基于STM32的智能水果分选系统设计与实现

1. 项目背景与需求分析

在农产品分选领域，传统人工分选方式存在效率低下、主观性强、劳动强度大等问题。我去年参观过一家大型苹果加工厂，看到20多名工人站在流水线旁手动分拣的场景——他们需要同时判断果实大小、颜色、瑕疵等多项指标，工作8小时后分选准确率会下降30%以上。这种现状促使我开始思考如何用单片机技术实现自动化果实分选。

这个装置的核心需求可以分解为三个层面：

• 基础需求：替代人工实现果实品质的客观分类
• 进阶需求：达到每分钟60个以上的处理速度（相当于3名熟练工人的效率）
• 隐性需求：装置成本控制在2000元以内以适应中小型果园的采购预算

2. 系统架构设计

2.1 硬件选型方案

经过对比测试，最终确定的硬件配置如下表所示：

特别注意：称重传感器要选择铝合金材质而非不锈钢，后者在潮湿环境下易产生零点漂移。我在初期测试中就因此损失了3个传感器。

2.2 机械结构设计

采用三级分选漏斗结构：

1. 第一级：直径筛分（可调间距的滚筒筛）
2. 第二级：称重平台（带缓冲弹簧的称重台）
3. 第三级：视觉检测区（LED环形补光+摄像头）

这种结构设计使得不同品质指标可以并行检测，实测比串联式结构效率提升40%。关键点在于各模块间的过渡斜面要设计为15°倾角，既能保证果实顺利滑落，又不会因碰撞影响称重精度。

3. 核心算法实现

3.1 颜色分级算法

采用HSV色彩空间比RGB更符合人眼感知特性。具体实现步骤：

c复制// 转换RGB到HSV
void RGBtoHSV(uint8_t r, uint8_t g, uint8_t b, float *h, float *s, float *v) {
    float max = MAX(r, MAX(g, b));
    float min = MIN(r, MIN(g, b));
    *v = max / 255.0f;
    
    if(max == 0 || (max - min) == 0) {
        *h = *s = 0;
    } else {
        *s = (max - min) / max;
        if(max == r)      *h = 60 * ((g - b) / (max - min));
        else if(max == g) *h = 60 * (2 + (b - r) / (max - min));
        else              *h = 60 * (4 + (r - g) / (max - min));
        if(*h < 0) *h += 360;
    }
}

实际应用中需要针对不同水果设置特征阈值，比如苹果的成熟度判断标准：

• 青果：H∈[60,150], S>0.4
• 半熟：H∈[30,60], S>0.3
• 成熟：H∈[0,30], S>0.2

3.2 瑕疵检测方案

采用背景差分法结合边缘检测：

1. 先采集标准样本建立背景模型
2. 对实时图像进行高斯滤波（5×5核）
3. Sobel算子边缘检测
4. 通过轮廓面积筛选（<5mm²的斑点视为噪声）

在草莓检测中，该方法对霉斑的识别率达到92%，但需要注意：

• 环境光强度需稳定在300-500lux
• 果实摆放角度会影响检测效果，建议增加旋转机构

4. 系统优化经验

4.1 实时性保障措施

通过以下手段确保处理速度：

1. 采用DMA传输摄像头数据
2. 将HSV转换表预先存入Flash
3. 分级判断使用查表法而非实时计算
4. 关键代码用汇编优化（如Sobel运算）

实测表明，经过优化后单果处理时间从120ms降至65ms。

4.2 抗干扰设计

在果园现场测试时遇到的典型问题及解决方案：

5. 应用效果对比

在柑橘分选中的实测数据：

这套系统目前已在本地3家果园投入使用，最长的已稳定运行8个月。有个意想不到的收获：通过积累的分级数据，果园现在可以精准预测不同批次水果的市场售价，这比设备本身的效益更有价值。