基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉，提出了一种针对户外重叠柑橘的三维空间定位方法。首先，从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑，通过曲率分析，找出异常的轮廓像素点；其次，依次连接相邻两个异常像素点，分析该线段上的像素点到柑橘轮廓的距离，在相邻两正常线段的交点处完成重叠柑橘轮廓分割，并通过寻找异常线段剔除对应的非柑橘轮廓像素点；再者，采用最小二乘椭圆拟合方法重建柑橘目标轮廓，并获取柑橘的中心；最后，根据双目极线约束和图像相似度，对重叠柑橘中心点进行匹配，并基于视差原理计算柑橘中心的深度值及三维空间坐标，确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm，满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于倾斜摄影的玉米种粒三维参数同步测量装置

为解决脱穗之后的玉米种粒三维特征的获取和分析这个重要而又困难的问题,该研究基于机器视觉技术开发了一种融合三维特征的玉米种粒考种装置。装置通过2块相互垂直的标定板来保留倾斜影像中的空间信息和标定数据,并据此计算三维数据。基于装置的标定数据,用图像处理的方法获取玉米种粒的长度、宽度和厚度数值。通过透视变换,从倾斜摄影图像分别得到水平正摄和垂直正摄的图像;玉米种粒轮廓的长轴和短轴以旋转盘的直径为参考进行计算;玉米种粒的厚度以垂直方向棋盘格标定数据为参考进行计算。按照10帧/s的帧率和1 280×720的图像分辨率启动图像记录系统。选取180粒不同品种的玉米种粒进行试验。种粒长轴、短轴和厚度测量的均方根误差分别为1.86、1.28和0.741 mm;决定系数分别是0.849 6、0.869 3和0.846 2。使用该装置并配合相应的方法能较为准确的一次性测量玉米种粒的三维参数,该研究可为玉米种粒的精细化考种提供参考。     

振动深松机多组振动深松铲自平衡性能及仿真分析

振动深松具有减阻的优势,但振动对拖拉机及驾驶员的不利影响制约其推广,该文对振动深松机多组振动深松铲进行自平衡性能分析。在优化试验中,多组深松铲振动作业时的剧烈振动易造成试验设备损坏,仿真试验可避免危险工作环境下的实车试验。对拖拉机-振动深松机系统进行受力分析,并基于ADAMS建立其仿真模型,建模过程包括导入三维模型、定义轮胎与地面之间接触力和摩擦力等。理论与仿真分析相互验证,得到拖拉机后轮所受支持力均值分别为27.8、26.4 kN,误差为1.4 kN,并且二者主振动曲线变化趋势一致。采用加权加速度均方根值评价振动对驾驶员的影响。通过MATLAB编程,利用功率谱密度函数,计算得到驾驶座质心总加权加速度均方根值。利用Design-Expert软件设计试验并优化得到6组振动影响较小的四组振动松土铲作业初始相位角组合,减振比率超过90%,实现了振动深松机作业时的自平衡。     

作物行识别算法的虚拟试验方法

针对作物行识别算法的传统开发过程对田间作物生长周期依赖性较强，错过适当的田间图像采集时期将直接导致算法开发周期延长等问题，提出一种基于虚拟场景的作物行识别算法测试方法，即在虚拟环境下模拟农田作物行场景和图像采集系统，运用虚拟作物行图像测试作物行的识别算法。该方法在虚拟现实环境下建立作物行场景模型；提出一种融合建模法，根据作物和杂草的几何特征建立对应的三维几何模型；根据实际田间作物的空间分布特征，建立株距、行距可调的田间作物行模型；以Vega Prime为视景仿真工具，通过配置投影模式、渲染模式、视点位姿和图像采集规格，构建图像采集系统，输出作物行场景图像。以苗期棉花作物行为建模对象，对一种经过田间试验验证的双目视觉作物行识别算法进行测试试验。对比实际棉田图像对应的试验结果，同一作物行识别算法的识别正确率、偏差角和图像处理时间均相近。结果表明，本文建立的虚拟棉田作物行与实际棉田作物行场景相近，能够用于作物行识别算法的测试。     

基于机器视觉的小粒咖啡豆的检测技术

设计搭建了基于机器视觉的小粒咖啡豆检测分级系统,系统由进料部、匀料筛分部、色选部、气动部、收料部以及电控箱组成。开发了基于OpenCV和visual studio的系统分析与控制软件,实现咖啡豆果径宽度和烘焙程度的检测分级。基于Blob分析方法对小粒咖啡生豆进行图像分割,利用最小外接矩形方法对果径宽度进行特征提取,采用HSV颜色空间模型提取小粒咖啡豆的颜色特征值,最终将小粒咖啡生豆分为5个等级,将烘焙程度分为浅度、中度、深度3个程度。系统运行验证试验结果表明,对小粒咖啡生豆的果径宽度检测的平均误差为1.275%,烘焙程度检测的准确率为88.9%。     

Motility of sea urchin Paracentrotus lividus spermatozoa in the post‐activation phase

The characterization of sperm motility patterns, particularly post‐activation changes, is the first step in setting up species‐specific protocols involving gamete management and embryo production, for both aquaculture and laboratory research purposes. This study is aimed at the characterization of the sperm motility pattern of the purple sea urchin Paracentrotus lividus. Semen samples were individually diluted in artificial sea water for sperm motility activation. They were then incubated at 18°C for up to 24 hr. Motility was evaluated on dilution, and 1 hr, 3 hr and 24 hr after activation, by computerized analyser. The semen fertilization capacity was also evaluated. Under our experimental conditions (dilution 1:1,000 in artificial sea water plus 0.05% BSA, 18°C, in the dark), P. lividus semen remained viable for up to 24 hr, as the total motile sperm and the fertilization percentages did not change significantly during the incubation time. In contrast, the mean curvilinear velocity and the subpopulation of rapid sperm (those having a curvilinear velocity > 100 µm/s) slightly but significantly decreased after 3 hr, thereafter remaining unchanged for up to 24 hr after activation. In conclusion, our results show that diluted P. lividus semen can be used for a longer period than that of most fish species, with no need for motility inhibition procedures, supporting its wider use in laboratory research. In addition, the development of artificial fertilization protocols for aquaculture production is simplified by long‐lasting sperm motility.     

基于机器视觉的马铃薯晚疫病快速识别

晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。     

基于机器视觉的育肥猪分群系统设计与试验

为控制育肥猪出栏时的体质量差异,该研究开发了一套基于机器视觉技术的育肥猪分群系统,该系统通过机器视觉技术和卷积神经网络模型代替传统地磅对猪只体质量进行估测,可有效避免粪污对设备精度的影响及腐蚀;以前一天全部猪只体质量数据从小到大排列的第30%个数据作为当日的分群基准质量,将大于等于基准质量的视为长势较快的猪只,小于基准质量的视为长势较慢的猪只,每次采食按照猪只长势快慢分为2群进行饲喂;该系统依托于LabVIEW软件开发平台和物联网系统构建,平均每头猪只通过系统时间为6.2 s。为验证该系统的实际应用效果开展了为期30 d的现场试验,将饲喂于装有分群系统猪栏中的120头长白育肥猪作为试验组,由分群系统按猪只长势快慢分群饲喂;将饲喂于传统猪栏中的120头长白育肥猪作为对照组,按照传统人工调栏的方式进行饲喂。试验开始时试验组和对照组猪只平均体质量分别为32.21、31.76 kg,标准差分为别2.61和2.49 kg;结束时试验组和对照组猪只平均体质量分别为57.68、57.41 kg,标准差分为别5.26和5.51 kg,总料肉比分别为2.31和2.34,期间试验组猪只体质量的标准差小于对照组,但是2组猪只平均体质量、标准差、总料肉比均不存在显著差异,表明采用该系统对猪只进行分群饲喂控制猪只体质量差异效果等同于人工调栏,同时可以节省人力成本,缓解农业劳动力短缺的压力。该研究也可为母猪饲喂站、种猪测定站等智能化养猪设备的研发提供参考。     

锤片饲料粉碎机组合形筛片设计改善粉碎性能

针对环流层对环筛式锤片饲料粉碎机性能的影响,设计了组合形筛片,以改变环流运动规律,改善锤片粉碎机性能。论文分析了粉碎机使用组合形筛片对粉碎性能的影响。利用计算流体力学软件Fluent对粉碎机采用环形平筛及组合形筛片的气流场进行数值模拟,比较粉碎机使用2种筛片时的气流场速度、压力分布情况,验证了组合形筛片的使用可有效改善粉碎室气流场特性。在相同工况下,对装有环形平筛及组合形筛片的CPS-280型粉碎机进行粉碎性能比较试验,对比分析不同筛片对物料粉碎效果的影响。结果表明,组合形筛片的使用可提高生产率、改善物料的粉碎质量。尤其当筛片等分数目为4,翼形弧前段圆弧半径为26 mm,后段圆弧半径为200 mm,等边角为120°时,物料粉碎效果更佳,生产率较环形平筛提高28.98%,度电产量提高35.84%,温升降低2℃,物料粒径分布方差降低40.62%。该文采用组合型筛片的粉碎机气流场特征优于环形平筛,有利于改善锤片粉碎机性能。     

基于数值仿真的泵阀变刚度弹簧设计与优化

目前往复泵锥形阀普遍采用定刚度系数弹簧,但是对于定刚度系数弹簧,单纯的通过调节刚度与预紧力并不能实现提高吸入性能的同时降低阀盘的落座速度与滞后高度,此外传统泵阀设计中,弹簧预紧力与刚度的确定往往是根据经验设计公式,这些公式是在特定条件下近似得到,简化过程中存在很大的计算误差。针对上述不足,该文建立了弹簧变刚度系数条件下阀盘运动规律的数学模型,论证了刚度渐减型弹簧可以提高往复泵的吸入性能,并基于阀盘运动规律的数值仿真模型,建立了以阀盘无冲击为约束条件,阀隙间最大水头损失最小为目标函数的优化模型,采用遗传算法与模式搜索相结合的优化方法对变刚度弹簧参数进行了优化求解,优化结果与传统设计方法确定的定刚度系数弹簧泵阀相比最大水头损失降低了20.85%。该优化设计方法对于指导泵阀弹簧参数设计具有一定的指导意义。