基于机器视觉的条播排种器性能检测精度的研究

现有的各种条播排种器性能检测方法各有优缺点,而且受到检测过程复杂、成本较高和精度低等局限.将机器视觉技术运用于条播排种器的性能检测,是条播排种器性能检测的一种新方法.以手工处理的结果为参照,分析视觉检测精度,得出小麦样本帧种子数频率分布的绝对误差在0.016～0.116粒·s-1之间,相对误差在33%～965%之间.对小麦样本程序处理与手工处理的差异显著性进行检验,结果表明,程序结果与手工结果大约80%是拟合的,说明机器视觉检测方法可以满足实际应用的需要.     

外槽轮排种器性能检测及分析

采用机器视觉方法,检测了外槽轮排种器的排种过程,以期对该排种器性能进行较精确地评价。小麦试验结果表明,排种量呈某种性质的离散分布,其条形图一般非对称,峰值偏左。排种器转速和槽轮工作长度愈大,则排种均匀性愈好,条形图趋于对称。两个参数对排种能力及排种均匀性均存在极为显著的影响,显著性检验尾概率的最大值分别达0 0007和0 0016,效应模型的决定系数最小值为0 9185。排种量的均值达17 0343粒/s～165 9395粒/s,标准差达13 6025粒/s～27 4819粒/s,变异系数达15 6797%～79 8534%。排种量的极差变化较小。槽轮工作长度值18mm可能处于排种量跃升的临界状态附近。     

基于视频流的马铃薯排种器性能检测方法

为实现马铃薯排种器的排种性能指标和播种精确性指标检测,设计一种由铺砂、排种、输送、控制以及图像处理等工作部分组成的马铃薯排种器性能检测系统,并提出相应的检测方法,即排种器固定于试验台上方正常工作,种薯掉落在移动的输送带上,使用工业相机拍摄输送带上种薯的视频。依据输送带运动参数和相机帧率,确定和提取视频的关键帧。通过识别和定位输送带上粘贴的二维码,实现对关键帧的拼接,得到1次测试中全部的、无重复的一幅种薯图像。对种薯图像进行处理和分析,得到每个种薯的中心坐标,继而计算种薯的相对位置信息,以评估排种器性能。试验结果表明,该检测系统测量精度高,大幅降低了人工劳动强度,具有很好的应用价值。     

基于机器视觉的种子间距识别及其应用

介绍了基于机器视觉的精播排种器性能检测方法,在对获取的样本图像进行处理的基础上完成帧种子间距特征的识别.通过分析种子运动特征,实现了排种时间间隔样本的提取.利用理论排种和实际排种时间间隔之间的关系,构建了以时间间隔为特征量的排种质量统计模型,计算出排种器性能指标.试验表明,此方法检测误差小、速度快、精度高.     

MATLAB在排种器性能检测中的应用

利用MATLAB软件实现对排种器的动态种子流图像进行处理,并对检测结果进行分析.结果表明:基于MATLAB软件的视觉检测精度和检测速度较高,而且该软件使用方便,操作简单,有很广阔的应用前景.     

几种典型精密排种器的对比分析

对国内外几种典型精密排种器的工作原理、性能特点及适用范围作了对比分析,为精密排种器和播种机的设计制造、选型配套及使用维护提供参考。     

基于计算机视觉播种机排种器检测平台的研发与应用

为播种机实现高效、精准播种提供优良性能检测平台,采用自动控制、计算机视觉与传感器融合技术相结合的方法,利用液压控制系统和自动控制系统技术研究开发基于计算机视觉的多功能排种器性能检测平台。结果表明:该检测平台能够实现对作物播种机排种器播种量的有效控制,提升播种的精准度和播种环节的科学性与高效性。该试验平台适用于机械式和气力式排种器性能的检测。     

育种小麦精密排种器排种性能的试验研究

在分析单粒精密播种机工作性能要求的基础上,对自行设计的小麦育种用气吹式排种器进行排种性能的分析与试验,找出了影响排种器排种性能的主要因素及其工作范围。采用优化试验设计方法,对其排种性能进行优化试验,建立了各指标的数学模型,并对各因素影响效应进行分析,找出了能满足排种性能要求的最佳工况值。     

单粒排种器单片机检测系统性能研究

采用压电声电传感器将单粒排种落粒物理量转变电量,通过惠斯登电桥和比较放大器进行信号变换。代表落粒脉冲的电压矩形波被送到单片机系统的守量／计数器,精确检测每两次落粒之间的时间,通过软件设计,可以检测单粒排种器排种的合格率,重播率,漏播率,标准差,变异系数等性能参数。     

基于神经网络的精密排种器的优化设计

为解决传统的精量排种器设计方法周期长、精度低的问题，结合人工神经网络提出了一种精量排种器的优化设计方法。试验结果表明，经优化后排种器的合格率在90％以上，生产实际上对精量排种器的精度要求。     

基于机器视觉和近红外光谱的壶瓶枣无损检测

以壶瓶枣为对象探讨用机器视觉和近红外光谱技术检测壶瓶枣内外品质。通过图像处理技术获取壶瓶枣投影面的边缘提取图像,然后使用最小外接矩形法求得图像的像素点个数,以此求得壶瓶枣投影面的面积。采用MSC对壶瓶枣近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、主成分回归(PCR)和偏最小二成支持向量机(LS-SVM)3种建模方式对壶瓶枣可溶性固形物的含量进行预测。结果表明,使用LS-SVM模型获得了最优的预测结果,其预测集的相关系数和均方根误差分别为0.9901和0.328。研究表明,机器视觉结合近红外光谱技术能对壶瓶枣内外品质进行综合检测。     

基于机器视觉的成行作物精量喷洒系统研究

概述了基于机器视觉的植保机械研究进展,针对目前大多数农作物粗放式喷洒现状,设计了一套基于机器视觉的成行作物精量喷洒系统,它包括硬件系统和软件系统。模拟实验结果表明,系统中的喷头移动轨迹基本上与作物行中心线一致,两者间的标准差为2.13cm。     

基于机器视觉的青贮饲料质量监测系统设计与应用

设计了一套基于机器视觉的青贮饲料质量监测系统。系统在研究辨别青贮饲料质量关键因素的基础上,利用颜色明暗差别和纹理结构特征训练分类样本,采用聚类算法对传送带上饲料进行分类检测,实现了对青贮饲料质量的自动精准监测。该系统在剔除变质饲料的同时建立数据库统计优劣比率和饲料加工信息,为构建饲料质量可追溯体系奠定基础。     

基于计算机视觉的大米外观品质检测

提出了利用计算机视觉系统代替人眼对黄粒米、粒型等大米外观品质参数进行自动检测的方法，以适应农业工程中的自动化的要求。为了验证检测方法的可行性，采用了MATLAB软件开发平台来构造基于计算机视觉的大米外观品质检测算法。在对不同的大米图像处理的基础上，完成了对大米的黄粒米、粒型等的测定。实验结果表明，本算法及程序设计是有效可靠的。     

基于机器视觉技术的无精蛋鉴别研究

[目的]采用机器视觉技术鉴别无精蛋,提高孵化生产过程中剔除无精蛋的准确率和速度。[方法]首先用CCD照相机获取入孵蛋图像,再将入孵蛋图像传输到计算机主机,主机测控软件对图像进行灰度特征分析、比较等,对入孵蛋进行检测,主机输出信号给核心控制器,由核心控制器控制检测台对无精蛋进行分选。[结果]采用机器视觉技术可以在入孵后第6天快速准确地剔除无精蛋。[结论]利用机器视觉检测技术鉴别无精蛋,具有较高的理论价值和实际生产意义。     

基于机器视觉的脐橙可食率的研究

脐橙的可食率可通过脐橙的重量和体积估测得到,在此基础上提出了一种脐橙可食率的估测方法。首先通过机器视觉技术获取脐橙2个方向的截面积,再以这2个截面积和脐橙重量为输入变量的神经网络估计脐橙的可食率。试验结果表明,该方法在估计脐橙的可食率方面取得了较好的效果。     

帧频率变换下帧种子数分布的独立性

为构造排种器机器视觉检测的模式识别算法,采用统计分析方法对不同帧频率下的帧种子数分布进行了研究。理论推断,帧种子数分布与视觉检测的帧频率无关。排种器试验的观测结果和方差分析均证实,改变帧频率,帧种子数分布的频率、均值、标准差和变异系数均无显著变化,具有明显的一致性。四个统计量的显著性检验尾概率最小值为0.138 2,最大值达1.000 0;效应模型决定系数最小值为0.947 8,最大值达0.999 7。每个样本逐一检验,获得了相同和更强的结论。该结果为构造简便有效的排种器机器视觉检测方法提供了一个可资利用的优良特性。     

基于机器视觉的君迁子种子尖端特征识别方法研究

针对君迁子种子的外形特点,基于Ramer轮廓拟合算法,结合Halcon算法工具包,提出了一种基于Ramer算法的君迁子种子尖端识别方法。结果表明,该方法可以对种子轮廓进行拟合分割,确定种子的尖端位置。通过对5种不同品种君迁子的250粒种子进行识别,准确率达83.6%。     

基于机器视觉的甘蔗段分选系统的设计

甘蔗在我国糖料作物中有着重要的地位,针对目前甘蔗种植的现状及存在的弊端,设计出了基于机器视觉的甘蔗段分选系统,图像采集装置对长60 mm的甘蔗段进行图像采集,通过对采集到的图像进行图像增强、图像边缘检测等处理,得到甘蔗段的边缘灰度图像,再根据边缘灰度图像的纹理特征统计值判断出甘蔗段是否有茎节,同时通过串口通信向分选装置发送信号,分选装置根据接收到的信号对甘蔗段进行区分,实现了对有无茎节甘蔗段的分选.试验证明了设计的可行性,探索了一种新的甘蔗段分选系统,对甘蔗种植业的发展有着重要的作用.