CN109655385B - 一种谷物表型一体化检测装置 - Google Patents
一种谷物表型一体化检测装置 Download PDFInfo
- Publication number
- CN109655385B CN109655385B CN201910122087.2A CN201910122087A CN109655385B CN 109655385 B CN109655385 B CN 109655385B CN 201910122087 A CN201910122087 A CN 201910122087A CN 109655385 B CN109655385 B CN 109655385B
- Authority
- CN
- China
- Prior art keywords
- near infrared
- connecting plate
- sliding table
- grains
- seed
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 235000013339 cereals Nutrition 0.000 title claims description 130
- 230000010354 integration Effects 0.000 title claims description 4
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 34
- 238000012417 linear regression Methods 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 239000011521 glass Substances 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 5
- 229910052782 aluminium Inorganic materials 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 239000012780 transparent material Substances 0.000 claims description 3
- 241000721671 Ludwigia Species 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 7
- 235000019750 Crude protein Nutrition 0.000 description 2
- 229920002472 Starch Polymers 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 235000019197 fats Nutrition 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 235000019698 starch Nutrition 0.000 description 2
- 239000008107 starch Substances 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000012297 crystallization seed Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
- G01N15/0227—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging using imaging, e.g. a projected image of suspension; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
-
- G01N2015/1021—
Abstract
本发明是一种谷物表型一体化检测装置，包括机架、吸嘴、吸嘴套、气管、第一连接板、第一电动滑台、第二连接板、步进电机、第三连接板、第四连接板、第二电动滑台、第三电动滑台、第五连接板、上漏斗、近红外光源装置、第六连接板、种盘、识别相机、种盘托架、图像采集相机、第七连接板、图像采集相机底座、第八连接板、第四电动滑台、收种盒托架、收种盒、第五电动滑台、第九连接板、下漏斗。该装置可分为搬运模块、近红外光谱数据获取模块、取种模块、图像采集模块和收种模块，分别完成谷物的搬运、近红外光谱数据获取、谷物取种、图像采集、谷物接收工作，本发明能实现谷物的图像、近红外光谱数据和重量参数自动化一体化无损化获取。
Description
技术领域
本发明属于农产品品质、形态检测技术领域，涉及谷物表型检测，特别涉及一种谷物表型一体化检测装置。
背景技术
谷物种质资源在生长发育、生理、生化、遗传等研究过程中，都以其表型改变为依据。其表型特征是种质创新和生物学研究的物质基础，是种质资源引进、筛选、评价、身份构建时的重要目标。
谷物单粒种质的表型鉴定主要包含两方面，一方面是种质的形态鉴定，针对这一点，国内外已广泛开展基于图像分析的手段来分析谷物表面积、籽长、粒宽、厚度、圆度、周长、色泽、容重等多项形态指标；另一方面是种质的内在品质鉴定，这方面越来越多的研究者使用快速、简便、非破坏性的近红外、红外等光谱仪对谷物水分、粗蛋白、脂肪、淀粉、沉降值、氨基酸等多组分同时测定。
总体来说，目前的谷物种质的表型性状获取主要依赖于专业仪器和人工测量，费时费力，容易引入人为主观误差，因此亟需开发设计一套完善的谷物种质表型信息自动化无损化一体化获取装置，以满足现代谷物育种过程对籽粒表型性状的精确快速获取的诉求。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种谷物表型一体化检测装置，能实现谷物的图像、近红外光谱数据和重量参数自动化一体化无损化获取。
为了实现上述目的，本发明采用的技术方案是：
一种谷物表型一体化检测装置，包括机架1以及安装于机架1上的：
取种模块，包括种盘17以及朝向种盘17用于识别其中谷物分布的识别相机18；
搬运模块，包括电动三轴滑台及安装于其上的接气管4的吸嘴2，所述吸嘴2基于气压从种盘17中吸取单粒谷物；
图像采集模块，包括图像采集相机20，采集吸嘴2吸取的单粒谷物的多角度照片，获取所述单粒谷物的尺寸及体积参数；
近红外光谱数据获取模块，包括上漏斗14和近红外光源装置15，所述上漏斗14承接吸嘴2释放的单粒谷物，所述近红外光源装置15为外表布置有近红外光源的斜向设置的玻璃管道，其上端与上漏斗14出口连接，在单粒谷物下滑过程中获取其近红外光谱数据；
收种模块，位于近红外光源装置15出口下部，包括电动十字滑台及安装于其上收种盒26，通过与近红外光源装置15出口连接的下漏斗29接收出近红外光谱数据获取模块的单粒谷物。
所述机架1采用30mm×30mm的铝型材搭建成上层、中层和下层的三层结构，上层安装搬运模块，中层安装取种模块、图像采集模块、近红外光谱数据获取模块和收种模块中的下漏斗29，下层安装收种模块中除下漏斗29外的其它部件。
所述电动三轴滑台包括X向的第三电动滑台12、Y向的第一电动滑台6以及Z向的第二电动滑台11，其中：所述第三电动滑台12安装在第五连接板13上，第五连接板13安装在机架1上，所述第一电动滑台6安装在第二连接板7上，第二连接板7安装在第三电动滑台12上，所述第二电动滑台11安装在第四连接板10上，第四连接板10安装在第一电动滑台6上，所述吸嘴2和气管4安装在吸嘴套3上，步进电机8和吸嘴套3安装在第一连接板5上，第一连接板5安装在第三连接板9上，第三连接板9安装在第二电动滑台11上。
所述吸嘴2和步进电机8轴同心，吸嘴2在步进电机8的带动下沿Z轴旋转而吸嘴套3固定不动，所述气管4另一端连接着真空发生器，为吸嘴2吸附谷物提供动力。
所述种盘17和识别相机18安装在种盘托架19上，所述种盘托架19安装在机架1上，所述近红外光源装置15安装在第六连接板16上，所述第六连接板16安装在机架1上，所述图像采集相机20安装在图像采集相机底座22上，所述图像采集相机底座22安装在第七连接板21上，所述第七连接板21安装在机架1上。
所述种盘17选用透明材质的圆盘，识别相机18安装于种盘17正下方，镜头与种盘17同心，且识别相机18与种盘17的距离可调整，方便识别相机18调整到合适的位置，保证能拍下整个种盘17；所述图像采集相机20采用微距高分辨的工业相机，图像采集相机底座22能够对安装在其上的图像采集相机20进行前后左右和上下的微调，保证图像采集相机20处在最合适的位置拍摄谷物的图像；所述上漏斗14接收从吸嘴2上掉落的谷物并准确引导谷物进入近红外光源装置15，谷物再从近红外光源装置15出口滑出，谷物从近红外光源装置15入口进入到从出口滑出的过程中，近红外光源装置15将谷物的近红外光谱数据获取并上传至PC。
所述电动十字滑台包括X向的第四电动滑台24和Y向的第五电动滑台27，其中，所述第四电动滑台24安装在第八连接板23上，第八连接板23安装在机架1上，所述第五电动滑台27安装在第九连接板28上，第九连接板28安装在第四电动滑台24上，所述收种盒26安装在收种盒托架25上，所述收种盒托架25安装在第五电动滑台27上。
所述下漏斗29准确接收从近红外光源装置15出口滑出的谷物，引导谷物从下漏斗29出口滑出，所述收种盒26一共有三块，每块有6×8个带有编号的孔穴，在电动十字滑台的运动下实现谷物精准接收进入收种盒26的孔穴中。
所述图像采集模块获取的谷物图像和近红外光谱数据获取模块获取的谷物近红外光谱数据，两者相结合建立线性回归模型，计算出谷物的重量。
对图像采集模块获取的谷物图像，根据最小外接矩形算法提取其轮廓，获取谷物的长、宽、厚数据，并进行归一化处理，对近红外光谱获取模块的光谱数据，经过归一化处理之后，根据连续投影算法提取出光谱特征波长，将归一化后的长、宽、厚数据和光谱特征波长一起，作为谷物重量线性回归模型的输入，将精密电子天枰测量过的实际谷物重量，作为线性回归模型的输出，用最小二乘法逼近拟合出线性回归模型，下次测量时，检测装置根据新测量谷物的图像数据和光谱数据，经由软件平台中的线性回归模型即可预测出其重量。
与现有技术相比，本发明可以自动、无损一体化获取谷物的图像、光谱数据和重量参数，能有效地节省劳动力、降低成本、提高工作效率，并且本发明结构简单，操作简便。
附图说明
图1为本发明整体结构示意图。
图2为本发明机架铝型材三维图。
图3为本发明取种模块示意图。
图4为本发明搬运模块示意图。
图5为本发明图像采集模块示意图。
图6为本发明近红外光谱数据获取模块示意图。
图7为本发明收种模块示意图。
附图中，各标号所代表的含义为：
1—机架，2—吸嘴，3—气管，4—第一连接板，5—第一连接板，6—第一电动滑台，7—第二连接板，8—步进电机，9—第三连接板，10—第四连接板，11—第二电动滑台，12—第三电动滑台，13—第五连接板，14—上漏斗，15—近红外光源装置，16—第六连接板，17—种盘，18—识别相机，19—种盘托架，20—图像采集相机，21—第七连接板，22—图像采集相机底座，23—第八连接板，24—第四电动滑台，25—收种盒托架，26—收种盒，27—第五电动滑台，28—第九连接板，29—下漏斗。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的保护范围。
参考图1，本发明一种谷物表型一体化检测装置，包括机架1以及安装于机架1上的取种模块、搬运模块、图像采集模块、近红外光谱数据获取模块以及收种模块。
其中，参考图1和图2，机架1采用30mm×30mm的铝型材搭建成上层、中层和下层的三层结构(为图片简便性，整体结构示意图中铝型材为四方柱体，实际外观如图2所示)，上层安装搬运模块，中层安装取种模块、图像采集模块、近红外光谱数据获取模块和收种模块中的下漏斗29，下层安装收种模块中除下漏斗29外的其它部件。机架1重量较轻且可方便地调整安装在其上各模块部件的位置。
参考图1和图3，取种模块包括种盘17以及朝向种盘17用于识别其中谷物分布的识别相机18；取种模块安装在机架1中层，种盘17和识别相机18安装在种盘托架19上，所述种盘托架19安装在机架1上，种盘17选用透明材质的圆盘，直径为60mm，识别相机18安装于种盘17正下方，镜头与种盘17同心，种盘托架19两侧对称开设有四对小孔，用于安装识别相机18，且识别相机18与种盘17的距离可通过更换固定固定小孔进行调整，方便识别相机18调整到合适的位置，保证能拍下整个种盘17。
参考图1和图4，搬运模块包括电动三轴滑台及安装于其上的接气管4的吸嘴2，吸嘴2基于气压从种盘17中吸取单粒谷物；搬运模块安装在机架1上层，电动三轴滑台包括X向的第三电动滑台12、Y向的第一电动滑台6以及Z向的第二电动滑台11，分别可以进行Y、Z、X方向的运动，第一电动滑台6的量程为150mm，第二电动滑台11的量程为100mm，第三电动滑台12的量程为300mm。依据第一电动滑台6、第二电动滑台11和第三电动滑台12运动方向定为Y、Z、X三个方向，则机架1在X、Y、Z方向上的长度分别为500mm、400mm、500mm。
其中：第三电动滑台12安装在第五连接板13上，第五连接板13安装在机架1上，第一电动滑台6安装在第二连接板7上，第二连接板7安装在第三电动滑台12上，第二电动滑台11安装在第四连接板10上，第四连接板10安装在第一电动滑台6上，吸嘴2和气管4安装在吸嘴套3上，吸嘴2和步进电机8轴同心，步进电机8和吸嘴套3安装在第一连接板5上，第一连接板5安装在第三连接板9上，第三连接板9安装在第二电动滑台11上。吸嘴2在步进电机8的带动下沿Z轴旋转而吸嘴套3固定不动，所述气管4另一端连接着真空发生器，为吸嘴2吸附谷物提供动力。
参考图1和图5，图像采集模块包括图像采集相机20，采集吸嘴2吸取的单粒谷物的多角度照片，获取所述单粒谷物的尺寸及体积参数；图像采集模块安装在机架1中层，图像采集相机20采用微距高分辨的工业相机，安装在图像采集相机底座22上，所述图像采集相机底座22安装在第七连接板21上，所述第七连接板21安装在机架1上。图像采集相机底座22最上部分是一块带着刻度的圆盘，并且可以进行360°的旋转，同时图像采集相机底座22的下部分有三个螺旋刻度旋钮，分别可以对图像采集相机20进行前后左右和上下的微调，保证图像采集相机20能处在最合适的位置拍摄谷物的图像。
参考图1和图6，近红外光谱数据获取模块包括上漏斗14和近红外光源装置15，近红外光谱数据获取模块安装在机架1中层，上漏斗14的作用在于准确接收从吸嘴2上掉落的谷物并准确引导谷物进入近红外光源装置15，近红外光源装置15为外表布置有近红外光源的斜向设置的玻璃管道，其上端与上漏斗14出口连接，近红外光源装置15安装在第六连接板16上，第六连接板16安装在机架1上。谷物从近红外光源装置15出口滑出，谷物从近红外光源装置15入口进入到从出口滑出的过程中，近红外光源装置15能将谷物的近红外光谱数据获取并上传至PC，近红外光源装置15倾斜安装，其倾斜角度可通过近红外光源装置15和第六连接板16之间的固定螺丝进行调整，使谷物在近红外光源装置15中的滑动速度能满足近红外光源装置15准确获取谷物近红外光谱数据的要求。
参考图1和图7，收种模块位于近红外光源装置15出口下部，包括电动十字滑台及安装于其上收种盒26，通过与近红外光源装置15出口连接的下漏斗29接收出近红外光谱数据获取模块的单粒谷物。
其中，下漏斗29安装在机架1中层，其余部件安装在机架1下层，下漏斗29能准确接收从近红外光源装置15出口滑出的谷物，引导谷物从下漏斗29出口滑出，电动十字滑台包括X向的第四电动滑台24和Y向的第五电动滑台27，分别可以进行X、Y方向的运动，第四电动滑台24的量程为250mm，第五电动滑台27的量程为150mm。其中，第四电动滑台24安装在第八连接板23上，第八连接板23安装在机架1上，第五电动滑台27安装在第九连接板28上，第九连接板28安装在第四电动滑台24上，收种盒26安装在收种盒托架25上，收种盒托架25安装在第五电动滑台27上。收种盒26一共有三块，每个收种盒26有6×8的孔穴，收种盒26上给每个孔穴进行了编号，在电动十字滑台的运动下可以实现谷物精准接收进入收种盒26的孔穴中，收种盒26长、宽、高分别是110mm、85mm、12mm，孔穴内径大小为12mm，孔穴深10mm。
上述所述的取种模块、图像采集模块和近红外光谱数据获取模块的安装位置要确保在电动三轴滑台带动的吸嘴2的运动范围内，收种模块的安装位置要确保收种盒26在电动十字滑台的带动下能使每一个孔穴运动到下漏斗29出口正下方，从而使每个收种盒26都能装满谷物。
上述所述种盘托架19、上漏斗14和下漏斗29由于要与其它部件进行特殊配合安装，导致其结构较为特殊，均采用3D打印的方式制作。
上述图像采集模块获取的谷物图像和近红外光谱数据获取模块获取的谷物近红外光谱数据，两者相结合建立线性回归模型，计算出谷物的重量。
其中，对图像采集模块获取的谷物图像，根据最小外接矩形算法提取其轮廓，获取谷物的长、宽、厚数据，并进行归一化处理，对近红外光谱获取模块的光谱数据，经过归一化处理之后，根据连续投影算法提取出光谱特征波长，将归一化后的长、宽、厚数据和光谱特征波长一起，作为谷物重量线性回归模型的输入，将精密电子天枰测量过的实际谷物重量，作为线性回归模型的输出，用最小二乘法逼近拟合出线性回归模型，下次测量时，检测装置根据新测量谷物的图像数据和光谱数据，经由软件平台中的线性回归模型即可预测出其重量。
本装置的工作流程具体为：先是电动三轴滑台和电动十字滑台复位，然后电动十字滑台运动到使种盘17的第一个收种孔穴位于下漏斗29的出口正下方，接着识别相机18获取种盘17中谷物图像，上传至PC进行处理，计算出每一粒谷物的准确位置，并给每一粒谷物进行编号，同时打开外置真空发生器，然后控制电动三轴滑台使吸嘴2按照顺序吸取一粒谷物，接着PC控制电动三轴滑台使吸嘴2吸附的谷物运动到图像采集相机20拍照的位置，然后步进电机8每间隔0.5秒旋转18°，谷物随步进电机8带动下的吸嘴2一起每0.5秒旋转18°，一共旋转360°，过程中图像采集相机20获取谷物每18°的一张照片，并上传至PC进行处理，得到谷物的长、宽、高和谷物的体积等参数，步进电机8旋转360°后PC控制电动三轴滑台使吸嘴2吸附的谷物运动到上漏斗14的正上方，接着外置真空发生器关闭，吸嘴2失去吸附力而谷物掉落入上漏斗14，谷物从上漏斗14进入近红外光源装置15，倾斜安装的近红外光源装置15使谷物沿着近红外光源装置15内玻璃管道滑到出口，从近红外光源装置15的出口滑出，过程中近红外光源装置15能将谷物的近红外光谱数据获取并上传至PC，通过近红外光谱数据获知谷物的水分、粗蛋白、脂肪、淀粉、沉降值、氨基酸等参数，结合谷物近红外光谱数据和谷物体积参数，建立线性回归模型可以计算出谷物的重量，从近红外光源装置15滑出的谷物进入下漏斗29入口，然后从下漏斗29出口滑出并准确掉落到收种盒26的孔穴中，接着PC控制电动十字滑台使收种盒26的下一个收种孔穴位于下漏斗29出口的正下方，然后再打开外置真空发生器并控制电动三轴滑台使吸嘴2吸附谷物，如此循环。
需要说明的是，种盘17中的谷物不能相互堆叠，需留有空隙以便识别相机18能准确拍摄到每一粒谷物的外形轮廓。电动三轴滑台和电动十字滑台以及每一根电动滑台可单独进行复位，以应对一些特殊情况。上述所述的收种盒26的第一个收种孔穴移动位置和下一个收种孔穴移动位置以及图像采集相机20拍照位置和上漏斗14正上方位置需提前测量好并写入控制程序中。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种谷物表型一体化检测装置，其特征在于，包括机架(1)以及安装于机架(1)上的：
取种模块，包括种盘(17)以及朝向种盘(17)用于识别其中谷物分布的识别相机(18)；
搬运模块，包括电动三轴滑台及安装于其上的接气管(4)的吸嘴(2)，所述吸嘴(2)基于气压从种盘(17)中吸取单粒谷物；
图像采集模块，包括图像采集相机(20)，采集吸嘴(2)吸取的单粒谷物的多角度照片，获取所述单粒谷物的尺寸及体积参数；
近红外光谱数据获取模块，包括上漏斗(14)和近红外光源装置(15)，所述上漏斗(14)承接吸嘴(2)释放的单粒谷物，所述近红外光源装置(15)为外表布置有近红外光源的斜向设置的玻璃管道，其上端与上漏斗(14)出口连接，在单粒谷物下滑过程中获取其近红外光谱数据；
收种模块，位于近红外光源装置(15)出口下部，包括电动十字滑台及安装于其上收种盒(26)，通过与近红外光源装置(15)出口连接的下漏斗(29)接收出近红外光谱数据获取模块的单粒谷物；
所述电动三轴滑台包括X向的第三电动滑台(12)、Y向的第一电动滑台(6)以及Z向的第二电动滑台(11)，其中：所述第三电动滑台(12)安装在第五连接板(13)上，第五连接板(13)安装在机架(1)上，所述第一电动滑台(6)安装在第二连接板(7)上，第二连接板(7)安装在第三电动滑台(12)上，所述第二电动滑台(11)安装在第四连接板(10)上，第四连接板(10)安装在第一电动滑台(6)上，所述吸嘴(2)和气管(4)安装在吸嘴套(3)上，步进电机(8)和吸嘴套(3)安装在第一连接板(5)上，第一连接板(5)安装在第三连接板(9)上，第三连接板(9)安装在第二电动滑台(11)上；
所述吸嘴(2)和步进电机(8)轴同心，吸嘴(2)在步进电机(8)的带动下沿Z轴旋转而吸嘴套(3)固定不动，所述气管(4)另一端连接着真空发生器，为吸嘴(2)吸附谷物提供动力；
所述种盘(17)选用透明材质的圆盘，识别相机(18)安装于种盘(17)正下方，镜头与种盘(17)同心，且识别相机(18)与种盘(17)的距离可调整，方便识别相机(18)调整到合适的位置，保证能拍下整个种盘(17)；所述图像采集相机(20)采用微距高分辨的工业相机，图像采集相机底座(22)能够对安装在其上的图像采集相机(20)进行前后左右和上下的微调，保证图像采集相机(20)处在最合适的位置拍摄谷物的图像；所述上漏斗(14)接收从吸嘴(2)上掉落的谷物并准确引导谷物进入近红外光源装置(15)，谷物再从近红外光源装置(15)出口滑出，谷物从近红外光源装置(15)入口进入到从出口滑出的过程中，近红外光源装置(15)将谷物的近红外光谱数据获取并上传至PC；
所述电动十字滑台包括X向的第四电动滑台(24)和Y向的第五电动滑台(27)，其中，所述第四电动滑台(24)安装在第八连接板(23)上，第八连接板(23)安装在机架(1)上，所述第五电动滑台(27)安装在第九连接板(28)上，第九连接板(28)安装在第四电动滑台(24)上，所述收种盒(26)安装在收种盒托架(25)上，所述收种盒托架(25)安装在第五电动滑台(27)上；
所述图像采集模块获取的谷物图像和近红外光谱数据获取模块获取的谷物近红外光谱数据，两者相结合建立线性回归模型，计算出谷物的重量，对图像采集模块获取的谷物图像，根据最小外接矩形算法提取其轮廓，获取谷物的长、宽、厚数据，并进行归一化处理，对近红外光谱获取模块的光谱数据，经过归一化处理之后，根据连续投影算法提取出光谱特征波长，将归一化后的长、宽、厚数据和光谱特征波长一起，作为谷物重量线性回归模型的输入，将精密电子天枰测量过的实际谷物重量，作为线性回归模型的输出，用最小二乘法逼近拟合出线性回归模型，下次测量时，检测装置根据新测量谷物的图像数据和光谱数据，经由软件平台中的线性回归模型即可预测出其重量。
2.根据权利要求1所述谷物表型一体化检测装置，其特征在于，所述机架(1)采用30mm×30mm的铝型材搭建成上层、中层和下层的三层结构，上层安装搬运模块，中层安装取种模块、图像采集模块、近红外光谱数据获取模块和收种模块中的下漏斗(29)，下层安装收种模块中除下漏斗(29)外的其它部件。
3.根据权利要求1所述谷物表型一体化检测装置，其特征在于，所述种盘(17)和识别相机(18)安装在种盘托架(19)上，所述种盘托架(19)安装在机架(1)上，所述近红外光源装置(15)安装在第六连接板(16)上，所述第六连接板(16)安装在机架(1)上，所述图像采集相机(20)安装在图像采集相机底座(22)上，所述图像采集相机底座(22)安装在第七连接板(21)上，所述第七连接板(21)安装在机架(1)上。
4.根据权利要求1所述谷物表型一体化检测装置，其特征在于，所述下漏斗(29)准确接收从近红外光源装置(15)出口滑出的谷物，引导谷物从下漏斗(29)出口滑出，所述收种盒(26)一共有三块，每块有6×8个带有编号的孔穴，在电动十字滑台的运动下实现谷物精准接收进入收种盒(26)的孔穴中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910122087.2A CN109655385B (zh) | 2019-02-19 | 2019-02-19 | 一种谷物表型一体化检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910122087.2A CN109655385B (zh) | 2019-02-19 | 2019-02-19 | 一种谷物表型一体化检测装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109655385A CN109655385A (zh) | 2019-04-19 |
| CN109655385B true CN109655385B (zh) | 2024-01-23 |
Family
ID=66123094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910122087.2A Active CN109655385B (zh) | 2019-02-19 | 2019-02-19 | 一种谷物表型一体化检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109655385B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111380868B (zh) * | 2020-04-16 | 2023-03-07 | 安徽科技学院 | 一种小麦形态双面鉴定装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5480354A (en) * | 1994-11-03 | 1996-01-02 | Loral Corporation | Smart crop yield monitor |
| CN1353304A (zh) * | 2001-12-05 | 2002-06-12 | 单凯 | 一种对谷物进行品质检测的方法及其装置 |
| KR100934410B1 (ko) * | 2009-04-29 | 2009-12-29 | 강원대학교산학협력단 | 근적외 분광분석법을 이용한 곡물 종실의 무게 측정방법 |
| CN102788752A (zh) * | 2012-08-08 | 2012-11-21 | 江苏大学 | 基于光谱技术的农作物内部信息无损检测装置及方法 |
| CN103226088A (zh) * | 2013-04-08 | 2013-07-31 | 贵州茅台酒股份有限公司 | 一种颗粒物计数方法及其装置 |
| CN105738583A (zh) * | 2016-04-25 | 2016-07-06 | 西北农林科技大学 | 一种谷物形态与品质分析基础数据一体化获取装置 |
| 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 |
| CN108801976A (zh) * | 2018-08-28 | 2018-11-13 | 西北农林科技大学 | 一种用于单粒谷物品质检测的近红外光源装置及基于该装置的检测系统 |
| CN209690120U (zh) * | 2019-02-19 | 2019-11-26 | 西北农林科技大学 | 一种谷物表型一体化检测装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9779330B2 (en) * | 2014-12-26 | 2017-10-03 | Deere & Company | Grain quality monitoring |
-
2019
- 2019-02-19 CN CN201910122087.2A patent/CN109655385B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5480354A (en) * | 1994-11-03 | 1996-01-02 | Loral Corporation | Smart crop yield monitor |
| CN1353304A (zh) * | 2001-12-05 | 2002-06-12 | 单凯 | 一种对谷物进行品质检测的方法及其装置 |
| KR100934410B1 (ko) * | 2009-04-29 | 2009-12-29 | 강원대학교산학협력단 | 근적외 분광분석법을 이용한 곡물 종실의 무게 측정방법 |
| CN102788752A (zh) * | 2012-08-08 | 2012-11-21 | 江苏大学 | 基于光谱技术的农作物内部信息无损检测装置及方法 |
| CN103226088A (zh) * | 2013-04-08 | 2013-07-31 | 贵州茅台酒股份有限公司 | 一种颗粒物计数方法及其装置 |
| 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 |
| CN105738583A (zh) * | 2016-04-25 | 2016-07-06 | 西北农林科技大学 | 一种谷物形态与品质分析基础数据一体化获取装置 |
| CN108801976A (zh) * | 2018-08-28 | 2018-11-13 | 西北农林科技大学 | 一种用于单粒谷物品质检测的近红外光源装置及基于该装置的检测系统 |
| CN209690120U (zh) * | 2019-02-19 | 2019-11-26 | 西北农林科技大学 | 一种谷物表型一体化检测装置 |
Non-Patent Citations (2)
| Title |
|---|
| 专用近红外谷物分析仪的研制与开发;严红兵;王忠义;朱福来;严衍禄;;现代科学仪器(第04期);全文 * |
| 全包围光源结构的单粒小麦蛋白质含量检测装置研究;吴婷婷;ARMSTRONG P R;张海辉;杨玲;高维瑞;;农业机械学报(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109655385A (zh) | 2019-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109934821B (zh) | 一种零件缺陷检测方法及系统 | |
| CN101905215B (zh) | 数字化水稻考种机 | |
| EP3764766A1 (en) | Seed imaging | |
| CN109655385B (zh) | 一种谷物表型一体化检测装置 | |
| CN207180597U (zh) | 一种鱼体表面图像采集系统 | |
| CN206652726U (zh) | 鱼类自动测量分选装置 | |
| CN101339117B (zh) | 稻米参数自动测量装置及方法 | |
| CN108759754A (zh) | 高度尺寸自动检测设备 | |
| CN105181513B (zh) | 箱体式谷物自动检测装置 | |
| CN112461135A (zh) | 一种石斛生长参数无损在线测定装置及其测定方法 | |
| CN114705685A (zh) | 基于深度学习的ai视觉检测方法、系统及可读存储介质 | |
| CN108303427B (zh) | 基于图像处理的家居破损程度检测系统 | |
| CN113289910A (zh) | 一种线路板光学检测机 | |
| CN209690120U (zh) | 一种谷物表型一体化检测装置 | |
| CN205749474U (zh) | 一种谷物形态与品质分析基础数据一体化获取装置 | |
| CN207234941U (zh) | 一种数字图像采集仪 | |
| CN216728346U (zh) | 一种基于图像采集的大米加工精度检测装置 | |
| CN112710664A (zh) | 基于异形管阵列的黄豆粒非粘连图像获取方法及系统 | |
| CN105738583B (zh) | 一种谷物形态与品质分析基础数据一体化获取装置 | |
| CN105571974B (zh) | 一种便携式小麦品质检测设备 | |
| CN207487593U (zh) | 一种复合测量装置 | |
| CN111972701B (zh) | 一种烟支外观物测一体化综合测试台 | |
| CN218036453U (zh) | 一种检测装置 | |
| CN210198917U (zh) | 基于双目相机的下落集料颗粒图像采集装置 | |
| CN112317345A (zh) | 一种自动种子分选装置 |
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 |