能够实现对农产品的自动化、高效率、客观性的检测，有助于提升农产品质量控制的水平。
一、计算机视觉技术在农产品质量检测中的原理计算机视觉技术主要依靠图像处理和分析算法来实现对农产品质量的检测。
首先，通过专用设备（如高分辨率相机）对农产品进行拍摄获取图像。
接下来，利用图像处理算法对图像进行预处理，包括去噪、增强对比度等，以提高图像质量。
然后，通过提取图像中的特征，如颜色、形状、纹理等，来描述农产品的特性。
最后，利用特定的分类算法或机器学习模型对特征进行分析和判别，以判断农产品是否符合质量要求。
二、1. 外观质量检测农产品的外观质量是消费者重视的一方面，计算机视觉技术可以通过图像处理和分析，对农产品的外观特征进行检测和评估。
例如，对水果的颜色、大小、形状进行分析，能够判断水果的成熟度和质量。
对蔬菜的表面缺陷、畸形进行检测，可以排除有病害或损伤的农产品，提高产品质量。
2. 内部品质检测农产品的内部品质是衡量其食用价值的重要指标，而计算机视觉技术可以通过透视图像或断面图像的分析，对农产品的内部品质进行评估。
例如，对粮食的杂质、虫蛀等进行检测，可以提高粮食的纯度和质量。
对蔬菜的贮藏部位进行断面图像分析，可以判断蔬菜是否存在腐烂或吸收过多水分。
3. 检测与分级农产品的大小、重量等指标是与质量直接相关的特征，计算机视觉技术可以通过分析图像中的对象大小、像素密度等特征来对农产品进行尺寸检测和分级。
例如，对水果进行尺寸检测，可以自动分选水果，提高生产效率和产品质量。
4. 植检与农药残留检测农产品的植检和农药残留检测是保证农产品质量和安全的重要环节，计算机视觉技术可以通过图像处理和分析，实现对农产品的植被与农药残留的检测。
机器视觉技术在农产品检测中的应用教程
机器视觉技术在农产品检测中的应用教程随着科技的不断进步，机器视觉技术在各个领域的应用越来越广泛。
其中，农产品检测是一个重要的应用领域。
机器视觉技术的应用可以有效提高农产品检测的精度和效率，进一步提升农产品的质量和安全性。
本文将介绍机器视觉技术在农产品检测中的应用教程，帮助读者了解如何使用该技术进行农产品检测。
一、农产品检测的需求农产品的质量和安全性是保障消费者利益和促进农业可持续发展的关键。
传统的农产品检测方式主要依赖人工进行，存在着检测速度慢、易受主观因素影响、难以满足大规模生产需求等问题。
因此，引入机器视觉技术具有重要意义。
二、机器视觉技术在农产品检测中的应用1. 图像采集与预处理：首先，需要将农产品的图像采集下来。
可以使用智能手机或者专业的图像采集设备进行拍摄。
拍摄时需要注意光线和角度的选择，以获得清晰、准确的农产品图像。
然后，对采集到的图像进行预处理，包括灰度转换、图像增强、滤波等操作，以优化图像质量。
2. 特征提取与分析：接下来，需要从图像中提取农产品的特征。
特征可以包括形状、颜色、纹理等。
通过图像处理算法，可以实现自动化的特征提取，并对提取的特征进行分析。
这些特征可以作为后续分类和判定的依据。
3. 分类与判定：基于提取到的特征信息，可以利用机器学习算法对农产品进行分类和判定。
可以使用监督学习算法训练分类模型，然后将待检测的农产品图像输入到模型中进行分类。
也可以使用无监督学习算法对农产品进行聚类分析，以快速识别异常农产品。
4. 缺陷检测与识别：除了对农产品进行分类和判定，机器视觉技术还可以用于检测农产品的缺陷。
通过对农产品图像进行分析，可以自动识别出病虫害、烂果、疤痕等缺陷。
这有助于快速剔除有缺陷的农产品，提高产品的出货质量。
三、机器视觉技术的应用案例1. 水果与蔬菜的分类：机器视觉技术可以对水果与蔬菜进行分类，包括品种和成熟度的判定。
通过采集水果与蔬菜的图像，提取颜色、纹理等特征，使用分类模型进行分类。
基于机器视觉的农产品检测控制系统
• 176•本次设计的主要对象就是面对像瓜果类的初级农产品成熟度的检测以及对后期数据的反馈，确定成熟的初级农产品所在位置，并反馈坐标信息，对后期采摘加以控制，从而达到提高该类初级农产品的生产效率，实现从检测到控制的一体化过程的目的。
机器视觉技术在农业领域的应用研究起始于20世纪70年代，主要集中在植物种类的鉴别、农产品品质检测等方面，初期的研究多数是对机器视觉在农业应用的可行性分择关闭或开启）。
项目实现过程中主要难点在于确定物体位置的问题，以及各种作物特征值问题。
我们对比大量数据，从实践出发做了大量实验并得出结论编写了算法，并根据现有的理论知识创建程序。
确保了系统的实用性。
最终实现需要连接电脑蓝牙，通过蓝牙实时返回数据，并将地理实时数据返回给机器，最终实现不漏一个农作物，高效精确地完成任务。
具体结构模块如图1所示。
1 检测控制系统的硬件设计1.1 驱动电路设计通过电机以及舵机的驱动来使得机械臂做出前伸，后拉，旋转基于机器视觉的农产品检测控制系统东北石油大学 樊雨佳析及图像处理算法的开发。
随着计算机软硬件、图像采集处理装置、图像处理技术的迅猛发展，机器视觉技术在农业的应用领域不断扩展。
目前，美国、日本、德国等发达国家已经开始将机器视觉系统应用到农业生产的各个阶段，以解决人口老龄化加剧、劳动力缺失等问题引起的挑战。
农产品检测方式：（1）根据检验过程中是否要对农作物结构进行破坏，将成熟度检测方法划分为传统检测技术与无伤检测技术。
传统的农产品检测技术主要是依靠经验判断是否成熟或借助糖度检测分析仪、酸度检测分析仪、硬度计等工具来检测判断农产品的外观、可溶性糖含量、酸度、硬度等等通过数值上检测是否合格、借助此类仪器仅能起到抽查的作用，而对于大规模采摘检测无疑是不可取的。
图1 项目研究内容图2 机械臂成图（2）传统根据经验来判断农产品是否成熟，大多数农产品都需要借助颜色和硬度来判断。
这种方法重复性高可由机器代替。
农产品智慧检测系统建设设计方案
农产品智慧检测系统建设设计方案一、背景分析随着农产品市场的快速发展和人们对食品安全的高度关注，农产品的质量安全问题成为了社会关注的焦点。
为了确保农产品质量安全和提高检测效率，建设一个智慧的农产品检测系统势在必行。
二、目标与需求（1）目标：建设一个智慧的农产品检测系统，实现对农产品的全流程监控和质量控制，确保产品质量安全。
（2）需求：a. 数据采集：建立农产品全生命周期的数据采集系统，包括种植环境、农药使用、生长过程、采摘、存储等环节的数据采集。
b. 数据整合与分析：将采集到的数据进行整合和分析，形成农产品质量评估模型，实现对农产品质量风险的预警。
c. 信息发布与交互：提供农产品信息发布的平台，供消费者查询农产品的质量信息和来源。
d. 信息追溯与溯源：建立农产品的追溯体系，实现对农产品质量的溯源，发现问题及时采取措施。
e. 智能检测与识别：引入人工智能技术，实现对农产品的智能检测和识别，提高检测效率和准确性。
三、系统设计与架构（1）硬件构成：a. 传感器设备：采集农产品生长过程中的环境数据，如温度、湿度、空气质量等。
b. 摄像头：用于拍摄农产品生长过程中的图像，以及对农产品进行图像识别。
c. 数据存储设备：用于存储和管理采集到的数据。
d. 手持终端：提供给农民和检测人员的便携设备，用于数据采集和系统交互。
（2）软件系统：a. 数据采集系统：负责采集农产品的相关数据，包括环境数据、农药使用记录等。
b. 数据整合与分析系统：将采集到的数据进行整合和分析，形成质量评估模型，并进行质量风险的预警。
c. 信息发布与交互系统：提供农产品质量信息的发布平台，供消费者查询和反馈。
d. 信息追溯与溯源系统：建立农产品的追溯体系，实现对农产品质量的溯源。
e. 智能检测与识别系统：引入人工智能技术，对农产品进行智能检测和识别。
四、关键技术与实施步骤（1）关键技术：a. 大数据分析技术：对采集到的大量数据进行整合和分析，形成质量评估模型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
农产品异物检测的机器视觉采集控制系统构建缑斌丽，张晓，刘英（南京林业大学机械电子工程学院，南京210037）摘要：我国农产品异物检测总体表现出检测装备落后和异物检测可靠性低等特点。
为此，介绍了一种面向农产品异物检测的机器视觉采集系统，利用图像采集和X射线对不规则形状农产品的异物进行检测；重点阐述了农产品异物检测控制系统的硬件搭建和软件编写，其中采用PLC控制整个采集系统，包括电机、驱动系统及图像采集等；并对整个系统的电气控制做了分析和研究。
关键词：机器视觉；异物检测；PLC控制；硬件设计；功能模块中图分类号：TP391文献标识码：A文章编号：1003－188X（2013）08－0092－040引言随着生活水平的不断提高，人们对农产品的质量和安全有了更高的要求，国家也制定了严格的安全检测规定。
但传统的农产品异物检测主要依靠人工检测判断或借用相关简单设备进行抽样，检测劳动强度大，检测速度慢，存在人为的检测误差。
农产品异物检测的机器视觉采集系统要实现自动图像采集和X 光扫描的功能要求。
在农产品异物检测中，该采集系统能弥补传统人工检测时出现的误差，大大提高异物检测速度和准确度。
控制系统采用PLC及行程开关控制，使检测过程稳定，控制方便，提高劳动生产率及生产自动化水平。
1采集系统总体机械结构农产品异物检测的机器视觉采集系统的三维机械结构主要由X光封闭机械支架、传送带、高速相机、激光器、步进电机、导轨、托盘及行程开关等组成，如图1所示。
2采集控制系统设计2．1系统控制需求为了提高农产品异物检测速度和准确度，使采集系统的应用灵活广泛，机器视觉采集系统包括相机图像采集与X光射线扫描，需要实现以下功能：收稿日期：2012－08－21基金项目：江苏省国际科技合作计划项目（BZ200800080）作者简介：缑斌丽（1964－），女，西安人，副教授，（E－mail）goubinli@ 163．com。
通讯作者：张晓（1987－），女，山东蓬莱人，硕士研究生，（E－mail）zhangxiao_xhx@126．com。
1）相机图像采集将采集的图像传送给CPU，建立被检测物的图像模型；2）X光扫描适用于形状规则的异物检测；3）相机图像采集及X光扫描综合上述两个特点，适用于形状不规则的异物检测。
1．高速相机2．激光器3．X光封闭机械支架4．导轨5．传送带6．步进电机7．右限位行程开关8．操作台9．相机触发行程开关10．左限位行程开关图1采集系统总体机械结构2．2系统安全要求1）传送带上需要安装左右限位开关，防止被检测物脱离传送带，造成经济损失及人员安全问题。
2）需要设置电机急停按钮，当发生误操作或机械故障时能及时停止采集系统。
2．3控制系统总体设计根据上述采集系统控制需求和安全要求，对机器视觉采集系统进行硬件和软件方面的设计，实现三大控制功能模块。
硬件采用PLC控制，结合步进电机、驱动系统以及限位行程开关等实现控制要求［1］；软件采用PLC编写软件完成程序编写。
控制系统设计流程图如2所示。
图2控制系统设计流程图根据系统控制需求设计了三大控制功能模块，即相机图像采集模块、X光扫描模块、相机图像采集及X 光扫描模块。
2．3．1相机图像采集模块启动控制系统，选择相机图像采集模块，被检测物运行至相机行程开关，触发相机进行图像采集（采集次数由PLC设定的脉冲个数确定）；继续运行并最终回到左限位停止（反向运行并不触发相机），按下停止按钮，模块工作结束。
2．3．2X光扫描模块启动控制系统，进入X光扫描模块，被检测物运行至X光行程开关停住，进行X光扫描操作；重新启动，反向运行至左限位停止，按下停止按钮，模块工作结束。
2．3．3相机图像采集及X光扫描模块启动控制系统，进入相机图像采集及X光扫描模块，被检测物运行至相机行程开关，触发相机进行图像采集；运行至右限位（正向运行不触发X光行程开关），反向运行至X光行程开关停住，进行X光扫描操作；重新启动（反向运行不触发相机），反向运行至左限位停止，按下停止按钮，模块工作结束。
系统功能模块如图3所示。
图3系统功能模块图2．4控制系统硬件设计2．4．1硬件选型1）选用晶体管型式控制器。
晶体管响应速度快于继电器。
继电器输出型原理是CPU驱动继电器线圈，令触点吸合，使外部电源通过闭合的触点驱动外部负载，其开路漏电流为0，响应时间慢（约10ms）。
晶体管输出型原理是CPU通过光耦合使晶体管通断，以控制外部直流负载，响应时间快（约0．2ms甚至更小）。
晶体管输出一般用于高速输出，如伺服/步进等。
在额定工作情况下，继电器有动作次数寿命，晶体管只有老化没有使用次数限制［2－4］。
2）选择FX1S系列。
根据控制系统的规模判断属于小型控制系统，采用FX系列不会造成不必要的资源浪费，而且价格较适中，可减少成本，PLC本身体积也较小［5］。
3）确定PLC I/O点数。
根据所要达到的控制目标、行程开关数量和输入点数等估算I/O点数，选择FX1S－30MT。
根据选择的PLC型号，另需一个5V电源，上拉电阻。
硬件还包括步进电机、变压器、与步进电机匹配的驱动器、12V电源及4个行程开关。
2．4．2硬件系统搭建控制硬件系统的接线图如图4所示。
其核心为PLC，输入端包括外部开关按钮、相机触发行程开关、X光行程开关以及左右限位行程开关。
输入端共有16个端口，即X0 X7和X10 X17，每个端口都定义了相应的功能。
比如，X4与传送台右限位行程开关相连，当托盘撞击行程开关，输入端X4置1，通过PLC 的内部程序转换，输出端Y2置反，完成电机反转，被检测物反向运行。
输出端共有3个端口，即Y0 Y2。
其中，输出端Y2，Y0与电机驱动器构成回路，实现步进电机正反转动和速度变化，从而控制被检测物的运行状态，完成异物检测；输出端Y1与相机触发器构成回路，控制图像采集数量。
PLC 还可与上位机进行通信，实时修改程序，并且监控控制系统的运行状态。
图4硬件系统接线图2．4．3控制面板控制面板装配在机械结构的一侧。
运行出现故障时，可及时停止，以免造成机械损伤，对人员安全造成威胁。
控制面板如图5所示。
图5控制面板图2．5控制系统软件设计根据要求计算步进电机的转速以及被检测物的运行速度，即n =θb ˑf ˑ602ˑπ=1．8ˑ1000ˑ602ˑ360=150r /minv =2πnr =2ˑ3．14ˑ15060ˑ37．9ˑ10－3=0．6m /s 考虑对被检测物实行加减速命令，通过计算将每次升减速幅度设定为0．3m /s ；考虑到托盘挡块撞击行程开关，使行程开关有效触发，将挡块长度设计为25mm 。
2．5．1程序循环描述相机图像采集模块、X 光扫描模块、相机图像采集及X 光扫描模块的具体运动循环描述如下。
2．5．1．1相机图像采集模块相机图像采集模块T 形图如图6所示。
按下X13按钮，电机启动，进入相机图像采集模块，被检测物运行至相机行程开关X6，触发相机拍照，运行至右限位X4后，反向运行至左限位行程开关X5停住（反向运行不触发相机）；按下停止按钮X17，模块工作结束。
图6相机图像采集模块T 形图2．5．1．2X 光扫描模块按下X10按钮，电机启动，进入X 光扫描模块，被检测物运行至X 光行程开关X7停住，进行X 光扫描；按下X15按钮，重新启动电机，运行至左限位行程开关X5停住。
按下停止X17按钮，模块工作结束。
2．5．1．3相机图像采集及X光扫描模块按下X14按钮，电机启动，进入相机图像采集及X光扫描模块。
被检测物运行至相机行程开关X6，触发相机拍照（正向运行不触发X光行程开关）；运行至右限位X4，反向运行至X光行程开关X7停住，进行X光扫描；按下X15按钮，重新启动电机（反向运行不触发相机行程开关），运行至左限位X5停住。
按下X17停止按钮，模块工作结束。
2．5．2软件程序软件设计采用三菱SWOPC－FXGP/WIN－C编程软件，它能协助用户完成开发应用软件的任务，同时还有一些工具性的功能（例如，用户程序的文档管理等）。
此外，还可直接用软件设置可编程控制器的工作方式、参数以及运行监控等，这在后期软件调试时起到重要作用［6］。
采集系统包含3大功能模块，采用顺序编程方法，不需要复杂的跳转程序，可以缩短程序量，方便后期调试或修改。
同时，利用模块自锁和各个模块之间的互锁，排除各模块之间的干扰，实现各模块独立工作。
在各模块中串联常闭输入点，作为紧急停止。
3结论本系统主要目的是构建农产品异物检测的电气控制系统，利用X光扫描及相机图像采集实现不规则形状农产品的异物检测。
1）在农产品机器视觉采集系统的控制单元中，采用三菱FX1S系列PLC控制步进电机、相机以及多个行程开关配合工作，实现被检测物的图像数据采集和X光扫描工作，完成三大控制功能模块。
2）利用PLC实现两种不同频率和个数的脉冲发送。
对相机发送脉冲，确定图像采集数量；对步进电机驱动器发送脉冲，实现被检测物的多种速度运行，使检测系统更加灵活，应用更广泛。
在研究过程中发现，调试程序过程非常繁琐，可采用先进的控制算法，使程序结构更加优化，方便后期调试与维护。
3）目前，本系统已用于肉类包装中的异物（如铁丝、杂质或塑料屑等）检测，取得良好效果，为农产品包装质量的自动检测提供了很好的借鉴。
参考文献：［1］何希才．常用电子线路应用365例［M］．北京：电子工业出版社，2006．［2］余雷声，方宗达．电气控制与PLC应用［M］．北京：机械工业出版社，2004．［3］袁中凡．机电一体化技术［M］．北京：电子工业出版社，2006．［4］Bernard Friedland．Advanced control system design［M］．Englewood Cliffs：Prentice Hall Inc，1996．［5］钟肇新．可编程控制器原理及应用［M］．北京：华南理工大学出版社，2008．［6］廖常初．PLC梯形图的顺序控制设计法与顺序功能图［J］．电工技术杂志，2001（10）：51－53．Build Control System for Agricultural Foreign Object Detection Based onMachine Vision AcquisitionGou Binli，Zhang Xiao，Liu Ying（College of Electronic and Mechanical Engineering，Nanjing Forestry University，Nanjing210037，China）Abstract：The technology and equipments for agricultural foreign object detection has been lagging in China for many years with low level of quality control，low reliability and low detection efficiency．This paper describesan inspection sys-tem of foreign object in agricultural food of irregular shapes，using X－ray and image acquisition．Focusing on the struc-tures of hardware and software in the foreign object detection system，which is controlled by PLC．PLC controls the mo-tor，drive system and image acquisition system．And then researching and analyzing the whole control system．Key words：machine vision；foreign object detection；PLC control；hardware design；functional module。