CN106607344A - 定向播种用的玉米种粒动态图像精选装置及方法 - Google Patents
定向播种用的玉米种粒动态图像精选装置及方法 Download PDFInfo
- Publication number
- CN106607344A CN106607344A CN201710085281.9A CN201710085281A CN106607344A CN 106607344 A CN106607344 A CN 106607344A CN 201710085281 A CN201710085281 A CN 201710085281A CN 106607344 A CN106607344 A CN 106607344A
- Authority
- CN
- China
- Prior art keywords
- grain
- image
- area
- pixel
- detection
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明属于机器视觉技术领域。一种定向播种用的玉米种粒动态图像精选装置及方法,通过玉米种粒动态图像精选装置,能够实现玉米种粒的动态图像信息的采集和检测计算,其通过对玉米种粒的外型特征和玉米种粒图像信息的检测分析,使得其能够实现玉米种粒的精选,吹除尖端露黑色胚部、小型圆形、虫蚀破损、霉变及粘连的种粒,大大提高了精选的精确度,同时为后期的玉米种粒的排列包装以及定向播种提供先决条件;本申请通过数十项检测指标依次对玉米种粒进行检测计算,且整个检测过程机械化程度高,对玉米种粒检测的商业化仪器设备的应用和推广有很大的推动作用。
Description
技术领域
本发明属于机器视觉技术领域,具体涉及一种定向播种用的玉米种粒动态图像精选装置及方法。
背景技术
玉米生产在我国粮食生产和粮食安全上占据非常重要的战略地位。定向播种能够提高通光、通风效果,对于密植、增产具有重要意义。实现玉米定向播种,必要前提是保障种子发芽率,进行播前精选。
机器视觉技术可用于种子特征指标的定量描述,为实现玉米种子的快速有效检测提供了解决途径。二十世纪90年代发达国家大范围展开了基于机器视觉技术的玉米种粒缺陷与损伤、尺寸和表面颜色等重要品质特征的检测。本世纪以来,国内部分研究者也开展了基于机器视觉技术的玉米种粒检测应用研究,主要包括:以玉米种子品质鉴定、玉米种类自动识别为主的纯算法研究以及玉米种粒精选与分级装置系统的研究。目前国内外在玉米种粒品质种类评价方面的算法研究较多,且主要集中在特征参数的静态检测上,而针对玉米种粒动态在线检测以及自动精选分级系统方面的研究较少,尚未出现专门用于玉米种粒检测的商业化仪器设备。
发明内容
本发明的目的是针对上述存在的问题和不足,提供一种能够根据种粒的外观形态和颜色特征在线判断种粒的合格性,实时地吹除不符合定向播种要求种粒的定向播种用的玉米种粒动态图像精选装置及方法。
为达到上述目的,所采取的技术方案是:
一种定向播种用的玉米种粒动态图像精选装置,包括支撑架、设置在支撑架上的输送装置、依次设置在输送装置上方的图像采集装置和吹除装置、控制系统、以及设置在输送装置下料端的集种箱,所述的图像采集装置与支撑架之间设置有升降调节架;
所述的吹除装置包括对应设置在输送装置两侧的气吹嘴和挡向曲滑槽、与气吹嘴连接的气泵组件、和设置在挡向曲滑槽下料口处的回收箱;
所述的图像采集装置包括设置在升降调节架上的光源箱、设置在光源箱内的相机和光源,所述的相机的镜头光轴与输送装置的输送带垂直,且所述的光源为两组,两组光源并排对称设置在相机的两侧;
所述的控制系统包括上位机图像采集与处理系统和下位机动力控制系统,所述的上位机图像采集与处理系统包括计算机硬件部分和图像采集与处理算法软件部分,所述的下位机动力控制系统包括PLC、步进电机驱动器硬件部分和动力控制系统软件部分,所述的上位机图像采集与处理系统对图像采集处理单元的图像检测结果实时串行通信给下位机动力控制系统。
所述的升降调节架包括对应设置在输送装置两侧的竖向导轨柱、和滑动卡设在竖向导轨柱内的横向导轨梁。
所述的输送装置的输送带为黑色输送带
一种利用上述所述的玉米种粒动态图像精选装置进行的种粒动态图像精选方法,包括以下步骤:
①通过排种器周期性地向输送装置上喂出待测玉米种粒,待测玉米种粒连续均匀的间隔分布在输送装置的输送皮带上,并随同输送装置逐一通过图像采集装置对应的图像采集区域;
②图像采集装置逐一对进入图像采集区域的待测玉米种粒采集种粒图像信息,并将种粒图像信息传递给上位机图像采集与处理系统,并由上位机图像采集与处理系统中的图像采集与处理算法对采集到的玉米种粒图像信息进行检测判断;
③如检测种粒判定为不合格,则由上位机图像采集与处理系统向PLC发出吹除不合格种粒的指令,PLC根据指令控制吹除装置将不合格种粒吹除,并落入回收箱;如检测种粒判定为合格,则吹除装置不发生指令动作,合格种粒通过输送装置落入集料箱。
所述的图像采集与处理算法包括种粒的外形特征检测算法和种粒的尖端露黑色胚部、小型圆形、虫蚀破损、霉变及粘连的图像检测算法。
所述的种粒的外形特征的参数获取方法为:对采集到的种粒样本图像信息进行二值化预处理,得到种粒的二值图像,获取种粒的外形特征参数,所述的种粒的外形特征包括种粒尖端顶点Pa、种粒形心Po、长轴PaPb、短轴PcPd、种粒轮廓曲线PaPcPbPd、长轴方向外接矩形RaRbRcRd、黄色区域面积Sy、白色胚区域面积Sw和长轴上白色胚像素长;长短轴及其延长线将种粒区域和外接矩形均划分为4个子区域,种粒子区域分别为尖端左侧、尖端右侧、宽端左侧、宽端右侧,记其面积依次为S1、S2、S3、S4;矩形子区域分别为RaPaPoPc'、PaRbPd'Po、Pc'PoPb'Rd、PoPd'RcPb',记其面积依次为ST1、ST2、ST3、ST4;矩形Pc'Pd'RcRd内除去种粒区域之外部分称为底部间隙区,记其面积为Sg。
对于种粒的尖端露黑色胚部、小型圆形、虫蚀破损及霉变的不合格种粒图像检测算法,需基于颜色特征进行种粒区域图像分割,对于种粒区域图像分割包括以下步骤:
设种粒图像的背景区域的R帧像素最大值Ram,以阈值Ram分割种粒R帧灰度图像,进行大津法二值化,补洞、腐蚀膨胀、200像素去噪处理后,得到种粒区域二值图像,将该图像结果存于内存区Ma中,其中,背景区域的R帧像素最大值Ram的获取是通过采集多个背景样本图像,针对R帧灰度图像分析计算得出;
对采集到的种粒样本图像的每个像素点进行以下分析:若R>B且G>50,则计算2R-G-B值,若R>B且G≤50、或R≤B,则计算R+G-2B值,若得出的计算值2R-G-B或计算值R+G-2B大于255,则令R值为255,若得出的计算值2R-G-B或计算值R+G-2B小于0,则令R值为0,得到黄色区域加强后的灰度图像,进行大津法二值化,100像素去噪、膨胀腐蚀、补洞处理后,获得黄色区域的二值图像,将该图像结果存于内存区My中;同时,针对R、G、B帧灰度图像,分析并计算黄色区域的像素平均值Rym、Gym、Bym和标准差Ryd、Gyd、Byd;
将预处理后的图像Ma与My差分,100像素去噪、补洞处理后,获得种粒准白色区域的二值图像,将该结果图像存于内存区Mq中;
设Tm=(R+G+B)/3,Td=2Rym-Gym-Bym,若原彩色图像上准白色区域中像素点满足R≥Rym,G>Gym+Gyd且B>Bym+Byd、或者满足Tm≥100、或者满足R>B,G≤50且2R-G-B>Td/2,则保持图像Mq中对应像素点处的像素值不变,否则将其像素值置为背景像素值,则得到种粒正常白色区域,进行腐蚀膨胀、50像素去噪处理后获得正常白色区域的二值图像,将该结果图像存于内存区Mw中;
将预处理后的图像Mq与Mw差分,获得种粒变色区域的二值图像,将该结果存于内存区Mm中。
基于种粒的外形特征的参数、以及种粒区域图像分割所获取的图像Ma、My、Mw、Mm,获取种粒检测参数指标,种粒检测参数指标包括:周长La,面积Sa,周长面积比La/Sa,圆形度4πSa/(La)2,黄色区域占比(Sy/Sa),准白色区域中正常白色占比Sw/(Sa-Sy),长轴长|PaPb|,短轴长|PcPd|,伸长度|PaPb|/|PcPd|,对称度,矩形度,底部间隙区域面积Sg,长轴上准白色胚像素占比Rlw;
所述的对称度包括尖端对称度S1/S2、宽端对称度S3/S4、长轴两侧白色胚区域面积对称度Rwa、长轴两侧黄色区域面积对称度Rya;
所述的矩形度包括总矩形度Sa/ST、尖端左侧矩形度S1/ST1、尖端右侧矩形度S2/ST2、宽端左侧矩形度S3/ST3和宽端右侧矩形度S4/ST4;
通过上述种粒检测参数指标对采集到的种粒图像信息进行对比,从而判定待测的玉米种粒的尖端露黑色胚部、小型圆形、虫蚀破损及霉变情况。
对于种粒粘连的检测判断包括以下步骤:在种粒样本二值图像的轮廓线上任意选取两点Pi、Pj,设Pi、Pj间直线距离为Li-j,顺时针和逆时针沿轮廓线获取Pi、Pj之间的轮廓线长度分别为Lijc、Lijac,且设Lij=min(Lijc,Lijac),Rij=Lij/Li-j,并获取判断阈值R0;
在采集到的种粒图像信息的二值图像轮廓线上选取两点Pa、Pb,并计算Rab,若在该轮廓线上存在两点,满足Rab>R0,则发生种粒粘连。
对于种粒粘连的检测判断包括以下步骤:在种粒样本二值图像的轮廓线上任意选取两点Pi、Pj,设点Pi、Pj之间的直线距离为Li-j,顺时针和逆时针沿轮廓线获取Pi、Pj之间的轮廓线长度分别为Lijc、Lijac,且设Lij=min(Lijc,Lijac),Rij=Lij/Li-j,并获取判断阈值R0;
在采集到的待测种粒的图像信息的二值图像上,确定种粒形心Po,并获取距离种粒形心Po最近的点Pm1;以点Pm1为基准点,寻找轮廓线上选取点Pm2,若存在点Pm2,其满足Rm1m2>R0的,则发生种粒粘连。
采用上述技术方案,所取得的有益效果是:
本发明整体结构设计合理,对于种粒的尖端露黑色胚部、小型圆形、虫蚀破损、霉变及粘连的不合格种粒进行有效的检测、分析和判断,实现在线动态吹除精选;本申请根据定向播种对种粒的要求,基于机器视觉技术设计了的玉米种粒动态精选方法,能够根据种粒的外观形态和颜色特征在线判断种粒的合格性,实时地吹除霉变、破损和虫蚀等发芽率低的种粒以及形态特征不符合定向播种要求的小种粒、圆形等畸形种粒,大大提高了精选的精确度,同时为后期的玉米种粒的排列包装以及定向播种提供先决条件。
附图说明
图1为本发明的玉米种粒动态图像精选装置的结构示意图。
图2为挡向曲滑槽的结构示意图。
图3为种粒形态特征的结构示意图。
图4为胚面朝上的种粒颜色特征的结构示意图。
图5为胚面朝下的种粒颜色特征的结构示意图。
图6为粘连种粒的判定结构示意图之一。
图7为粘连种粒的判定结构示意图之二。
图中序号:1为支撑架、2为输送装置、3为图像采集装置、4为种粒、5为集种箱、6为升降调节架、7为气吹嘴、8为挡向曲滑槽、9为回收箱、10为竖向导轨柱、11为横向导轨梁、12为黑色输送带、13为种粒白色区域、14为种粒黄色区域、15为固定板、16为挡向曲面板、17为滑槽。
具体实施方式
以下结合附图对本发明的具体实施方式做详细说明。
参见图1和图2,一种定向播种用的玉米种粒动态图像精选装置,包括支撑架、设置在支撑架上的输送装置、依次设置在输送装置上方的图像采集装置和吹除装置、控制系统、以及设置在输送装置下料端的集种箱,图像采集装置与支撑架之间设置有升降调节架,升降调节架包括对应设置在输送装置两侧的竖向导轨柱、和滑动卡设在竖向导轨柱内的横向导轨梁;吹除装置包括对应设置在输送装置两侧的气吹嘴和挡向曲滑槽、与气吹嘴连接的气泵组件、和设置在挡向曲滑槽下料口处的回收箱,挡向曲滑槽由固定板、挡向曲面板和滑槽组成;图像采集装置包括设置在升降调节架上的光源箱、设置在光源箱内的相机和光源,所述的相机的镜头光轴与输送装置的输送带垂直,且光源包括两组,两组光源并排对称设置在相机的两侧;
所述的控制系统包括上位机图像采集与处理系统和下位机动力控制系统,所述的上位机图像采集与处理系统包括计算机硬件部分和图像采集与处理算法软件部分,所述的下位机动力控制系统包括PLC、步进电机驱动器硬件部分和动力控制系统软件部分,所述的上位机图像采集与处理系统对图像采集处理单元的图像检测结果实时串行通信给下位机动力控制系统。
其中,在本实施例中,计算机选用配置为:Intel(R)Core(TM)i3-3240CPU,主频3.40GHz,内存8GB。相机选用BaslerA602fc高速彩色工业数字摄像机,镜头型号为ComputerComputarM1214-MP,焦距为12mm,光圈为F1.4,安装时镜头光轴距输送带高度为93mm,定时进行图像采集,图像大小为640×480像素,设实际范围为Lcx×Lcy,测得Lx=83mm,Ly=62mm,相机参数可编程设置,采图时设置增益为10、亮度为732、平衡比为64、曝光时间为415。光源选用2个1W的组合光源,每组光源由3个白光LED均匀排成一行,两组光源对称分布于相机两侧。利用Microsoft Visual Studio2010软件开发工具,基于北京现代富博科技有限公司的ImageSys平台完成种粒合格性图像检测算法的开发。
利用上述的玉米种粒动态图像精选装置,进行玉米种粒动态图像精选,其方法包括以下步骤:
①通过排种器周期性地向输送装置上喂出待测玉米种粒,待测玉米种粒连续均匀的间隔分布在输送装置的输送皮带上,并随同输送装置逐一通过图像采集装置对应的图像采集区域;
②图像采集装置逐一对进入图像采集区域的待测玉米种粒采集种粒图像信息,并将种粒图像信息传递给上位机图像采集与处理系统,并由上位机图像采集与处理系统中的图像采集与处理算法对采集到的玉米种粒图像信息进行检测判断;
③如检测种粒判定为不合格,则由上位机图像采集与处理系统向PLC发出吹除不合格种粒的指令,PLC根据指令控制吹除装置将不合格种粒吹除,并落入回收箱;如检测种粒判定为合格,则吹除装置不发生指令动作,合格种粒通过输送装置落入集料箱。
其中,对于图像采集与处理算法实现玉米种粒的检测判断,其主要包括种粒的外形特征检测判断和种粒的尖端露黑色胚部、小型圆形、虫蚀破损、霉变及粘连的图像检测判断。
对于玉米种粒的外形特征的检测判断,需获取外形特征的参数,参见图3-图5,参数获取的方法为:对采集到的种粒样本图像信息进行二值化预处理,得到种粒的二值图像,将二值图像代入二维运动测量分析系统MIAS中,进行几何参数测量和轮廓坐标函数的提取,获取种粒的外形特征参数,所述的种粒的外形特征包括种粒尖端顶点Pa、种粒形心Po、长轴PaPb、短轴PcPd、种粒轮廓曲线PaPcPbPd、长轴方向外接矩形RaRbRcRd、黄色区域面积Sy、白色胚区域面积Sw和长轴上白色胚像素长(如图4和图5所示,|PaPNL|为胚面朝下时的长轴上白色胚像素长,|PaPPL|为胚面朝上时的长轴上白色胚像素长);长短轴及其延长线将种粒区域和外接矩形均划分为4个子区域,种粒子区域分别为尖端左侧、尖端右侧、宽端左侧、宽端右侧,记其面积依次为S1、S2、S3、S4;矩形子区域分别为RaPaPoPc'、PaRbPd'Po、Pc'PoPb'Rd、PoPd'RcPb',记其面积依次为ST1、ST2、ST3、ST4;矩形Pc'Pd'RcRd内除去种粒区域之外部分称为底部间隙区,记其面积为Sg。
若种粒发生霉变、虫蚀等,导致外观颜色发生改变,则还存在变色区域,因此,在对于种粒的尖端露黑色胚部、小型圆形、虫蚀破损及霉变的不合格种粒图像检测判断,需基于颜色特征进行种粒区域图像分割,对于种粒区域图像分割包括以下步骤:
采集不同种粒样本的图像的颜色特征,其种粒样本包括常见型玉米种粒、尖端附着深色红衣的合格种粒以及小型、圆形、尖端轻度虫蚀、破损或严重虫蚀、轻度暗黄色霉变、中度红色霉变和深度灰黑色霉变的不合格种粒,且视尖端露黑色胚部种粒为不合格种;在各图像上标示一段剖线轨迹,从而得出字该剖线轨迹上的RGB像素值分布情况,通过对不同种粒样本的图形信息分析可知,背景区域的R、G、B分量分布较平坦,取值均较小,种粒区域相对背景区域,R值变化最明显,故选取R帧灰度图像获取种粒区域,另外,相对种粒其他区域,深色红衣区域、霉变区域R值偏小,但均略大于背景区域,而轻度虫蚀破孔区域的R值虽也偏小,但由于位于种粒内部,并不影响种粒区域的边缘提取。
故设种粒图像的背景区域的R帧像素最大值Ram,以阈值Ram分割种粒R帧灰度图像,进行大津法二值化,补洞、腐蚀膨胀、200像素去噪处理后,得到种粒区域二值图像,将该图像结果存于内存区Ma中,其中,背景区域的R帧像素最大值Ram的获取是通过采集多个背景样本图像,针对R帧灰度图像分析计算得出,在本实施例中其种粒样本选用金博士郑单958作为样本,其通过ImageSys平台分析并计算背景区域的R帧像素最大值Ram=30。
进而,通过对种粒的不同区域RGB像素值分析,其种粒黄色区域和尖端深色红衣区域的R值大于B、G值,且黄色区域G值远大于50,而深色红衣区域G值趋近50,又种粒其他区域的R值、B值较接近,略大于G值,而背景区域的R值、G值较接近,均小于B值。
故对采集到的种粒样本图像的每个像素点进行以下分析:若R>B且G>50,则计算2R-G-B值,若R>B且G≤50、或R≤B,则计算R+G-2B值,若得出的计算值2R-G-B或计算值R+G-2B大于255,则令R值为255,若得出的计算值2R-G-B或计算值R+G-2B小于0,则令R值为0,得到黄色区域加强后的灰度图像,进行大津法二值化,100像素去噪、膨胀腐蚀、补洞处理后,获得黄色区域的二值图像,将该图像结果存于内存区My中;同时,针对R、G、B帧灰度图像,分析并计算黄色区域的像素平均值Rym、Gym、Bym和标准差Ryd、Gyd、Byd;
进一步对种粒的不同区域RGB像素值分析可知,种粒白色区域相对黄色区域,B值和G值偏大,B值尤为明显,R值变化不明显,相对变色区域,R、G、B值均偏大,且白色区域的R、G、B均值大于或接近100,而变色区域小于100。此外,将尖端深色红衣区域列入白色区域,深色红衣区域R>B,G≤50且2R-G-B差值较明显,而其他变色区域2R-G-B值较小,接近0。
故将预处理后的图像Ma与My差分,100像素去噪、补洞处理后,获得种粒准白色区域的二值图像,将该结果图像存于内存区Mq中。
设Tm=(R+G+B)/3,Td=2Rym-Gym-Bym,若原彩色图像上准白色区域中像素点满足R≥Rym,G>Gym+Gyd且B>Bym+Byd、或者满足Tm≥100、或者满足R>B,G≤50且2R-G-B>Td/2,则保持图像Mq中对应像素点处的像素值不变,否则将其像素值置为背景像素值,则得到种粒正常白色区域,进行腐蚀膨胀、50像素去噪处理后获得正常白色区域的二值图像,将该结果图像存于内存区Mw中。
将预处理后的图像Mq与Mw差分,获得种粒变色区域的二值图像,将该结果存于内存区Mm中。
基于种粒的外形特征的参数、以及种粒区域图像分割所获取的图像Ma、My、Mw、Mm,获取种粒检测参数指标,种粒检测参数指标包括:周长La,面积Sa,周长面积比La/Sa,圆形度4πSa/(La)2,黄色区域占比(Sy/Sa),准白色区域中正常白色占比Sw/(Sa-Sy),长轴长|PaPb|,短轴长|PcPd|,伸长度|PaPb|/|PcPd|,对称度,矩形度,底部间隙区域面积Sg,长轴上准白色胚像素占比Rlw;
所述的对称度包括尖端对称度S1/S2、宽端对称度S3/S4、长轴两侧白色胚区域面积对称度Rwa、长轴两侧黄色区域面积对称度Rya;
所述的矩形度包括总矩形度Sa/ST、尖端左侧矩形度S1/ST1、尖端右侧矩形度S2/ST2、宽端左侧矩形度S3/ST3和宽端右侧矩形度S4/ST4;
通过上述种粒检测参数指标对采集到的种粒图像信息进行对比,从而判定待测的玉米种粒的尖端露黑色胚部、小型圆形、虫蚀破损及霉变情况。
A、对于尖端露黑色胚部种粒的判断:种粒尖端丢失,露出黑色胚部,致使检测到的尖端点偏移至一侧的白色区域上,长短轴和外接矩形也随之产生明显偏移,其对称度、矩形度、底部间隙区域面积等相对正常种粒发生明显变化,由此可根据以上参数来排除尖端露黑色胚部种粒。
B、对于小型、圆形种粒的判断:小种粒形态尺寸小,可根据周长、面积、长轴长等参数值进行判断。圆形等畸形种粒,可根据周长面积比、圆形度、伸长度、矩形度等参数值来判断,此外,畸变的圆形种粒,平放时往往呈现尖端朝上或朝下的姿态,致使检测到的种粒区域几乎全为黄色或白色区域,由此还可利用黄色区域占比和白色区域占比进行辅助判断。
C、虫蚀、破损种粒的判断:虫蚀往往从种粒胚芽正面的尖端开始,轻度虫蚀的种粒,往往尖端中部破损,图像中呈现尖端内部有黑色孔洞的特征,该孔洞区域归属于变色区域,导致准白色区域正常白色占比值减小,由此可根据该值是否正常来排除轻度虫蚀种粒。发生重度虫蚀的种粒,往往破损严重,可按严重破损种粒处理。破损往往也从种粒尖端开始,尖端微小破损,并不影响发芽率,若发生稍微明显的破损,会导致检测到的尖端点偏移至一侧残留的白色区域上,且依据破损程度不同,其面积、周长面积比、对称度、矩形度、黄色区域占比、底部间隙区域面积等会较正常种粒发生不同程度的变化。
D、霉变种粒的判断:霉变也往往从种粒尖端开始,起初发生轻度霉变,白色区域逐步变得暗黄,随后由暗黄色变为深红色且霉变区域逐步增大,最后几乎蔓延至整个种粒区域,且颜色加深至灰黑色。由于霉变区域归属于变色区域,导致准白色区域正常白色占比值明显减小,且随着霉变程度的加深,黄色区域占比也逐步缩小,由此可根据以上两值是否正常来排除霉变种粒。
对于种粒粘连的检测判断包括以下步骤:如图6所示,在种粒样本二值图像的轮廓线上任意选取两点Pi、Pj,设Pi、Pj间直线距离为Li-j,顺时针和逆时针沿轮廓线获取Pi、Pj之间的轮廓线长度分别为Lijc、Lijac,且设Lij=min(Lijc,Lijac),Rij=Lij/Li-j,并获取判断阈值R0;在采集到的种粒图像信息的二值图像轮廓线上选取两点Pa、Pb,并计算Rab,若在该轮廓线上存在两点,满足Rab>R0,则发生种粒粘连,该检测判定方法需对轮廓线上的所有点,两两计算Rij值,虽判断精确,但计算量较大。
为了能够确保种粒粘连检测判断的准确性,同时降低计算量,还可以通过以下步骤实现种粒粘连的检测判断:如图7所示,在种粒样本二值图像的轮廓线上任意选取两点Pi、Pj,设点Pi、Pj之间的直线距离为Li-j,顺时针和逆时针沿轮廓线获取Pi、Pj之间的轮廓线长度分别为Lijc、Lijac,且设Lij=min(Lijc,Lijac),Rij=Lij/Li-j,并获取判断阈值R0;
在采集到的待测种粒的图像信息的二值图像上,确定种粒形心Po,并获取距离种粒形心Po最近的点Pm1;以点Pm1为基准点,寻找轮廓线上选取点Pm2,若存在点Pm2,其满足Rm1m2>R0的,则发生种粒粘连。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (10)
1.一种定向播种用的玉米种粒动态图像精选装置,其特征在于:包括支撑架、设置在支撑架上的输送装置、依次设置在输送装置上方的图像采集装置和吹除装置、控制系统、以及设置在输送装置下料端的集种箱,所述的图像采集装置与支撑架之间设置有升降调节架;
所述的吹除装置包括对应设置在输送装置两侧的气吹嘴和挡向曲滑槽、与气吹嘴连接的气泵组件、和设置在挡向曲滑槽下料口处的回收箱;
所述的图像采集装置包括设置在升降调节架上的光源箱、设置在光源箱内的相机和光源,所述的相机的镜头光轴与输送装置的输送带垂直,且所述的光源为两组,两组光源并排对称设置在相机的两侧;
所述的控制系统包括上位机图像采集与处理系统和下位机动力控制系统,所述的上位机图像采集与处理系统包括计算机硬件部分和图像采集与处理算法软件部分,所述的下位机动力控制系统包括PLC、步进电机驱动器硬件部分和动力控制系统软件部分,所述的上位机图像采集与处理系统对图像采集处理单元的图像检测结果实时串行通信给下位机动力控制系统。
2.根据权利要求1所述的定向播种用的玉米种粒动态图像精选装置,其特征在于:所述的升降调节架包括对应设置在输送装置两侧的竖向导轨柱、和滑动卡设在竖向导轨柱内的横向导轨梁。
3.根据权利要求1所述的定向播种用的玉米种粒动态图像精选装置,其特征在于:所述的输送装置的输送带为黑色输送带。
4.一种利用上述权利要求1~3任一所述的玉米种粒动态图像精选装置进行的种粒动态图像精选方法,其特征在于:包括以下步骤:
①通过排种器周期性地向输送装置上喂出待测玉米种粒,待测玉米种粒连续均匀的间隔分布在输送装置的输送皮带上,并随同输送装置逐一通过图像采集装置对应的图像采集区域;
②图像采集装置逐一对进入图像采集区域的待测玉米种粒采集种粒图像信息,并将种粒图像信息传递给上位机图像采集与处理系统,并由上位机图像采集与处理系统中的图像采集与处理算法对采集到的玉米种粒图像信息进行检测判断;
③如检测种粒判定为不合格,则由上位机图像采集与处理系统向PLC发出吹除不合格种粒的指令,PLC根据指令控制吹除装置将不合格种粒吹除,并落入回收箱;如检测种粒判定为合格,则吹除装置不发生指令动作,合格种粒通过输送装置落入集料箱。
5.根据权利要求4所述的种粒动态图像精选方法,其特征在于:所述的图像采集与处理算法包括种粒的外形特征检测判断和种粒的尖端露黑色胚部、小型圆形、虫蚀破损、霉变及粘连的图像检测判断。
6.根据权利要求5所述的种粒动态图像精选方法,其特征在于,对于玉米种粒的外形特征的检测判断,需获取外形特征的参数,参数获取的方法为:对采集到的种粒样本图像信息进行二值化预处理,得到种粒的二值图像,获取种粒的外形特征参数,所述的种粒的外形特征包括种粒尖端顶点Pa、种粒形心Po、长轴PaPb、短轴PcPd、种粒轮廓曲线PaPcPbPd、长轴方向外接矩形RaRbRcRd、黄色区域面积Sy、白色胚区域面积Sw和长轴上白色胚像素长;长短轴及其延长线将种粒区域和外接矩形均划分为4个子区域,种粒子区域分别为尖端左侧、尖端右侧、宽端左侧、宽端右侧,记其面积依次为S1、S2、S3、S4;矩形子区域分别为RaPaPoPc'、PaRbPd'Po、Pc'PoPb'Rd、PoPd'RcPb',记其面积依次为ST1、ST2、ST3、ST4;矩形Pc'Pd'RcRd内除去种粒区域之外部分称为底部间隙区,记其面积为Sg。
7.根据权利要求6所述的种粒动态图像精选方法,其特征在于,对于种粒的尖端露黑色胚部、小型圆形、虫蚀破损及霉变的不合格种粒图像检测判断,需基于颜色特征进行种粒区域图像分割,对于种粒区域图像分割包括以下步骤:
设种粒图像的背景区域的R帧像素最大值Ram,以阈值Ram分割种粒R帧灰度图像,进行大津法二值化,补洞、腐蚀膨胀、200像素去噪处理后,得到种粒区域二值图像,将该图像结果存于内存区Ma中,其中,背景区域的R帧像素最大值Ram的获取是通过采集多个背景样本图像,针对R帧灰度图像分析计算得出;
对采集到的种粒样本图像的每个像素点进行以下分析:若R>B且G>50,则计算2R-G-B值,若R>B且G≤50、或R≤B,则计算R+G-2B值,若得出的计算值2R-G-B或计算值R+G-2B大于255,则令R值为255,若得出的计算值2R-G-B或计算值R+G-2B小于0,则令R值为0,得到黄色区域加强后的灰度图像,进行大津法二值化,100像素去噪、膨胀腐蚀、补洞处理后,获得黄色区域的二值图像,将该图像结果存于内存区My中;同时,针对R、G、B帧灰度图像,分析并计算黄色区域的像素平均值Rym、Gym、Bym和标准差Ryd、Gyd、Byd;
将预处理后的图像Ma与My差分,100像素去噪、补洞处理后,获得种粒准白色区域的二值图像,将该结果图像存于内存区Mq中;
设Tm=(R+G+B)/3,Td=2Rym-Gym-Bym,若原彩色图像上准白色区域中像素点满足R≥Rym,G>Gym+Gyd且B>Bym+Byd、或者满足Tm≥100、或者满足R>B,G≤50且2R-G-B>Td/2,则保持图像Mq中对应像素点处的像素值不变,否则将其像素值置为背景像素值,则得到种粒正常白色区域,进行腐蚀膨胀、50像素去噪处理后获得正常白色区域的二值图像,将该结果图像存于内存区Mw中;
将预处理后的图像Mq与Mw差分,获得种粒变色区域的二值图像,将该结果存于内存区Mm中。
8.根据权利要求7所述的种粒动态图像精选方法,其特征在于:基于种粒的外形特征的参数、以及种粒区域图像分割所获取的图像Ma、My、Mw、Mm,获取种粒检测参数指标,种粒检测参数指标包括:周长La,面积Sa,周长面积比La/Sa,圆形度4πSa/(La)2,黄色区域占比(Sy/Sa),准白色区域中正常白色占比Sw/(Sa-Sy),长轴长|PaPb|,短轴长|PcPd|,伸长度|PaPb|/|PcPd|,对称度,矩形度,底部间隙区域面积Sg,长轴上准白色胚像素占比Rlw;
所述的对称度包括尖端对称度S1/S2、宽端对称度S3/S4、长轴两侧白色胚区域面积对称度Rwa、长轴两侧黄色区域面积对称度Rya;
所述的矩形度包括总矩形度Sa/ST、尖端左侧矩形度S1/ST1、尖端右侧矩形度S2/ST2、宽端左侧矩形度S3/ST3和宽端右侧矩形度S4/ST4;
通过上述种粒检测参数指标对采集到的种粒图像信息进行对比,从而判定待测的玉米种粒的尖端露黑色胚部、小型圆形、虫蚀破损及霉变情况。
9.根据权利要求5所述的种粒动态图像精选方法,其特征在于:对于种粒粘连的检测判断包括以下步骤:在种粒样本二值图像的轮廓线上任意选取两点Pi、Pj,设Pi、Pj间直线距离为Li-j,顺时针和逆时针沿轮廓线获取Pi、Pj之间的轮廓线长度分别为Lijc、Lijac,且设Lij=min(Lijc,Lijac),Rij=Lij/Li-j,并获取判断阈值R0;
在采集到的种粒图像信息的二值图像轮廓线上选取两点Pa、Pb,并计算Rab,若在该轮廓线上存在两点,满足Rab>R0,则发生种粒粘连。
10.根据权利要求5所述的种粒动态图像精选方法,其特征在于:对于种粒粘连的检测判断包括以下步骤:在种粒样本二值图像的轮廓线上任意选取两点Pi、Pj,设点Pi、Pj之间的直线距离为Li-j,顺时针和逆时针沿轮廓线获取Pi、Pj之间的轮廓线长度分别为Lijc、Lijac,且设Lij=min(Lijc,Lijac),Rij=Lij/Li-j,并获取判断阈值R0;
在采集到的待测种粒的图像信息的二值图像上,确定种粒形心Po,并获取距离种粒形心Po最近的点Pm1;以点Pm1为基准点,寻找轮廓线上选取点Pm2,若存在点Pm2,其满足Rm1m2>R0的,则发生种粒粘连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710085281.9A CN106607344B (zh) | 2017-02-17 | 2017-02-17 | 定向播种用的玉米种粒动态图像精选装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710085281.9A CN106607344B (zh) | 2017-02-17 | 2017-02-17 | 定向播种用的玉米种粒动态图像精选装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106607344A true CN106607344A (zh) | 2017-05-03 |
CN106607344B CN106607344B (zh) | 2019-01-25 |
Family
ID=58636354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710085281.9A Expired - Fee Related CN106607344B (zh) | 2017-02-17 | 2017-02-17 | 定向播种用的玉米种粒动态图像精选装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106607344B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389511A (zh) * | 2017-06-08 | 2017-11-24 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
CN107413674A (zh) * | 2017-06-08 | 2017-12-01 | 北京农业信息技术研究中心 | 一种作物种籽在线分拣方法及系统 |
CN108848782A (zh) * | 2018-07-16 | 2018-11-23 | 山东理工大学 | 一种基于机器视觉的精量播种自动监测及补种装置 |
CN108896564A (zh) * | 2018-07-16 | 2018-11-27 | 山东理工大学 | 一种基于机器视觉的玉米种子双面破损检测方法 |
CN109794431A (zh) * | 2019-03-19 | 2019-05-24 | 广东省农业科学院农业生物基因研究中心 | 一种智能化筛选高活力作物种子的技术 |
CN110231341A (zh) * | 2019-04-29 | 2019-09-13 | 中国科学院合肥物质科学研究院 | 一种水稻种子内部裂纹在线检测装置及其检测方法 |
CN111408546A (zh) * | 2020-03-11 | 2020-07-14 | 武汉工程大学 | 一种基于激光扫描成像的矿石检测方法和系统 |
CN113109240A (zh) * | 2021-04-08 | 2021-07-13 | 国家粮食和物资储备局标准质量中心 | 一种计算机实施的粮食不完善粒测定方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101823057A (zh) * | 2009-03-04 | 2010-09-08 | 上海亦晨信息科技发展有限公司 | 大米色选仪系统 |
CN103394471A (zh) * | 2013-08-09 | 2013-11-20 | 中国农业大学 | 一种霉变粮食快速在线检测筛选系统 |
US8809718B1 (en) * | 2012-12-20 | 2014-08-19 | Mss, Inc. | Optical wire sorting |
CN104084379A (zh) * | 2014-06-04 | 2014-10-08 | 中国农业大学 | 一种玉米种子图像精选装置及其使用方法 |
CN204220498U (zh) * | 2014-09-28 | 2015-03-25 | 邢台学院 | 一种新型的基于计算机视觉技术香菇分级机 |
CN104483243A (zh) * | 2014-11-21 | 2015-04-01 | 浙江工商大学 | 大米粘连米检测分割方法、装置及系统 |
US20150114886A1 (en) * | 2007-04-24 | 2015-04-30 | Steven M. Becker | Method and computer program product for distinguishing and sorting seeds containing a genetic element of interest |
-
2017
- 2017-02-17 CN CN201710085281.9A patent/CN106607344B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150114886A1 (en) * | 2007-04-24 | 2015-04-30 | Steven M. Becker | Method and computer program product for distinguishing and sorting seeds containing a genetic element of interest |
CN101823057A (zh) * | 2009-03-04 | 2010-09-08 | 上海亦晨信息科技发展有限公司 | 大米色选仪系统 |
US8809718B1 (en) * | 2012-12-20 | 2014-08-19 | Mss, Inc. | Optical wire sorting |
CN103394471A (zh) * | 2013-08-09 | 2013-11-20 | 中国农业大学 | 一种霉变粮食快速在线检测筛选系统 |
CN104084379A (zh) * | 2014-06-04 | 2014-10-08 | 中国农业大学 | 一种玉米种子图像精选装置及其使用方法 |
CN204220498U (zh) * | 2014-09-28 | 2015-03-25 | 邢台学院 | 一种新型的基于计算机视觉技术香菇分级机 |
CN104483243A (zh) * | 2014-11-21 | 2015-04-01 | 浙江工商大学 | 大米粘连米检测分割方法、装置及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389511A (zh) * | 2017-06-08 | 2017-11-24 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
CN107413674A (zh) * | 2017-06-08 | 2017-12-01 | 北京农业信息技术研究中心 | 一种作物种籽在线分拣方法及系统 |
CN107413674B (zh) * | 2017-06-08 | 2019-09-10 | 北京农业信息技术研究中心 | 一种作物种籽在线分拣方法及系统 |
CN107389511B (zh) * | 2017-06-08 | 2020-09-22 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
CN108848782A (zh) * | 2018-07-16 | 2018-11-23 | 山东理工大学 | 一种基于机器视觉的精量播种自动监测及补种装置 |
CN108896564A (zh) * | 2018-07-16 | 2018-11-27 | 山东理工大学 | 一种基于机器视觉的玉米种子双面破损检测方法 |
CN109794431A (zh) * | 2019-03-19 | 2019-05-24 | 广东省农业科学院农业生物基因研究中心 | 一种智能化筛选高活力作物种子的技术 |
CN110231341A (zh) * | 2019-04-29 | 2019-09-13 | 中国科学院合肥物质科学研究院 | 一种水稻种子内部裂纹在线检测装置及其检测方法 |
CN111408546A (zh) * | 2020-03-11 | 2020-07-14 | 武汉工程大学 | 一种基于激光扫描成像的矿石检测方法和系统 |
CN111408546B (zh) * | 2020-03-11 | 2022-09-16 | 武汉工程大学 | 一种基于激光扫描成像的矿石检测方法和系统 |
CN113109240A (zh) * | 2021-04-08 | 2021-07-13 | 国家粮食和物资储备局标准质量中心 | 一种计算机实施的粮食不完善粒测定方法和系统 |
CN113109240B (zh) * | 2021-04-08 | 2022-09-09 | 国家粮食和物资储备局标准质量中心 | 一种计算机实施的粮食不完善粒测定方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106607344B (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106607344B (zh) | 定向播种用的玉米种粒动态图像精选装置及方法 | |
US9676005B2 (en) | Optical type granule sorting machine | |
US10747999B2 (en) | Methods and systems for pattern characteristic detection | |
CN104084379B (zh) | 一种玉米种子图像精选装置及其使用方法 | |
US9024223B2 (en) | Optical type granule sorting machine | |
US11673166B2 (en) | Seed imaging | |
CN108416765B (zh) | 一种字符缺陷自动检测方法和系统 | |
CN109064454A (zh) | 产品缺陷检测方法及系统 | |
CN104634790A (zh) | 一种胶囊检测方法及高速全自动检测装置 | |
CN101566582A (zh) | 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测系统 | |
CN106932408B (zh) | 一种基于图像处理的方格蔟污染蚕茧检测方法 | |
CN112067616B (zh) | 一种谷物品质实时检测装置及方法 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN109782007A (zh) | 一种基于集成算法的茶叶鲜叶等级评定方法 | |
CN110188609A (zh) | 一种杂草种子的检测方法 | |
CN112595367A (zh) | 一种基于智能机器人的水稻根系性状无损测量装置 | |
CN103760166A (zh) | 一种烤烟外观信息采集装置 | |
Li et al. | Seedling maize counting method in complex backgrounds based on YOLOV5 and Kalman filter tracking algorithm | |
CN108288273B (zh) | 基于多尺度耦合卷积网的铁路接触网异常目标自动检测法 | |
Song et al. | Design and experiment of a sorting system for haploid maize kernel | |
CN110400320B (zh) | 一种电润湿缺陷像素的分割方法 | |
CN111141741A (zh) | 一种可识别打印机标签缺陷的检测装置 | |
CN107413674B (zh) | 一种作物种籽在线分拣方法及系统 | |
CN114550069B (zh) | 一种基于深度学习的仔猪乳头计数方法 | |
CN214794500U (zh) | 一种小麦外观品质的在线检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190125 Termination date: 20200217 |
|
CF01 | Termination of patent right due to non-payment of annual fee |