基于机器视觉技术检测裂纹玉米种子

发布时间：2024-02-15 23:02

　　种子的质量对于增产丰收具有重要的意义。为了准确检测玉米种子是否有机械损伤裂纹,基于机器视觉技术提出了一种能自动提取玉米种子,并自动识别裂纹种子的方法。首先,采用最大类间方差法、数学形态学处理和区域属性度量函数提取单粒玉米种子图像;进而,采用基于模糊集和浮雕算法的图像增强方法与基于小波变换模极大值的边缘检测算法凸显玉米种子的裂纹区域;最后,采用图像相乘运算和数学形态学处理等方法去除种子的轮廓与种子区域的噪声,并提取出玉米种子的裂纹区域。以"郑单958"玉米种子为例,选取了160粒经机械脱粒后外部轮廓形态基本完整的裂纹和无裂纹种子,对320幅胚面和胚乳面图像的识别结果表明:该方法对胚面和胚乳面裂纹检测的准确率分别为94.4%和86.9%,平均准确率为90.6%。本研究为基于机器视觉技术检测裂纹玉米种子,保证种子的质量,提高出苗率提供了技术支持。

【文章页数】：6 页

【部分图文】：

图1玉米种子图像采集系统Fig．1Schematicdiagramofthesystemusedincapturingmaizeseedimages

阳光下进行适当晾晒后使用输出功率为4．2kW的高效玉米脱粒机(万丰商贸有限公司制造)对试验样品进行机械脱粒操作;在脱粒后的玉米籽粒堆中随机选择外部轮廓形态基本完整的机械损伤裂纹种子与无破损种子共160粒(含320个面)作为实验的样本。1．2图像采集设备图1是采集玉米种子图像的系统....

图3标记图中各种子位置并分别自动裁剪Fig．3Labelthepositionofeverymaizeseedinthepictureandautomaticallyclipthemrespectively

图像求反，结果如图2(c)所示，即玉米种子区域的二值图像。图2包含多粒种子的ＲGB图像、H分量图像及二值图像Fig．2TheＲGBimage，Hcomponentimageandbinaryimagecontainingseveralseeds2．1．2数学形态学处理与种子自动提....

图4种子的灰度图像与基于模糊集的图像增强结果Fig．4Thegrayscaleimageofmaizeseedandresultantimageafterimageenhancementbasedonfuzzy

2．2图像增强与边缘检测2．2．1基于模糊集与浮雕算法的图像增强要实现玉米种子机械损伤裂纹的提取，在检测算法的前期处理中，应当对图像进行增强处理以突出裂纹部分，本文采用基于模糊集的图像增强方法对剪切后的单粒玉米种子的灰度图像进行图像增强。首先，将图3(b)所示玉米种子的ＲGB图像....

图5浮雕化处理效果与基于小波变换模极大值的边缘检测结果Fig．5Theresultantimageafterembossmentalgorithmwasusedandtheobtainedimageafteredgedetectionalgorithmbasedon

imageafterimageenhancementbasedonfuzzy对二维图像进行浮雕化处理，可以将原二维图像中色彩灰度值变化明显的地方较突出地体现出来，即原图像中相邻像素灰度值差异不大的区域，在浮雕化后的图像中目视效果较柔和。在原图像中相邻像素灰度值差异较大的区域，在浮....

本文编号：3900392