共查询到17条相似文献，搜索用时 218 毫秒
1.
针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1200粒正常种子、1200粒霉变种子和1200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。 相似文献
2.
针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1 200粒正常种子、1 200粒霉变种子和1 200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。 相似文献
3.
玉米定向精播种粒形态与品质动态检测方法 总被引：5，自引：0，他引：5
为满足玉米定向精播对种子外形和品质的要求,设计了一种玉米种子精选装置,并研究了玉米种粒动态检测算法。经过脱粒并筛除杂质的种粒投入玉米种子精选装置,分两列两层传输,完成玉米种粒的动态检测。通过计算种子胚根尖端的方向,排除了种粒的重复检测现象;以人工选取的100粒标准种粒外形参数为基础建立合格种粒特征参数库,实现对种粒外形的检测;依据合格种粒和重度霉变种粒表皮亮度差异较大的特点,基于图像饱和度分量对重度霉变种粒加以检测;依据轻度霉变种粒表皮呈现块斑的特点,利用种粒的R、G、B颜色平均值检测轻度黑色霉变;以种粒黄色区域补洞后对应原种粒(B-R)的值,判断种粒的轻度白色霉变和轻度破损;对于外形和霉变检测合格的种粒,通过分析种粒区域中白色区域的大小,进行玉米种粒胚芽朝向的判断,为后续种粒定向包装和定向播种提供了依据。对280粒各品种玉米种子进行实时检测,每粒种子的平均检测时间约为14 ms,重复种粒判断准确率为95%,种粒合格性检测准确率为96.1%,胚芽朝向判断准确率为97.1%。 相似文献
4.
基于机器视觉的玉米异常果穗筛分方法 总被引：3，自引：0，他引：3
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%。 相似文献
5.
为了解决天麻外观品质检测问题,设计了一种在线实时检测装置,用于天麻的品质动态实时检测。为此,确定了关键部件主要结构和参数,阐述了其总体结构及工作原理。天麻通过放料部分进入滚筒,经滚筒传输至上料部分,上料部分的辊轮将其运送到翻滚槽口,经翻转后进入托盘机构,托盘机构在链条的带动下以一定速度向前输送至图像采集部分,从而获取天麻整个表面信息。图像识别系统对采集到的天麻图像进行综合分析判断,确定天麻品质和位置信息,传送给分选执行机构,对天麻进行智能分选。试验结果表明:识别模型识别效率为99.34%,步长为7.06个/s,准确率为95%,可为天麻分选装置设计生产提供理论指导。 相似文献
6.
红枣是一种表面颜色深的果物,为了满足红枣业科技发展需要,课题组在相关理论研究和实际应用基础上,设计了红枣光电分选机检测系统,优化了图像处理算法和检测系统硬件,利用实验采集平台实现对红枣缺陷检测,根据陕北榆林红枣检测的需要,设计了缺陷枣粒的图像采集分选测试装置,挑选了合适的工业相机,装配了缺陷枣粒检验测试实验平台,确定了光源配置方式和光源组合方案,完成了计算机与枣粒图像收集模块的搭建,确定了基于Blob分析的红枣缺陷识别算法的实现流程,从而来分辨出红枣图像信息中的正常枣粒和霉变枣粒及损伤粒,达到分选不同类别红枣的目的。 相似文献
7.
基于计算机视觉的胡萝卜外观品质分级系统与装备 总被引：2，自引：0，他引：2
为了实现胡萝卜的自动化分级分选,在前期胡萝卜青头、须根、开裂检测算法研究的基础上,参照国家标准需求,进一步提出了胡萝卜外观等级规格,如弯曲、断折等缺陷,以及衡量异品种的锥形度参数的检测方法,并以此为基础设计了基于计算机视觉的胡萝卜外观品质实时分选生产线。该生产线由下位机控制系统、上位机软件系统和机械分级装置组成。通过对软硬件环境和机械系统性能的测试表明:该分选生产线每秒钟可检测20个胡萝卜的等级;对520个胡萝卜含有不同种类缺陷和异品种的胡萝卜进行分级检测,分级正确率达到了93.5%,能够满足胡萝卜外观品质分选实时检测的要求。该分选线能够同步实现胡萝卜等级规格、质量、各种缺陷的实时检测与在线分选。 相似文献
8.
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。 相似文献
9.
《中国农机化学报》2015,(5)
为实现马铃薯智能检测与自动分级,提高马铃薯分级效率,本文在现有水果机械分选机的基础上,加装机器视觉系统和智能分级控制系统,提出马铃薯外观品质检测算法,实现马铃薯智能分选系统。首先下位机发送信号给上位机机器视觉系统控制摄像头拍照;然后上位机根据马铃薯形状、颜色和缺陷特点,采用近似椭圆法进行形状检测,采用逐点检测法检测绿皮区域,采用自适应阈值分割法分离缺陷区域,并以缺陷面积比进行缺陷检测;最后上位机将检测结果通过串口发送给下位机,分级执行器执行分级结果将次品拣出,再配合机械分选的压力传感器信号进一步实现正常品的重量分级。经测试:本文提出的分级检测算法对形状、绿皮和缺陷的检测正确率分别为93.3%、94.1%和88.3%,综合检测准确率可达到90%。本文构建的分级系统运行稳定,每秒可分选25个马铃薯,基本满足马铃薯实时分选的需求。 相似文献
10.
为实现鸡肉新鲜度的快速准确检测,设计了一种基于电子鼻和视觉数据融合的一体化检测装置。装置由控制系统、视觉系统和电子鼻系统3部分组成,可同时通过电子鼻传感器阵列检测鸡肉散发的气体浓度并由摄像机采集鸡肉视觉图像,控制板传输数据至Jetson Nano上位机进行特征提取、融合与分析。由该装置获取不同新鲜度鸡肉样本的气味和图像数据,采用主成分分析方法进行降维处理,再基于支持向量机建立鸡肉新鲜度分级模型,准确率可达98.7%。该装置具有准确率高、便携和稳定性强等特点,可为肉品新鲜度检测提供技术支持。 相似文献
11.
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。 相似文献
12.
设计了一种脱绒棉种双侧双CCD(Charge coupled device)色选检测系统。通过对该检测系统的光学子系统、图像采集子系统和处理子系统等的分析与设计,结合仿真分析和测试试验,验证了系统效果。其中,图像采集子系统采用彩色线阵CCD对脱绒棉种进行成熟度信息采集、黑白线阵CCD对棉种进行完整度信息采集;图像处理和分析用于提取关键特征信息做棉种类型的判别分析。试验结果表明,检测系统设计的光学子系统模块能够得到特征清晰的图像,处理子系统能满足双图像采集子系统CCD正常采集物料特征信息,系统能够保证分选的实时性和稳定性要求。 相似文献
13.
为了高效检测玉米种子内部裂纹,设计基于卷积神经网络(CNN)的检测系统及批量检测方法,采集有裂纹和无裂纹的玉米种子制作数据集,构建AlexNet、VGG11、InceptionV3和ResNet18共4种经典卷积神经网络,同时与传统算法模型SVM和BP神经网络进行对比实验。实验发现,卷积神经网络模型优于这两种传统算法模型,ResNet18模型的综合检测性能最佳,单粒有裂纹种子的识别准确率为95.04%,单粒无裂纹种子的识别准确率为98.06%,平均单粒种子识别时间为4.42 s。基于ResNet18,搭建种子内部裂纹自动识别装置,设计识别软件控制装置,得到玉米种子内部裂纹识别系统。系统实验进行10组批量识别,有裂纹种子的平均识别准确率为94.25%,无裂纹种子的平均识别准确率为97.25%,批量识别中光源的透射无法等效地显现所有种子的内部裂纹、多次加载模型权重导致泛化性不足等因素会影响准确率。 相似文献
14.
针对机器视觉获取种子空间分布信息时,传统开沟器作业过程中,种子落入种床后,土壤快速回落覆盖种子,导致种床中种子原始图像采集困难的问题,设计了一种开沟延时回土装置,通过导土装置、压种装置和回土装置的配合作业,延长土壤回落时间,形成有利于原始图像采集的避让空间,并在图像采集完毕后将泛起土壤推回种床,保证土壤回填率,达到延时回土的目的。通过理论分析确定导土装置、回土装置等关键装置结构参数。以开沟速度、开沟深度、回土板转角为试验因素,开展土壤回填率离散元仿真试验,确定最优作业参数为开沟速度1.6m/s、开沟深度30mm、回土板转角40°。在最优参数组合下,进行土壤回填率田间试验和种子图像采集田间试验。结果表明,开沟延时回土装置土壤回填率为96.5%,开沟延时回土装置较未安装回土装置的开沟器土壤回填率提升39.6个百分点;工业相机可以在导土装置形成的避让空间中采集到种床中种子的原始图像。试验结果表明,设计的结构可以有效避免回落土壤对图像采集的影响,并保证土壤回填率,实现了种床中种子图像的采集,为计算机视觉技术检测播种作业质量奠定了基础。 相似文献
15.
以水果分拣控制过程为研究对象,基于RGB图像检测方法建立分拣控制算法.同时,利用异步图像采集模式进行水果图像获取,并借助中值滤波和高斯滤波器两种方式实现水果图像噪音去除;采用全局自动阈值分割法进行水果图像特征提取,从而实现水果颜色特征及表面区域特征的识别分类.将特征数据与设定好的特征阈值进行对比,从而实现水果等级的鉴定... 相似文献
16.
针对超级稻育秧播种环节振动式排种器匀种性能差,难以实现精量播种的问题,设计一种分体组合振动式精量播种匀种装置,并提出了一种基于图像识别的振动匀种控制方法。对振动板关键结构参数：储种盒深度和转向槽角度进行匀种性能单因素离散元仿真分析,结果表明：输送阶段不同时间和空间匀种均匀性变异系数和振动板出口处供种均匀性变异系数随储种盒深度增大而增大,随转向槽角度增大先减小后增大,并确定储种盒深度和转向槽角度分别为12 mm和48°。设计并搭建了种子流图像检测与控制系统,压电振动单体和匀种单元图像检测和整流验证试验表明,当检测到图像中白色低像素占比低于20%,经整流后,白色像素占比可满足设计要求。对分体组合振动式播种匀种装置进行不同匀种电压和具有不同长宽比的3种超级稻品种进行播种性能试验。试验结果表明,当工作电压为150～200 V时,其播种合格率不小于93.47%,漏播率不大于1.00%;3种水稻种子播种合格率均不小于94.17%,漏播率不大于0.67%。该装置能够满足超级稻精量播种要求,且对不同超级稻种子具有较好的适应性。 相似文献
17.
融合光电色选的皮带筛式油茶果壳籽分选机设计与试验 总被引：1，自引：0，他引：1
针对油茶果批量脱壳后壳籽混杂、人力分选效率低的问题，研究设计了一种融合光电色选的皮带筛式油茶果壳籽分选机。根据油茶果壳、籽与倾斜传送带间摩擦角、碰撞系数的差异，设计振动皮带筛进行初分选；利用两者灰度差异，对壳中残留籽进行二次光电分选。对皮带筛上油茶果壳、籽进行运动学与动力学分析，发现皮带倾角、皮带速度和振动频率是影响振动初分选率的主要因素；以籽箱清洁率、壳中含籽率为试验指标，开展正交旋转组合试验。当皮带倾角为19°、皮带速度为1.50m/s、振动频率为55.40Hz时，其籽箱清洁率为95.52%、壳中含籽率为24.30%，对最优参数进行试验验证，优化结果可靠。对不同茶籽比率的物料进行光电分选试验，结果表明籽箱清洁率稳定在98.23%左右，壳中含籽率保持在2.34%左右，说明光电分选可准确识别并分选出混杂物料中的油茶籽。对整机进行最优参数试验验证，该机两籽箱茶籽平均清洁率可达97.55%，壳箱中含籽率为3.27%。试验结果表明，此油茶果壳籽分选机可实现油茶果壳、籽的高效分离。 相似文献