楊進(jìn) 王萌 孫成波 王昊 馮博 劉長(zhǎng)卿

摘要：為提高牡蠣自動(dòng)化加工水平，基于STM32單片機(jī)設(shè)計(jì)牡蠣重量分級(jí)控制系統(tǒng)。該控制系統(tǒng)由數(shù)據(jù)采集模塊、分級(jí)控制模塊、驅(qū)動(dòng)模塊和人機(jī)交互模塊組成，以牡蠣重量為分級(jí)標(biāo)準(zhǔn)，稱(chēng)重托盤(pán)重量和位置信息為主要控制條件，采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)（GA-BP）動(dòng)態(tài)稱(chēng)重模型和動(dòng)態(tài)追蹤定位方式，準(zhǔn)確獲得牡蠣重量和稱(chēng)重托盤(pán)位置，使用觸摸屏進(jìn)行人機(jī)交互，可實(shí)現(xiàn)稱(chēng)重分級(jí)一體化。試驗(yàn)結(jié)果表明，該控制系統(tǒng)的稱(chēng)重誤差最大為0.8g，在最大運(yùn)行速度下，分級(jí)準(zhǔn)確率達(dá)到95%，較好地實(shí)現(xiàn)牡蠣快速稱(chēng)重分級(jí)。

關(guān)鍵詞：牡蠣；重量分級(jí)；GA-BP算法；動(dòng)態(tài)稱(chēng)重；控制系統(tǒng)

中圖分類(lèi)號(hào)：S226.5

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2095-5553 （2024） 05-0111-05

收稿日期：2022年9月29日? 修回日期：2023年2月17日*基金項(xiàng)目：廣東省重點(diǎn)領(lǐng)域研發(fā)計(jì)劃項(xiàng)目（2020B0202010009）

第一作者：楊進(jìn)，男，1971年生，江蘇連云港人，碩士，副教授；研究方向?yàn)楝F(xiàn)代農(nóng)機(jī)裝備設(shè)計(jì)與制造。E-mail： lygyangjin@163.com

通訊作者：劉長(zhǎng)卿，男，1993年生，江蘇連云港人，博士，講師；研究方向?yàn)檗r(nóng)業(yè)裝備電氣化。E-mail： lyg_lcq@163.com

Design of oyster weight grading machine control system based on STM32

Yang Jin1， Wang Meng1， Sun Chengbo2， Wang Hao3， Feng Bo4， Liu Changqing1

（1. School of Mechanical? Engineering， Jiangsu Ocean University， Lianyungang， 222005， China; 2. College of

fisheries， Guangdong Ocean University， Zhanjiang， 524000， China; 3. School of Naval Architecture & Ocean

Engineering， Jiangsu University of Science and Technology， Zhenjiang， 212000， China; 4. School of Ocean

Engineering， Jiangsu Ocean University， Lianyungang， 222005， China）

Abstract：

In order to improve the oyster automatic processing level， an oyster weight grading control system based on STM32 microcontroller was designed in this paper. The control system was comprised with varieties of functional modules， such as data acquisition module， grading control module， driver module and human-computer interaction module. Oyster weight was used as the grading standard， while the weight and position information of the weighing tray acted as the primary control conditions. The dynamic weighing model of genetic algorithm optimizing neural network （GA-BP） and dynamic tracking and positioning method were adopted to accurately obtain oyster weight and weighing tray position， and human-computer interaction was carried out by using touch screen， which could realize weighing and grading integration. The test results showed that the maximum weighing error of the control system was 0.8 g， and the grading accuracy reached 95% under the maximum operation speed， which could better realize the rapid weighing and grading of oysters.

Keywords：

oyster; weight grading; GA-BP algorithm; dynamic weighing; control system

0 引言

隨著我國(guó)居民生活水平的提高，牡蠣需求量日益增大。我國(guó)已經(jīng)成為世界上最大的牡蠣生產(chǎn)國(guó)和消費(fèi)國(guó)，牡蠣養(yǎng)殖產(chǎn)業(yè)是中國(guó)沿海地區(qū)的主導(dǎo)產(chǎn)業(yè)［1， 2］。隨著牡蠣規(guī)?；B(yǎng)殖迅速崛起，其初加工設(shè)備需要更新?lián)Q代。我國(guó)牡蠣養(yǎng)殖以家庭漁場(chǎng)為主，呈現(xiàn)出“低”“小”“散”的特點(diǎn)，砍砸、分離、清洗、分級(jí)等初加工序仍以人工為主。另外，牡蠣具有離水快速死亡變質(zhì)的特點(diǎn)，傳統(tǒng)稱(chēng)重分級(jí)方式耗時(shí)長(zhǎng)，牡蠣死亡率高，大大降低消費(fèi)者的食用口感和消費(fèi)體驗(yàn)感［3］。因此，開(kāi)發(fā)基于動(dòng)態(tài)稱(chēng)重的牡蠣重量分級(jí)控制系統(tǒng)，減少牡蠣初加工時(shí)間，對(duì)提高牡蠣產(chǎn)品品質(zhì)，規(guī)范牡蠣市場(chǎng)，具有重大意義。

目前，許多學(xué)者針對(duì)重量分級(jí)進(jìn)行研究，開(kāi)發(fā)設(shè)計(jì)了一些重量分級(jí)設(shè)備和控制系統(tǒng)。王樹(shù)才［4］、周雨程［5］、吳曼琳［6］等提出了一種零速稱(chēng)重方法，設(shè)計(jì)了6排雞蛋稱(chēng)重、分級(jí)包裝設(shè)備，實(shí)現(xiàn)雞蛋精準(zhǔn)分級(jí)包裝。劉建雄［7］、李銀平［8］、張靜靜［9］等設(shè)計(jì)了水果重量分選系統(tǒng)，并提出了自適應(yīng)數(shù)字濾波和神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)稱(chēng)重方法，解決了動(dòng)態(tài)稱(chēng)重技術(shù)的稱(chēng)重精度問(wèn)題。張銀橋等基于PIC單片機(jī)設(shè)計(jì)了家禽在線(xiàn)自動(dòng)稱(chēng)重分級(jí)控制系統(tǒng)。年賀等［10］采用STM32設(shè)計(jì)了果蔬運(yùn)輸車(chē)稱(chēng)重系統(tǒng)，并利用防脈沖干擾平均濾波算法實(shí)現(xiàn)數(shù)字濾波。Zhao［11］、Feng［12］等在數(shù)字濾波的基礎(chǔ)上，先采用SVM和EWT對(duì)奶牛的活躍度進(jìn)行分類(lèi)，根據(jù)奶牛活躍度選擇合適的濾波方法，進(jìn)一步提高奶牛動(dòng)態(tài)稱(chēng)重準(zhǔn)確率。呂潛龍等［13］研究了一種翻盤(pán)式快遞自動(dòng)化分揀裝置，實(shí)現(xiàn)雙側(cè)分揀。王志強(qiáng)等［14］設(shè)計(jì)了微量稱(chēng)重機(jī)械結(jié)構(gòu)，并研究了微量稱(chēng)重控制系統(tǒng)，引入神經(jīng)網(wǎng)絡(luò)，提高稱(chēng)重精度。張安琪等［15］提出了一種草捆動(dòng)態(tài)分離、識(shí)別方法，構(gòu)建了小型方捆機(jī)動(dòng)態(tài)稱(chēng)量系統(tǒng)，實(shí)現(xiàn)單草捆動(dòng)態(tài)稱(chēng)重。

根據(jù)以上研究得出，動(dòng)態(tài)稱(chēng)重是實(shí)現(xiàn)快速稱(chēng)重最有效的方式之一，但關(guān)于牡蠣動(dòng)態(tài)稱(chēng)重分級(jí)相關(guān)研究較少。本文基于STM32設(shè)計(jì)牡蠣重量分級(jí)機(jī)的控制系統(tǒng)，融合數(shù)字濾波技術(shù)和GA-BP模型預(yù)測(cè)，改善神經(jīng)網(wǎng)絡(luò)算法缺陷，實(shí)現(xiàn)精準(zhǔn)重量分級(jí)。用戶(hù)可通過(guò)人機(jī)交互界面，設(shè)定分級(jí)速度，智能監(jiān)控分級(jí)情況。

1 牡蠣重量分級(jí)系統(tǒng)總體結(jié)構(gòu)

1.1 牡蠣重量分級(jí)機(jī)結(jié)構(gòu)

牡蠣重量分級(jí)機(jī)結(jié)構(gòu)如圖1所示。

輸送裝置采用220V交流電機(jī)提供動(dòng)力，擋板安裝在輸送裝置上方，并交錯(cuò)固定于兩側(cè)；傳動(dòng)裝置采用雙節(jié)距大滾子鏈條傳動(dòng)，稱(chēng)重托盤(pán)等距固定在鏈條的外鏈板上，在電機(jī)的帶動(dòng)下循環(huán)轉(zhuǎn)動(dòng)；稱(chēng)重裝置由兩個(gè)稱(chēng)重傳感器組建橋梁式稱(chēng)重臺(tái)，固定在稱(chēng)重托盤(pán)部分運(yùn)動(dòng)路徑中；分級(jí)裝置由接近傳感器、繼電器、電磁鐵、卸料臂等組成，接近傳感器安裝在稱(chēng)重裝置前端，標(biāo)記稱(chēng)重托盤(pán)；電磁鐵根據(jù)分級(jí)等級(jí)數(shù)量，均安裝于分級(jí)口，卸料臂可在電磁鐵的帶動(dòng)下，實(shí)現(xiàn)擺動(dòng)?？刂葡到y(tǒng)包括STM32控制器、數(shù)據(jù)采集模塊、分級(jí)卸料模塊、人機(jī)交互模塊、驅(qū)動(dòng)模塊等功能模塊，完成分級(jí)機(jī)工作過(guò)程控制和工作狀態(tài)監(jiān)測(cè)。

1.2 牡蠣分級(jí)機(jī)工作流程

牡蠣分級(jí)機(jī)采用動(dòng)態(tài)稱(chēng)重方式稱(chēng)量牡蠣質(zhì)量，按照所需進(jìn)行重量分級(jí)，其工作過(guò)程主要包括參數(shù)設(shè)定、稱(chēng)量質(zhì)量、分級(jí)卸料3個(gè)步驟。操作人員可在觸摸屏顯示界面設(shè)定分級(jí)參數(shù)、分級(jí)速率等工作參數(shù)；清洗干凈的牡蠣經(jīng)過(guò)運(yùn)輸帶運(yùn)輸，勻速給輸送裝置供料，擋板調(diào)節(jié)一定角度，可改變牡蠣運(yùn)動(dòng)方向和位置，使牡蠣變成有序單排，下落至稱(chēng)重托盤(pán)；牡蠣跟隨稱(chēng)重托盤(pán)勻速前進(jìn)，進(jìn)入稱(chēng)重裝置，稱(chēng)量牡蠣重量，STM32對(duì)稱(chēng)量結(jié)果進(jìn)行處理；STM32按照系統(tǒng)設(shè)定的分級(jí)值，將牡蠣分為6個(gè)等級(jí)，當(dāng)稱(chēng)重托盤(pán)到達(dá)指定分級(jí)口，分級(jí)裝置推翻稱(chēng)重托盤(pán)，牡蠣落入分級(jí)出口，流入收納筐中。

1.3 牡蠣分級(jí)機(jī)控制方案

牡蠣重量分級(jí)機(jī)控制系統(tǒng)結(jié)構(gòu)如圖2所示。

控制系統(tǒng)以STM32F103ZET6單片機(jī)為控制器，協(xié)同數(shù)據(jù)采集模塊、分級(jí)卸料模塊、驅(qū)動(dòng)模塊、人機(jī)交互模塊實(shí)現(xiàn)牡蠣重量獲取、牡蠣分級(jí)和工作人員觀(guān)察與操控等功能。數(shù)據(jù)采集模塊通過(guò)稱(chēng)重傳感器和A/D轉(zhuǎn)換器獲得牡蠣質(zhì)量信息，通過(guò)SPI通信協(xié)議與STM32進(jìn)行信號(hào)傳輸，根據(jù)控制設(shè)定策略判定牡蠣分級(jí)等級(jí)。分級(jí)卸料模塊采用接近傳感器獲取稱(chēng)重托盤(pán)位置信息，實(shí)時(shí)定位托盤(pán)位置，通過(guò)繼電器觸發(fā)，控制相應(yīng)電磁鐵發(fā)生動(dòng)作，實(shí)現(xiàn)牡蠣卸料。驅(qū)動(dòng)模塊采用光電編碼器檢測(cè)電機(jī)運(yùn)行速度，通過(guò)變頻器閉環(huán)控制精準(zhǔn)調(diào)控電機(jī)速度。人機(jī)交互模塊采用串口顯示屏，在Labview環(huán)境下開(kāi)發(fā)軟件，實(shí)現(xiàn)觸摸屏與STM32數(shù)據(jù)雙向、高效傳輸，人機(jī)交互模塊還具有數(shù)據(jù)導(dǎo)出功能，方便數(shù)據(jù)分析。

2 控制系統(tǒng)硬件設(shè)計(jì)

數(shù)據(jù)采集模塊采用2個(gè)稱(chēng)重傳感器作為重量采集器，獲取牡蠣質(zhì)量信息。采用24位∑-Δ型數(shù)模轉(zhuǎn)換器AD7190將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，通過(guò)SPI通訊傳輸給STM32。稱(chēng)重傳感器型號(hào)為GJBLS-I，量程為10kg，靈敏度為2mV/V，最小分度值為0.1g，激勵(lì)電壓為5V，輸出電壓范圍為-10～10mV。AD7190分辨率為24bit，擁有2個(gè)差分輸入通道、4個(gè)偽差分輸入通道，輸出數(shù)據(jù)速率為4.7～4.8kHz。

稱(chēng)重傳感器與接線(xiàn)盒連接，將兩個(gè)稱(chēng)重信號(hào)進(jìn)行平均，輸出一個(gè)結(jié)果。AD7190有4個(gè)模擬輸入引腳，選用AIN1、AIN2引腳配置成二路差分輸入模式，AIN1、AIN2引腳分別與接線(xiàn)盒信號(hào)輸出端連接，數(shù)據(jù)采集模塊連接電路如圖3所示。接近傳感器信號(hào)值由0變成1時(shí)，AD7190開(kāi)始采集數(shù)據(jù)，設(shè)定采集個(gè)數(shù)為80。

分級(jí)卸料模塊采用電感式接近傳感器作為稱(chēng)重托盤(pán)定位信號(hào)。采用固態(tài)繼電器控制電磁鐵動(dòng)作，使稱(chēng)重托盤(pán)傾斜，實(shí)現(xiàn)卸料。光電傳感器型號(hào)為歐姆龍E6B2-CW6Z6C，分辨率為100脈沖/旋轉(zhuǎn)；接近傳感器型號(hào)為德西力CDJ10-I1A12A型NPN，感應(yīng)距離為8mm，響應(yīng)頻率為400Hz。固態(tài)繼電器型號(hào)為CDG1-1DD10A型固態(tài)繼電器，直流控制方式。繼電器輸入控制信號(hào)引腳分別與STM32的BP10、BP11、BP12、BP13、BP14、BP15引腳連接。

驅(qū)動(dòng)模塊采用90L-4型交流電機(jī)傳動(dòng)，功率為1.5kW，轉(zhuǎn)速為1400r/min，減速比10∶1，通過(guò)PID控制算法精準(zhǔn)調(diào)控電機(jī)速度。采用WB620變頻器調(diào)節(jié)電機(jī)速度，通過(guò)USART1接口與STM32通訊。

人機(jī)交互界面選用WEINVIEW TK系列觸摸屏，串口屏4.3寸，工作電壓24VDC，使用USART2與STM32信息交互，將屏幕的TXD、RXD引腳與STM32的PD5、PD6引腳連接。

3 控制系統(tǒng)軟件設(shè)計(jì)

3.1 控制流程

為保證分級(jí)過(guò)程合理有序，需要對(duì)牡蠣分級(jí)機(jī)控制程序流程進(jìn)行規(guī)劃設(shè)計(jì)。設(shè)備通電后，控制系統(tǒng)進(jìn)入初始化狀態(tài)。操作人員通過(guò)觸摸屏設(shè)定分級(jí)速度，開(kāi)啟設(shè)備，空載運(yùn)行20s左右，使設(shè)備運(yùn)行速度保持穩(wěn)定。設(shè)備開(kāi)啟去皮工作，稱(chēng)重傳感器采集稱(chēng)重托盤(pán)數(shù)據(jù)，多次循環(huán)后，確定空載稱(chēng)重托盤(pán)質(zhì)量M1。觸摸屏終端接收開(kāi)始稱(chēng)重指令，接近傳感器檢測(cè)托盤(pán)是否到達(dá)指定位置，開(kāi)始進(jìn)行稱(chēng)重。達(dá)到采樣數(shù)后，STM32對(duì)數(shù)據(jù)進(jìn)行處理，獲得負(fù)載稱(chēng)重托盤(pán)質(zhì)量M2，輸出結(jié)果M2-M1，并判斷分級(jí)等級(jí)，對(duì)稱(chēng)重托盤(pán)動(dòng)態(tài)定位。當(dāng)稱(chēng)重托盤(pán)到達(dá)指定位置，STM32將賦予繼電器高電平，電磁鐵工作，使稱(chēng)重托盤(pán)傾斜，完成卸料，并清空追蹤信息。在稱(chēng)重狀態(tài)下，檢測(cè)出稱(chēng)重托盤(pán)處于空載狀態(tài)，不統(tǒng)計(jì)其稱(chēng)重結(jié)果和稱(chēng)重個(gè)數(shù)。控制系統(tǒng)流程如圖4所示。

3.2 動(dòng)態(tài)定位方法

為實(shí)現(xiàn)牡蠣的自動(dòng)分級(jí)，分級(jí)控制系統(tǒng)必須實(shí)時(shí)檢測(cè)、連續(xù)跟蹤稱(chēng)重托盤(pán)的動(dòng)態(tài)位置。如圖5所示，稱(chēng)重臺(tái)與第一分級(jí)口之間間隔m個(gè)稱(chēng)重托盤(pán)，兩個(gè)分級(jí)口之間相距n個(gè)稱(chēng)重托盤(pán)，即稱(chēng)重臺(tái)與每個(gè)分級(jí)口的距離是固定的。稱(chēng)重臺(tái)前端安裝一個(gè)接近傳感器，每前進(jìn)一個(gè)稱(chēng)重托盤(pán)，計(jì)數(shù)復(fù)位一次，將值傳遞給下一位。

工作原理：

從稱(chēng)重臺(tái)位置開(kāi)始，按照運(yùn)動(dòng)方向?qū)ΨQ(chēng)重托盤(pán)進(jìn)行編號(hào)，依次記作name1，name2，name3，…稱(chēng)量的牡蠣等級(jí)分別為gi（i=1，2，3，…），則

name1=gi×m+n

name2=gi-1×m+n-1

……

namei=g1×m+n-i

當(dāng)namei=g1×m+n-i=0時(shí)，稱(chēng)重托盤(pán)到達(dá)指定分級(jí)口，電磁鐵信號(hào)置1，稱(chēng)重托盤(pán)翻轉(zhuǎn)，完成分級(jí)動(dòng)作，并清除稱(chēng)重托盤(pán)信息。分級(jí)控制軟件利用兩個(gè)稱(chēng)重托盤(pán)之間觸發(fā)的時(shí)間間隔來(lái)計(jì)算是否存在失步錯(cuò)誤，若存在，則立刻發(fā)出警告，同時(shí)令機(jī)器停止運(yùn)行。

3.3 GA-BP動(dòng)態(tài)稱(chēng)重算法

數(shù)據(jù)采集模塊采用動(dòng)態(tài)稱(chēng)重技術(shù)對(duì)牡蠣重量信號(hào)進(jìn)行采樣。動(dòng)態(tài)稱(chēng)重過(guò)程中，存在裝置本身和外界環(huán)境造成不可避免的干擾。目前，動(dòng)態(tài)稱(chēng)重算法多采用數(shù)字濾波來(lái)降低干擾信號(hào)的影響，但精度仍需要改進(jìn)。

本系統(tǒng)先采用滑動(dòng)濾波算法對(duì)采樣信號(hào)進(jìn)行降噪處理，再通過(guò)GA-BP動(dòng)態(tài)稱(chēng)重算法建立輸入與輸出之間的非線(xiàn)性函數(shù)關(guān)系。連續(xù)采集80個(gè)數(shù)據(jù)點(diǎn)，對(duì)數(shù)據(jù)點(diǎn)進(jìn)行滑動(dòng)濾波處理，滑動(dòng)窗口為6，把處理后的數(shù)據(jù)點(diǎn)進(jìn)行10%對(duì)稱(chēng)截尾，求取中段數(shù)據(jù)的均值、中間值、最大值與最小值。將其值與稱(chēng)重速度作為神經(jīng)網(wǎng)絡(luò)的輸入層，采用GA算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，得到預(yù)測(cè)重量，GA-BP動(dòng)態(tài)稱(chēng)重算法流程如圖6所示。

4 試驗(yàn)與分析

4.1 稱(chēng)重誤差試驗(yàn)

本次試驗(yàn)采用電子秤稱(chēng)量50個(gè)牡蠣樣本的靜態(tài)重量，并采用NI 9201數(shù)據(jù)采集卡進(jìn)行動(dòng)態(tài)數(shù)據(jù)采集，設(shè)定采樣頻率為800Hz，采樣數(shù)為80。分級(jí)速度為0.2m/s、0.4m/s、0.6m/s，每種速度各采集6次。試驗(yàn)共得到900組數(shù)據(jù)，其中800組為訓(xùn)練集，剩余100組為測(cè)試集。GA-BP神經(jīng)網(wǎng)絡(luò)采用3層結(jié)構(gòu)，5個(gè)輸入層，1個(gè)輸出層， 5個(gè)隱含層，GA-BP神經(jīng)網(wǎng)絡(luò)參數(shù)如表1所示。

GA-BP神經(jīng)網(wǎng)絡(luò)測(cè)試集的誤差如圖7所示。由測(cè)試集結(jié)果來(lái)看，采用GA-BP神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)的牡蠣重量誤差在±1g以?xún)?nèi)。

隨機(jī)挑選10個(gè)牡蠣在分級(jí)機(jī)上進(jìn)行稱(chēng)量，統(tǒng)計(jì)其測(cè)量值與實(shí)際值之間的誤差，如表2所示。由表2中可得，測(cè)量重量與實(shí)際重量之間最大誤差為0.8g。

4.2 分級(jí)準(zhǔn)確率試驗(yàn)

本研究在連云港贛榆區(qū)乳山牡蠣養(yǎng)殖基地進(jìn)行控制系統(tǒng)的性能試驗(yàn)，試驗(yàn)設(shè)備如圖8所示。試驗(yàn)選用200個(gè)乳山牡蠣，單個(gè)牡蠣重量為50～350g，對(duì)牡蠣進(jìn)行靜態(tài)重量稱(chēng)量，將牡蠣分為S、M、L、XL、2XL、3XL六種等級(jí)。采用牡蠣重量分級(jí)機(jī)進(jìn)行動(dòng)態(tài)分級(jí)，觀(guān)測(cè)在最大分級(jí)速度下各等級(jí)分級(jí)的準(zhǔn)確性，其結(jié)果如表3所示。

試驗(yàn)中， M等級(jí)中出現(xiàn)1個(gè)錯(cuò)誤牡蠣，落入S等級(jí)中；L等級(jí)出現(xiàn)2個(gè)錯(cuò)誤牡蠣，落入M等級(jí)中；XL等級(jí)中出現(xiàn)2個(gè)錯(cuò)誤牡蠣，1個(gè)落入L等級(jí)，一個(gè)落入2XL等級(jí)；2XL等級(jí)中出現(xiàn)2個(gè)錯(cuò)誤，落入XL等級(jí)中；3XL等級(jí)中出現(xiàn)1個(gè)錯(cuò)誤牡蠣，落入2XL等級(jí)中。一共有8個(gè)牡蠣出現(xiàn)錯(cuò)誤分級(jí)，分級(jí)準(zhǔn)確率到達(dá)95%。

5 結(jié)論

1） 本文基于STM32設(shè)計(jì)牡蠣重量分級(jí)控制系統(tǒng)，對(duì)單個(gè)牡蠣進(jìn)行動(dòng)態(tài)稱(chēng)重分級(jí)，并采用滑動(dòng)濾波算法對(duì)稱(chēng)重信號(hào)進(jìn)行預(yù)處理，再使用GA-BP動(dòng)態(tài)稱(chēng)重算法預(yù)測(cè)牡蠣質(zhì)量，稱(chēng)重誤差可控制在±1g以?xún)?nèi)，在系統(tǒng)要求范圍之內(nèi)。

2）? 系統(tǒng)通過(guò)觸摸屏可設(shè)定分級(jí)參數(shù)，實(shí)現(xiàn)自由更改分級(jí)等級(jí)，提高設(shè)備的靈活性，并可以實(shí)時(shí)觀(guān)察牡蠣分級(jí)情況，總體分級(jí)質(zhì)量、數(shù)量等。

3） 經(jīng)過(guò)試驗(yàn)結(jié)果表明，牡蠣重量分級(jí)機(jī)的分級(jí)準(zhǔn)確率達(dá)到95%，系統(tǒng)的硬件設(shè)備和控制程序可很好地完成分級(jí)工作，實(shí)現(xiàn)自動(dòng)化牡蠣稱(chēng)重分級(jí)工作。

參 考 文 獻(xiàn)

［1］ 張紅智， 張樹(shù)成， 王波， 等. 中國(guó)與世界牡蠣產(chǎn)業(yè)比較研究［J］. 中國(guó)漁業(yè)經(jīng)濟(jì)， 2022， 40（1）： 53-62.

Zhang Hongzhi， Zhang Shucheng， Wang Bo， et al. Comparative research on oyster industry between China and the world ［J］. Chinese Fisheries Economics， 2022， 40（1）： 53-62.

［2］ 中國(guó)牡蠣產(chǎn)業(yè)發(fā)展報(bào)告［J］. 中國(guó)水產(chǎn)， 2021（6）： 20-31.

Report on the development of Chinas oyster industry ［J］. China Fisheries， 2021（6）： 20-31.

［3］ 徐雯雯， 鄭富強(qiáng)， 于成松， 等. 乳山牡蠣產(chǎn)業(yè)發(fā)展報(bào)告［J］. 中國(guó)水產(chǎn)， 2021（12）： 65-70.

Xu Wenwen， Zhang Fuqiang， Yu Chengsong， et al. Report on the development of Rushan oyster industry ［J］. China Fisheries， 2021（12）： 65-70.

［4］ 王樹(shù)才， 吳曼琳， 吳闖. 雞蛋電子稱(chēng)量分級(jí)包裝生產(chǎn)線(xiàn)自動(dòng)控制系統(tǒng)設(shè)計(jì)與試驗(yàn)［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2017， 33（3）： 265-271.

Wang Shucai， Wu Manlin， Wu Chuang. Design and test of automatic control system for egg electronic weighing and grading packaging production line ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2017， 33（3）： 265-271.

［5］ 周雨程. 雞蛋分級(jí)包裝生產(chǎn)線(xiàn)運(yùn)動(dòng)分析及機(jī)械設(shè)計(jì)［D］. 武漢： 華中農(nóng)業(yè)大學(xué)， 2016.

Zhou Yucheng. Research on motion analysis and mechanical design of egg grading packaging production line ［D］. Wuhan： Huazhong Agricultural University， 2016.

［6］ 吳曼琳. 雞蛋分級(jí)包裝生產(chǎn)線(xiàn)自動(dòng)控制系統(tǒng)的設(shè)計(jì)與試驗(yàn)［D］. 武漢： 華中農(nóng)業(yè)大學(xué)， 2017.

Wu Manlin. The design and test of control system for egg grading and packaging production line ［D］. Wuhan： Huazhong Agricultural University， 2017.

［7］ 劉建雄. 基于數(shù)字濾波與BP神經(jīng)網(wǎng)絡(luò)的稱(chēng)重分選方法研究［D］. 武漢： 華中農(nóng)業(yè)大學(xué)， 2018.

Liu Jianxiong. Research on weighing method based on digital filtering and BP neural network ［D］. Wuhan： Huazhong Agricultural University， 2018.

［8］ 李銀平. 基于STM32的動(dòng)態(tài)稱(chēng)重分選系統(tǒng)的研發(fā)與實(shí)現(xiàn)［D］. 重慶： 重慶大學(xué)， 2016.

Li Yinping. Development and implementation of dynamic weighing sorting system based on STM32［D］. Chongqing： Chongqing University， 2016.

［9］ 張靜靜， 劉智豪， 萬(wàn)宏強(qiáng). 水果重量分級(jí)控制系統(tǒng)設(shè)計(jì)與分析［J］. 西安工業(yè)大學(xué)學(xué)報(bào)， 2022， 42（3）： 253-257， 275.

Zhang Jingjing， Liu Zhihao， Wan Hongqiang. Design and analysis of fruit weight grading control system ［J］. Journal of Xian Technological University， 2022， 42（3）： 253-257，275.

［10］ 年賀， 肖志剛， 索雪松， 等. 基于STM32的設(shè)施農(nóng)業(yè)果蔬運(yùn)輸車(chē)稱(chēng)重系統(tǒng)設(shè)計(jì)［J］. 河北農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2022， 45（1）： 121-126.

Nian He， Xiao Zhigang， Suo Xuesong， et al. Design of weighing system of fruit and vegetable transporter for facility agriculture based on STM32 ［J］. Journal of Hebei Agricultural University. 2022， 45（1）： 121-126.

［11］ Zhao W， Luo J， Li S， et al. Design of dynamic calf weighing system based on moving-IIR filter algorithm ［J］. Journal of Electrical Engineering & Technology， 2021， 16： 1059-1069.

［12］ Feng N， Kang X， Han H， et al. Research on a dynamic algorithm for cow weighing based on an SVM and empirical wavelet transform ［J］. Sensors， 2020， 20（18）： 5363.

［13］ 呂潛龍， 阮學(xué)云. 一種翻盤(pán)式快遞自動(dòng)分揀裝置的設(shè)計(jì)［J］. 安徽理工大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021， 41（1）： 62-67.

Lü Qianlong， Ruan Xueyun. Design of a flip-disk typed automatic sorting device for express delivery ［J］. Journal of Anhui University of Science and Technology （Natural Science Edition）. 2021， 41 （1）： 62-67.

［14］ 王志強(qiáng)， 戴澤軍， 項(xiàng)錦波， 等. 絮狀粉末制品微量高精度稱(chēng)重系統(tǒng)設(shè)計(jì)與試驗(yàn)［J］. 機(jī)電工程， 2022， 39（3）：330-336.

Wang Zhiqiang， Dai Zejun， Xiang Jinbo， et al. Micro high precision weighing system for flocculent powder products ［J］. Journal of Mechanical & Electrical Engineering. 2022， 39 （3）： 330-336.

［15］ 張安琪， 孟志軍， 陳立平， 等. 小型方捆機(jī)草捆動(dòng)態(tài)稱(chēng)量系統(tǒng)設(shè)計(jì)與試驗(yàn)［J］. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2020， 51（10）： 170-175， 185.

Zhang Anqi， Meng Zhijun， Chen Liping， et al. Design and experiment of dynamic weighing system for small square baler ［J］. Transactions of the Chinese Society for Agricultural Machinery. 2020， 51 （10）： 170-175， 185.