不同灌水下限对设施滴灌无土栽培红掌水分利用和生长的影响

为指导设施基质盆栽红掌科学灌溉,该文以连栋温室基质盆栽花卉-红掌为试材,控制灌水下限分别为基质持水率(θFC)的90%(T1)、80%(T2)、70%(T3)、60%(T4)和50%(T5),研究了滴灌条件下不同灌水下限对基质含水率、田间水利用、红掌生长和耗水的影响。结果表明:供试基质田间水利用系数仅0.4～0.5左右,随着灌水下限的降低,基质含水率、田间水利用系数均降低,灌溉渗漏损失量增加,灌水周期延长;各处理红掌花朵数差异不大,与T1相比较,灌水下限为60%θFC时,红掌佛焰苞大小未受影响,株高和冠幅显著增加了19.3%和14.7%(p=0.05),提升了观赏品质,其余处理除T5佛焰苞减小外,均与T1差别不大;试期内红掌耗水量介于2 522～2 986 g/盆之间,与T1相比较,T2、T3、T4和T5耗水量降低了4%～16%;60%θFC处理在降低耗水量的同时,提高了品质,是适宜的灌水下限。     

基于近红外光谱和机器视觉融合技术的板栗缺陷检测

为提高合格和缺陷板栗分级检测识别精度,提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺陷检测方法。试验以湖北京山板栗为试验对象,利用BP神经网络方法建立了基于近红外光谱、机器视觉和多源信息融合技术的板栗分级检测模型。试验结果表明,3种识别模型对对训练集板栗回判率分别为96.25%、96.67%和97.92%;对测试集板栗的识别率为86.25%、83.75%和90.00%。基于近红外光谱和机器视觉的多源信息融合技术进行板栗分级检测的方法是可行的,融合模型较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高。     

基于机器视觉图像特征参数的马铃薯质量和形状分级方法

马铃薯自动分级过程中,存在既要保证分级精度又对分级速度有一定要求的难点问题。该文探讨了利用机器视觉技术快速获取马铃薯图像特征参数,结合多元线性回归方法,建立马铃薯质量和形状分级预测模型,实现基于无损检测的马铃薯自动分级。搭建了同时获取马铃薯三面投影图像的机器视觉系统,通过图像数据处理获得马铃薯俯视图像轮廓面积、两侧面图像轮廓面积、俯视及侧面图像外接矩形长度及宽度数据等图像特征参数,通过多元数据回归分析,建立了马铃薯质量和形状分级预测模型。选择100个试验样本运用该方法进行质量和形状分级模型构建和预测,采用电子称获取样本实际质量,采用目测法对马铃薯进行形状分选。对比试验结果表明,质量分级相关度系数R为0.991,形状分级分辨率为86.7%。表明该方法对马铃薯质量和形状分级进行预测具有可行性,可运用于马铃薯自动分选系统中。     

基于图像处理的胡萝卜青头须根与开裂的检测方法

为了实现基于计算机视觉的胡萝卜外观品质自动分级系统,基于图像处理的方法,参照国家标准(SB/T10450-2007),该文提出影响胡萝卜外观等级的须根、青头、开裂等关键参数的提取算法.须根检测算法通过提取骨架检测端点数来实现,青头检测算法通过R分量上二值化得到,开裂检测算法使用S分量结合区域标记的方法完成,在此基础上构建了须根数、青头比和开裂度3个量化标准,对试验随机采集的520个胡萝卜图像的青头、须根和开裂进行检测,正确率分别达到了97.5%,81.8%,92.3%,总体识别率91.3%.该文所构建的胡萝卜关键特征检测方法,对研究机器视觉的胡萝卜外观品质自动检测装置与分级生产线具有积极意义.     

基于机器视觉技术的淡水鱼质量分级

为了便于淡水鱼后续加工,需要对其进行大小分级,而且分级是淡水鱼加工前处理的重要工序之一。该研究收集86条淡水鱼为试验样本,利用机器视觉技术获取淡水鱼样本图像,对样本图像进行灰度化、二值化、轮廓提取等预处理,获取长短轴、投影面积等特征值。通过试验研究,建立有关鱼的头部、腹部和尾部的长度以及质量关系,运用各部分所占总质量的比例对特征值面积进行一定的校正,最后通过回归分析建立鱼体质量的预测模型。试验结果为：鱼体质量与投影面积之间是高度相关,其决定系数R2为0.9878,并对质量预测模型进行验证,验证相对误差均值为3.89%,绝对误差均值为6.81 g。试验结果表明,利用机器视觉技术可以为淡水鱼质量分级方法提供参考。     

基于图像特征融合的苹果在线分级方法

苹果在线分级是提升苹果商品化价值的重要环节,需要同时满足分级准确度和速度要求。为进一步提高苹果在线分级效率,该文借助机器视觉技术动态采集苹果传输过程中的实时图像,提出改进的三层Canny边缘检测算法来提取苹果轮廓以克服采集图像中的光线噪声影响,通过分析苹果分级指标,采用判别树对苹果的果径、缺陷面积、色泽等特征进行初步分级判断,并采用粒子群参数优化的支持向量机对果形、果面纹理、颜色分布等特征进行模型构建与分级,最后,通过将两种分级判断结果进行决策融合来实现样本精确分级。同时,采取图像压缩和特征降维方法提高实时性。试验结果表明,基于图像特征决策融合的苹果分级准确率可达到95%,平均分级速率可达到4个/s。研究结果为水果的在线分级提供参考。     

基于机器视觉的马铃薯自动分级方法

为了实现马铃薯的自动分级,设计了基于V型平面镜同时获取三面图像的马铃薯机器视觉分级系统,并提出了相应的分级算法。根据大小特性,提出基于最小外接柱体体积法的马铃薯大小分级检测方法;根据外形特性,采用最长径外接矩形的宽高比法,实现了类圆形、椭圆型以及长型马铃薯的分类;根据马铃薯缺陷特点,分别提出以缺陷面积大小作为判别准则的孔洞、干腐马铃薯判别方法,以外接矩形对角线长度作为判别准则的机械损伤马铃薯判别方法和基于交叉法的发芽、畸形马铃薯检测方法。最终马铃薯的分级正确率为91.0%。试验结果表明:基于机器视觉的马铃薯自动分级检测方法可行,可用于马铃薯外部品质的在线检测。     

基于机器视觉的板栗分级检测方法

为实现合格和缺陷板栗的分级,研究了1种基于BP神经网络与板栗图像特征的板栗分级方法。试验以罗田板栗为研究对象,提取的颜色及纹理等8个特征值,通过主成分分析提取相应的主成分得分向量构成模式识别的输入。利用BP神经网络方法建立了板栗分级模型。试验结果表明,在图像信息主成分因子数为3,中间层节点数为12时,建立的模型最佳,模型训练时的回判率为100%,预测时识别率达到了91.67%。研究结果表明基于机器视觉技术的针对缺陷板栗分级检测方法是可行的。     

苹果内外品质在线无损检测分级系统设计与试验

目前苹果品质检测分级机械存在结构复杂、价格昂贵以及不能兼顾内外品质的缺点。苹果的内部品质和外部品质都是决定苹果价值的关键因素,故该研究根据静态条件下的试验分析,设计了苹果内外品质在线无损检测分级系统。该系统主要由哑铃式滚子、机器视觉外观品质检测系统模块、近红外内部品质检测系统模块、分级模块以及控制系统组成。在机器视觉外部品质检测模块设计中,为了增大苹果有碰伤部位和无碰伤部位之间的对比度,通过采集有碰伤部位和无碰伤部位的反射率光谱,确定在730 nm处两者的反射率差异最大,并以此选用波长为730 nm的红色LED光源作为机器视觉模块的光源。为获得苹果整个表面信息,苹果在向前运动的过程中完成自转,并利用算法将单个苹果3个运动状态下的图像进行提取和合成,随后对图像进行高斯滤波,大津法二值化以及轮廓提取处理,当该苹果判断为有碰伤时,直接发送剔除指令,当判断为无碰伤,对轮廓提取后图像进行圆拟合处理,并利用拟合圆直径得到该苹果的大小。近红外内部品质检测系统模块设计中,对比2种近红外检测结构,并以试验确定了将探头和光源布置在下的设计方式。最终,通过试验验证得到了系统的在线检测性能,系统对于苹果有无碰伤检测总体正确率为94%,大小检测的相关系数为0.964 6,均方根误差为2.28 1 mm,苹果内部可溶性固形物含量所建立模型的校正集相关系数为0.950 8,校正集均方根误差为0.342 6%,预测集相关系数为0.949 2,预测集均方根误差为0.448 7%。单个苹果的检测时间为0.71 s。整机具有体积小、结构简单、成本较低的优点,适用于农户和中小型企业。     

基于轮廓分割的草莓叶片三维建模

为精确构建原位草莓植株三维空间结构,以高架栽培模式生长环境下的草莓植株为研究对象,提出了一种基于多源图像轮廓分割的草莓植株结构形态三维重建算法。通过改进的多源图像融合算法,建立多源图像映射关系,融合预处理后的多源信息得到待分割强度图;计算待分割强度图矢量场卷积的局部中心,选出多目标的初始轮廓控制点,将参数的活动轮廓模型应用于待分割强度图像进行叶片的分割;采用标记的方法将分割轮廓映射至距离点云集,设计以单个叶片为单位的平面拟合选择机制,最终完成草莓三维模型的重建及显示。为验证该算法的有效性,将三维重建后的有效叶片数,平均单叶长度及叶片距离差作为评价指标,实验结果表明,有效叶片数正确率为85.6%,平均单叶长度模型正确计算率为88.4%,叶片距离差正确计算率为82.4%,研究结果可应用于原位草莓植株的空间位置测量,可为农业机器人局部视觉场景中植株空间结构的构建提供参考。     

红掌基因工程育种进展、问题与对策

红掌是极具观赏性和商业开发价值的盆栽植物和切花花卉,品种改良是推动其产业持续发展的根本。周期较长、生殖障碍、遗传基础不明晰等限制了红掌常规育种的发展,而基因工程具有高效、定向、打破种属隔离的优势,在红掌育种中有着广阔的应用前景。二十年来,红掌基因工程研究取得了巨大进展,本文回顾了该领域技术体系的发展历程,综述了转基因在红掌抗病害、虫害、低温等胁迫及花色、花期等多个性状改良中的应用研究现状,并对存在的问题和发展前景予以评析,为加快具有我国自主产权的红掌新品种选育提供参考。     

基于机器视觉的马铃薯质量和形状分选方法

马铃薯的质量和形状是机器视觉分级的2个重要特征和依据,为实现马铃薯质量与形状检测分级,该文提出了一种基于图像综合特征参数的分选方法。首先提取马铃薯俯视图的面积参数和侧视图的周长参数,通过回归分析建立马铃薯的质量检测模型,实现对马铃薯的质量分选;然后提取马铃薯俯视图像的6个不变矩参数,输入到已训练好的神经网络,完成对马铃薯形状分选。试验结果表明:该方法可以有效的检测马铃薯的质量并区分其形状,质量分选准确率为95.3%,薯形分选准确率为96%。可满足实际应用的要求。     

基于机器视觉的白掌组培苗在线分级方法

白掌在观叶类花卉中占有很大比例,其育苗多采用组织栽培法,且组培苗生产具有规模化。为提高成苗出苗品质,需要在组培苗炼苗前对其分级,而目前常用分级法不能有效解决自然状态下水平放置的白掌组培苗存在的叶片扭曲和重叠问题,因此该文提出一种基于机器视觉实现白掌组培苗在线分级的方法,通过对自然状态下水平放置的白掌组培苗的叶片面积、苗高、地径以及投影面积的分析,得到其投影面积与叶片面积呈线性关系,相关度为0.9344;投影面积与地径呈多项式函数关系,相关性为0.9067,故确定组培苗投影面积和苗高为实际生产中的分级指标。该文采用基于颜色模板匹配算法测量组培苗投影面积,得到的叶片面积和地径与实际叶片面积和地径的变异系数相对误差分别为0.35%和7.95%;利用最小外接矩形法(MBR,minimum bounding rectangle)测量苗高,得到的苗高和实际苗高变异系数相对误差为1.44%。通过整机分级试验发现在输送间距为0.25 m,输送速度为0.5 m/s,分级级别为3级的条件下,该分级装置的分级成功率可达96%,对应生产率为7 200株/h。     

基于机器视觉的苹果最大横切面直径分级方法

针对中国苹果产后分选率和分选精度均较低而影响其商品价值等现状,在GB/T10651-2008《鲜苹果》颁布的背景下,设计了一套基于机器视觉技术的苹果分选系统。针对红富士苹果,采用了一种利用RGB颜色模型R-B通道进行阈值分割和均值滤波后,通过行扫描提取出轮廓的方法。提出了2种对苹果进行大小分级的理论模型:一种以苹果轮廓线上两点之间的最大距离作为分级标准;另一种以苹果最大横切面直径作为分级标准,其中苹果最大横切面直径通过曲线拟合得出。利用VC6.0软件编程实现了上述2种分级模型的算法。通过40个苹果6次在线分级试验表明,模型一分级正确率为93.3%,模型二分级正确率为87.1%,双通道分级效率最高可达12个/s,达到了苹果在线分选商品化应用的基本要求,为近球形果蔬参照行业分级标准进行大小自动化分选提供参考。     

基于离散单元分析与物场分析的盆花移栽手爪优化

该文针对盆花移栽作业过程中出现的移栽手爪提取基质不完整的现象,基于离散单元分析方法,利用EDEM(enhanced discrete element method)软件建立起机构(移栽手爪)、作用对象(带有根系的盆花基质)、作用条件(花盆)间的离散元仿真模型,对手爪钢针的插入和提离过程进行离散元仿真分析,确定基质断层为提取基质不完整的原因,并通过对基质提离过程进行受力分析发现,导致基质发生断层现象的根本原因是基质提离总阻力大于基质内部所能提供的最大凝聚力。鉴于如上分析,利用物场分析方法提出在原有系统中添加揉盆机构的解决方案,通过对揉盆机构工作过程进行离散元仿真分析发现,在揉盆机构的作用下基质与花盆之间产生了缝隙,使花盆对基质由于粘附作用产生的摩擦阻力降低,减小了基质提离总阻力,证明在工作过程中揉盆机构可以通过减小基质提离总阻力来解决基质断层问题。分别对添加揉盆机构前后的样机进行3组100盆的花苗移栽试验,移栽手爪完整提取基质成功率从84.67%提升到97.67%。该研究将EDEM离散单元分析与物场分析方法结合应用在机构优化设计过程,可以为盆间自动化移栽领域的设备研制与开发提供参考。     

基于自动导引小车系统盆栽水稻高通量输送系统的设计

针对栽培区中盆栽水稻需频繁搬运的问题,该文以自动导引小车AGV(automated guided vehicle)系统为核心设计了一套盆栽水稻高通量输送系统。盆栽水稻高通量输送系统包括AGV、无动力种植槽、输送线、上下线机、通讯与控制系统等。水稻主要通过AGV和输送线实现移动。无动力种植槽成行放置于栽培区中,且每个无动力种植槽中栽培24株水稻。AGV按照指令从栽培区中提取种植槽,并将其移动至上下线机,24株盆栽水稻通过上下线机整体进入输送线,并依次移动至指定地点进行作业,作业完成后24株盆栽水稻从上下线机又整体离开输送线,由AGV将盆栽水稻放回原址。AGV移动时通过激光条码定位,定位准确,误差为±5 mm。AGV移动速度快,最高速度达60 m/min。AGV移动平稳,取放、移动种植槽时,盆栽水稻不易倾翻。随机选取的240株盆栽水稻进行输送试验,试验表明,盆栽水稻高通量输送系统联机自动运行可以满足盆栽水稻表型检测速度要求,AGV提取和存放盆栽水稻时位置准确,无歪斜无碰撞,盆栽水稻在移动过程,状态平稳,无倾翻,无折断现象,而且实现了温室中设备的分区管理。该研究成果为其他温室盆栽植物输送提供了参考。     

机器视觉技术在黄花梨尺寸和果面缺陷检测中的应用

为提高出口水果品质,对黄花梨进行了机器视觉技术检测外形尺寸与表现状况的试验研究。通过确定图像处理窗口、利用Ｓｏｂｅｌ算子和Ｈｉｌｄｉｔｃｈ细化边缘;确定形心点找出代表果径,试验检测结果表明,预测果径值与实际尺寸的相关系数可达０．９６。对检测果面缺陷,提出利用红（Ｒ）、绿（Ｇ）色彩分量在坏损与非坏损交界处的突变,求出可疑点,再经区域增长定出整个受损面,试验对比表明该算法是精确的