基于机器视觉的冬枣病害检测

冬枣皮薄肉脆,富含维生素C和矿物质,深受消费者喜爱,目前冬枣的销量逐年增加,产业得到迅猛发展。但是,冬枣病害种类繁多,如日灼伤、炭疽病、轮纹病、裂纹病及缩果病等,采用人工分级方式成本高、效率低,严重制约了冬枣的产业化发展,可见研究冬枣病害的自动化检测方法具有重要意义。本研究对冬枣的轮纹病、日灼伤、炭疽病和裂纹病等黑斑类病害和缩果病病害采用机器视觉技术进行无损检测,利用单因素方差分析(one-way ANOVA)和费希尔最小显著差异检验(Fisher’s LSD)获得有效识别黑斑类病害的颜色分量为RGB模型的R分量,HSB模型的S分量和L*a*b*的b分量,建立Bayes线性判别函数得到黑斑类病害的分类正确率达到89.6%。通过计算基于灰度共生矩阵的纹理特征对缩果病进行检测,探索纹理特征最优构造参数距离d为1,灰度级为3 2,建立SVM模型得到缩果病的分类正确率达到9 9.4%。该方法为冬枣病害的自动化分级提供了基础和依据。     

基于卷积神经网络的田间多簇猕猴桃图像识别方法

为实现田间条件下快速、准确地识别多簇猕猴桃果实,该文根据猕猴桃的棚架式栽培模式,采用竖直向上获取果实图像的拍摄方式,提出一种基于Le Net卷积神经网络的深度学习模型进行多簇猕猴桃果实图像的识别方法。该文构建的卷积神经网络通过批量归一化方法,以Re LU为激活函数,Max-pooling为下采样方法,并采用Softmax回归分类器,对卷积神经网络结构进行优化。通过对100幅田间多簇猕猴桃图像的识别,试验结果表明:该识别方法对遮挡果实、重叠果实、相邻果实和独立果实的识别率分别为78.97%、83.11%、91.01%和94.78%。通过与5种现有算法进行对比试验,该文算法相对相同环境下的识别方法提高了5.73个百分点,且识别速度达到了0.27 s/个,识别速度较其他算法速度最快。证明了该文算法对田间猕猴桃图像具有较高的识别率和实时性,表明卷积神经网络在田间果实识别方面具有良好的应用前景。     

基于高光谱图像的蓝莓糖度和硬度无损测量

为了对蓝莓硬度和糖度进行无损检测,采用近红外光谱仪(900~1700 nm)分别对490个"蓝丰"蓝莓的果柄侧和花萼侧进行高光谱成像,并测量整个果实的硬度和糖度。应用偏最小二乘回归法分别对果柄侧、花萼侧和整个果实的平均光谱建立硬度和糖度预测模型。试验结果表明,蓝莓硬度呈双峰分布,表明实际生产中有望分为2类;蓝莓糖度呈正态分布;硬度和糖度的相关性仅为?0.15,说明不能通过二者之中的任何一个来估计和评价另一个。采用整个果实的平均光谱数据建模效果最好,硬度的校正集相关系数RC和验证集相关系数RV达到0.911和0.871,糖度的为0.891和0.774,但主成分数都有所增加。结果表明,采用高光谱技术对蓝莓硬度和糖度进行快速、无损检测是可行的。     

收获期花椒的力学特性与形态特征测定与分析

我国花椒的收获主要以人工收获为主。随着社会的发展,花椒市场需求不断扩大,迫切需要解决花椒收获效率低下的问题。因此,花椒收获机械化已成为椒农的心声,研究分析收获期花椒的力学特性可以为花椒收获机械的设计者提供必须的基础理论数据。因花椒在品种、气候条件、土壤及其他方面的差异,其力学特性会有较大的差别。为此,通过陕西省韩城市收获期花椒的实验室测定,采用图像解析和数理统计方法对收获期花椒的力学特性进行分析,得出了花椒主要几何特性指标值的变化区间,并统计分析了花椒果实与果柄及果柄与树枝之间的分离力以及花椒果实的颜色特征,为花椒的收获和加工机器系统的开发提供科学依据。     

猕猴桃采摘机器人末端执行器设计与试验

进行了棚架式栽培模式自然生长条件下簇生猕猴桃无损采摘机器人末端执行器的研究。基于果实与果柄的分离特性,提出面向机器人的果实采摘方法和简化几何模型,进行了果实与果柄分离试验的可行性验证;基于果实采摘方法设计了从底部接近、旋转包络分离毗邻果实并抓取、向上运动分离果实的末端执行器,并试制样机,进行了现场评价试验。结果表明,采摘模型能够实现果实与果柄的分离,末端执行器解决了毗邻果实分离问题,能够实现单个果实稳定抓取、无损采摘和采后抓持,成功率达到96.0%,平均单果耗时22 s。     

猕猴桃果实物理参数与损伤因素的研究

猕猴桃果实的物理参数和损伤因素为采摘机器人的末端执行器设计与控制提供了理论依据。统计分析了115个收获期"海沃德"猕猴桃果实的物理参数,采用正交试验以果实微损伤的力学特性参数为评价指标研究了果实的损伤因素。结果表明:猕猴桃果实厚度方向尺寸变化最小,球度均值为0.84。果实的几何平均直径与质量存在显著线性相关,相关系数R为0.964。正交试验结果表明,猕猴桃果实存在延迟损伤,早期的微损伤会导致后期果实品质下降。猕猴桃果实的损伤因素,显著性居前3位的为压缩量、加载位置和压头类型。相比前3个损伤因素,加载速率和压头材料相对影响较小。采摘机器人的末端执行器采用两个仿生弧形面、厚度方向抓持,机构简单,受力均匀,抓持稳定。     

基于机器视觉的嫁接用苗外观特征自动检测

提出了基于数学模型的幼苗外观特征自动检测方法,检测项目包括生长状态、子叶参数和胚轴参数。首先经过图像预处理提取幼苗二值图,利用行像素统计图确定特征参数基准点位置。然后以标定胚轴最小矩形倾斜度和宽度判定弯曲状态;子叶跨度通过两子叶端点距离确定,子叶展开角通过两子叶底端平展位置拟合线夹角判定;胚轴弯曲度通过胚轴中心线上曲率最大的位置为分界点分别判断两段斜度而求得,胚轴长、轴径结合斜度补偿求得。与手工测量数据对比,轴长、轴径和子叶跨度的相关系数分别为0.935 1、0.899 9和0.903 4,相对误差分别小于7%、5%和7%,绝对误差分别小于4 mm、0.2 mm和6 mm。     

水培生菜自动纵向包装装置设计与试验

为提升设施园艺中水培生菜生产全程机械化水平,设计了收获后生菜自动纵向包装装置,包括导向装盒机构、切膜与封膜机构等。利用聚拢气缸和压菜气缸执行生菜纵向装盒,同时利用导向环保证装盒过程中生菜偏移、翻转等位姿要求;通过柔性毛刷对薄膜的梳刷作用及薄膜自粘性使其贴于包装盒,完成包装盒封膜。根据生菜挤压试验、力学分析、理论计算,分别确定了包装盒尺寸、导向装盒机构参数、切膜与封膜机构参数。基于高速摄像,提出了生菜水平偏移、姿态角量化方法;通过生菜装盒位姿特性试验,研究了导向环对装盒过程生菜位姿特性的影响。研制了自动包装样机,利用正交试验优化了切膜作业参数并进行了试验验证。生菜装盒位姿特性试验结果显示:生菜入盒时有导向环水平偏移平均值、姿态角平均值分别为5. 8 mm、17. 9°,相较无导向环时分别减小75. 0%、74. 2%,导向环保证了生菜纵向装盒成功率。正交试验结果显示:切膜作业参数最优组合为薄膜纵向切刀与薄膜夹角30°、拉膜辊拉膜速度300 mm/s、薄膜横向切刀速度500 mm/s。最优参数组合下,包装成功率为96%,样机单次包装用时10. 5 s,比人工缩短58%。     

基于果萼图像的猕猴桃果实夜间识别方法

根据猕猴桃的棚架式栽培方式,提出了一种适用于猕猴桃采摘机器人夜间识别的方法。采用竖直向上获取果实图像的拍摄方式,以果萼为参考点,进行果实的识别,并测试该方法对光照的鲁棒性。试验结果表明:基于果萼能够有效的识别猕猴桃果实,成功率达94.3%;未识别和误识别的果实一般出现在5果及5果以上的簇中,原因是果实相互挤压导致的果萼部分不在果实图像的中心区域,以及果实之间的三角区形成暗色封闭区域;光照过小或过大会导致成像模糊或过曝,对正确率有细微影响;识别速度达到了0.5 s/个。因此,基于果萼的猕猴桃果实夜间识别方法在正确识别率和速度上都有很大提升,更接近实际应用。     

收获期沙棘的力学特性与形态特征测定与分析

为了测量分析沙棘收获期所需的基础数据,为沙棘收获机械的研制提供依据,以黑龙江绥棱种植的优胜、HS-12、楚伊、金色4种沙棘果实为实验对象,测定收获期不同品种沙棘果实的横径与纵径、果实质量、果柄-果实分离力、果柄-树枝分离力及果皮颜色特征等各项物料特性参数。结果表明:果柄-果实分离力较果柄-树枝分离力更为集中,且果柄-果实分离力显著小于果柄-树枝分离力,所以机械收获时的采摘位置最好选择在沙棘果柄-果实之间。楚伊的果柄-果实分离力最大,其次是优胜、HS-12,金色的最小。成熟期沙棘果柄-果实分离力的变化范围为0.5~2.0N,HS-12沙棘果实进入成熟期其果皮颜色整体分布呈锈红色,优胜和楚伊整体分布呈橙色,金色整体分布呈黄色。该研究可为成熟期沙棘的收获和加工机器系统的开发提供理论依据。