面向机器人自主分割的肉品识别分类系统实现

针对传统禽类肉品分割环节存在的人工成本突出、卫生安全风险高等世界性难题,集成精准感 知、快速切块、自主剔骨等关键技术,设计了面向机器人自主分割的全自动化生产线工艺流程。基于自主分块 环节形成的鸡胸肉、翅尖、翅中、翅根后续高效自动化分类包装需求,提出了一种结合图像像素个数和卷积神 经网络(CNN)分类的识别方法,建立软硬件协同框架,以满足生产线上图片获取、处理和实时检测等功能要求。 首先,利用提取肉品区域大小区分鸡胸肉和翅尖;然后,基于 CNN 技术识别翅中和翅根并进行分类;最后, 通过对识别算法的参数量和计算量进行分析,估算软硬件协同处理的识别速度。搭建肉品识别系统平台,分析 传送带全速运行下的运动模糊情况,采用数据增强的方式扩展数据集,为了减少计算量,仅采用 R 通道图像数 据作为神经网络的输入。结果表明,鸡胸肉、翅尖的识别准确率达 100%,翅中、翅根的识别准确率达 98.7%, 识别速度可达 0.047 s,可满足禽类肉品 10 000 只/小时的高效分拣的研发需求。