基于小麦群体图像的田间麦穗计数及产量预测方法

在田间小麦测产时,需人工获取田间单位面积内的麦穗数和穗粒数,耗时耗力。为了快速测量小麦田间单位面积内的产量,该文利用特定装置以田间麦穗倾斜的方式获取田间麦穗群体图像,通过转换图像颜色空间RGB→HSI,提取饱和度S分量图像,然后把饱和度S分量图像转换成二值图像,再经细窄部位粘连去除算法进行初步分割,再由边界和区域的特征参数判断出粘连的麦穗图像,并利用基于凹点检测匹配连线的方法实现粘连麦穗的分割,进而识别出图像中的麦穗数量;通过计算图像中每个麦穗的面积像素点数并由预测公式得到每个麦穗的籽粒数,进而计算出每幅图像上所有麦穗的预测籽粒数,然后计算出0.25 m2区域内对应的4幅图像上的预测籽粒数;同时根据籽粒千粒质量数据,计算得到该区域内的产量信息。该文在识别3个品种田间麦穗单幅图像中麦穗数量的平均识别精度为91.63%,籽粒数的平均预测精度为90.73%;对3个品种0.25 m2区域的小麦麦穗数量、总籽粒数及产量预测的平均精度为93.83%、93.43%、93.49%。运用该文方法可以实现小麦田间单位面积内的产量信息自动测量。     

基于小麦穗部小穗图像分割的籽粒计数方法

[目的]小麦穗部小穗数及籽粒数能够直接反映小麦产量,也是小麦穗表型研究中2个非常重要的参数。[方法]为了快速测量这2个参数,针对小麦穗部正视图像,提出了一种基于图像处理技术的小麦小穗抛物线分割方法,并实现了小穗数及籽粒数的同步识别计数。首先采用图像预处理算法获得麦穗二值图像,然后将二值图像沿穗轴方向的像素按行求和,根据行像素求和曲线图中波峰波谷确定所需要的小穗3个位置点,由小穗3个位置点在二值图像上确定三点拟合抛物线,最后运用抛物线位置分割出各小穗,同时通过阈值法确定各小穗面积值与其籽粒数之间的关系。[结果]使用3个品种小麦穗图像对小穗数及籽粒数识别方法进行验证,结果表明:采用该方法 3个品种小麦穗部小穗数识别的平均零误差率为68.16%,平均绝对误差为0.46,平均相对误差为2.99%,对比已有文献识别小穗数方法,识别精度显著提高;3个品种小麦穗部籽粒数识别的平均绝对误差为2.11,平均相对误差为5.62%;3个品种单株麦穗平均测量时间为7.99 s。[结论]运用本方法可以快速高精度地对小麦穗部小穗数及籽粒数进行自动计数。     

基于杂交水稻种子下落撞击特性的裂颖籽粒识别方法研究

[目的]由于不育系的一种遗传特征,杂交水稻种子存在较严重的裂颖现象,本文旨在研究一种杂交水稻裂颖种子有效识别方法,以达到减少、防止裂颖,提高种子储藏质量和秧苗素质及大田生产产量。[方法]利用压电式加速度传感器,获取杂交水稻种子下落撞击以65Mn钢为薄板材料的金属板悬臂梁产生的振动信号,并对撞击信号进行分析,实现水稻种子正常籽粒与裂颖籽粒的识别。通过正交试验分析钢板厚度、长度和种子下落高度对水稻裂颖籽粒识别率的影响。[结果]撞击振动信号的时域特征参数:电压最大值、极差、能量、均方根、峰度等可以作为区分水稻正常种子与裂颖种子的特征值,其中以能量作为区分标准效果最好,正常籽粒撞击钢板产生的能量普遍大于裂颖籽粒。钢板厚度为0.25 mm、板长为200mm,种子下落高度为250 mm时,检测综合识别率最大,其中,‘珍稻’综合识别率为85.10%;‘川优6203’的综合识别率为85.50%;‘荃优123’的综合识别率为84.40%;‘中1优188’的综合识别率为83.40%。[结论]通过分析杂交水稻种子下落撞击金属板的振动信号来识别水稻种子裂颖籽粒的方法可行。     

小区谷物联合收获机气吹式割台设计与试验

为解决现有小区谷物联合收获机割台中有残留、不易清机等问题,设计了一种采用正面气流将禾吹弯再切割的气吹式割台。根据力学原理建立了均匀气流吹禾模型,以小麦顺利进入割台而不掉落为要求,计算得气流支管出口风速为47.35 m/s。以能产生均匀气流为目标,通过理论计算得到气流管道的主要结构参数为:气流总管锥度1∶14.29,气流支管排列间距100 mm。对影响割台残留量和损失率的3个关键工作参数:气流支管出口与割刀的垂直和水平距离、气流支管出口与水平夹角进行了单因素试验和正交试验。单因素试验表明:气流支管出口与割刀的垂直和水平距离在15~27 cm内对割台损失率的影响呈现先降后升的趋势,气流支管与水平夹角对割台损失率和残留量的影响先缓慢减小,后增加较快。正交试验表明:最优组合为气流支管出口与割刀的水平距离21 cm、气流支管出口与割刀的垂直距离21 cm、气流支管出口与水平的夹角10°,此时总损失率为0.88%,割台残留量为1.21 g。气吹式割台残留量少,总损失率低,达到了小区小麦种子收获技术要求。