种薯水射流切口质量仿真分析与试验研究

为了获取最佳切割压力和移动速度,提高水射流种薯切块的切口质量,首先论述了水射流种薯切块和金属刀具切块的机理,分析切口拉伸及塑性流变以及切割裂纹对种薯损伤的影响;然后建立种薯、水射流离散元模型和金属刀具的实体模型;最后进行二因素三水平仿真试验,并比对水射流切块和金属刀具切块的效果。结果表明：水射流出口压力250MPa、移动速度0.5m/s时,切割效果最好;水切过程中,种薯切面受力远小于刀切过程,最大受力为刀切的1/4;种薯应力集中于切口处,种薯切块无明显受力情况;种薯块茎切口处粘结键断裂数目小于刀切过程,水切对马种薯切口损伤更小,切割质量更好。     

基于主动热红外成像的马铃薯与杂质分类方法

为解决入库马铃薯中石块、土块等杂质剔除的问题,提出一种基于主动热红外成像的马铃薯与杂质分类方法。建立基于集总参数法的马铃薯和杂质的传热模型,获得影响受热效果与导致温度差异的因素为材料热物性、风速、风向角度、风温;利用有限元法分析马铃薯和杂质在外部热风激励下的热像图,马铃薯表面温度显著高于石块与土块,并对风速、风向角度、风温分别进行四水平单因素仿真试验,得出马铃薯与杂质的表面温度差异大小在一定时间内与风速、风向角度和风温呈非线性正相关。在试验平台上对马铃薯和杂质进行分类试验,结果表明：最佳图像识别处理条件为风速4 m/s、风温为40℃、风向角度为90°,识别成功率为97%。为马铃薯收获—仓储过程中除杂提供技术参考。     

基于激光三维重建的种薯芽眼识别方法研究

种薯芽眼的准确识别是实现智能切块的重要前提。为解决种薯芽眼机器视觉识别易出现误判和不易获取芽眼三维位置信息而导致切块不均匀的问题,提出一种基于激光三维重建的种薯芽眼识别方法。确定点云获取过程中ROI区域消除采集过程中背景的影响,通过工业相机与线激光器相配合连续采集移动种薯的激光光条图像获取其点云数据;根据点云密度去除随机噪声和裙边噪声,提高点云质量,降低芽眼误判率。采用体素滤波算法稀疏点云,提高识别效率;通过对种薯表面任意点的局部邻域进行平面拟合后获取点云法向量,构建加权协方差矩阵参数化种薯表面点云,根据矩阵特征值大小设定的动态阈值对种薯表面点云进行初步筛选,得到种薯芽眼判别的候选点,采用欧式聚类算法获取候选点的点云簇,选取每个点云簇中最大特征值点为关键点,利用计算关键点和邻域内其他点构成的中心线连线向量与法向量夹角余弦值对关键点再次筛选,最终确定种薯各个芽眼位置。试验结果表明,芽眼识别率为95.13%,芽眼误识别率为4.87%,可为马铃薯种薯智能化切块时芽眼识别提供参考。