水果自動分揀裝置程序流程圖

（1）0.1 A (2)質量小於0.1 kg的水果（3）將 R ₀ 改為可調電阻，如滑動變阻器、電阻箱，也可將變阻器與電流表串聯連入電路，方便調節時觀測

Ⅳ （2013南安市質檢）某水果自動篩選裝置（如圖1所示），它能將質量小於一定標準的水果自動剔除．其原理如

（1）由圖2可知，當檢測點上沒有水果時，R₁=100Ω，
∵串聯電路中總電阻等於各分電阻之和，
∴根據歐姆定律可得，此時電路中的電流：
I_總=

U

R+R0

=

12V

100Ω+20Ω

=0.1A；
（2）將R₀改為可調電阻，如滑動變阻器、電阻箱，也可將變阻器與電流表串聯連入電路，方便調節時觀測；
（3）設壓敏電阻R的功率最大時電流為I，
∵串聯電路中總電壓等於各分電壓之和，
∴壓敏電阻R兩端的電壓：
U_R=U-U₀=U-IR₀=12-20I，
壓敏電阻R的功率：
P_R=U_RI=（12-20I）I=-20（I-0.3）²+1.8，
∴當I=0.3A時，P_最大=1.8W，
此時壓敏電阻R的阻值：
R′=

PR

I2

=

1.8W

(0.3A)2

=20Ω，
由圖知R=20Ω時，F=5N，
∵G=F=5N，
∴水果質量：
m=

G

g

=

5N

10N/kg

=0.5kg．
答：（1）當檢測點上沒有水果時，電路中的電流是0.1A；
（2）將R₀改為可調電阻，如滑動變阻器、電阻箱，也可將變阻器與電流表串聯連入電路，方便調節時觀測；
（3）當壓力改變時，壓敏電阻R的最大功率是1.8W，此時在檢測點上的水果質量是0.5kg．

Ⅳ 如圖甲是水果自動篩選裝置，它能將質量小於一定標準的水果自動剔除，其原理如下：傳送帶上的水果經過檢測

（1）若檢測點上沒有水果，監測點受到的壓力為零，由圖乙知，此時壓敏電阻R₁=100Ω，
將滑片P調到a點時，變阻器接入電路中的阻值為0，R₁單獨接入電路，
此時電路中的電流為I₁=

U

R1

=

14V

100Ω

=0.14A；
（2）將滑片P調到b點時，變阻器接入電路的阻值最大：R₂=20Ω，檢測點上沒有水果，壓敏電阻仍為R₁=100Ω，R₁和R₂串聯接入電路，
電路中的總電阻R_總=R₁+R₂=100Ω+20Ω=120Ω，
電路中的電流I=

U

R總

=

14V

120Ω

=

7

60

A，
機器運轉時間t=1min=60s，該電路消耗的電能W=Pt=UIt=14V×

7

60

A×60s=98J；
（3）∵傳送帶水平，
∴0.4kg的水果經過檢測點時，壓敏電阻受到的壓力F=G=mg=0.4kg×10N/kg=4N，由乙可知F=4N時，此時壓敏電阻R_壓=20Ω，
若水果的質量小於0.4kg，則水果對壓敏電阻的壓力變小，由乙圖可知，壓敏電阻的電阻隨之變大，電路中總電阻變大，電源電壓不變，由I=

U

R

可知，電路中電流變小，滑動變阻器接入電路的阻值不變，由U=IR可知，滑動變阻器兩端電壓變小，並聯在滑動變阻器兩端的電壓表示數變小，由題意可知，此時電壓表示數小於4V，機械裝置啟動，則0.4kg的水果經過檢測點時，電壓表的示數應該為4V，
則與滑動變阻器串聯的壓敏電阻的兩端電壓U_壓=U-U_變=14V-4V=10V，
電路中的電流I'=

U壓

R壓

=

10V

20Ω

=0.5A，
變阻器的阻值R_變=

U

I′

=

4V

0.5A

=8Ω．
答：（1）將滑片P調到a點時，若檢測點上沒有水果，電路中的電流是0.14A；
（2）將滑片P調到b點時，若檢測點上沒有水果，機器運轉1min，該電路消耗的電能為=98J；
（3）要使該裝置剔除質量小於0.4kg的水果，應將變阻器的阻值調到8Ω．

Ⅵ 如何快速提高水果蔬菜分揀打包

首先是要制定一個分揀的標准，其實現在蔬菜分揀效率低很大一部分原因也是因為蔬菜分揀的標准一直不是很清晰，這就導致很多分揀人員並不知道分揀到什麼程度就算分揀完了，這就會導致蔬菜分揀的效率嚴重低下。一個清晰的分揀標准其實對於提高蔬菜分揀效率還是非常有幫助的。
其次要學會使用工具，其實現在很多提高蔬菜分揀效率的工具已經開發出來，蔬菜分揀企業可以學會去靈活使用這些工具，比如一些智能蔬菜分揀系統、蔬菜分揀稱重一體機等等，這些工具都可以有效提高蔬菜分揀效率。

Ⅶ 識別水果軟體

1 水果圖像的增強和分割

在計算機上，圖像由像素逐點描述，每個像素點具有一個明確的位置和色彩數值。用Matlab軟體讀取圖像，以矩陣的形式存放圖像數據，其掃描規則是從左向右，從上到下。為處理方便，把原始的彩色圖像轉換為灰度圖像，如圖1（a）所示。

利用Matlab軟體和BP神經網路快速識別水果實現分揀

採用中值濾波法對灰度圖像進行去噪處理。中值濾波是抑制雜訊的非線性處理方法，本文用中值濾波法處理3×3像素的局域圖像，把9個灰度值按從小到大的順序排序後，以第5個（即中央）序號的灰度值作為目標像素的灰度值。中值濾波對於濾除圖像中的椒鹽雜訊非常有效[5]，去噪後的圖像如圖1（b）所示。

為了得到更清晰的圖像，再對圖像進行銳化處理，採用反銳化掩模的方法。反銳化掩模法是一種常用的圖像銳化方法，其演算法表達式為：




利用Matlab軟體和BP神經網路快速識別水果實現分揀


式中，f（x,y）為處理前的圖像；f′（x,y）為用人為方法將f（x,y）模糊以後得到的圖像；g（x,y）為銳化處理後的圖像；c（c>1）為比例常數，根據具體情況選定。反銳化掩模法有效地提高了高頻成分，使模糊呆板的圖像變得具有清晰感和生動感[6]，圖1（c）是銳化後的結果。

經過去噪和對比度增強，就可以對圖像目標進行提取分割。圖像閾值分割是最常用的圖像分割技術，主要利用了圖像中背景與對象之間的灰度差異[6]。只要閾值選取合適，將每個像素與之比較，進行二值化處理，就可以很好地將對象從背景中分離出來。取閾值為0.34，圖2（a）是二值化後的結果。從圖2（a）中可以發現水果中有很多空洞，且水果的邊緣處有斷裂現象，所以採用邊緣提取以彌補斷裂的邊緣部分，然後基於數學形態學運算元對圖像進行去除斷邊、圖像填充等必要的後續處理。

索貝爾運算元（Sobel operator）是圖像處理中的運算元之一，主要用作邊緣檢測。在技術上，它是一離散性差分運算元，用來運算圖像亮度函數的梯度之近似值。在圖像的任何一點使用此運算元，將會產生對應的梯度矢量或是其法矢量。Sobel運算元另一種形式是各向同性Sobel（Isotropic Sobel）運算元，也有兩個，一個是檢測水平邊沿的 ，另一個是檢測垂直平邊沿的 。各向同性Sobel運算元和普通So

Ⅷ 急求一個關於水果店進銷存的業務流程圖

可以看看財易進銷存管理軟體的，功能很不錯的，服務也做的好

Ⅸ 水果分揀員具體是做什麼

活很雜水果分類裝箱，挑好壞揀大小等等

Ⅹ 水果分揀員累不累

累。

生鮮分揀打包這項工作其實看似工作難度不大，但是對工作人員的個人耐心、細致程度以及工作熟練度的要求還是非常高的。一般一個生鮮配送企業，所招聘的分揀工是按件計費的，而且對分揀精確性也有一定的要求。

如果想實現好的工資保障，就勢必要加大工作量，這樣一來可能就導致要全力以赴提升分揀效率，加大分揀數量，這樣一來就造成了打包分揀人員相對較累的情況。

現狀

揀員的工作大多都是比較繁雜的，需要花費大量的時間，工作效率比較低。目前雖然已經出現使用高科技取代人工分揀，但這畢竟是少數的。大部分的生鮮企業還是比較依賴人工分揀，再加上紙質訂單容易丟失、損耗，分揀員的工作就會更加的麻煩，其效率自然也高不起來。

消費者對生鮮食品的配送時效性要求越來越高，配送企業需要在指定的時間內完成配送服務。這就要求管理人員實時掌握訂單分揀進度並且及時安排車輛發貨，這樣的工作模式容易造成效率低下，管理人員需要對接每一位分揀員，進度管理難度大。