基于机器视觉的水稻种子精选技术

以面积和宽长比作为稻种类型的特征参数,建立了稻种类型数据库;以等价矩形长、宽的差值最小为标准,进行了未知稻种类型的判断;以扫描线上黑白像素的变化次数和扫描线数来判断稻种的破裂;以不同阈值提取的稻种面积差来判断稻种是否霉变。选取丰源优299等10种稻种进行实验,分别进行了种子类型判断、工位有无种子判断、几何参数判断以及发霉与破损情况判断,检测正确率分别为     

芒属8份种质资源材料种子表型性状

以湖南农业大学芒属能源植物资源圃8份种质资源材料的种子为研究对象,对种子长、宽、厚、长宽比和千粒质量5个种子表型性状进行了系统比较分析。采用方差分析、多重比较、相关分析和聚类分析等方法对这8份材料种子表型性状差异进行了探讨。结果表明:8份种质资源材料的种子在5个性状上都达到极显著水平差异,不同材料种子之间表型性状变异系数均值的大小顺序是种子厚＞长宽比＞宽＞长＞千粒质量;相关性分析表明种子长与种子宽、种子千粒质量有显著关系,种子宽与种子厚、千粒质量有极显著相关性,种子厚与千粒质量有极显著相关性,长宽比与种子宽、种子厚、千粒质量呈现负相关;系统聚类可以将这8个材料分为3类。      

基于MATLAB的条播排种器种子流特征模式识别

利用基于MATLAB软件的机器视觉技术对条播排种器性能进行自动检测.其检测方法为:一是对小麦种子流样本进行图像处理;二是对种子流特征(种子数)进行较为准确的提取;三是对种子流特征进行模式识别.检测结果表明:与手工检测结果比较,计算机检测误差降到了5%以内.这说明,通过图像处理并利用小麦种子的投影面积和椭圆轴长作为判别依据,较成功解决了帧图像中种子的重叠、遮挡和分割的问题,可以对种子流特征进行有效识别,提高了检测精度.     

复杂边界田块旋翼无人机自主作业路径规划

针对农用无人机复杂边界田块下的作业问题,提出一种对田块边界形状具有普适性意义的旋翼无人机作业路径规划算法,以快速获得凸多边形、凹多边形、带孔洞多边形甚至多个多边形形式的复杂边界田块情形下的飞行作业轨迹。首先,基于田块边界多边形顶点数据的存储规则,采用多边形分组法,区分所属不同田块的多边形,建立按区域即田块为单元进行航线计算的基础;针对单田块的内、外边界多边形,采用活性边表法实现单个多边形扫描线填充的快速求交解算,得到初始扫描线,再对处于同一航向位置上的内、外多边形两类扫描线组采用线段布尔运算"减法"操作处理,获得预设航向条件下的作业航线;以最小航线间转移路径总长度为优化目标,引入贪婪算法、凸多边形最小跨度法和步进旋转法,综合进行航线排序优化和航向优化,获得不考虑障碍物条件下的完整作业路径。为进一步扩大算法的应用范围,假设田块边界上存在障碍物,且高度大于作业高度,继续增加转移过程的安全性判断及处理算法。针对假想田块和实际田块边界的多组算法仿真试验结果表明,所设计的算法可处理各种复杂边界类型的田块;在不考虑障碍物影响时算法耗时15 ms～19. 2 s;相比于只进行航线排序优化的情况,同时进行航向和航线排序优化后,航线间转移路径总长度下降了23. 04%～45. 98%;而考虑障碍物影响时处理耗时也在离线应用的可接受范围内。该算法的通用性、可靠性、效率和优化效果均可满足各种复杂边界二维田块无障碍物和有障碍物条件下的农用无人机作业的相关要求。     

丸粒化包衣种子识别检测系统设计与试验

由于存在包衣配方不统一、包衣机自动化水平低等问题,目前我国种子包衣合格率检测精度和效率较低。为此设计了一套丸粒化包衣种子识别检测系统,针对形状为类球体的包衣种子进行识别。首先,搭建拍摄平台,拍摄的图像传输至识别控制系统中进行图像前期处理。其次,根据图像处理后不同类型包衣种子特征提出了一种识别检测算法,根据破损包衣种子与其它包衣种子图像面积比例的差异,利用高级形态学处理实现破损包衣种子的识别。根据多籽种子与合格种子颗粒像素值的差异实现对多籽种子以及合格种子的识别。最后,对种子总数、合格数、多籽种子数及破损种子数进行检测,计算得到包衣合格率。以红三叶种子进行试验,结果表明：整套系统图像采集、处理与识别时间约为3s;运用高级形态学处理识别破损包衣种子准确率达98.8%;当试验样本为200粒时,总数识别算法的准确率达到99.1%;对合格包衣种子以及多籽包衣种子识别相对误差分别为1.18%与3.36%。该识别检测系统实现了拍摄、图像处理、检测识别以及结果保存等功能,实现了包衣种子的无损检测。     

基于ECMM分割法的杂草稻种子在线识别技术

为提高水稻种子质量,剔除杂草稻种子,提出一种基于凹点匹配的粘连分割算法,搭建一种在线形色双选水稻种子识别平台。该平台由排种系统、图像采集系统、传动系统、电机驱动系统构成。该平台算法基于ECMM凹点分割法,首先对采集的图像进行预处理、提取形态因子小于0.4的粘连轮廓,对所提取轮廓的边缘进行一维高斯卷积核平滑处理,并计算平滑后轮廓曲线的曲率及其曲率均值,寻找与曲率均值相差较大的若干个点作为角点。其次,依据矢量三角形面积的正负来判断角点是否为真正的凹点,寻找凹点与前继点、后继点所组成的法线方向的夹角范围(0°~180°),并在此夹角范围内寻找与其相匹配的凹点对,完成粘连分割。该算法平均精度为92.90%,比极限腐蚀法提高19.82个百分点,比分水岭算法提高12.85个百分点。最后,计算分割后图像上各轮廓内的种子长度与R通道像素占比来识别杂草稻种子。经识别平台测试,本文算法每识别100粒种子平均用时0.95s,平均识别精度为97.50%。     

丸粒化包衣种子识别检测系统设计与试验

由于存在包衣配方不统一、包衣机自动化水平低等问题,目前我国种子包衣合格率检测精度和效率较低。为此设计了一套丸粒化包衣种子识别检测系统,针对形状为类球体的包衣种子进行识别。首先,搭建拍摄平台,拍摄的图像传输至识别控制系统中进行图像前期处理。其次,根据图像处理后不同类型包衣种子特征提出了一种识别检测算法,根据破损包衣种子与其它包衣种子图像面积比例的差异,利用高级形态学处理实现破损包衣种子的识别。根据多籽种子与合格种子颗粒像素值的差异实现对多籽种子以及合格种子的识别。最后,对种子总数、合格数、多籽种子数及破损种子数进行检测,计算得到包衣合格率。以红三叶种子进行试验,结果表明：整套系统图像采集、处理与识别时间约为3 s;运用高级形态学处理识别破损包衣种子准确率达98.8%;当试验样本为200粒时,总数识别算法的准确率达到99.1%;对合格包衣种子以及多籽包衣种子识别相对误差分别为1.18%与3.36%。该识别检测系统实现了拍摄、图像处理、检测识别以及结果保存等功能,实现了包衣种子的无损检测。     

气力集排式水稻排种系统播量控制模型研究

水稻排种器播量调整多采用排种槽有效长度调节或排种轮与机具前进速比调节,播量调整精度有限。为了提高气力集排式排种系统播量调节精度,针对生产中常用的4种不同含水率稻种状态,以种层高度、排种轮转速为试验因素,以排种轮单圈排量为试验指标开展试验研究,分析各作业过程中的动态变化参数对排种轮单圈排量的影响规律。试验表明：不同稻种状态下单圈排量均随着排种轮转速的升高而降低,当种层高度一定时,二者成反比关系;单圈排量随种层高度的升高呈先增大后减小的趋势变化,不同稻种状态下的单圈排量最大值出现在种层高度为25.35~31.55cm处;4种不同稻种状态下,单圈排量由大到小依次是干稻种、晾干2d、晾干1d、湿稻种,单圈排量随种子含水率的升高而降低。通过二元回归分析拟合出4种常见稻种状态下单圈排量与种层高度、排种轮转速的回归模型,并构建了基于排种轮转速调控的播量控制模型。在室内搭建了控制系统试验平台对播量控制模型进行了验证试验,试验显示构建的播量控制模型平均误差2.07%,实际播量变异系数为2.59%,验证结果与播量控制模型基本一致。本文建立了多因素影响下的水稻播量控制模型,明确了种层高度、排种轮转速、稻种含水率对单圈排量的影响规律,可为水稻直播机播量控制系统设计与优化提供借鉴。     

型孔式水稻排种轮充种过程的高速摄像分析

采用高速摄像技术拍摄了型孔式水稻排种轮的充种过程,分析了充种区内稻种的流动规律、充种姿态以及充种趋势.高速摄像表明:稻种在充种区内主要是沿着限种板一侧向下流动,流动后稻种呈竖立或斜立姿态;在稻种充入型孔的过程中,稻种首先以竖立或斜立姿态充入到排种轮型孔中,其余稻种以平躺姿态填充到型孔上部;91.1%的稻种集中在第2充种区内完成最终的充种过程,因此充分利用第2充种区可以提高型孔式排种轮的充种性能.     

彭山推广电控数显种子破胸催芽机喜获成功

２０００年彭山县农机局狠抓农机新技术、新机具推广工作。于３月中旬首次从成都市农机研究所购回２套ＺＣＹ—６００型电控数显种子破胸催芽机 ,由局长邓见文亲自带领农机科技人员在该县风鸣、公义农机站 ,先用商品谷进行种子催芽试验。示范处农户亲眼目睹催芽结果后 ,深切体会到电控数显种子破胸催牙机优越性是传统催芽无可比拟的 :一是催芽时间短 ,２０小时即可完成催芽全过程 ;二是发芽率高达９８ %以上 ,出芽整齐均匀 ;三是节约种子达１０ % ;四是降低成本。因而都自愿将稻种送来 ,请农机科技人员帮助催芽 ,一来省心 ,二来放心。目前 ,…