基于机器视觉的玉米考种技术研究

发布时间：2020-11-21 02:54

　　 当今时代,人们生活水平日益提高,对优质的农作物,尤其是对优质蛋白玉米的需求不断增加,这对育种人员培育新的玉米品种以及筛选优质的玉米品种提出了更高的要求,传统的玉米检测方法已经不能满足高效率的需求。随着机器视觉以及深度学习的发展,该技术已经被广泛的应用在了农业等各个方面,取得了较为理想的结果。本文通过机器视觉和数字图像处理以及深度学习等技术,对玉米籽粒的多种外形参数以及品种的分类进行了研究。由于玉米籽粒的部分外形参数可以通过视觉的处理方式进行获取,故本文采用机器视觉等方法计算得出玉米籽粒的部分外形参数。对于玉米籽粒的分类研究,由于仅通过传统的机器视觉方式较难获得理想的结果,故本文采用深度学习等技术对玉米籽粒的分类问题进行研究。本论文的主要研究内容如下:1.搭建了机器视觉硬件系统,包括工业相机,镜头,光源和框架,用于提取玉米粒形状参数。该系统结构简单,易于搭建,后期维护成本低。2.通过灰度处理、空间滤波、图像分割以及形态学处理等方法,对现有图像预处理方案进行了简化,大大降低了玉米考种机器识别对硬件的依赖,加快了其处理过程。试验表明,该预处理方案可以较好的满足需求。3.提出玉米籽粒外形参数(面积、周长、形心、长短轴以及最小外接矩形等)的提取方案。根据像素比例方法实现对面积和周长的转换获取;通过像素均值获得形心;测量通过形心任意线段的方式获得长短轴;通过利用长短轴平移方法获得最小外接矩形。同时,对玉米籽粒面积、周长以及长短轴等特征进行了统计分析。4.本文采用深度学习等技术对玉米籽粒进行分类识别,利用多种数据处理形式以及优化算法进行优化,包括数据的增强以及格式转换,Dropout、Adam、Batch normalization等算法,通过这些方式对训练速度进行提升,提高模型的泛化能力。在此基础上,对不同品种的玉米籽粒进行识别,通过迁移学习等方式,对比多种模型测得其准确率均达97%以上。
【学位单位】：杭州电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S513;TP391.41
【部分图文】：

统计发芽率、均匀度等，同时支持多种种子的检测。该设备的采集装置采用的是摄像头上置??的形式，通过拍照获取玉米籽粒的图像。光源采用背光光源，即位于玉米籽粒下方。设备如??图１．１所示。??图１．１?ＳＣ－Ｇ型考种机??武汉红星杨科技有限公司的ＹＴＳ－ＭＫＴ－２型玉米籽粒数字化考种机，可以通过机器视觉等??方式获取粒长、粒宽、粒面积等等参数。其相机采用的是单色线阵列ＣＣＤ相机。设备如图１．２??所示。??图１．２?ＹＴＳ－ＭＫＴ－２型考种机??３??

统计发芽率、均匀度等，同时支持多种种子的检测。该设备的采集装置采用的是摄像头上置??的形式，通过拍照获取玉米籽粒的图像。光源采用背光光源，即位于玉米籽粒下方。设备如??图１．１所示。??图１．１?ＳＣ－Ｇ型考种机??武汉红星杨科技有限公司的ＹＴＳ－ＭＫＴ－２型玉米籽粒数字化考种机，可以通过机器视觉等??方式获取粒长、粒宽、粒面积等等参数。其相机采用的是单色线阵列ＣＣＤ相机。设备如图１．２??所示。??图１．２?ＹＴＳ－ＭＫＴ－２型考种机??３??

浙江托普云农科技股份有限公司生产的ＴＰＫＺ－１型号玉米考种仪，可以对玉米籽粒的粒数、??粒长、粒宽、面积、周长等等参数进行统计分析，同时可以自动过滤胚尖不明显的玉米籽粒。??该款考种设备也可以对水稻、小麦以及花生等其他农作物的种子进行考察。设备如图１．３所示。??ｆ??一＾‘１：??图１．３?ＴＰＫＺ－１型号玉米考种仪??１．２．２国外研究现状??国外学者在２０世纪８０年代开始，就通过机器视觉对玉米籽粒进行研宄，并且已经取得了??较大进展。??ＭｏｈｓｅｎＷ１３】等人提出了描述玉米籽粒物理形状和大小的标准。取三个相互垂直的轴作为??尺寸度量。数据显示，主轴、副轴和中间轴的平均值为１０．７８ｍｍ。根据他们测试的５０粒玉米籽??粒数据显示，分别为７．５８ｍｍ以及４．５７ｍｍ。??Ｓａｐｉｒｓｔｄｎｔ１４］等人利用数字图像处理技术对小麦、大麦、黑麦以及燕麦等谷物进行检测和??分类。从数字化的二值图像中提取了种子的形态学特征。宽度和长度作为尺寸和形状参数的??分类特征。同时还提取了区域轮廓的长度、长宽比、厚度比以及归一化后的中心距。四种谷??物的分类成功率均在９６％以上。??ＮｅｕｍａｎｔＵ等人利用籽粒空间大小和形状参数，结合籽粒轮廓像素以及像素长度信号的傅??里叶变化，对小麦分类和品种进行鉴定，正确识别率在１５％－９６％之间。??ＧｕｎａｓｅｋａｒａｉＬＳＭｌ等提出了一种识别玉米籽粒的裂纹缺陷检测的方法，该方法基于高速滤??波，检测精准度较高。??ＮｅｕｍａｎＭｌ等人使用Ｒ、Ｇ、Ｂ值将小麦籽粒划分为六个等级类别。采用管式彩色摄像机进??行图像采集
【参考文献】

相关期刊论文 前10条

1 肖伯祥;王传宇;郭新宇;吴升;杜建军;;玉米考种自动化流水线机构设计与仿真[J];系统仿真学报;2015年04期

2 梁文东;;基于MATLAB的玉米果穗图像轮廓提取[J];农业网络信息;2014年06期

3 李静;申庆超;宋俊乔;贾海涛;;基于机器视觉的玉米穗行数自动检测算法设计[J];电子产品世界;2014年06期

4 段熊春;周金辉;王思嘉;;面向玉米果穗考种测量的图像标定方法[J];农机化研究;2014年01期

5 王传宇;郭新宇;吴升;肖伯祥;杜建军;;采用全景技术的机器视觉测量玉米果穗考种指标[J];农业工程学报;2013年24期

6 吴建伟;郭新宇;王传宇;吴升;李永祥;杨宝祝;;玉米育种自动考种仪[J];中国种业;2013年09期

7 曹维时;张春庆;王金星;刘双喜;许兴镇;;离散小波变换和BP神经网络识别玉米种子纯度(英文)[J];农业工程学报;2012年S2期

8 马钦;江景涛;朱德海;李绍明;梅树立;吕永春;;基于图像处理的玉米果穗三维几何特征快速测量(英文)[J];农业工程学报;2012年S2期

9 孙志军;薛磊;许阳明;王正;;深度学习研究综述[J];计算机应用研究;2012年08期

10 孙海艳;蔡一林;王久光;王国强;代国丽;徐德林;孙敬芳;;玉米主要营养品质性状的QTL定位[J];农业生物技术学报;2011年04期

本文编号：2892410