鲜食玉米果穗外观品质分级的计算机视觉方法

在HSI颜色模型下,通过计算机视觉检测技术实现对鲜食玉米果穗外观品质分级。提出垂直投影法确定秃尖位置并去除秃尖。对H值进行双向一次微分运算以实现缺陷的识别。在此基础上获取果穗缺陷比、穗长、果穗最大直径、长宽比和矩形度作为外观品质特征参数,并以此为输入向量构建广义回归神经网络对果穗外观品质分级。试验结果表明：秃尖位置、穗长和果穗最大直径的平均误差分别为2.27mm、1.96mm和0.54mm,缺陷误判率为3.00%,分级平均准确率为     

乐山白玉米地方种质的初步鉴定

正本研究以乐山27个白玉米地方种质为研究对象,测定株高、穗位高、茎粗、穗长、秃尖、穗粗、穗行数、行粒数、叶长、叶宽、雄花长、雄花分枝数、穗粒重、百粒重,对其遗传差异进行初步评价,对各农艺经济性状进行相关分析,并将27个种质进行聚类。结果表明:27个白玉米地方种质农艺性状差异很大,其中秃尖长、雄花分枝数及穗粒重差异最大;各性状之间存在不同的相关性,其中穗     

基于计算机视觉的葡萄检测分级系

设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤.     

基于图像轮廓分析的堆叠葡萄果粒尺寸检测

提出一种堆叠葡萄果粒尺寸检测算法:首先通过8 -邻域轮廓跟踪提取果穗轮廓曲线,然后基于改进的曲线旋转和局部极值判断方法搜索曲线上的凹点,从而将曲线分割成分段圆弧以实现果粒的分割和识别,进而采用最小二乘分段曲线拟合计算果粒直径.通过对巨峰葡萄的检测试验表明,该算法对葡萄果穗的果粒正确识别率在35％左右,用于统计葡萄的平均果粒直径,平均误差为0.61 mm,最大误差为1.69 mm,根据果粒大小分级的准确率为72.7％.     

金正大硝基双效肥在辽宁灯塔地区施用效果分析

为验证金正大硝基双效肥在玉米上的应用效果,开展田间小区试验示范。试验结果表明:施用金正大硝基双效肥能明显改善作物生育性状,玉米表现为穗大粒多、秃尖小,千粒重高,果穗整齐;施用金正大硝基双效肥具有明显的增产作用,比常规施肥处理平均增产46kg/666.7 m~2,增产率为5.72%。     

基于计算机视觉的胡萝卜外观品质分级系统与装备

为了实现胡萝卜的自动化分级分选,在前期胡萝卜青头、须根、开裂检测算法研究的基础上,参照国家标准需求,进一步提出了胡萝卜外观等级规格,如弯曲、断折等缺陷,以及衡量异品种的锥形度参数的检测方法,并以此为基础设计了基于计算机视觉的胡萝卜外观品质实时分选生产线。该生产线由下位机控制系统、上位机软件系统和机械分级装置组成。通过对软硬件环境和机械系统性能的测试表明:该分选生产线每秒钟可检测20个胡萝卜的等级;对520个胡萝卜含有不同种类缺陷和异品种的胡萝卜进行分级检测,分级正确率达到了93.5%,能够满足胡萝卜外观品质分选实时检测的要求。该分选线能够同步实现胡萝卜等级规格、质量、各种缺陷的实时检测与在线分选。     

基于机器视觉的玉米果穗性状参数测量方法研究

在玉米育种、田间测产和提高玉米产量的过程中，均需要对玉米果穗考种，即需要对玉米果穗的穗长、穗粗、穗行数、行粒数和穗粒数等性状参数进行测量。人工考种不仅花费大量的人力物力，而且在考种过程中普遍存在人工劳动强度大、观测效率低、人为干扰导致测试结果不客观及不准确等问题，在很大程度上限制了考种的速度与精度。针对上述问题，利用所研制的自动考种设备和机器视觉方法，通过USB工业相机获取玉米果穗单面性状彩色图像，利用|B-R|模型、（G+B）/2模型将彩色图像分别进行灰度化，利用改进后的一维最大熵阈值分割方法对灰度图像进行二值化，分别得到果穗轮廓二值图像和果穗特征二值图像；通过轮廓二值图像计算果穗放置后的倾斜角，实现果穗轮廓二值图像和特征二值图像的自动纠偏；通过相机标定，得到单位像素对应的实际值，进而得到穗长及穗粗；通过提取局部籽粒特征二值图像，利用水平黑背景点扫描及对扫描曲线的修正获取穗行宽度，通过穗行数修正模型得到果穗的穗行数；通过提取局部单行籽粒特征二值图像，利用垂直黑背景点扫描及对扫描曲线的修正得到行粒数；根据行粒数和穗行数得到穗粒数。试验结果表明，穗长和穗粗平均测量精度分别为98.05%和97.99%，穗行数测量正确率为95%，行粒数平均测量精度为96.29%，穗粒数平均测量精度为95.67%，和实际值相比，穗粗、穗长、行粒数及穗粒数的测量值差异无显著性。单穗玉米果穗机器视觉平均测量速度为600ms/穗，考种设备测量速度为6s/穗，能够满足自动考种设备的使用需求。     

玉米摘穗割台刚柔耦合减损机理分析与试验

为探究刚柔耦合结构在玉米摘穗中的减损作用及机理，以板式摘穗机构和具有缓冲弹簧的轮式摘穗机构为2种基本结构，以刚性触穗表面和柔性触穗表面为2种基本表面，构建4种摘穗机构作为研究对象，进行摘穗速度下的玉米果穗碰撞试验，分析碰撞参数和籽粒损失情况。结果显示，刚柔耦合结构可有效改变碰撞参数，并降低果穗籽粒损失。缓冲弹簧可缩短果穗的碰撞时间，当轮式摘穗机构触穗表面分别为刚性、柔性材料时，碰撞时间比板式摘穗机构分别缩短62.2%、67.3%，碰撞冲量降低60.6%、76.0%，掉粒质量降低14.4%、25.6%。柔性触穗表面可降低果穗受到的冲击力，在板式和轮式摘穗机构上，柔性触穗表面的果穗碰撞时间比刚性触穗表面分别延长78.4%、53.8%，最大冲击力降低45.1%、55.2%，碰撞冲量降低19.9%、51.2%，掉粒质量降低34.1%、42.8%。本研究可为玉米摘穗割台的减损设计提供理论依据。     

基于机器视觉的马铃薯智能分选方法与实现

为实现马铃薯智能检测与自动分级,提高马铃薯分级效率,本文在现有水果机械分选机的基础上,加装机器视觉系统和智能分级控制系统,提出马铃薯外观品质检测算法,实现马铃薯智能分选系统。首先下位机发送信号给上位机机器视觉系统控制摄像头拍照;然后上位机根据马铃薯形状、颜色和缺陷特点,采用近似椭圆法进行形状检测,采用逐点检测法检测绿皮区域,采用自适应阈值分割法分离缺陷区域,并以缺陷面积比进行缺陷检测;最后上位机将检测结果通过串口发送给下位机,分级执行器执行分级结果将次品拣出,再配合机械分选的压力传感器信号进一步实现正常品的重量分级。经测试:本文提出的分级检测算法对形状、绿皮和缺陷的检测正确率分别为93.3%、94.1%和88.3%,综合检测准确率可达到90%。本文构建的分级系统运行稳定,每秒可分选25个马铃薯,基本满足马铃薯实时分选的需求。     

玉米穗茎兼收割台夹持输送装置参数优化

为探明玉米穗茎兼收割台夹持输送装置参数对作物损失率、割台性能的影响机理,设计了一种玉米穗茎兼收割台。通过对夹持输送装置的工作原理、工作条件及影响因素的分析,确定以夹持输送链夹角、输入轴链轮速度、割刀安装位置及机器作业速度为试验因素,以果穗损失率、植株在x轴及y轴的最大偏移量为试验指标,根据Box-Benhnken Design中心组合试验设计原理,进行了四因素三水平正交旋转组合田间试验,试验中利用高速摄像系统记录玉米植株姿态,利用Pro Analyst运动分析软件分析玉米植株的最大偏移量,利用Design-Expert软件对试验结果进行响应面分析,得到各因变量与自变量间的数学模型。试验结果表明:4个自变量与果穗损失率、x轴最大偏移量有二次非线性关系,其中割刀安装位置影响最大,夹持输送链夹角的影响最小,4个因素对y轴最大偏移量无显著影响;因素的交互项仅对果穗损失率有显著影响;最优参数组合为:夹持输送链夹角19.96°、输入轴链轮齿数22.09、割刀安装位置22.33 mm、机器作业速度1.31 m/s,此时果穗损失率为0.4%,x轴最大偏移量为24 mm。对最优参数组合圆整后,取夹持输送链夹角为20°,割刀安装位置为22 mm,机器作业速度为1.30 m/s进行田间验证试验,验证试验表明回归模型有很好的可靠性。优化后的果穗损失率较优化前降低2.4个百分点,低于标准规定的指标值。