玉米种子活力逐粒无损检测与分级装置研究

基于近红外反射光谱分析技术,设计了玉米种子活力逐粒无损检测与分级装置,该装置主要由单粒化装置、输送管道、近红外光谱采集系统、控制系统和分级装置等组成。种子单粒化装置由一个带孔的倾斜转盘和一个固定托盘组成。输送管道与固定托盘出种口连接,其末端为光谱采集单元。种子由单粒化装置分离后,经输送管道落至光谱采集区进行光谱分析及活力判断,之后由分级装置对判别完成的种子进行分级。带孔圆盘用于将种子单粒化,其工作效率是提高种子检测及分级速率的关键。经分析得出,决定单粒化装置单粒化效率的因素分别为转盘倾斜角、转盘速度和孔高度。为提高检测速率,对单粒化装置进行了参数分析及优化试验。试验结果表明,当转盘倾斜角为31°、转速为0. 5 r/s、孔高度为2. 2 mm时,种子单粒化效率最优,单通道可达7粒/s。为建立玉米种子活力预测模型,基于该装置分别采集了100粒正常有活力玉米种子和100粒人工老化无活力玉米种子在980～1 700 nm波长范围的光谱数据,对种子原始光谱进行不同方法的预处理,并利用PLS-DA建立种子活力的定性判别模型。几种不同处理方式下的建模对比结果表明,SG-smooth预处理下的建模效果最优,其中校正集的判别准确率为98. 7%,预测集的判别准确率为96%。选取100粒种子对该装置预测模型的稳定性和准确性进行了验证试验,种子活力预测的总准确率为97%。所设计的玉米种子活力逐粒无损检测分级装置单粒化效率较高,光谱数据采集稳定,对玉米种子活力进行实时无损检测及分级具有可行性。     

光谱技术在农畜产品安全性检测的研究进展

光谱技术作为一种无损快速检测技术在农畜产品检测当中广泛应用。为此,综述了可见近红外光谱、光谱成像、荧光光谱等光谱技术在农畜产品安全评定上的重要研究进展。主要包括农药残留、非法添加剂等有毒有害物质的检测研究,农畜产品的新鲜度和细菌综述等指标的评价和农畜产品内在组织病变的评定。同时,分析了光谱技术在农畜产品安全品质检测中存在的问题,并针对目前发展趋势展望了该技术的前景:光谱技术与其它检测技术的结合将实现农畜产品安全指标在线检测的目标。     

基于改进YOLO v4的玉米种子外观品质检测方法

针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类。为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1。为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling, SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4-MobileNet V1模型对玉米种子外观品质进行检测。试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09%和98.02%,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20%。四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考。     

基于机器视觉技术检测裂纹玉米种子

种子的质量对于增产丰收具有重要的意义。为了准确检测玉米种子是否有机械损伤裂纹,基于机器视觉技术提出了一种能自动提取玉米种子,并自动识别裂纹种子的方法。首先,采用最大类间方差法、数学形态学处理和区域属性度量函数提取单粒玉米种子图像;进而,采用基于模糊集和浮雕算法的图像增强方法与基于小波变换模极大值的边缘检测算法凸显玉米种子的裂纹区域;最后,采用图像相乘运算和数学形态学处理等方法去除种子的轮廓与种子区域的噪声,并提取出玉米种子的裂纹区域。以"郑单958"玉米种子为例,选取了160粒经机械脱粒后外部轮廓形态基本完整的裂纹和无裂纹种子,对320幅胚面和胚乳面图像的识别结果表明:该方法对胚面和胚乳面裂纹检测的准确率分别为94.4%和86.9%,平均准确率为90.6%。本研究为基于机器视觉技术检测裂纹玉米种子,保证种子的质量,提高出苗率提供了技术支持。     

作物病害的计算机视觉和光谱检测技术研究进展

目前,计算机视觉和光谱技术已广泛应用于农业领域.为此,针对计算机视觉和光谱技术及其在作物病害检测方面的应用进行了详细的分析和研究,以求获得这些新技术在作物病害检测方面的应用现状,并在此基础上,对这些新技术在此领域的应用前景进行了展望.该研究对作物病害智能检测技术的发展将起到重要的推动作用.     

基于高光谱与集成学习的单粒玉米种子水分检测模型

为建立单粒玉米种子水分含量的高精度检测模型,制备了80份不同水分含量的玉米种子样本。针对玉米种胚朝上和种胚朝下分别进行高光谱反射图像采集,每份样本取样100粒,波长范围为968.05～2 575.05 nm。采用PCA快速提取单粒种子光谱,经多元散射校正预处理后,分别采用随机森林(RF)和AdaBoost算法建立单粒种子水分检测模型,并集成两种算法特征提出基于加权策略的改进RF用于单粒种子水分含量建模。利用单粒玉米种子胚朝上的光谱信息建立的改进RF模型训练集相关系数R为0.969,训练集均方根误差(RMSEC)为0.094%,测试集R为0.881,测试集均方根误差(RMSEP)为0.404%;利用单粒玉米种子胚朝下的光谱信息建立的改进RF模型训练集R为0.966,RMSEC为0.100%,测试集R为0.793,RMSEP为0.544%。实验结果表明：改进RF的泛化能力和预测精度明显优于RF和AdaBoost算法;种胚朝上的单粒玉米种子水分含量检测模型优于种胚朝下的模型。高光谱检测技术结合集成学习算法建立的玉米种子水分检测模型预测精度高,稳健性好。     

光电检测技术在马铃薯品质检测中的研究进展

近年来,我国大力推动实施马铃薯主粮化战略,品质控制是重要的支撑技术,需在马铃薯的专用品种选育、主食产品加工、储藏运输及终端消费等多个产业链环节进行检测。为此,围绕马铃薯质量安全管控方面的需求,详细介绍了机器视觉技术、近红外光谱分析技术及高光谱成像技术等光电检测技术在马铃薯外观形态、内部品质及缺陷检测方面的研究和应用现状,并分析了其发展趋势,以期为马铃薯深加工过程中原料筛选和分等分级等提供参考。     

土壤重金属光谱检测技术的研究进展

随着光学和电子技术的迅猛发展,基于光与物质相互作用而建立的分析测试方法愈来愈广泛地应用于物理、化学和生物等各个学科领域,特别是在物质组成和结构的研究、基团的识别、几何结构的确定以及表面分析等方面,具有很大的优越性。文章主要介绍了土壤重金属光谱检测中几种典型的方法,总结了各种光谱检测技术的优缺点,并概述了国内外土壤重金属光谱检测的研究现状,提出了土壤重金属光谱检测的进一步研究方向。     

光谱技术在农药残留检测中的应用与展望

光谱技术以其操作简便、高效、非破坏、高精度等诸多优点,在农药残留检测中得到广泛应用,常用的光谱检测技术有红外光谱技术、拉曼光谱技术、高光谱图像技术和荧光光谱技术等。为此,综合分析了上述常用光谱技术在农药残留检测中的应用现状,探讨了应用中存在的问题,并对应用前景进行了展望。     

近红外光谱技术在生鲜肉检测中的现状及展望

近红外光谱技术作为一种高效、快捷的检测技术,在肉类产品的检测当中有独特的优势和广阔的发展前景。肉类产品的品质关系到食品安全,也影响着整个畜牧业的发展,因此对肉类产品的检测有着非常重要的意义。为此,文中综述了近红外光谱技术在生鲜肉产品品质等方面的重要研究进展,主要包括肉制品嫩度、含水量、新鲜度、蛋白质含量测定、脂肪含量测定、安全性检测等方面的研究。同时,针对当前的发展趋势展望了近红外光谱技术的发展前景,以期近红外光谱技术在肉类产品检测中得到更广泛的应用。     

基于时序光谱和高分纹理分析的制种玉米田遥感识别

根据制种玉米与其他作物在中高分辨率遥感影像上的光谱和纹理差异,利用多源遥感数据,以提取制种玉米种植田为研究目标,提出了作物多时相光谱特征分析的植被指数体系,多维度反映了作物不同光谱差异;在纹理检测前加入图像旋转不变处理,解决了遥感影像中作物田纹理方向问题;最后构建了多时相光谱特征和高空间分辨率遥感影像LBP-GLCM纹理特征的制种玉米田识别方法体系。以新疆霍城县为研究区,利用上述方法体系结合随机森林分类器,通过实验得到分类总体精度为90.57%,Kappa系数为0.79,制种玉米田分类结果用户精度为99.20%,制图精度为86.68%,基本满足对制种玉米田的识别需求。     

水果病害视觉与光谱检测技术研究现状及展望

水果病害是影响果树健康生长、果实品质和产量的重要因素之一,及时、精准地掌握果树的病害信息并进行精准施药管控,对防范果园重大病害的发生和流行,保障水果的稳产优产具有重要意义。随着现代农业朝规模化、智能化和高效率的发展需求,视觉和光谱检测技术因具有无损检测、可规模化和高效率等优点,逐渐发展为检测水果病害的重要技术之一。梳理国内外机器视觉和光谱技术在水果病害检测应用领域的研究进展,介绍图像处理技术有较好的解释性,有利于与植保农艺研究相结合;深度学习技术有较好的精度和泛化性;透射光谱技术可用于检测果实内部病害;反射光谱技术可用于检测果实、叶片表面病害,并实现分级。最后,总结未来机器视觉与光谱检测技术优化和应用的方向,并展望水果病害检测的实际生产应用前景,以期为水果病害检测研究提供参考与借鉴。     

基于计算机视觉的玉米籽粒形态测量与研究

视觉技术目前被广泛应用于社会各生产领域,包括制造行业、文档分析、医疗诊断及农业品质检测等。为此,基于计算机视觉技术,设计出一种玉米品质自动检测分析方法,即玉米籽粒实时分析系统,具有客观、高效、准确的优势,解决了传统人工检测模式下主观、低效、误差大等问题。最后,设计出一种基于计算机线扫描技术和自动化控制技术相结合的玉米籽粒考种装置。     

农畜产品品质安全高光谱无损检测技术进展和趋势

高光谱成像技术作为光学无损检测的一种新技术在农畜产品品质安全检测中被广泛关注和应用.综述了高光谱无损检测技术的研发现状.在果蔬品质安全检测上,高光谱成像技术可用于组成分分析、食用指标测定、质量分级评定等内部品质检测和外部形态特征识别、表面缺陷及污染物检测、冻伤检验等外部品质判定,以及农药残留、致病菌污染等安全评定.在生鲜肉检测应用方面,包括营养品质的组成成分分析、食用品质如嫩度、大理石花纹、新鲜度等指标评价以及生鲜肉在微生物污染等安全品质的评定.分析了高光谱无损检测技术的现状及问题,并针对目前农畜产品无损检测的发展趋势进行前景展望.     

丘陵区小麦预留行玉米机直播研究

本研究引进三种播种机,对小麦预留行进行玉米播种试验,通过对宜播性、播种质量、出苗率、播种效率等进行比较研究认为:电子精量播种机能保证每穴播种1粒种子,宜播性依次为圆粒型、半马齿型、马齿型。手推式播种机能开沟、播种、盖种一体化,播种效率高,较适宜在丘陵区应用。     

计算机视觉技术在玉米种子自动检测中的应用

玉米种子的品质关系到后期玉米种植收获的好坏,也是玉米收获后的重要加工环节,一般在收获的玉米中挑选出品质优良的作为种子。利用计算机视觉对玉米种子品质进行挑选,具有效率高、准确度高的优势,可代替传统的人工作业,节省了大量劳动力。计算机视觉技术是通过对玉米种子采集的图像进行格式转换、图像变换、图像直方图信息统计、图像增强、图像分割及形态学处理等一系列图像预处理技术,并提取有效图像进行分析验算。计算机视觉技术对玉米种子品质的研究主要表现在玉米种子的品种、纯度、活力、裂纹等方面的检测,本文对玉米种子的检测智能化进行了阐述,为后期研究提供参考。     

种子微创取样关键技术与装备研究进展

种子微创取样装备是面向生物育种技术中的种子切片取样环节，基于机电控制、机器视觉等技术，实现种子基因样本的全流程、自动化操作的智能化工具，其推广和应用可有效提升种质资源培育的效率和质量，助力种业振兴。本文首先介绍了种子切片检测的历史背景和装备研究现状，随后将种子微创取样关键技术系统地划分为种子分离、位姿调整、夹持输送、取样和样品收集与清洁技术，并对其研究现状和发展动态进行了阐述和剖析。在此基础上，结合种子切片装备发展要求和应用场景，归纳了种子切片取样装备面临的切割理论不足、多尺度通用性差、系统集成度有待提高等问题，提出了未来发展方向为: 加强种子切片装备基础理论研究；多尺度通用化种子切片平台开发；发展全生产环节智慧取样检测系统。     

基于近红外光谱和机器学习的大豆种皮裂纹识别研究

针对目前大豆种皮裂纹检测主要依靠人工、检测效率低、误差大的问题,提出一种基于近红外光谱技术和机器学习的大豆种皮裂纹自动识别方法。采用FT-NIR光谱仪采集150粒大豆样品（裂纹大豆75粒,正常大豆75粒）的近红外光谱,采用原始光谱、标准正态变量变换(Standard normal variate, SNV)、多元散射校正（Multiple scatter correction, MSC）、一阶导数结合SG平滑、二阶导数结合SG平滑等5种方法对获得的光谱进行预处理,分别采用偏最小二乘判别分析法（Partial least squares discriminant analysis, PLS-DA）、k-近邻法（k-nearest neighbor, KNN）、支持向量机法（Support vector machine, SVM）、随机森林法（Random forest,RF）、随机梯度提升法（Stochastic gradient boosting, SGB）、极端梯度提升法（Extreme gradient boosting,XGBoost）等6种机器学习方法建立了大豆种皮裂纹识别模型,研究了不同光谱预处理方法对6种机器学习方法分类效果的影响,对比分析了不同建模方法的分类效果。结果表明,光谱预处理方法对不同机器学习方法的分类效果差别较大。在合适的光谱预处理条件下,6种不同的机器学习算法的验证集准确率均不低于80.00%。PLS-DA的分类效果最好,验证集最优准确率达到90.00%;XGBoost的分类效果次之,验证集最优准确率达到86.67%,接下来依次是SVM、KNN、SGB和RF。利用近红外光谱技术和机器学习方法识别大豆种皮裂纹是可行的,在原始光谱条件下,PLS-DA是大豆种皮裂纹识别的最佳方法。     

主要粮食品质快速光学检测技术与装备研究进展

稻米、小麦、玉米作为三大主粮在我国居民粮食结构中占有重要位置,粮食生产、加工、储运等产业链中品质监测是不可或缺的重要环节,特别是高效、无损、客观、实时的光学品质检测对粮食行业的健康发展具有重要意义。本文对比分析了三大主粮的可见/近红外光谱、拉曼光谱、荧光光谱的光学特性及内部品质光学检测机理,总结分析了粮食内部品质光学检测技术国内外应用研究现状,探讨了机器视觉、高光谱等粮食外观品质检测技术应用范围及国内外研究现状。结合三大主粮特定的品质检测需求,总结分析了国内外粮食内部品质光学检测装置研究现状,重点探讨了外观品质检测装置的硬件组成和空间排布研究现状,并总结分析了各光学检测技术相关装置的商业化推广应用情况。最后,从粮食品质光学检测技术瓶颈出发,对粮食快速光学检测技术及装备存在的问题和发展趋势进行了分析展望。