蔬菜穴盘苗自动补苗试验台穴孔定位与缺苗检测系统

为了精确获得蔬菜穴盘育苗空穴信息并为自动补苗提供依据,研制了蔬菜穴盘苗自动补苗试验台。利用该试验台获取了苗龄25、35 d的拟南介穴盘苗彩色图像,对彩色图像依次进行灰度化处理、Otsu阈值分割得到幼苗和穴盘二值图;对幼苗二值图进行开运算去除噪声,提取出幼苗特征图像;将穴盘二值图去除幼苗图像并去除噪声获得穴盘特征图像,依据穴盘特征图像分别在行、列上的像素统计峰值、峰宽及穴盘规格化结构,精确确定了穴孔边界;对穴孔内幼苗图像像素统计以判定是否空穴,结果表明:25、35 d拟南芥穴盘苗有苗穴孔与无苗穴孔内像素统计值差异极显著,空穴、有苗穴判断正确率均为100%,为穴盘苗空穴自动补苗提供了精确的幼苗信息与穴孔位置。     

番茄果实串采摘点位置信息获取与试验

针对番茄收获机器人在采摘过程中果实串采摘点位置难以确定的问题,提出了基于果梗骨架角点计算方法,并利用该算法对番茄果实串果梗采摘点进行位置信息获取:首先采用最大类间方差分割法进行目标果实串分割,通过形态学方法和阈值法去除干扰,提取出目标果实串分割图像;根据果实串的质心和果串的轮廓边界确定果梗的感兴趣区域,采用快速并行细化算法提取果梗的骨架,利用Harris算法检测得到果实串第一个果实分叉点与植株主干之间果梗骨架角点,通过计算获得采摘点位置信息。然后进行验证试验,利用双目视觉图像采集系统采集了60组果实串图像并获取果梗采摘点位置信息,结果表明,采摘点位置成功率为90%,为采摘机器人提供准确的采摘位置信息。     

子叶期钵苗补苗末端执行器设计与试验

针对穴盘育苗由于受种子质量和育苗环境因素等影响导致空穴多的问题,为消除穴盘苗空穴,该文研制了蔬菜子叶期钵体苗补苗末端执行器。以72孔标准穴盘培育的子叶期番茄钵体苗为移取对象,以育苗基质配比与含水率、苗龄为因素,以子叶期钵体苗补苗末端执行器从穴孔取出基质的取净率为指标,进行了正交试验,结果表明:幼苗苗龄、基质配比对基质取净率影响显著,基质含水率对基质取净率影响不显著,对常见的基质配比、适宜基质含水率、苗龄16-26 d的穴盘苗基本均能完整、无损地取出,基质取净率最大的较优组合苗龄为26 d、基质配比2∶2∶1、基质含水率74.1%;对苗龄26 d、基质配比2∶2∶1、基质平均含水率75.5%的番茄钵体苗进行取苗、补苗试验,取出无苗基质和钵体苗的成功率均为100%,补苗成功率为100%,为子叶期蔬菜钵体苗补苗提供了性能优良的末端执行器。     

基于改进的Deep Lab V3+网络模型的杂交水稻育种父母本语义分割研究

为解决杂交水稻育种授粉过程中父母本区分的精确性和实时性问题，本研究提出一种基于全卷积神经网络的、改进的DeepLabV3+杂交水稻育种父母本区分的语义分割模型。采用轻量化的主干网络Mobile Net V2结构替换原Deep Lab V3+的主干网络Xception结构，使之更适用于移动设备，并提出一种联系较为紧密的低层特征信息提取方法，将较低层次信息和较高层次信息初步融合作为原低层次信息的输入，使网络获得更加密集的信息，从而增强网络对于细节的提取能力。结果表明，改进的Deep Lab V3+网络模型较原Deep Lab V3+网络模型具有更高的杂交水稻制种父母本分割精度，并能够减少模型训练和图片预测时间。将改进后的Deep Lab V3+网络模型与其他主流网络和先进网络模型对比发现，各项参数精度均有所提高。本研究为深度学习在农业视觉机器人领域中的发展提供了参考。