玉米籽粒形状特征检测技术研究——基于图像处理

玉米籽粒形状特征是玉米品质和品种判定的重要依据,利用机器视觉代替人的视觉对玉米籽粒品种或品质的自动检测是发展的必然趋势。为此,通过图像获取、颜色空间转换、图像分割、形态学处理、单籽粒图像的定位和拾取、特征参数提取等步骤实现了对玉米籽粒图像的特征提取。所采用的算法简洁、有效,对下一步玉米籽粒的自动检测工作具有重要的实际意义。     

利用图像和机器学习检测大豆作物幼苗期玉米杂苗

在大豆-玉米轮作生产过程中,玉米杂苗会与大豆苗竞争水和肥料,而且很容易遮住大豆苗,影响害虫（如玉米根虫）的防控,降低大豆品质。因此,在大豆幼苗期及时检测出玉米杂苗并对其进行处理非常重要。传统的人工检测方法主观性强、效率低,传感器和算法的发展为自动检测玉米杂苗提供了更好的解决方案。本研究在温室环境下模仿田间条件,待玉米和大豆发芽后,连续5天用因特尔RealSense D435相机采集彩色图像,并人工裁剪幼苗图像区域,在此基础上对图像进行分割和去噪。在采集图像形状、色彩和纹理特征值后, 对所采集的特征值进行权重分析, 保留前10种重要的特征值导入基于特征的机器学习算法中进行模型训练和预测。预测结果表明,支持向量机模型（SVM）、神经网络（NN）和随机森林（RF）的预测精度分别为85.3%,81.5%和82.6%。将数据集导入GoogLeNet和VGG-16 两种深度学习模型进行训练, 预测精度分别为96.0%和96.2%。VGG-16 模型在区分大豆幼苗和玉米杂苗中有较好的表现,彩色图像和VGG-16 模型组成的系统可以自动检测大豆生长过程中玉米杂苗的情况,为农民提供准确的信息,帮助其进行生产决策和田间管理。     

膨化预处理玉米秸秆提高还原糖酶解产率的效果

为了提高玉米秸秆的可发酵还原糖转化率,采用膨化技术对玉米秸秆木质纤维素进行预处理。扫描电镜观察,玉米秸秆的纤维束受到破坏,木质素包裹作用减弱,纤维素酶的空间作用面积提高。红外光谱分析表明有部分半纤维素和少量木质素水解;X射线衍射测定纤维素结晶度降低了12.68%。通过进一步纤维素酶解试验,与未处理的相比膨化处理后原料酶解时间可缩短16 h,未经膨化处理原料还原糖的酶解产率为13.48%,膨化处理后原料还原糖的酶解产率可达24.91%。结果表明,膨化预处理技术可明显提高玉米秸秆木质纤维素的能源化利用效率。该     

不同加工方法对玉米饲用价值的影响研究进展

玉米是反刍动物重要的能量饲料之一,其加工方法直接影响饲用价值和动物的生产性能。经过不同加工处理的玉米对反刍动物瘤胃内环境产生重要的影响,进而影响动物饲料利用效率,目前玉米加工有蒸汽、压片、膨化及发芽等方法。本文以发芽处理为主,综述了不同加工处理方法对玉米饲用价值的影响研究进展,为饲料工业中玉米加工提供了科学依据。     

微波技术在膨化食品加工中的应用

分析阐述了膨化食品加工工艺流程、微波加热的原理、微波加热系统的基本组成以及微波对食品膨化的作用机理和应用前景。     

基于机器视觉的鸭蛋外壳检测系统

传统的鸭蛋外壳检测主要依靠人工检测进行，主观性大，检测精度差，效率低，耗费了大量的人力物力，还会造成鸭蛋的二次损坏，严重影响鸭蛋的出口和销售。为此，深入研究了机器视觉技术，并将其应用在鸭蛋外壳检测系统中，构建了基于机器视觉的鸭蛋外壳检测系统总体设计方案，完成了图像采集模块的硬件设计。工作时，对待检测鸭蛋进行自动拍照，完成摄像机图像的采集；通过建立小孔摄像机模型，确定样本图像和摄像机图像的比例关系；通过对样本图像进行图像灰度转换、二值化处理、边缘检测等处理，实现对鸭蛋外壳的智能检测。最后，进行鸭蛋外壳检测试验，结果表明：基于机器视觉的鸭蛋外壳检测系统结构能够实现对鸭蛋进行自动检测，智能区分完好鸭蛋和有裂纹鸭蛋，检测精度高、性能稳定，有效提高了鸭蛋外壳检测效率。     

基于稀疏表示的烤烟烟叶品质分级研究

为了实现烟叶自动检测与分析,通过计算机视觉对烟叶品质进行分级。在提取烟叶图像特征参数的基础上,提出了一种基于稀疏表示的烤烟烟叶品质分级方法。以临朐12种和恩施5种不同级别的烟叶图像作为研究对象,每级烟叶取10幅图像作为训练样本,对每幅烟叶图像取颜色、形态和纹理特征值。利用训练样本的特征值组成稀疏表示方法的数据字典,对每个测试样本计算其在数据字典上的投影,利用最小残差项确定其品质分级。实验结果与基追踪法（BP）、神经网络方法、SVM方法和模糊处理方法实验结果相比较,训练集样本识别率为100%,综合识别率达95.7%,取得了比较好的分类效果。     

即食黑木耳食品加工工艺条件的研究

以黑木耳和玉米粉为主要原料研制即食黑木耳膨化食品。通过考察原料含水率、膨化温度、螺杆转速和玉米粉掺入量等因素对膨化效果的影响,并采用正交试验优化加工工艺条件。试验表明:膨化辅料玉米粉掺入量30%、原料含水率18%、膨化温度130℃和螺杆转速275r/min;挤压后烘烤条件为温度100～110℃、时间10min,产品质量符合国家食品安全标准。     

基于图像玉米茎秆位置标记方法的研究

为实现田间作业过程中对玉米茎秆的定位，提出了一种基于图像玉米茎秆位置的标记方法。以3～5叶期的玉米秧苗为观测对象，利用相机获取玉米秧苗的彩色图像。首先，根据玉米图像样本进行灰度化、加权滤波、直方图均衡进行预处理；对图像进行Ostu阈值分割，提取玉米秧苗区域信息；通过形态学处理去除噪点，得到最大连通域作为玉米秧苗区域。然后通过投影法，对该区域进行列向和横向向量求和，得到的最大值标记为玉米茎秆根部近似位置。对100株玉米秧苗图像进行测试，与图像手动标注位置进行对比，横向误差平均值为7.55,标准差平均值为1.04%,列向误差平均值10.85,标准差平均值为2.26%,实际误差平均值为12.33。该研究可为需要保护玉米秧苗的田间作业提供参考。     

基于MATLAB与VB混合编程的哈密大枣品质检测研究

基于Visual Basic 6.0设计了应用软件的用户界面,用SOLIOS图像采集卡与CCD摄像头连接采集数据,构建了基于机器视觉的哈密大枣自动检测系统,并利用Matlab7.6图像处理工具箱,通过各种算法的比较和验证,确定了最佳背景分割方法,找到有利于哈密大枣的特征提取、品质(缺陷、大小、颜色等)自动识别的方法,为哈密大枣自动化检测生产奠定了基础。在图像采集中,调用图像采集卡驱动程序,实现图像的储存。图像处理中,应用颜色空间转换、小波消噪、阈值分割和数学形态学处理等方法,快速准确识别其品质,利用VB的ActiveX组件,在Visual Basic中直接调用Matlab图像处理程序,实现对哈密大枣品质的自动检测。     

基于机器视觉的石榴品质自动分级方法

采用人工检测的石榴外观品质等级分级方法存在准确率和效率低的问题,提出一种基于机器视觉的石榴品质分级方法。首先,采用机器视觉系统采集石榴样本图像,进行去噪处理与获取掩模图像;其次,提取去噪图像的红、绿、蓝分量,用蓝色分量减去红、绿色分量得到色差图像,并对色差图像进行阈值分割;然后,对分割图像采用数学形态学处理获得连通的疑似缺陷区域的边界,提取纹理特征并根据缺陷与非缺陷区域纹理特征的不同来标记缺陷区域;最后,将缺陷面积与总面积之比和缺陷数目作为划分等级的依据,对石榴品质等级进行划分。试验结果表明：本方法总体分级准确率达到92.9%,能够高效、准确地识别石榴表面缺陷并进行品质分级,为实现自动分级的产业化提供思路。     

基于机器视觉的玉米异常果穗筛分方法

针对玉米品种制种过程中病害果穗的表型识别问题,以玉米果穗整体为研究对象,基于二维快速成像技术实现了霉变、虫蛀和机械损伤3种异常果穗的快速分选。构建了单目视觉便携式图像采集装置,采集了任意摆放的粘连果穗目标图像,分别在RGB模型和HIS模型中提取了玉米果穗的6个颜色特征和5个纹理特征,并实现特征参数的归一化。构建了病害果穗分类模型,并采用已知样本特征向量对支持向量机和BP神经网络方法进行训练和对比分析,最后采用支持向量机方法实现了3种异常果穗的快速分选。实验结果表明,该方法对霉变异常果穗筛分的正确率可达96.0%,虫蛀果穗筛分的正确率可达93.3%,机械损伤果穗筛分的正确率可达90.0%。     

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。     

玉米种子实时检测分选装置设计与试验

针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。     

机器视觉技术在种子纯度检验中的应用

随着图像处理技术和机器视觉技术在农业生产中的广泛应用，利用机器视觉技术和图像处理技术进行种子纯度检验和对种子质量进行最终评判已成为可能。本文分析了种子纯度检验技术现状和存在的问题，概述了国内外对种子纯度自动化检验技术研究的最新进展，并对今后种子纯度检验技术发展进行了展望。     

基于机器视觉的玉米种粒破损识别方法研究

针对玉米种粒在收获、脱粒、贮藏时因各种因素造成损伤和人工选种耗时耗力的问题,提出了一种基于机器视觉的玉米种粒破损检测方法。首先,利用图像获取装置得到单粒玉米种粒图像,通过差影法确定图像噪声种类,采用中值滤波方法对图像进行降噪;其次,标记图像边界,运用灰度阈值法完成玉米种粒图像分割。根据玉米种粒的形态特征分别提取玉米种粒的周长、面积、周长面积比、长轴长、短轴长、长宽比6个几何特征和矩形度、圆形度、紧凑度、7个Hu不变矩10个形状特征,共16个特征。完整玉米种粒和破损玉米种粒图像各50幅作为训练样本,将提取的16个特征分量作为输入量,对支持向量机(Support Vector Machine,SVM)进行训练,输出量为1、0,分别代表"合格""不合格",训练完成后获得玉米种粒的SVM识别模型;另取完整的玉米种粒和破损的玉米种粒图像各50幅作为测试样本,对训练好的SVM模型进行测试。结果表明:该检测方法对玉米种粒破损识别准确率达95%以上,识别100幅玉米种粒图像的时间为1.27s。研究结果为玉米种粒的实时破损检测提供了参考。     

基于计算机辅助的玉米芽种物理机械播种研究

玉米是我国主要农作物之一,其生产效率与生产质量的好坏,直接关系着我国粮食安全。传统的玉米芽种机械播种方式,生产成本虽低,但无法实现高效率全自动大面积玉米播种或者套种的实际需求。为此,采取室内试验的方法,选取了我国北方某农业大省玉米作物生产作物为研究对象,进行试验研究。现阶段,关于玉米精密排种器的相关研究,集中体现在排种器相关物理机械性能上,包括机械的设计及机械性能的检测等。在试验方法的选择上,国内行业内现有高速摄像检测方法、虚拟仪器检测方法及图像处理检测等。本文在这里重点运用了高速摄像检测技术。     

计算机视觉在毛叶枣可食率估测中的应用研究

随着食品加工业的发展,对果实的自动分级技术要求越来越高,仅仅依据果皮损伤情况、色泽、果梗保存情况等指标项来进行水果品质分级已不能满足生产需要,可食率便成为对果实品质筛选分级的一个重要参考指标。为此,阐述了一种基于计算机视觉技术对毛叶枣可食率的无损估测方法,即在不破坏果实完整性的情况下,通过对毛叶枣的X光透视图像进行处理,分别估测出毛叶枣果实和果核的体积、质量,进而完成对可食率的估算。     

农业自动化喷雾机械标靶害虫自动识别系统的研究

农业喷雾对象的识别和定位是农业自动化喷雾机械研究中的核心技术之一。对病虫害甘蓝进行精准喷洒农药,实现病虫害准确自动识别成为关键。为此,利用机器视觉的欧氏距离甘蓝夜蛾虫害自动识别检测系统,结合由Qualityspec光谱仪组成的光谱成像系统,对甘蓝正常叶片和遭受甘蓝夜蛾虫害的甘蓝叶片的颜色特征和光谱特征进行分析,并采用机器视觉分割阈值选取中的Otsu算法和自适应波段选择方法提取出了颜色差异的最佳几何阈值和两种叶片的特征波段。试验结果表明:综合机器视觉和光谱技术能够实现甘蓝夜蛾虫害的自动且准确的识别,准确率可达94%。因此,建立机器视觉和光谱技术综合识别体系,可为农作物病虫害自动防治喷雾机器人的研制奠定基础,以达到农作物病虫害实时识别和及时治理的目的。     

膨化玉米在狐貉饲料市场的经济性分析

探讨膨化玉米替代传统狐貉饲料的可行性,分析我国狐貉饲料市场的需求和供给情况,对膨化玉米在狐貉饲料市场的前景进行展望,并以最小投资方案和最经济投资方案两个案例来对比投资收益,最后通过商业经营项目的SWOT分析来判断以膨化玉米作为狐貉饲料的项目可行性。