CN101905215A - 数字化水稻考种机 - Google Patents
数字化水稻考种机 Download PDFInfo
- Publication number
- CN101905215A CN101905215A CN 201010234207 CN201010234207A CN101905215A CN 101905215 A CN101905215 A CN 101905215A CN 201010234207 CN201010234207 CN 201010234207 CN 201010234207 A CN201010234207 A CN 201010234207A CN 101905215 A CN101905215 A CN 101905215A
- Authority
- CN
- China
- Prior art keywords
- grain
- pipeline
- paddy rice
- separation device
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 47
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 44
- 235000009566 rice Nutrition 0.000 title claims abstract description 44
- 240000007594 Oryza sativa Species 0.000 title 1
- 235000013339 cereals Nutrition 0.000 claims abstract description 199
- 241000209094 Oryza Species 0.000 claims abstract description 46
- 238000000926 separation method Methods 0.000 claims abstract description 40
- 241000196324 Embryophyta Species 0.000 claims abstract description 7
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 22
- 241000894007 species Species 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004378 air conditioning Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000012946 outsourcing Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 26
- 238000001514 detection method Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000009659 non-destructive testing Methods 0.000 abstract 1
- 239000012535 impurity Substances 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000005693 optoelectronics Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 238000006124 Pilkington process Methods 0.000 description 1
- 244000184734 Pyrus japonica Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 235000020985 whole grains Nutrition 0.000 description 1
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种适用于农业科研人员在水稻考种过程中自动测量并记录单株或单批次水稻的总粒数、实粒数、结实率、粒长、粒宽以及长宽比的在线无损检测方法。本发明所述数字化水稻考种机主要由条码识别器、谷粒传送装置、风选装置、图像采集装置、PLC控制器以及计算机系统6个功能模块组成;本发明利用风选装置分离实粒和空瘪粒,并利用机器视觉技术动态获取谷物参数,可以同时测量水稻的总粒数和实粒数,克服了目前的检测手段无法同时获取总粒数和实粒数的瓶颈;在计算水稻粒数的同时,实现了对水稻粒型参数的检测。也可广泛应用于其它粮食作物的考种工作。
Description
技术领域
本发明涉及一种适用于农业科研人员在水稻考种过程中自动测量并记录单株或单批次水稻的总粒数、实粒数、结实率、粒长、粒宽以及长宽比的在线无损检测方法,具体特指一种利用风选装置分离实粒和空瘪粒,并利用机器视觉技术动态获取谷物参数的一种数字化水稻考种机。
背景技术
水稻品种的考种调查是水稻品种试验、示范、推广以及高产栽培试验中的必经步骤。总粒数、实粒数、结实率、粒长、粒宽以及长宽比是水稻考种中的几个关键参数。其中,总粒数、实粒数、结实率是水稻产量相关研究中最为重要的几个参数之一。空粒指的是完全未灌浆的谷粒,瘪粒则为灌浆充实程度不到1/3的谷粒,实粒则为灌浆充实程度大于等于1/3的谷粒。粒长、粒宽和长宽比则与水稻的外观品质息息相关。
在以往的考种调查中,主要通过人工测量的方法获取这些参数,非常耗时耗力。其中,实粒数的测量非常繁琐,是考种调查中最耗时的工作。目前常用的方法有水漂法和风吹法。水漂法需要先将谷粒倒入水中,沉入水底的为实粒,浮上水面的则为空瘪粒,将沉入水底的谷粒进行计数即得到实粒数,操作非常麻烦;风吹法通过使用风力的作用,将实粒和干瘪粒分开,通常人工测量为了简便操作,具体实现方法为将每株谷粒置于扁平竹制筛中,用力上下甩动筛子,飘出筛子的为干瘪粒,余下的则为实粒,计算其粒数即为实粒数,这种方法不好控制力度,随机性较大,不同的操作人员可能得到不同的结果。按照国家标准优质稻谷GB/T 17891-1999,粒长的测量方法为随机数取完整无损的谷粒10粒平放于测量板上,按照头对头、尾对尾,不重叠、不留隙的方式,紧靠直尺摆成一行,读出长度;粒宽的测量方法为随机取10粒谷粒平放于测量板上,按照同一个方向肩靠肩(即宽度方向)排列,用直尺测量,读出宽度。由于水稻粒长粒宽的基数非常小(粒长为10mm作用,粒宽为3mm左右),人工测量中将谷粒按首尾相接或背腹相接排列时的间隙问题非常不好把握,由于操作人员的个人习惯(偏松或偏紧)所造成的测量误差非常大;另外,将谷粒按首尾相接或背腹相接排列好也是一个很耗时的过程。综上所述,人工考种存在耗时长、主观误差大、测量精度不高、可重复性差、操作过程繁琐等缺点。另外,由于考种过程非常耗时,目前大多数考种只能是抽样检测,无法获取大批量数据。
在自动化考种方面,以“水稻考种”进行中国专利检索,尚未出现相关专利申请。在专业文献方面,参考文献“凌云.基于机器视觉的谷物外观品质检测技术研究[D].北京:中国农业大学,2004”利用机器视觉进行谷粒外观品质检测,能获取总粒数、粒长、粒宽等参数,但无法测量实粒数。另外,该系统中利用数粒仪使谷物能够单粒、顺序的下落到玻璃载物盘上,避免采集图像时出现大量的籽粒粘连现象,这种方法虽然能减小图像处理难度并提高测量精度,但单粒下落的方式极大的降低了处理速度。在现有产品方面,数粒方面目前的主流产品主要为单一功能的数粒仪,通过谷粒单粒下落被光电开关探测到后计数,对谷物的清洁程度要求较高,需要提前筛分去掉杂质;且单粒下落的方式数粒速度较慢,以SLY系列数粒仪为例,国内商用数粒仪的的速度约为400粒/分钟;国外数粒仪以美国Seedburo公司生产的Count-A-Pac Seed Totalizer Counter为例,最大数粒速度为550-600粒/分钟。种子多参数测量方面,目前主要有比利时的CropDesign公司开发了一套用于种子参数测量的装置SeedTowerTM,可以自动清选、称重、并对小堆种子数粒如计算单株作物的种子数量。SeedTowerTM包含一个风选单元,用于分离实粒和空瘪粒。在分离前先计算所有粒子的数目,风选分离后再测量实粒数并称重。该装置可自动计算并记录总粒数、实粒数、千粒重及非饱满粒。其在谷粒计数方面同样也是使用数粒仪的模式。因此,同样存在对样品清洁程度要求高及数粒速度慢等问题。
发明内容
鉴于现有技术的不足,本发明的目的在于提供一种可以同时获取实粒数和总粒数的数字化水稻考种机,利用机器视觉技术同时获取谷粒的粒长、粒宽和长宽比等粒型参数,实现对水稻的快速、高精度数字化考种。
为解决上述技术问题,本发明提供了一种述数字化水稻考种机,主要由谷粒传送装置、风选装置、图像采集装置、PLC控制器以及计算机系统、条码识别器6个功能集成部件组成。
1)谷粒传送装置:完成谷粒的分散与传输,并实现与图像采集装置的采集速度匹配。主要包括谷粒输入漏斗和三级输送线,三级输送线分别包括提供动力的伺服电机及控制器、安装在装置架上的PVC输送带、皮带轮。谷粒输入料斗的下方安装第一级输送线,第一级输送线的末下方安装第二级输送线,第二级输送线的末下方安装第三级输送线,第二级和第三级输送线分别给两个线阵列相机提供拍摄平台,第二级输送线和第三级输送线之间加以风选装置,用于将空瘪粒和实粒分离开来。第二级输送线的速度大于第一级输送线,第三级输送线的速度大于第二级输送线,从而可以利用两级输送线间的速度差将谷粒均匀分散在输送线上,减小谷粒间的粘连程度,进而减小图像处理难度,提高参数提取精度。这种方式可以实现高通量在线测量,提高检测速度。伺服电机驱动器产生驱动电流控制伺服电机旋转带动输送线运动,驱动器的驱动信号由PLC控制输出,使输送带做稳定的匀速运动,配合线阵列CCD得到不失真的图像。谷粒输入漏斗的内壁上安装有一个光电感应装置。当开始新的一株水稻测量时,操作人员将已脱粒好的谷粒输入漏斗时,光电感应器会探测到这一信号,并向计算机系统发送脉冲信号,通知计算机系统进行相应的控制工作。
2)风选装置:用来筛分实粒和空瘪粒。谷粒在第二级输送线上运行并通过总粒数图像采集装置后到达第二级输送线末端后掉落到风选装置,通过风选装置经风选筛选后的实粒落在第三级输送线上进行实粒图像的采集,瘪粒则被吹入回收装置。风选装置通过伺服电机带动,可以最大限度的提高风叶转动的精度,进而保证风选精度和风选可调节精度。为了保证整个输送带范围内的风速的均匀性,风选装置通过自行设计加工,主要由进风口、出风口、外包盒、空调内风叶及伺服电机构成。
3)图像采集装置:用于获取谷粒的图像。主要由两个线阵CCD相机及镜头、光源系统以及图像采集卡组成。CCD相机及镜头安装于传送带上方的安置架顶部,用于对谷粒成像;光源系统为线阵列光源,为CCD相机提供照明。采集得到的图像通过图像采集卡传入计算机,通过软件处理程序提取谷粒的各项参数。其中,第一、二CCD相机分别安装于第二级和第三级输送线上部,分别采集总粒数图像和实粒数图像。
4)PLC控制器分别与所述第一、二、三输送线的伺服电机以及风选装置的伺服电机相连,用于分别控制第一、二、三输送线以及风选装置的启动停止和速度变化;PLC控制器同时和计算机系统相连,通过串口实现通信。
5)计算机系统:分别连接所述光电感应器、第一、二线阵列CCD、PLC控制器:所述计算机系统根据接收到的光电感应装置的信号向PLC控制器、第一、二线阵列CCD控制发出控制命令,接收第一、二线阵列CCD采集到的图像,并进行图像处理、显示和存储测量结果。
6)条码识别器:在考种前,扫描所要考种的单株或单批次水稻编号,并将扫描到的编号数据传输给计算机系统,方便用户对测量数据进行索引和管理分析。
综上所述,本发明所述的数字化水稻考种机的技术特点包括:
(1)利用谷粒从谷粒输入漏斗中掉落到第一级输送线上的时间差实现谷粒的初步分散;利用第一级和第二级输送线的速度差使谷粒进一步分散开来,利用第二级和第三级输送线的速度差进一步使实粒均匀分散于第三级输送线上,解决谷粒在线动态测量中的粘连问题。相较于常用的利用电磁震动上料器使谷粒单颗下落的方式(常见于数粒仪中),本发明通过输送线间的速度差解决粘连问题在速度上显著的优于电磁震动上料器。
(2)按照常规方法分离空瘪粒和实粒,将这些样品作为标准样本,用所述的风选装置进行筛分,设置合适的风叶速度,实现对空瘪粒和实粒的自动筛分。
(3)利用两个CCD相机分别安装于第二级和第三级输送线上方,拍摄总粒数以及实粒的图像。其中,总粒数图像用于获取总粒数,实粒图像用于获取实粒数、粒长、粒宽及长宽比,然后根据实粒数和总粒数结果计算结实率。
(4)按照常规方法分离完整粒和破损粒,将这些样品作为标准样本,用所述的图像采集装置采集其图像后,提取谷粒的外形特征后,用贝叶斯判别法建立线性判别函数,实现对完整粒和破损粒的自动识别。
(5)在考种前,通过条码扫描器扫描所要考种的单株或单批次水稻编号,并将扫描到的编号数据传输给计算机系统,方便用户对测量数据进行索引和管理分析。
本发明的有益效果是:通过风选的方式将实粒数与空瘪粒及茎杆等杂质分开、通过图像处理计数识别茎杆等杂质,在此基础上同时获取水稻的总粒数、空瘪粒数及实粒数;在计算水稻粒数的同时,实现了对单颗谷粒粒型参数的检测;检测过程是流水线式作业模式,可以直接应用于在线检测;软件兼容性好,能自动去杂并识别完整粒和破损粒,不需要对脱粒的种子做清洁等前期处理;可以方便的和脱粒仪对接,实现脱粒考种一体化;对软件参数稍作调整后可以方便的应用于其它粮食作物的考种工作。
附图说明
图1本发明的数字化水稻考种机硬件装置示意图。
图2风选装置的结构放大简图。
图3图2的A向视图。
图4本发明的总粒数图像处理流程。
图5本发明的实粒数图像处理流程。
图6总粒数图像二值图。
图7实粒数图像二值图。
图中,1-光电感应器,2-输入漏斗,3-第一线阵列CCD及镜头,4-线列光源1,5-第二线阵列CCD及镜头,6-图像采集卡及计算机,7-线列光源2,8-空调内风叶,9-PVC输送带,10-皮带轮,11-伺服电机及控制器,12-第一级输送线,13-第二级输送线,14-空瘪粒回收装置,15-风选出风口,16-风选入风口,17-第三级输送线,18-PLC控制器,19-风选装置用伺服电机及控制器。
下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明。
具体实施方式
系统的具体硬件结构如图1:装置设置谷粒输入料斗2,在其内壁上安装有光电感应器1,实现对是否开始新的一株水稻谷粒参数测量的信号的探测。三级输送线用于将谷粒分离并传输至成像装置下方进行成像。三级输送线结构类似,主要包括PVC输送带9、皮带轮10、伺服电机及控制器11。输送线的动力由伺服电机及控制器11提供,实现输送线的匀速运行。其中,第一级输送线12用于实现对谷粒的初步分离。在第二级输送线13正上方安装有第一线阵列CCD及镜头3,由线列光源4提供照明,用于获取总粒数的图像。第二级输送线和第三级输送线之间安装有风选装置,用于实现对空瘪粒和实粒的筛分。风选装置主要包括空调内风叶8、出风口15、入风口16、风选装置用伺服电机及控制器19,具体结构见图2和图3。第二级输送线下安装一个空瘪粒回收装置14,用于回收风选装置吹落下来的空瘪粒。第三级输送线17正上方安装有第二线阵列CCD及镜头5,由线列光源7提供照明,用于获取实粒数的图像。PLC控制器18和输送线的各个伺服电机以及风选装置的伺服电机相连,实现对伺服电机的自动化控制,进一步控制输送线的动作和风选装置的动作包括启动停止和速度的自动化控制。PLC控制器同时和计算机系统6相连,通过串口实现通信。第一、二两个线阵列CCD采集到的图像通过网线传送到图像采集卡和计算机系统6。计算机系统6包括:
1)设备控制模块:通过软件触发的方式启动图像的采集并控制图像采集时间,通过调整线阵列CCD的积分时间,实现传送带速度与CCD采集速度的匹配以得到不失真的图像。
2)图像采集与处理模块:完成图像的采集,并对得到的图像进行处理。主要包括去除背景信息,图像二值分割、长宽比阈值法和直线检测联合去除茎杆、去小区域、椭圆检测分离粘连谷粒和单颗谷粒、谷粒特征参数的获取等。考虑到实际考种工作中,前期的脱粒工作可能会出现破损粒,软件中同时利用贝叶斯判别法对完整粒和破损粒进行识别。按照用户的需要对完整粒和破损粒进行分别计数,以减小粒数计数的误差。为了减轻人工的负担,配套软件具备杂质识别去除功能,操作人员将水稻脱粒后即可直接将谷粒倒入系统,无需对杂质进行筛选处理。图像处理模块主要包括对总粒数图像的处理和对实粒数图像的处理两大模块,分别如图4、图5所示。
本发明的检测方法,在粮食作物如小麦、玉米等的考种方面具有通用性,只需根据不同作物考种中的指标进行相应的软件设置即可进行考种,无需改变硬件结构。
按照常规方法先分别选取完整粒和由脱粒过程造成的破损粒,将这些谷粒作为标准样品,用所述的图像采集装置采集其图像后,提取谷粒的外形特征后,用贝叶斯判别法建立线性判别函数,实现对完整粒和破损粒的自动识别。
本发明的工作流程如下:操作人员先将脱粒完毕的一株水稻所有谷粒,包括实粒和空瘪粒,倒入输入料斗中,输入料斗内壁的光电感应器会探测到这一信号,发送脉冲信号给PLC控制器,PLC控制器启动三级输送线,并通过串口发送指令给计算机系统通知计算机系统新的一株水稻的测量工作开始。计算机系统启动两个线阵列CCD开始图像拍摄工作直至下一株水稻测量工作开始。谷粒通过输入料斗掉落在第一级输送线上实现初步分离;第二级输送线的运动速度要快于第一级输送线,以使谷粒进一步分离,当谷粒掉落在第二级输送线上后并通过线阵列CCD下方时,CCD拍摄谷粒图像,包括空瘪粒和实粒,并传送至计算机系统提取总粒数;谷粒从第二级输送线掉落到第三级输送线之前会经过风选装置筛选出实粒,瘪粒和空粒被吹进回收装置;实粒则掉落到第三级输送线上,经线阵列CCD下方时由CCD拍摄实粒图像并传送至电脑计算测量实粒数、粒长、粒宽及长宽比等。两个线阵列光源分别给两个相机提供高亮稳定的照明。若60秒内光电开关没有感应到谷粒,PLC控制器自动控制输送线停止以节约能耗。
需要说明的是,一株水稻的谷粒往往需要拍摄多帧图像,有的谷粒可能会出现在前一帧图像的底部、后一帧图像的顶部,需要进行图像的拼接。本发明的解决办法是将每帧图像底部的谷粒提取出来拼接到下一帧图像上。具体的图像处理算法流程见图4和图5,处理所的图像分别如图6、图7所示。
实施例
(1)风速均匀性与稳定性检测
风选装置是整个测量系统的核心模块,风选的精度和稳定性直接决定了考种机系统实粒数和结实率参数提取的准确度和稳定性。利用风速仪在谷粒可能掉落范围内,精确测量风选装置风速,以评价其均匀性和稳定性。
本实施例中风速仪和风选装置风口处的距离为50mm(谷粒从第2级输送线上落下被风选的位置);由于风速仪的探测直径为30mm,则从测量起始点开始,选取每30mm为一个测量单位,风口的有效长度为420mm,所以总共需要测量14次,以此来分析在整个谷粒可能掉落范围内风速的均匀性;并通过反复测量3次来衡量风选装置的稳定性。输送线的宽度为420mm,所以风选的有效范围也即0~420mm,均匀性测量结果如下表所示:表1风速均匀性与稳定性测量结果
14个测量位置平均风速为3.4m/s,标准差为0.14m/s,考虑到以平均值3.4m/s的风速,该标准差是可以接受的;风速相对于平均值3.4m/s的相对误差均小于±10%,且风速仪本身的测量误差为±5%,再考虑到人工测量误差,这个相对误差是可以接受的;通过以上两点分析,可基本认为在谷粒可能掉落范围内,本风选装置风速是均匀的。
最后,对风选装置实际风选效果和精度做定性分析,先由人工筛选方法选取10份样品,再分别将10份样品放入系统运行,对最终风选效果进行评估分析。水稻谷粒样品品种均为日本晴,属于国际水稻基因组典型粳稻基因组供体。系统分析结果如表2所示。
表2 风选精度测量结果
通过分析可以看出,系统实粒数测量绝对误差的平均值为0.41%,结实率测量绝对误差取绝对值后的平均值为1.55%,达到了本模块对实粒数和结实率测量精度要求。
(2)数字化水稻考种机系统性能参数
将24株水稻脱粒后以单株为单位,用本发明所述数字化水稻考种机进行考种。测量的水稻品种为中花11。其中,脱粒为全喂入式脱粒方式,收集谷粒时未经过去杂处理,以测试系统的去杂能力。脱粒造成的破损谷粒按照两粒破损粒算作一粒的标准进行数粒。图6为典型的总粒数二值图像(这里二值图像都由原始图像经过固定阈值二值化后得到,未经过任何处理),图7为典型的实粒数二值图像。测量结果见表3和表4。可以看到,平均测量相对误差值,总粒数为1.85%,实粒数为0.57%。
表3 总粒数测量误差
表4 实粒数测量误差
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种数字化水稻考种机,其特征在于,谷粒输入料斗的内壁上安装有光电感应器,光电感应器用于探测是否有水稻谷粒输入料斗;谷粒输入料斗的下方安装第一级输送线,第一级输送线的末下方安装第二级输送线,第二级输送线的末下方安装第三级输送线,第一、二、三级输送线均分别包括输送带、皮带轮、伺服电机和控制器;
所述第二级输送线的末下方以及第三级输送线的头上方安装风选装置,谷粒到达第二级输送线末端后掉落到所述风选装置上,通过风选装置筛选后的实粒落在第三级输送线上,瘪粒则被吹入回收装置;
所述第二级输送线的正上方安装有第一线阵列CCD镜头,用于采集第二级输送线上的谷粒图像;所述第三级输送线的正上方安装有第二线阵列CCD镜头,用于采集第三级输送线上的谷粒图像;
PLC控制器分别与所述第一、二、三输送线的伺服电机以及风选装置的伺服电机相连,用于分别控制第一、二、三输送线以及风选装置的启动停止和速度变化;PLC控制器同时和计算机系统相连,通过串口实现通信;
所述计算机系统分别连接所述光电感应器、第一、二线阵列CCD、PLC控制器:所述计算机系统根据接收到的光电感应装置的信号向PLC控制器、第一、二线阵列CCD控制发出控制命令,接收第一、二线阵列CCD采集到的图像,并进行图像处理、显示和存储测量结果。
2.根据权利要求1所述的数字化水稻考种机,其特征在于,所述第一、二、三级输送线的输送速度为递增方式。
3.根据权利要求1或2所述的数字化水稻考种机,其特征在于,所述风选装置,主要由进风口、出风口、外包盒、空调内风叶及伺服电机构成。
4.根据权利要求3所述的数字化水稻考种机,其特征在于,还包括条码识别器,所述条码识别器用于在考种前扫描所要考种的单株或单批次水稻编号,并将扫描到的编号数据传输给所述计算机系统,方便用户对测量数据进行索引和管理分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102342077A CN101905215B (zh) | 2010-07-22 | 2010-07-22 | 数字化水稻考种机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102342077A CN101905215B (zh) | 2010-07-22 | 2010-07-22 | 数字化水稻考种机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101905215A true CN101905215A (zh) | 2010-12-08 |
CN101905215B CN101905215B (zh) | 2012-07-11 |
Family
ID=43260886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102342077A Expired - Fee Related CN101905215B (zh) | 2010-07-22 | 2010-07-22 | 数字化水稻考种机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101905215B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102310954A (zh) * | 2011-05-17 | 2012-01-11 | 安徽正远包装科技有限公司 | 计数数粒称重为一体的数粒仪 |
CN102608018A (zh) * | 2012-03-16 | 2012-07-25 | 安徽省科亿信息科技有限公司 | 背光式数粒装置 |
CN102960094A (zh) * | 2012-11-13 | 2013-03-13 | 北京农业信息技术研究中心 | 一种玉米考种装置及方法 |
CN103026823A (zh) * | 2012-12-25 | 2013-04-10 | 北京农业信息技术研究中心 | 基于图像实现高效率的玉米果穗考种方法和装置 |
CN103983333A (zh) * | 2014-05-18 | 2014-08-13 | 山西省农业科学院小麦研究所 | 一种小麦穗粒数测定方法 |
CN104488405A (zh) * | 2014-12-31 | 2015-04-08 | 中国农业大学 | 基于机器视觉的高通量玉米果穗考种流水线装置及其方法 |
CN104656516A (zh) * | 2015-01-22 | 2015-05-27 | 中国农业大学 | 一种玉米分散考种数据采集系统 |
CN105414035A (zh) * | 2015-12-09 | 2016-03-23 | 重庆龙悦食品有限公司 | 谷物二级风选装置 |
CN105752580A (zh) * | 2016-01-31 | 2016-07-13 | 西北农林科技大学 | 一种谷物单粒动态输送与双目图像采集装置 |
CN106353226A (zh) * | 2016-09-22 | 2017-01-25 | 伊犁哈萨克自治州农业科学研究所 | 流水线式操作的籽粒类作物考种平台及其应用和制备方法 |
CN107328681A (zh) * | 2017-08-04 | 2017-11-07 | 中国计量大学 | 基于机器视觉的谷物与豆类千粒重及含水量检测系统 |
CN109046963A (zh) * | 2018-08-14 | 2018-12-21 | 华侨大学 | 一种基于物料疏密分布来降低风选能耗的装置及方法 |
CN109874447A (zh) * | 2019-02-28 | 2019-06-14 | 广州市永合祥自动化设备科技有限公司 | 考种分析系统、考种分析装置及考种分析方法 |
CN109919248A (zh) * | 2019-03-19 | 2019-06-21 | 广东省农业科学院农业生物基因研究中心 | 一种基于卷积神经网络的水稻考种装置及其使用方法 |
CN109934297A (zh) * | 2019-03-19 | 2019-06-25 | 广东省农业科学院农业生物基因研究中心 | 一种基于深度学习卷积神经网络的水稻考种方法 |
CN109948531A (zh) * | 2019-03-19 | 2019-06-28 | 广东省农业科学院农业生物基因研究中心 | 应用深度学习卷积神经网络提高作物种子发芽率的方法 |
CN111742641A (zh) * | 2020-07-28 | 2020-10-09 | 上海市农业科学院 | 一种高通量考种的装置与方法 |
CN112229836A (zh) * | 2020-09-15 | 2021-01-15 | 华南农业大学 | 水稻实粒与空粒检测装置及检测方法 |
CN112544242A (zh) * | 2020-12-10 | 2021-03-26 | 华中农业大学 | 基于ai云计算的水稻全自动脱粒及产量分析系统 |
CN113575014A (zh) * | 2021-06-16 | 2021-11-02 | 华南农业大学 | 入料结构、送料装置及考种机 |
CN114088591A (zh) * | 2021-12-06 | 2022-02-25 | 上海易清智觉自动化科技有限公司 | 细颗粒粒度检测装置及方法 |
CN114088708A (zh) * | 2021-11-17 | 2022-02-25 | 褚崇胜 | 一种水稻种子快速考种仪及方法 |
CN114993942A (zh) * | 2022-04-14 | 2022-09-02 | 华南农业大学 | 一种水稻种子全自动考种设备及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000288472A (ja) * | 1999-04-08 | 2000-10-17 | Satake Eng Co Ltd | 回転揺動選別機 |
US20010013559A1 (en) * | 2000-02-14 | 2001-08-16 | Soichi Yamamoto | Hulling apparatus |
CN2777933Y (zh) * | 2005-02-05 | 2006-05-10 | 韶关学院 | 光电多功能种子处理机 |
JP2009119394A (ja) * | 2007-11-16 | 2009-06-04 | Satake Corp | 揺動選別機の穀粒分配装置 |
-
2010
- 2010-07-22 CN CN2010102342077A patent/CN101905215B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000288472A (ja) * | 1999-04-08 | 2000-10-17 | Satake Eng Co Ltd | 回転揺動選別機 |
US20010013559A1 (en) * | 2000-02-14 | 2001-08-16 | Soichi Yamamoto | Hulling apparatus |
CN2777933Y (zh) * | 2005-02-05 | 2006-05-10 | 韶关学院 | 光电多功能种子处理机 |
JP2009119394A (ja) * | 2007-11-16 | 2009-06-04 | Satake Corp | 揺動選別機の穀粒分配装置 |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102310954A (zh) * | 2011-05-17 | 2012-01-11 | 安徽正远包装科技有限公司 | 计数数粒称重为一体的数粒仪 |
CN102608018A (zh) * | 2012-03-16 | 2012-07-25 | 安徽省科亿信息科技有限公司 | 背光式数粒装置 |
CN102960094A (zh) * | 2012-11-13 | 2013-03-13 | 北京农业信息技术研究中心 | 一种玉米考种装置及方法 |
CN102960094B (zh) * | 2012-11-13 | 2014-05-07 | 北京农业信息技术研究中心 | 一种玉米考种装置及方法 |
CN103026823A (zh) * | 2012-12-25 | 2013-04-10 | 北京农业信息技术研究中心 | 基于图像实现高效率的玉米果穗考种方法和装置 |
CN103983333B (zh) * | 2014-05-18 | 2016-08-31 | 山西省农业科学院小麦研究所 | 一种小麦穗粒数测定方法 |
CN103983333A (zh) * | 2014-05-18 | 2014-08-13 | 山西省农业科学院小麦研究所 | 一种小麦穗粒数测定方法 |
CN104488405A (zh) * | 2014-12-31 | 2015-04-08 | 中国农业大学 | 基于机器视觉的高通量玉米果穗考种流水线装置及其方法 |
CN104488405B (zh) * | 2014-12-31 | 2016-04-27 | 中国农业大学 | 基于机器视觉的高通量玉米果穗考种流水线装置及其方法 |
CN104656516A (zh) * | 2015-01-22 | 2015-05-27 | 中国农业大学 | 一种玉米分散考种数据采集系统 |
CN105414035A (zh) * | 2015-12-09 | 2016-03-23 | 重庆龙悦食品有限公司 | 谷物二级风选装置 |
CN105752580A (zh) * | 2016-01-31 | 2016-07-13 | 西北农林科技大学 | 一种谷物单粒动态输送与双目图像采集装置 |
CN105752580B (zh) * | 2016-01-31 | 2017-07-04 | 西北农林科技大学 | 一种谷物单粒动态输送与双目图像采集装置 |
CN106353226A (zh) * | 2016-09-22 | 2017-01-25 | 伊犁哈萨克自治州农业科学研究所 | 流水线式操作的籽粒类作物考种平台及其应用和制备方法 |
CN107328681A (zh) * | 2017-08-04 | 2017-11-07 | 中国计量大学 | 基于机器视觉的谷物与豆类千粒重及含水量检测系统 |
CN109046963A (zh) * | 2018-08-14 | 2018-12-21 | 华侨大学 | 一种基于物料疏密分布来降低风选能耗的装置及方法 |
CN109046963B (zh) * | 2018-08-14 | 2023-10-31 | 华侨大学 | 一种基于物料疏密分布来降低风选能耗的装置及方法 |
CN109874447A (zh) * | 2019-02-28 | 2019-06-14 | 广州市永合祥自动化设备科技有限公司 | 考种分析系统、考种分析装置及考种分析方法 |
CN109874447B (zh) * | 2019-02-28 | 2021-05-07 | 广州市永合祥自动化设备科技有限公司 | 考种分析系统、考种分析装置及考种分析方法 |
CN109948531A (zh) * | 2019-03-19 | 2019-06-28 | 广东省农业科学院农业生物基因研究中心 | 应用深度学习卷积神经网络提高作物种子发芽率的方法 |
CN109934297A (zh) * | 2019-03-19 | 2019-06-25 | 广东省农业科学院农业生物基因研究中心 | 一种基于深度学习卷积神经网络的水稻考种方法 |
CN109919248A (zh) * | 2019-03-19 | 2019-06-21 | 广东省农业科学院农业生物基因研究中心 | 一种基于卷积神经网络的水稻考种装置及其使用方法 |
CN111742641B (zh) * | 2020-07-28 | 2021-11-09 | 上海市农业科学院 | 一种高通量考种的装置与方法 |
CN111742641A (zh) * | 2020-07-28 | 2020-10-09 | 上海市农业科学院 | 一种高通量考种的装置与方法 |
CN112229836A (zh) * | 2020-09-15 | 2021-01-15 | 华南农业大学 | 水稻实粒与空粒检测装置及检测方法 |
CN112229836B (zh) * | 2020-09-15 | 2022-02-15 | 华南农业大学 | 水稻实粒与空粒检测装置及检测方法 |
CN112544242A (zh) * | 2020-12-10 | 2021-03-26 | 华中农业大学 | 基于ai云计算的水稻全自动脱粒及产量分析系统 |
CN112544242B (zh) * | 2020-12-10 | 2021-11-09 | 华中农业大学 | 基于ai云计算的水稻全自动脱粒及产量分析系统 |
CN113575014A (zh) * | 2021-06-16 | 2021-11-02 | 华南农业大学 | 入料结构、送料装置及考种机 |
CN114088708A (zh) * | 2021-11-17 | 2022-02-25 | 褚崇胜 | 一种水稻种子快速考种仪及方法 |
CN114088591A (zh) * | 2021-12-06 | 2022-02-25 | 上海易清智觉自动化科技有限公司 | 细颗粒粒度检测装置及方法 |
CN114088591B (zh) * | 2021-12-06 | 2024-05-10 | 上海易清智觉自动化科技有限公司 | 细颗粒粒度检测装置及方法 |
CN114993942A (zh) * | 2022-04-14 | 2022-09-02 | 华南农业大学 | 一种水稻种子全自动考种设备及方法 |
CN114993942B (zh) * | 2022-04-14 | 2023-03-21 | 华南农业大学 | 一种水稻种子全自动考种设备及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101905215B (zh) | 2012-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101905215B (zh) | 数字化水稻考种机 | |
CN112544242B (zh) | 基于ai云计算的水稻全自动脱粒及产量分析系统 | |
US5917927A (en) | Grain inspection and analysis apparatus and method | |
CN101881598B (zh) | 基于机器视觉的玉米果穗性状参数自动检测装置 | |
CN107185850B (zh) | 一种基于高光谱成像及电阻抗的玉米种子活力检测装置 | |
CN105009731B (zh) | 玉米考种方法及其系统 | |
CN105181513B (zh) | 箱体式谷物自动检测装置 | |
CN101339117B (zh) | 稻米参数自动测量装置及方法 | |
CN102809357B (zh) | 农作物叶面积信息自动化测量分析仪 | |
CN103229614B (zh) | 玉米果穗自动考种方法 | |
CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
CN105783990B (zh) | 一种用于玉米果穗室内精确考种的全景图像测量系统 | |
CN103155744B (zh) | 全自动玉米单果穗考种装置及方法 | |
CN110583217A (zh) | 一种谷物收获机清选损失率检测装置及检测方法 | |
CN105021617A (zh) | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 | |
CN113820325B (zh) | 一种玉米籽粒直收含杂率和破碎率在线检测系统及其方法 | |
CN109566064B (zh) | 一种谷物收获机损失量检测装置及检测方法 | |
CN207408272U (zh) | 基于线阵列相机和x射线双模式成像的水稻粒型参数测量装置 | |
CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测系统 | |
CN106023235B (zh) | 一种农作物有效籽粒个数测量的方法 | |
CN112304947B (zh) | 一种稻穗品质分析仪 | |
CN112577956A (zh) | 一种基于智能设备拍照功能的玉米考种系统及方法 | |
CN117115506A (zh) | 一种基于hsv阈值分割的玉米籽粒破碎识别方法及分选装置 | |
CN207147533U (zh) | 一种小型数字化水稻考种机 | |
CN214794500U (zh) | 一种小麦外观品质的在线检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120711 |