基于机器视觉的定向播种用玉米种粒精选装置研究

根据玉米定向播种对种粒的要求,设计了一种基于机器视觉的玉米种粒实时精选装置。阐述了装置的组成和工作原理,设计了不合格种粒吹除装置及吹除方案,提出了种粒图像动态检测方法,根据种粒图像RGB颜色特征,提取出种粒区域及其各颜色区域,结合种粒形态特征建立了周长、面积等20个检测指标,并通过测试统计确定了其合格范围,最终据此分析和完成了尖端露黑色胚部、小型、圆形、虫蚀破损、霉变等不符合定向播种种粒的判断。依据种粒粘连处两分界点沿轮廓线较近一侧的距离与两分界点间直线距离之比,大于单一种粒轮廓线上任意两点的对应值,来判断种粒粘连性。试验表明,合格性检测准确率为96%,粘连性判断准确率为99%,不合格种粒有效吹除率为98%。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。     

融合机器视觉和CAN总线的玉米种粒分类器设计与试验

为研究动态检测装置中玉米种粒的实时分级,设计融合机器视觉和CAN总线的玉米种粒在线分类器。在传统的小型生物质种粒检测系统中,针对传感器在获取种粒通过信号时有遗漏的问题,研发了一套融合机器视觉和CAN总线的红外传感器机构,用于动态玉米种粒的实时拍摄。红外传感器机构采用触发抓拍的方式,通过CAN总线传送传感器信号,使信号准确的传输到计算机,从而控制相机实时获取图片。为提高种粒分级能力,提出了基于数量级的形状复杂度计算公式,计算标准与破损种粒的面积、周长、复杂度与色度四种特征参数并建立种粒特征参数合格区间,构建基于复合几何特征与色度的玉米种粒形态分级算法。实验选用扬农15-1与扬农15-6玉米种粒进行验证,结果表明:在传送带速度为100～400 mm/s之间时,此红外传感器机构的采集成功率在100%,拍摄图片清晰,扬农15-1号与扬农15-6号标准玉米、破损玉米的识别准确率分别为93%、95%、95%和94%。     

丸粒化包衣种子识别检测系统设计与试验

由于存在包衣配方不统一、包衣机自动化水平低等问题,目前我国种子包衣合格率检测精度和效率较低。为此设计了一套丸粒化包衣种子识别检测系统,针对形状为类球体的包衣种子进行识别。首先,搭建拍摄平台,拍摄的图像传输至识别控制系统中进行图像前期处理。其次,根据图像处理后不同类型包衣种子特征提出了一种识别检测算法,根据破损包衣种子与其它包衣种子图像面积比例的差异,利用高级形态学处理实现破损包衣种子的识别。根据多籽种子与合格种子颗粒像素值的差异实现对多籽种子以及合格种子的识别。最后,对种子总数、合格数、多籽种子数及破损种子数进行检测,计算得到包衣合格率。以红三叶种子进行试验,结果表明：整套系统图像采集、处理与识别时间约为3 s;运用高级形态学处理识别破损包衣种子准确率达98.8%;当试验样本为200粒时,总数识别算法的准确率达到99.1%;对合格包衣种子以及多籽包衣种子识别相对误差分别为1.18%与3.36%。该识别检测系统实现了拍摄、图像处理、检测识别以及结果保存等功能,实现了包衣种子的无损检测。     

丸粒化包衣种子识别检测系统设计与试验

由于存在包衣配方不统一、包衣机自动化水平低等问题,目前我国种子包衣合格率检测精度和效率较低。为此设计了一套丸粒化包衣种子识别检测系统,针对形状为类球体的包衣种子进行识别。首先,搭建拍摄平台,拍摄的图像传输至识别控制系统中进行图像前期处理。其次,根据图像处理后不同类型包衣种子特征提出了一种识别检测算法,根据破损包衣种子与其它包衣种子图像面积比例的差异,利用高级形态学处理实现破损包衣种子的识别。根据多籽种子与合格种子颗粒像素值的差异实现对多籽种子以及合格种子的识别。最后,对种子总数、合格数、多籽种子数及破损种子数进行检测,计算得到包衣合格率。以红三叶种子进行试验,结果表明：整套系统图像采集、处理与识别时间约为3s;运用高级形态学处理识别破损包衣种子准确率达98.8%;当试验样本为200粒时,总数识别算法的准确率达到99.1%;对合格包衣种子以及多籽包衣种子识别相对误差分别为1.18%与3.36%。该识别检测系统实现了拍摄、图像处理、检测识别以及结果保存等功能,实现了包衣种子的无损检测。     

基于几何和色度学特征识别的花生视觉选种方法

花生选种要求花生粒完好、个大、颗粒饱满。为减少花生选种的工作量,该研究以花生粒为研究对象,建立花生选种的视觉识别方法。该方法首先采集图像并对图像进行视觉处理,根据训练样本图像建立基于几何和色度学的项目特征库;再根据采集的待选种子花生图像,对比特征库测试待选种子花生的2个重要几何特征参数面积和圆度,来识别粒大饱满种子花生;以及测试其色度学特征参数,区分完好、破损和霉变花生,从而识别能够选做种子的花生。通过识别测试,该研究的花生视觉选种识别率达到93.3%,能够满足选种要求,该花生视觉选种方法可应用于花生自动选种装置。     

基于BP神经网络的花生外衣完整性识别方法

应用计算机视觉技术获取花生完好及破损的图像,选择表征花生完好与破损特征的H,I,S等3个特征颜色参数,建立了3层前馈神经网络,实现了任意放置花生粒的完整与破损自动识别。试验对31粒破损图像进行识别验证,识别正确率为87.1%,充分证明了该方法的有效性。     

多类支持向量机在玉米品种识别中的应用

为了验证采用机器视觉以及图像处理方法对玉米品种进行自动识别的可行性,研究了一种基于玉米外观特征和多变量支持向量机(SVM)分类算法的玉米品种识别方法.采用数码相机获得了11个品种每个品种50粒共550幅图像,然后对各品种对应的籽粒群体图像提取每个籽粒的形态特征8个、颜色特征12个、纹理特征13个,共33个特征参数,并分别定义11个玉米品种的二进制编码作为网络的输出,建立特征参数与玉米品种之间的SVM识别模型.试验结果表明,该方法对11个品种550个籽粒的品种检出率为100%.在同样的情况下比较了基于BP神经网络(ANN)的识别性能,较ANN 94.3%的识别率,采用SVM的识别效果有了较大的提高,得到了较好的识别效果.     

基于机器视觉的脱绒棉种"破碎"特征检测技术

针对新疆地区存在的破碎棉种问题,基于机器视觉技术搭建了破碎棉种检测系统.通过对脱绒棉种图像进行分析和预处理后,提取出脱绒棉种的特征参数-面积、周长、圆形度和长短轴等,并对特征参数的分析研究,确定选取圆形度作为检测破碎棉种的特征.随机选取了100粒新陆早-24#棉种进行试验,检测精度达到了87.5%.     

家蚕微粒子病的图像识别技术研究

用计算机图像识别技术来检测微粒子病，以替代人工镜检，对拍摄的原始图像用直方图均衡化法进行对比度增强的处理，用快速二维Ostu阈值化法进行二值化，实现了微粒子与背景的分离，用形态筛选法去掉了大量噪声及小杂质，实现了微粒子与杂质的初步分离，提取了周长，面积，圆度，凹度，内角极值，形状规则度6个特征，对微粒子进行分层识别，对43幅含微粒子的图像进行识别试验，识别完全正确率为72．09％，识别有效率为86．05％，漏判率为13．95％。     

在线式玉米单粒种子检测分选装置设计与试验

针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1200粒正常种子、1200粒霉变种子和1200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。     

在线式玉米单粒种子检测分选装置设计与试验

针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1 200粒正常种子、1 200粒霉变种子和1 200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。     

基于机器视觉的玉米异常果穗筛分方法

针对玉米品种制种过程中病害果穗的表型识别问题,以玉米果穗整体为研究对象,基于二维快速成像技术实现了霉变、虫蛀和机械损伤3种异常果穗的快速分选。构建了单目视觉便携式图像采集装置,采集了任意摆放的粘连果穗目标图像,分别在RGB模型和HIS模型中提取了玉米果穗的6个颜色特征和5个纹理特征,并实现特征参数的归一化。构建了病害果穗分类模型,并采用已知样本特征向量对支持向量机和BP神经网络方法进行训练和对比分析,最后采用支持向量机方法实现了3种异常果穗的快速分选。实验结果表明,该方法对霉变异常果穗筛分的正确率可达96.0%,虫蛀果穗筛分的正确率可达93.3%,机械损伤果穗筛分的正确率可达90.0%。     

基于分水岭算法结合卷积神经网络的玉米种子质量检测

为实现玉米种子快速、准确地优选,以不同质量的玉米种子为研究对象,提出一种分水岭算法结合卷积神经网络对玉米种子进行质量检测的方法。首先利用分水岭算法分割出单粒玉米种子,然后通过卷积神经网络模型对每粒种子进行质量分类,根据分水岭算法得到的单粒种子的位置,将结果在图像中进行标注,实现种子质量检测。使用改进型的InceptionV3模型进行试验,模型测试结果表明：质量良好和带有缺陷的两类种子的平均准确率为94.18%,平均召回率为94.61%,F1值（调和平均评价）为94.39%。同时为突出卷积神经网络模型的性能,将结果与传统的机器学习方法进行比较,其F1值高出LBP+SVM模型20.39%。     

计算机视觉技术在玉米种子自动检测中的应用

玉米种子的品质关系到后期玉米种植收获的好坏,也是玉米收获后的重要加工环节,一般在收获的玉米中挑选出品质优良的作为种子。利用计算机视觉对玉米种子品质进行挑选,具有效率高、准确度高的优势,可代替传统的人工作业,节省了大量劳动力。计算机视觉技术是通过对玉米种子采集的图像进行格式转换、图像变换、图像直方图信息统计、图像增强、图像分割及形态学处理等一系列图像预处理技术,并提取有效图像进行分析验算。计算机视觉技术对玉米种子品质的研究主要表现在玉米种子的品种、纯度、活力、裂纹等方面的检测,本文对玉米种子的检测智能化进行了阐述,为后期研究提供参考。     

玉米种子实时检测分选装置设计与试验

针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。     

倾斜圆台式精量排种器的设计研究

针对水平圆盘排种器对种子尺寸要求严格的问题,研制了一种能够实现丸粒化种子精量播种的排种器。该排种器的排种盘为圆台式并与水平面成一夹角,采用柔性清种,减少了种子的破损;在排种盘的两侧开有导种槽,不仅保证了丸粒化种子的顺利充种,而且便于型孔内多余种子的顺利清除。试验表明,该排种器具有充种效果好、种子破损少、重播和漏播指数低等优点。     

基于改进YOLO v4的群体棉种双面破损检测方法

针对研究人员难以利用计算机视觉对棉种这类尺寸较小的物体进行双面检测,导致检测效果不佳的问题,设计了一款新型棉种检测分选装置,利用亚克力板在强光和白色背景下透明的特点,将棉种通过上料装置滑入透明亚克力板的凹槽中,随着转盘的转动,同一批棉种的正反两面图像分别由2个不同位置的CCD相机采集得到.利用改进YOLO v4的目标检...     

混流静态房式谷物干燥机试验验证

针对当前广泛应用的各类谷物干燥机普遍存在高温快速干燥爆腰率高、低温干燥脱水速率低、循环干燥破损率高、热能利用率低和烘干成本高等问题，介绍了一种混流静态房式谷物干燥机，其采用“保温控湿、热风循环利用、混流通风、薄层大风量静态持续干燥”的谷物机械干燥新方法，可解决谷物干燥爆腰率高、损伤率高和脱水效率低等系列问题，实现热风循环利用，提高烘干热效率。2017—2019年，在同等干燥条件下应用该机与其他类型烘干机、人工晾晒等谷物干燥方式开展了多批次干燥稻谷及杂交水稻种子的对比试验及性能验证工作。结果表明，该机在烘干效果、效率及烘干成本等各方面明显优于其他类型烘干机，在水稻种子干燥方面也有突出表现。经第三方检验检测机构检测，该型干燥机干燥谷物的籽粒脱水速率1.3%/h，爆腰率≤0.01%，籽粒破损率≤0.02%；干燥水稻种子的脱水速率0.9%/h，干燥种子的发芽率和破损率与自然晾晒级相当。      

基于支持向量机的玉米品种识别

选取郑单958、辽单565、京科25玉米品种作为研究对象,从玉米籽粒的数字图像中提取与玉米籽粒的颜色、形状、尺寸等有关的6个形态结构参数,利用支持向量机(SVM)算法进行训练识别,同时与BP人工神经网络(NN)方法进行比较,结果表明,SVM算法识别效率较高,达到92.3%.