技術(shù)特征：

1.一種智能化去除核桃青皮的方法，其特征在于，所述方法包括步驟：

S1、啟動(dòng)第一傳送帶(2)，未去青皮的核桃逐個(gè)從所述第一傳送帶(2)的入口處落入吸盤(21)上，所述第一傳送帶(2)將所有核桃分別移送至與第一切割組件一一對(duì)應(yīng)處，所述第一傳送帶(2)停止運(yùn)動(dòng)；

S2、第一氣缸(32)的伸縮軸伸出，位于核桃兩側(cè)的第一固定板(33)將該核桃抵?。?/p>

S3、第二氣缸(34)的伸縮軸伸出，帶動(dòng)第一切刀(35)切入對(duì)應(yīng)核桃的青皮內(nèi)；

S4、第一電機(jī)(31)轉(zhuǎn)動(dòng)，帶動(dòng)核桃轉(zhuǎn)動(dòng)，所述第一切刀(35)切除青皮；

S5、所述第一氣缸(32)伸縮軸收縮，核桃重新落入對(duì)應(yīng)的吸盤(21)中，啟動(dòng)所述第一傳送帶(2)，所有經(jīng)所述第一切刀(35)處理后的核桃移動(dòng)至于第二切割組件一一對(duì)應(yīng)處；

S6、第四氣缸(44)的伸縮軸伸出且兩爪氣缸(45)帶動(dòng)兩爪打開，當(dāng)所述兩爪移動(dòng)至核桃處后兩爪閉合抓取核桃；

S7、位于核桃兩側(cè)的第三氣缸(41)的伸縮軸伸出，帶動(dòng)兩側(cè)的兩個(gè)第二切刀(43)分別移動(dòng)至核桃的兩個(gè)對(duì)側(cè)面，所述第四氣缸(44)帶動(dòng)核桃上下移動(dòng)，所述第二切刀(43)切除核桃兩側(cè)的青皮。

2.根據(jù)權(quán)利要求1所述的智能化去除核桃青皮的方法，其特征在于，步驟S4和步驟S5之間還包括步驟：

S01、每次所述第一電機(jī)(31)轉(zhuǎn)動(dòng)一周后均從每個(gè)核桃的正上方采集核桃圖像并進(jìn)行處理，根據(jù)所述核桃圖像判斷在核桃的預(yù)定范圍內(nèi)是否檢測(cè)出青皮，若有，執(zhí)行步驟S02；否則，執(zhí)行步驟S5；

S02、根據(jù)所述核桃圖像判斷核桃內(nèi)表面是否露出，若露出，執(zhí)行步驟S03；否則，執(zhí)行步驟S3；

S03、位于核桃兩側(cè)的所述第一氣缸(32)協(xié)同作用帶動(dòng)核桃沿所述第一氣缸(32)的軸向方向移動(dòng)，返回步驟S3。

3.根據(jù)權(quán)利要求2所述的智能化去除核桃青皮的方法，其特征在于，步驟S01之前還包括步驟：

S00、獲取所述第一傳送帶(2)兩側(cè)相對(duì)設(shè)置兩個(gè)所述第一固定板(33)的距離，通過所述距離獲取這兩個(gè)所述第一固定板(33)夾取的核桃對(duì)應(yīng)的預(yù)定范圍。

4.根據(jù)權(quán)利要求3所述的智能化去除核桃青皮的方法，其特征在于，獲取所述第一傳送帶(2)兩側(cè)相對(duì)設(shè)置兩個(gè)所述第一固定板(33)的距離的過程包括步驟：

S001、沿所述第一固定板(33)正上方的第二氣缸(34)的軸向方向拍攝圖像，獲取固定板圖像；

S002、將所述固定板圖像進(jìn)行預(yù)處理，獲取灰度圖像；

S003、獲取所述灰度圖像中所有沿豎直方向上的直線線條；

S004、從所有所述直線線條中識(shí)別出所述第一固定板(33)對(duì)應(yīng)的四條線條；

S005、獲取識(shí)別出的四條線條中距離最近的兩條線條的寬度值；

以及，重復(fù)步驟S001至步驟S002若干次，獲取若干個(gè)所述寬度值，對(duì)所述寬度值進(jìn)行處理獲取最終寬度值，根據(jù)所述最終寬度值獲取所述預(yù)定范圍。

5.根據(jù)權(quán)利要求4所述的智能化去除核桃青皮的方法，其特征在于，所述最終寬度值的計(jì)算公式為：

$H=\frac{\underset{i=1}{\overset{m}{\Σ}}\[\stackrel{\‾}{H_i}*h\left(H^{\′}\right)+H_{ia}*h\left(h\right(H^{\′}))\]}{m}$

$h\left(h\right(H_i^{\′}\left)\right)=\left\{\begin{array}{c}0,h\left(H_i^{\′}\right)=1\\ 1,h\left(H_i^{\′}\right)=0\end{array}\right.$

$h\left(F_i^{\′}\right)=\left\{\begin{array}{c}1,H_i^{\′}\∈(H_i-1,H_i+1)\\ 0,H_i^{\′}\∉(H_i-1,H_i+1)\end{array}\right.$

H_i＝min(H_i')

$H_i^{\′}=\sqrt{\frac{\underset{j=1}{\overset{n}{\Σ}}{(H_j-\stackrel{\‾}{H_i})}^2}{n}}$

$\stackrel{\‾}{H_i}=\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}{L}_{i,j}$

其中，H為所述最終寬度值，m為將所有所述寬度值進(jìn)行劃分后的組數(shù)，為第i組中所述寬度值的平均值，H_i'為第i組中所述寬度值的標(biāo)準(zhǔn)差，H_i為m組中寬度標(biāo)準(zhǔn)差的最小值，n為每次測(cè)量的圖像采集器的個(gè)數(shù)，L_i,j為第i組中第j個(gè)圖像采集器獲取的寬度值，h(H_i')為第一選擇函數(shù)，H_ia為第i組內(nèi)的備用寬度值，h(h(F_i'))為與第一選擇函數(shù)h(H_i')定義域相反的第二選擇函數(shù)。