基于RGB-D相机的蔬菜苗群体株高测量方法

为实现工厂化育苗生产线上黄瓜苗群体株高的快速无损测量,提出一种基于RGB-D(RGB-Depth)相机的温室育苗盘中蔬菜苗株高参数原位测量方法。以黄瓜苗为观测对象,在苗的正上方0. 75 m处架设RGB-D相机,以获取黄瓜苗盘的俯视彩色图像、深度图像以及彩色三维点云数据。在采集的俯视彩色三维点云中分割出单株幼苗点云集、并实现单株幼苗的定位是蔬菜苗群体株高原位测量的关键。根据RGB-D相机的成像原理,将滤波与聚类分割算法相结合,实现一种基于俯视的彩色三维点云数据处理方法,用于从穴盘幼苗群体点云集中分割出单株幼苗点云集。对黄瓜苗彩色三维点云数据的实验处理结果表明,条件滤波、颜色聚类以及统计滤波相结合的滤波算法能够更好地滤除土壤背景的点云集,欧氏距离聚类分割算法可以从滤除土壤背景后的点云中有效地分割出单株蔬菜苗点云集。最后,根据基于俯视的彩色三维点云数据的幼苗株高计算方法得出单株幼苗的株高。实验结果表明,黄瓜苗株高的平均测量误差为2. 30 mm,平均测量相对误差为7. 69%,该结果可为苗期作物群体关键生长参数的提取提供有效的解决方案。     

基于点云处理的穴盘晚出苗自动检测方法

以黄瓜穴盘幼苗为研究对象,提出一种基于点云处理的穴盘晚出苗自动检测方法。利用RGB-D相机搭建穴盘幼苗点云采集平台,采集整盘幼苗的点云,通过条件滤波、统计滤波和欧氏聚类分割出穴盘幼苗叶片点云;采用基于α-shape算法和拟合的方法计算获取穴盘幼苗叶面积,拟合值和真实值平均误差为0.75cm2,平均相对误差为8.51%;采用基于主曲率定位幼苗茎顶部位置的方法自动获取幼苗株高,真实值与计算值平均误差为0.359cm,平均相对误差为9.32%;以叶面积和株高的乘积作为分级系数,以整盘穴盘幼苗分级系数的均值与标准差差值作为该穴盘的晚出苗分级阈值,实现对穴盘晚出苗的自动检测。将计算的分级系数与幼苗总鲜质量进行对比,分级系数与幼苗总鲜质量变化趋势基本一致,总鲜质量较小的晚出苗其分级系数明显小于其他正常苗,本文提出的分级系数能够有效描述幼苗生长情况。试验结果表明,基于点云处理的穴盘晚出苗自动检测方法成功率达95%,该方法可为工厂化育苗的幼苗检测提供技术支撑。     

基于机器视觉的穴盘苗检测试验研究

针对穴盘苗出现空穴和不合格坏苗,影响蔬菜种苗销售价格,不利于机械化移栽及后续栽培,而人工剔苗补苗费时费力的问题,提出了利用机器视觉技术检测穴盘苗空穴及不合格苗、传输检测结果的方法,为穴盘苗自动化剔除空穴与不合格苗及补苗作业提供技术基础。穴盘苗空穴及不合格苗检测硬件系统由工业相机、PC机及PLC构成,通过CKVisionBuilder软件对图像进行处理,获取每个穴孔区域的像素数量,判断幼苗状态,并将获取的判断结果传输至PLC中。试验结果表明:苗龄13天的72穴意大利生菜、白玫瑰白菜及广府1号油菜心穴盘苗坏穴的检测正确率达到95.8%以上。     

基于图像处理技术的水稻株型参数测量算法

模型模拟法是简便可行的作物生物量无损检测方法之一。其中,作物株高、植株投影面积等株型参数的无损测量对该方法的应用具有重要意义。为此,以水稻为研究对象,以植株图像的株高和投影面积等参数为测定指标,研究了基于图像处理技术的无损测量方法。在自然条件下获取水稻植株图像,利用超绿色法对彩色图像进行灰度转换,采用中值滤波方法对图像进行降噪处理,应用最大类间方差法实现了植株特征像素的提取。该算法为快速、无损测量作物的图像株型参数提供了有效手段,为作物生物量的无损检测奠定了理论基础。     

基于RGB-D相机的黄瓜苗3D表型高通量测量系统研究

传统的人工种苗表型测量方式存在效率低、主观性强、误差大、破坏种苗等问题，提出了一种使用RGB-D相机的黄瓜苗表型无损测量方法。研制了自动化多视角图像采集平台，布署两台Azure Kinect相机同时拍摄俯视和侧视两个视角的彩色、深度、红外和RGB-D对齐图像。使用Mask R-CNN网络分割近红外图像中的叶片和茎秆，再与对齐图进行掩膜，消除了对齐图中的背景噪声与重影并得到叶片和茎秆器官的对齐图像。网络实例分割结果的类别和数量即为子叶和真叶的数量。使用CycleGAN网络处理单个叶片的对齐图，对缺失部分进行修补并转换为3D点云，再对点云进行滤波实现保边去噪，最后对点云进行三角化测量叶面积。在Mask R-CNN分割得到的茎秆对齐图像中，利用茎秆的近似矩形特征，分别计算茎秆的长和宽，再结合深度信息转换为下胚轴长和茎粗。使用YOLO v5s检测对齐图中的黄瓜苗生长点，利用生长点与基质的高度差计算株高。实验结果表明，该系统具有很好的通量和精度，对子叶时期、1叶1心时期和2叶1心时期的黄瓜苗关键表型测量平均绝对误差均不高于8.59%、R²不低于0.83,可以很好地替代人工测...     

基于机器视觉的穴盘幼苗分级移栽系统设计与试验

针对穴盘幼苗工厂化生产中人工分级移栽劳动强度较大的问题,提出了基于机器视觉和图像处理自动分级方法,设计了一套穴盘幼苗分级移栽系统。首先,运用图像分割、模板匹配等方法提取穴盘幼苗叶面积、地径、株高3个特征,并以此训练SVM自动分级模型;然后,开发了基于Opencv3.6、Qt5的软件,实现了穴盘幼苗的实时在线分级;最后,使用穴盘幼苗分级移栽样机对7~10天的番茄幼苗进行自动分级移栽试验。结果表明:在平均移栽速度为9.6株/min时,移栽成功率为96.88%,分级正确率为95.83%,可以连续稳定工作,有效解决人工费时费力问题。     

基于Kinect传感器的温室植株绿色与深度检测方法

植株目标的有无、颜色以及深度等特征的检测对于精准农业的发展,特别是喷雾机智能喷雾过程中的植株识别、林木种植中植株生长状态的检测等均具有重要意义。本文提出一种基于Kinect传感器的温室植株绿色与深度检测方法,首先通过Kinect传感器检测植株目标并获取其彩色图像和深度图像;再对所获取的彩色图像进行植株颜色的限制处理,以识别出绿色植株目标;对所获取的深度图像进行深度范围限制处理,去除范围以外的干扰物体;最后由植株目标的色彩特征图像与深度图像的距离特征结合,实现对所需检测距离范围内的绿色植株目标的检测。通过实验证明该方法能够实现限定深度范围内绿色植株目标的检测,场地试验验证了在实际的植株种植应用环境中该方法也能够实现植株区域的识别,可以应用于精准农业植株的检测与特征识别。     

基于机器视觉的番茄长势信息无损检测的研究

提出了利用机器视觉的方法在复杂自然条件环境下对番茄的茎粗、株高和果实横截面积进行快速测定方法。通过利用CCD获取不同生长周期下番茄的长势信息,采用中值滤波方法对图像进行预处理;采用基于rg颜色因子的Otsu自动阈值分割法来提取目标区域。同时,通过相关性分析建立作物长势参数与目标图像特征值的拟合函数,实现了番茄长势信息的有效获取。试验结果表明:对番茄茎粗的检测在幼苗期、开花坐果期、结果期的相对误差分别为1.73%~4.04%,0.64%~4.42%,0.46%~4.78%;株高和果实横截面积检测的相对误差分别为1.2%~6.5%,0.8%~3.1%。     

穴盘苗自动移栽机研发与应用

针对当前人工移栽成本高、效率低和劳动强度大等问题,设计开发了一种穴盘苗自动移栽机。该移栽机主要由移栽机构、坏苗识别系统和控制系统等部分组成,与工厂化穴盘种苗生产工艺相适应,实现了幼苗由密穴盘移栽到疏穴盘或营养钵中的机械化操作,改善了操作人员的劳动条件,提高了作业效率。      

基于运动恢复结构的玉米植株三维重建与性状提取

针对传统的玉米植株性状测量方法存在主观性强、劳动强度大、有损伤等问题,提出了基于运动恢复结构(Structure from motion,Sf M)的户外玉米植株三维重建方法,并提取了株高、单株最小包围盒体积、茎粗、叶面积、叶片数、叶夹角等11个性状参数。采用前期研制的小车,在户外采集不同视角下的玉米植株图像(采集间距为5～6 cm),基于Sf M算法获取玉米植株三维点云;运用直通滤波、圆柱拟合和条件欧氏聚类算法自动分割单株、茎秆和叶片等点云数据,基于距离最值遍历、三角面片化等算法实现株高、茎粗、叶面积等11个性状的准确、无损测量。结果表明,与人工测量值相比,测得的株高、茎粗和叶面积的平均绝对百分比误差分别为3. 163%、4. 760%和19. 102%,均方根误差分别为3. 557 cm、1. 540 mm、48. 163 cm2,决定系数分别为0. 970、0. 842、0. 901。研究表明,本文方法适用于作物表型户外测量,为表型研究提供了一种新的作物表型户外测量方法,同时还证明,株高和单株最小包围盒体积可以显著区分低地上部生物量玉米植株和高地上部生物量玉米植株。     

基于SegNet与三维点云聚类的大田杨树苗叶片分割方法

准确分割单个杨树叶是无接触提取杨树苗叶表型参数的前提,针对大田杨树苗的复杂种植环境,本文提出一种基于SegNet与三维点云聚类的大田杨树苗叶片分割方法。首先对Kinect V2相机进行标定,对齐RGB与深度数据,滤除背景,获得RGB与深度数据融合数据;然后针对RGB与深度融合数据采用语义分割算法SegNet对杨树苗叶与杨树干进行分割;为了更好地分割出单个杨树叶,对分割的杨树叶区域重构出三维点云,采用基于几何距离的kd-tree对单个树叶进行分类。对采集的单株树苗与多株树苗数据进行了实验分析,采用SegNet与FCN分别对杨树苗叶区域与茎区域进行分割,结果表明,SegNet对叶、茎检测准确率分别为94.4%、97.5%,交并比分别为75.9%、67.9%,优于FCN;对叶区域采用不同距离阈值的kd-tree算法进行单叶分割分析,确定了适合杨树叶的分割阈值。实验结果表明,本文提出的分割算法不仅能分割出单株杨树苗的叶片,也能分割出多株杨树苗的单个叶片。     

基于SegNet与三维点云聚类的大田杨树苗叶片分割方法

准确分割单个杨树叶是无接触提取杨树苗叶表型参数的前提,针对大田杨树苗的复杂种植环境,本文提出一种基于SegNet与三维点云聚类的大田杨树苗叶片分割方法。首先对Kinect V2相机进行标定,对齐RGB与深度数据,滤除背景,获得RGB与深度数据融合数据;然后针对RGB与深度融合数据采用语义分割算法SegNet对杨树苗叶与杨树干进行分割;为了更好地分割出单个杨树叶,对分割的杨树叶区域重构出三维点云,采用基于几何距离的kd-tree对单个树叶进行分类。对采集的单株树苗与多株树苗数据进行了实验分析,采用SegNet与FCN分别对杨树苗叶区域与茎区域进行分割,结果表明,SegNet对叶、茎检测准确率分别为94.4%、97.5%,交并比分别为75.9%、67.9%,优于FCN;对叶区域采用不同距离阈值的kd-tree算法进行单叶分割分析,确定了适合杨树叶的分割阈值。实验结果表明,本文提出的分割算法不仅能分割出单株杨树苗的叶片,也能分割出多株杨树苗的单个叶片。     

蔬菜自动移栽机顶夹拔组合式取苗装置试验研究

针对插拔式取苗机构单靠取苗爪插入钵体夹取苗时,因受钵体与穴盘之间粘附力和盘根性不佳双重影响,造成取苗成功率低、钵体破碎率高的问题,提出了一种顶夹拔组合式取苗技术,阐述了取苗装置结构和工作原理,开展了顶夹拔组合式取苗试验研究。首先以72孔和128孔黄瓜穴盘苗为试验对象,通过顶压脱盘粘附力试验,测试了不同顶苗速度（10、20、30、40mm/s）下黄瓜苗的脱盘粘附力以及顶压脱离位移,试验结果表明：顶苗速度对于苗钵粘附力及脱离位移影响不大,粘附力与苗钵脱离位移呈正相关,两种规格穴盘苗顶苗脱离位移平均值分布在5.5~6.9mm之间,综合考虑苗盘落水孔直径和顶压脱盘粘附力试验结果,确定顶杆直径为6mm,顶杆顶苗位移需大于5mm。其次以生长周期为25d的72孔黄瓜穴盘苗为试验对象,开展了先顶后取、边顶边取、先插后顶3种取苗模式试验,结果表明：先顶后取模式下取苗成功率和钵体完整率最高。最后以顶杆顶入位移、取苗爪插入苗钵取苗深度及插入取苗速度为试验因素,开展了三因素三水平正交试验,通过极差分析和方差分析得出顶夹拔取苗装置的最优工作参数组合为：顶入位移为15mm、插入苗钵深度为35mm,插入取苗速度为225mm/s,此组合下取苗成功率94.12%,苗钵完整率94.12%,满足了自动取苗高质量要求。     

穴盘苗自动移栽机取苗装置研究现状及展望

对取苗装置的研究提高穴盘苗移栽的质量和效率。阐述国内外取苗装置的研究现状,根据取苗方式的不同,将取苗装置分为夹取式、插拔式、顶出式和顶夹结合,并结合穴盘苗自动移栽机取苗装置的发展和推广,分析其存在取苗效率与取苗成功率相矛盾,育苗穴盘不标准,效率低、苗体损伤大,农机与农艺脱节等问题,进而分析发现可以通过提高穴盘苗自动移栽机取苗装置的通用性,实现对钵苗无损伤取苗和穴盘苗自动移栽机取苗装置智能化,研制出适合我国农艺的穴盘苗自动移栽机取苗装置。     

基于图像自适应分类算法的花生出苗质量评价方法

为了能够快速、准确地获取花生出苗质量,提出了基于机器视觉的花生出苗质量评价方法。首先通过田间自走机器人获取花生图像信息,然后采用机器视觉的方法获取图像中花生苗的数量、花生苗冠层投影面积以及花生苗中心点坐标位置。将花生缺苗率和花生苗活力指数作为花生出苗质量评价指标,以花生苗数量结合花生苗坐标计算花生缺苗率,以花生苗叶片包络面积计算花生苗活力指数。针对花生图像识别易受环境干扰的问题,提出了鲁棒性强的花生苗提取算子,采用K均值聚类方法对花生苗提取算子进行分类,结合花生苗和土壤自适应分类算法,有效地将花生苗从土壤中提取出来。针对花生苗棵数误判现象,提出了采用图像全局分割和区域分割相结合的方法对图像进行分割,并基于形态学方法剔除田地杂草等噪声。试验结果表明:采用机器视觉识别花生苗数量的平均准确率为95.4%,花生苗株距计算平均误差为5.35 mm,验证了所提出的图像自适应分类算法的可行性。基于机器视觉所得花生缺苗率结果与人工测量结果两者之间的相关性为0.991(皮尔逊相关系数),人工评价与基于机器视觉评价具有较高的一致性。     

基于动态荧光指数的草莓干旱胁迫分析

为了探究干旱胁迫与草莓幼苗荧光图像参数的关系,设计了草莓幼苗叶绿素荧光图像采集系统,研究利用460 nm波长LED光源主动激发不同胁迫组分下的草莓幼苗,采集从激发开始到稳态阶段的荧光图像.提出基于最大类间方差法的阈值分割及图像去背景方法进行图像预处理,并根据每幅图像的像素均值绘制荧光淬灭曲线,分析荧光衰减比率、动态荧光指数与胁迫天数相关关系.结果表明:离体叶片的荧光淬灭曲线衰减变化较大,荧光衰减比率与干旱胁迫时间高度相关,决定系数R²=0.98;活体草莓幼苗荧光衰减比率在干旱胁迫7 d内相比对照组存在较明显变化,荧光淬灭曲线550 s处的动态荧光指数与干旱胁迫天数存在较高相关性(决定系数R²=0.84),可以作为模型分析草莓幼苗干旱状况;经过数字处理的荧光图像可以直观地分析叶片荧光二维分布、进行不同胁迫天数之间的荧光比对,结合图像的叶绿素荧光分析相较传统的荧光检测手段更加经济直观,可以作为一种农业生产监测手段来实现干旱胁迫预警.     

蔬菜移栽钵苗检测与缺苗补偿系统设计与试验

为解决蔬菜穴盘苗全自动移栽机因穴盘缺苗、取投苗失败等因素导致的漏栽现象，设计了基于多传感器的钵苗检测及缺苗补偿系统(补苗系统)。补苗系统作为独立功能模块，包括补苗装置、钵苗检测单元和控制系统，使用反射型光纤传感器和激光传感器联合检测的方法，对分行苗杯定位和苗杯内钵苗进行识别。利用光纤传感器分别对辣椒、番茄、甘蓝钵苗进行多高度检测试验，以获取光纤传感器最佳检测高度和最佳缺苗判定阈值。设计了自动补苗装置，并对补苗过程进行运动学分析。使用触摸屏、PLC、EM253位置模块等控制元件设计了控制系统，实现整机及补苗系统的控制。对补苗系统进行不同移栽频率下的性能对比试验，试验结果表明：在单行栽植频率分别为60、70、80 株/min时，补苗系统识别成功率分别为98.15%、98.15%、97.69%，移栽机平均漏栽率分别为1.85%、2.31%、2.31%，比未启用补苗系统时漏栽率分别降低了14.59、14.36、15.52个百分点，为进一步提高蔬菜移栽作业品质提供参考。