[发明专利]一种基于智能分类分拣的叶类蔬菜真空预冷方法及装置

权利要求书

1.一种基于智能分类分拣的叶类蔬菜真空预冷方法，其特征在于：包括以下步骤：

1)计算出叶类蔬菜的非叶脉占比；所述非叶脉占比是指叶类蔬菜的非叶脉部分面积占叶类蔬菜总面积的比值；

2)计算出叶类蔬菜的平均水分含量；

3)计算非叶脉占比与平均水分含量的乘积，并根据乘积对叶类蔬菜进行分类分拣；将非叶脉占比与平均水分含量的乘积≥0.6的叶类蔬菜分为一类，将非叶脉占比与平均水分含量的乘积＜0.6的叶类蔬菜分为另一类；

4)将分拣的两类叶类蔬菜分别送至真空预冷装置进行真空预冷处理；非叶脉占比与平均水分含量的乘积≥0.6的叶类蔬菜的预冷处理的条件为预冷的终压为758～854Pa，同时降压速率≤0.33KPa/s；非叶脉占比与平均水分含量的乘积＜0.6的叶类蔬菜的预冷处理的条件为预冷的终压为487～567Pa，同时降压速率≤0.33KPa/s；

步骤1)的具体步骤：先对整颗蔬菜的表面进行图像采集，然后利用Matlab软件以及采用迭代算法对原始图像进行阈值分割，分别得到整颗蔬菜和背景分离的二值化图像、茎与叶片分离的二值化图像，然后利用Matlab软件分别计算茎、叶面积，得到非叶脉占比；所述图像采集为摄像机对整颗蔬菜的表面进行图像采集；

步骤2)的具体步骤：使用近红外光纤探头同时对蔬菜上的2～4个点进行光谱采集，分别将所采集的各个点的光谱信息进行处理后求出各个点的水分含量，并求出平均值，以此平均值表示蔬菜的平均水分含量。

2.按照权利要求1所述的叶类蔬菜真空预冷方法，其特征在于：非叶脉占比与平均水分含量的乘积≥0.6的叶类蔬菜的预冷处理的条件为预冷的终压为800Pa；非叶脉占比与平均水分含量的乘积＜0.6的叶类蔬菜的预冷处理的条件为预冷的终压为500Pa。

3.按照权利要求1所述的叶类蔬菜真空预冷方法，其特征在于：所述叶类蔬菜主要包括大白菜、菜心、卷心菜和/或上海青，且非叶脉占比大于20％的叶类蔬菜。

4.一种实现权利要求1-3任一项所述的叶类蔬菜真空预冷方法的基于智能分类分拣的叶类蔬菜真空预冷装置，其特征在于：包括传输单元、识别单元、处理单元、分拣单元、收纳单元、真空预冷单元；

所述识别单元和分拣单元沿蔬菜输送方向先后设置在传输单元的输送路径上，所述传输单元的输送路径在识别单元后分为输送线A和输送线B，输送线A输送非叶脉占比与平均水分含量的乘积≥0.6的叶类蔬菜，输送线B输送非叶脉占比与平均水分含量的乘积＜0.6的叶类蔬菜；所述分拣单元用于将通过识别单元识别分类的蔬菜分拣至相应的输送线；

所述处理单元分别连接识别单元和分拣单元，处理单元根据识别单元获取的信息控制分拣单元将蔬菜分拣至相应的输送线；所述收纳单元设置在每一条输送线的末端，所述真空预冷单元用于将不同收纳单元收纳的蔬菜分别进行真空预冷处理。

5.按照权利要求4所述的叶类蔬菜真空预冷装置，其特征在于：所述识别单元包括对整颗蔬菜的表面进行图像采集的摄像机、获取蔬菜中水的光谱信息的近红外采集模块；近红外采集模块包括用于采集蔬菜上不同点上的水的光谱信息的近红外光纤探头；

处理单元将识别单元获取的图像、光谱信息进行处理进而识别分类蔬菜；图像处理具体为：采集的图像传输至处理单元中，处理单元利用Matlab软件以及采用迭代算法对图像进行阈值分割，分别得到整颗蔬菜和背景分离的二值化图像、茎与叶片分离的二值化图像，然后利用Matlab软件分别计算茎、叶面积，得到非叶脉占比；光谱信息处理具体为：将各个点采集到的光谱信息在处理单元中转化得到各个点的水分含量，并计算平均值得到该蔬菜的平均水分含量；处理单元计算该蔬菜的非叶脉占比与平均水分含量的乘积，根据乘积将蔬菜进行分类，根据分类结果控制分拣单元将蔬菜分拣至输送线A或输送线B。

6.按照权利要求5所述的叶类蔬菜真空预冷装置，其特征在于：所述识别单元还包括固定部件；摄像机、近红外采集模块通过固定部件固定安装在输送单元的输送路径的上方，且沿蔬菜输送方向摄像机设置在近红外采集模块之前；所述识别单元还包括给摄像机、近红外采集模块提供光照的照明灯，照明灯固定安装在固定部件上。