CN110231341A - 一种水稻种子内部裂纹在线检测装置及其检测方法 - Google Patents

一种水稻种子内部裂纹在线检测装置及其检测方法 Download PDF

Info

Publication number
CN110231341A
CN110231341A CN201910355754.1A CN201910355754A CN110231341A CN 110231341 A CN110231341 A CN 110231341A CN 201910355754 A CN201910355754 A CN 201910355754A CN 110231341 A CN110231341 A CN 110231341A
Authority
CN
China
Prior art keywords
rice paddy
paddy seed
conveyer belt
high pressure
pressure gas
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
Application number
CN201910355754.1A
Other languages
English (en)
Other versions
CN110231341B (zh
Inventor
汪六三
王儒敬
鲁翠萍
刘洋
孙恒辉
黄伟
王键
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Institutes of Physical Science of CAS
Original Assignee
Hefei Institutes of Physical Science of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Institutes of Physical Science of CAS filed Critical Hefei Institutes of Physical Science of CAS
Priority to CN201910355754.1A priority Critical patent/CN110231341B/zh
Publication of CN110231341A publication Critical patent/CN110231341A/zh
Application granted granted Critical
Publication of CN110231341B publication Critical patent/CN110231341B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B07C5/02—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
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/845—Objects on a conveyor
    • G01N2021/8455—Objects on a conveyor and using position detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1296—Using chemometrical methods using neural networks

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及一种水稻种子内部裂纹在线检测装置及其检测方法。检测装置包括进料模块、传送模块、检测模块、分选模块和控制模块。进料模块包括振动喂料器和溜槽。传送模块包括传送带。传送带上开设有若干均匀分布的沉孔；沉孔底部开设有一通孔。检测模块包括卤素灯光源、光学快门和光纤探头、位置传感器和设置在传送带上方的高光谱成像仪。光纤探头和位置传感器均安装在传送带的上下两层之间。分选模块包括若干储料仓和若干第一高压气体喷嘴。控制模块包括控制器和微处理器。微处理器与高光谱成像仪连接。控制器分别与位置传感器、光学快门交互式连接。本发明能够解决现有技术中存在的不足，实现大批量水稻种子内部裂纹的快速无损在线检测。

Description

一种水稻种子内部裂纹在线检测装置及其检测方法
技术领域
本发明涉及种子质量检测技术领域，具体涉及一种水稻种子内部裂纹在线检测装置及其检测方法。
背景技术
我国是世界最大的水稻生产国，总产位居世界第一。据联合国粮农组织统计，1961年—2013年间，我国水稻年平均种植面积3185.7万hm2, 占我国粮食作物平均种植面积的34.97%，占世界水稻生产面积的22.12%。我国水稻平均总产1.56亿吨，占我国粮食总产的48.39%，占世界水稻总产的33.7%。由于我国人口众多，经济快速发展，有限的耕地面积逐年递减，客观上要求大幅度地提高粮食尤其是水稻的产量。
水稻种子质量是保证水稻产量的一个重要前提。损伤是影响水稻种子质量的重要因素。除破碎、破损等外部损伤外，内部裂纹是水稻种子的一种重要损伤形式，其主要产生于水稻生产的收获、干燥、运输和储藏等加工环节。由于种皮完好、外观没有异常，内部损伤在常态下难以察觉、不易引起人们注意，严重影响种子的发芽率。
目前，水稻种子裂纹的检测主要采用人工目测的方法，这种方法主观性及随意性较大，而且效率较低，可重复性较差。近年来，国内外学者在水稻种子裂纹检测方面做了大量的研究，主要采用机器视觉结合图像处理技术对种子内外部裂纹进行检测。但这些研究或研究研制的装置都是基于静态条件下进行的，难以满足大量种子裂纹的快速检测。
发明内容
本发明的目的在于提供一种水稻种子内部裂纹在线检测装置及其检测方法，该检测装置及其检测方法能够解决现有技术中存在的不足，实现大批量水稻种子内部裂纹的快速无损在线检测。
为实现上述目的，本发明采用了以下技术方案：
一种水稻种子内部裂纹在线检测装置，包括进料模块、传送模块、检测模块、分选模块和控制模块。
所述进料模块包括振动喂料器和与振动喂料器出口相连的倾斜设置的溜槽；所述传送模块包括传送带；所述传送带上开设有若干均匀分布的沉孔；所述沉孔底部开设有一通孔；所述检测模块包括依次相连的卤素灯光源、光学快门和光纤探头、位置传感器和与光纤探头对应设置的高光谱成像仪；所述光纤探头和位置传感器均安装在传送带的上下两层之间；所述高光谱成像仪设置在传送带的上方；所述分选模块包括安装在传送带一侧下方的若干储料仓和安装在储料仓上方的若干第一高压气体喷嘴；所述控制模块包括控制器和与控制器相连的微处理器；所述控制器的输出端与第一高压气体喷嘴的输入端相连；所述控制器分别与位置传感器、光学快门交互式连接；所述微处理器与高光谱成像仪交互式连接。
进一步的，所述振动喂料器上安装有进料斗；所述进料斗的上端为圆柱形，下端为圆台形。
进一步的，所述溜槽为V型。
进一步的，所述高光谱成像仪外侧罩设有暗箱；所述高光谱成像仪为快照式高光谱成像仪。
进一步的，所述高光谱成像仪的一侧设有第二高压气体喷嘴；所述光纤探头的一侧设有第三高压气体喷嘴；所述第一高压气体喷嘴、第二高压气体喷嘴、第三高压气体喷嘴分别通过管路与空气压缩机相连，且所述空气压缩机的出口处设有空气过滤器。所述第一高压气体喷嘴的输入端、第二高压气体喷嘴的输入端与第三高压气体喷嘴的输入端均与控制器的输出端相连。
进一步的，所述沉孔的形状为椭圆形。
进一步的，所述卤素灯光源的输出端接光学快门的输入端，光学快门的输出端安装有光纤连接头，光纤连接头通过光纤与光纤探头相连。
进一步的，所述位置传感器与光纤探头并行设置。
本发明还涉及一种上述水稻种子内部裂纹在线检测装置的检测方法，该方法包括以下步骤：
（1）将一定量的水稻种子放入进料斗，水稻种子通过进料斗进入到振动喂料器，并在振动喂料器的振动作用下排成线状，然后从振动喂料器滑落到溜槽上，再沿溜槽滑落到传送带上，并依次落入到传送带上的各个沉孔中。
（2）落入沉孔中的水稻种子随传送带一起运动，当其中的水稻种子A运动到高光谱成像仪正下方时，位置传感器向控制器发送信号，控制器先控制光学快门关闭，获取高光谱成像仪的暗背景，然后再控制光学快门打开，此时，卤素灯光源输出的光通过光纤探头透射过水稻种子A后进入高光谱成像仪，高光谱成像仪采集光谱图像，并将该光谱图像发送给微处理器。
（3）微处理器先对接收到的光谱图像进行处理，然后将处理后的光谱图像输入到深度学习构建的内部裂纹识别模型中进行裂纹识别，得到水稻种子A的裂纹识别结果。
（4）水稻种子A随传送带继续向前运动，当运动到传送带的边缘处时，向下滑落。
（5）根据水稻种子A的裂纹识别结果，使水稻种子A从传送带上滑落到对应的储料仓中。当水稻种子A的裂纹识别结果符合传送带末端正下方的储料仓设定的裂纹特征时，各个第一高压气体喷嘴均关闭，水稻种子A在自身重力的作用下，向下滑落到传送带末端正下方的储料仓中；当水稻种子A的裂纹识别结果不符合传送带末端正下方的储料仓设定的裂纹特征时，而是符合其他储料仓设定的裂纹特征时，微处理器向控制器发送信号，使控制器驱动对应的第一高压气体喷嘴打开，第一高压气体喷嘴向从传送带滑落的水稻种子A喷射气体，改变水稻种子A的运动方向，使水稻种子A落入到对应的储料仓中。
进一步的，步骤（3）中所述的“深度学习构建的内部裂纹识别模型”，其构建过程为：选取已知内部裂纹信息的大样本水稻种子，先采用卤素灯光源输出的光透射过大样本水稻种子，再采用高光谱成像仪采集这些大样本水稻种子的高光谱图像，然后将采集的高光谱图像输入深度卷积神经网络，训练深度卷积神经网络，建立深度卷积神经网络模型作为深度学习构建的内部裂纹识别模型。
由以上技术方案可知，本发明所述的水稻种子内部裂纹在线检测装置及其检测方法，可以实现大批量种子内部裂纹的快速无损在线检测。本发明通过在传送带上设置椭圆形的沉孔，可以固定水稻种子籽粒的形态，有利于后续的内部裂纹检测。本发明采用快照式高光谱成像仪获取水稻种子的透射高光谱图像，获取图谱速度快（测量时间最小100 us），能够满足水稻种子内部裂纹在线检测要求，并且采用高光谱成像技术，获得的种子籽粒信息量大，提高了检测的精度。本发明利用深度学习技术构建水稻种子内部裂纹识别模型，可以提高水稻种子的内部裂纹检测识别率。
附图说明
图1是本发明中检测装置的结构示意图；
图2是本发明中传送带的结构示意。
其中：
1、进料斗，2、振动喂料器，3、溜槽，4、传送带，5、卤素灯光源，6、光学快门，7、光纤连接头，8、光纤，9、光纤探头，10、位置传感器，11、高光谱成像仪，12、暗箱，13、第二高压气体喷嘴，14、第三高压气体喷嘴，15、控制模块，16、储料仓，17、第一高压气体喷嘴，18、空气压缩机，19、空气过滤器，20、沉孔，21、通孔，22、水稻种子，23、微处理器，24、控制器。
具体实施方式
下面结合附图对本发明做进一步说明：
如图1-图2所示的一种水稻种子内部裂纹在线检测装置，包括进料模块、传送模块、检测模块、分选模块和控制模块15。
所述进料模块包括振动喂料器2和与振动喂料器2出口相连的倾斜设置的溜槽3。所述溜槽3为V型。溜槽3的长度为20mm，宽度为10mm，深度为5mm。所述振动喂料器2上安装有进料斗1。所述进料斗1为中空结构，其上端为圆柱形，下端为圆台形，这样设计能够使进入进料斗的种子自由下落。
所述传送模块包括传送带4和驱动传送带转动的传动机构。所述传动机构采用现有的结构。如图2所示，所述传送带4的纵向截面为跑道形，包括水平的上半部分、水平的下半部分以及连接上下两半部分的半圆形的左半部分与右半部分。所述光纤探头9和位置传感器10设置在传送带的上半部分与下半部分之间。所述传送带4上开设有若干均匀分布的沉孔20。所述沉孔20底部开设有一通孔21。所述沉孔20的形状为椭圆形。所述传送带4，用于先将水稻种子运输至高光谱成像仪11的正下方进行高光谱图像采集，然后再将水稻种子运输至传送带4边缘，使水稻种子22在第一高压气体喷嘴17的作用下进入到相应的储料仓16。所述沉孔20，用于放置水稻种子，保证水稻种子状态的稳定性。所述通孔21，用于使来自光纤探头的光透过水稻种子。沉孔的长轴为10mm，短轴为5mm，深度为3mm。通孔为椭圆形，其长轴为8mm，短轴为4mm，深度为2mm。沉孔和通孔的形状以及尺寸的设计，一方面是便于水稻种子的放置，确保水稻种子随传送带运动过程中的稳定性，另一方面是便于卤素灯光源发出的光依次通过光学快门、光纤、光纤探头照射到水稻种子上，并穿透水稻种子。
所述检测模块包括依次相连的卤素灯光源5、光学快门6和光纤探头9、位置传感器10和与光纤探头9上下正对设置的高光谱成像仪11。所述光纤探头9和位置传感器10均安装在传送带4的上下两层之间。所述高光谱成像仪11设置在传送带4的上方。所述高光谱成像仪11外侧罩设有暗箱12；所述高光谱成像仪11为快照式高光谱成像仪。所述快照式高光谱成像仪采用现有的产品，包括成像镜头、视场光阑、准直透镜、衍射光栅、再成像镜头、CCD相机等，该快照式高光谱成像仪无移动部件，积分时间短，可实现移动样品的实时光谱图像获取，其波长范围为450~970nm。当载有水稻种子的沉孔21运动到高光谱成像仪11的正下方时，光纤探头9在该沉孔21中心的正下方。光纤探头9和高光谱成像仪11位于暗箱12内，能够防止外界杂散光进入高光谱成像仪11，影响检测结果的准确性。
所述分选模块包括安装在传送带4一侧下方的若干储料仓16和安装在储料仓16上方的若干第一高压气体喷嘴17。所述第一高压气体喷嘴17位于传送带4前进方向末端的下方。如图1所示，优选的，储粮仓的数量为3个，从左向右分别为中裂纹籽粒储料仓、无裂纹及轻裂纹籽粒储料仓、重裂纹籽粒储料仓。第一高压气体喷嘴的数量为2个，通过试验确定2个第一高压气体喷嘴的安装位置，使从传送带滑落的水稻种子，能够根据裂纹识别结果，在第一高压气体喷嘴的驱动下，落入到相应的储料仓中。在空气压缩机的驱动下，第一高压气体喷嘴能够喷出洁净的气流，该气流能够改变从传送带滑落的水稻种子的运动方向。控制器24根据裂纹识别结果，控制相应位置的第一高压气体喷嘴工作。
所述控制模块15包括控制器24和与控制器24相连的微处理器23；所述控制器24的输出端与第一高压气体喷嘴17的输入端相连。所述微处理器23与高光谱成像仪11交互式连接。所述控制器24，分别与位置传感器10、光学快门6交互式连接。所述微处理器23，用于控制高光谱成像仪、位置传感器、光学快门等部件的开启，还用于对高光谱成像仪采集的数据进行处理和对整个检测装置进行故障诊断。所述控制器24，用于控制各高压气体喷嘴。
进一步的，所述高光谱成像仪11的一侧设有第二高压气体喷嘴13；所述光纤探头9的一侧设有第三高压气体喷嘴14。所述第一高压气体喷嘴17、第二高压气体喷嘴13、第三高压气体喷嘴14分别通过管路与空气压缩机18相连，且所述空气压缩机18的出口处设有空气过滤器19。所述第一高压气体喷嘴17的输入端、第二高压气体喷嘴13的输入端与第三高压气体喷嘴14的输入端均与控制器24的输出端相连。所述第二高压气体喷嘴13和第三高压气体喷嘴14，分别用于定时清除高光谱成像仪成像镜头和光纤探头上的灰尘，确保检测结果的准确性。空气压缩机18为第一高压气体喷嘴17、第二高压气体喷嘴13和第三高压气体喷嘴14提供动力。空气过滤器19净化进入各个高压气体喷嘴的空气。
进一步的，所述卤素灯光源5的输出端接光学快门6的输入端，光学快门6的输出端安装有光纤连接头7，光纤连接头7通过光纤8与光纤探头9相连。
进一步的，所述位置传感器10与光纤探头9并行设置。
本发明还涉及一种上述水稻种子内部裂纹在线检测装置的检测方法，该方法包括以下步骤：
（1）将一定量的水稻种子22放入进料斗1，水稻种子通过进料斗1进入到振动喂料器2，并在振动喂料器2的振动作用下排成线状，然后从振动喂料器2滑落到溜槽3上，再沿溜槽3滑落到传送带4上，并依次落入到传送带4上的各个沉孔20中。
（2）落入沉孔20中的水稻种子22随传送带4一起运动，当其中的水稻种子A运动到高光谱成像仪11正下方时，位置传感器10向控制器24发送信号，控制器24先控制光学快门6关闭，获取高光谱成像仪11的暗背景，然后再控制光学快门6打开，此时，卤素灯光源5输出的光通过光纤探头9透射过水稻种子A后进入高光谱成像仪11，高光谱成像仪11采集光谱图像，并将该光谱图像发送给微处理器23。通过对传送带4运动时的速度以及在传送带4上均匀分布的沉孔20之间的间距进行设计，使各个水稻种子从溜槽3滑落到传送带4上时，能够依次落入到各个沉孔20中，每个沉孔中落入一个水稻种子，并且使运动到高光谱成像仪下方时的沉孔，正好是在高光谱成像仪的正下方。
（3）微处理器23先对接收到的光谱图像进行预处理，然后将处理后的光谱图像输入到深度学习构建的内部裂纹识别模型中进行裂纹识别，得到水稻种子A的裂纹识别结果。微处理器23对接收到的光谱图像进行的预处理，是对采集到的图像进行降噪等常规处理。
（4）水稻种子A随传送带4继续向前运动，当运动到传送带4的边缘处时，向下滑落。
（5）根据水稻种子A的裂纹识别结果，使水稻种子A从传送带4上滑落到对应的储料仓16中。当水稻种子A的裂纹识别结果符合传送带末端4正下方的储料仓16设定的裂纹特征时，各个第一高压气体喷嘴17均关闭，水稻种子A在自身重力的作用下，向下滑落到传送带4末端正下方的储料仓16中；当水稻种子A的裂纹识别结果不符合传送带4末端正下方的储料仓16设定的裂纹特征时，而是符合其他储料仓16设定的裂纹特征时，微处理器23向控制器24发送信号，使控制器24驱动对应的第一高压气体喷嘴17打开，第一高压气体喷嘴17向从传送带4滑落的水稻种子A喷射气体，改变水稻种子A的运动方向，使水稻种子A落入到对应的储料仓16中。
进一步的，步骤（3）中所述的“深度学习构建的内部裂纹识别模型”，其构建过程为：选取已知内部裂纹信息的大样本水稻种子，先采用卤素灯光源输出的光透射过大样本水稻种子，再采用高光谱成像仪采集这些大样本水稻种子的高光谱图像，然后将采集的高光谱图像输入深度卷积神经网络，训练深度卷积神经网络，建立深度卷积神经网络模型作为深度学习构建的内部裂纹识别模型。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (10)

1.一种水稻种子内部裂纹在线检测装置，其特征在于：包括进料模块、传送模块、检测模块、分选模块和控制模块；
所述进料模块包括振动喂料器和与振动喂料器出口相连的倾斜设置的溜槽；所述传送模块包括传送带；所述传送带上开设有若干均匀分布的沉孔；所述沉孔底部开设有一通孔；所述检测模块包括依次相连的卤素灯光源、光学快门和光纤探头、位置传感器和与光纤探头对应设置的高光谱成像仪；所述光纤探头和位置传感器均安装在传送带的上下两层之间；所述高光谱成像仪设置在传送带的上方；所述分选模块包括安装在传送带一侧下方的若干储料仓和安装在储料仓上方的若干第一高压气体喷嘴；所述控制模块包括控制器和与控制器相连的微处理器；所述控制器的输出端与第一高压气体喷嘴的输入端相连；所述控制器分别与位置传感器、光学快门交互式连接；所述微处理器与高光谱成像仪交互式连接。
2.根据权利要求1所述的一种水稻种子内部裂纹在线检测装置，其特征在于：所述振动喂料器上安装有进料斗；所述进料斗的上端为圆柱形，下端为圆台形。
3.根据权利要求1所述的一种水稻种子内部裂纹在线检测装置，其特征在于：所述溜槽为V型。
4.根据权利要求1所述的一种水稻种子内部裂纹在线检测装置，其特征在于：所述高光谱成像仪外侧罩设有暗箱；所述高光谱成像仪为快照式高光谱成像仪。
5.根据权利要求1所述的一种水稻种子内部裂纹在线检测装置，其特征在于：所述高光谱成像仪的一侧设有第二高压气体喷嘴；所述光纤探头的一侧设有第三高压气体喷嘴；所述第一高压气体喷嘴、第二高压气体喷嘴、第三高压气体喷嘴分别通过管路与空气压缩机相连，且所述空气压缩机的出口处设有空气过滤器；所述第一高压气体喷嘴的输入端、第二高压气体喷嘴的输入端与第三高压气体喷嘴的输入端均与控制器的输出端相连。
6.根据权利要求1所述的一种水稻种子内部裂纹在线检测装置，其特征在于：所述沉孔的形状为椭圆形。
7.根据权利要求1所述的一种水稻种子内部裂纹在线检测装置，其特征在于：所述卤素灯光源的输出端接光学快门的输入端，光学快门的输出端安装有光纤连接头，光纤连接头通过光纤与光纤探头相连；所述位置传感器与光纤探头并行设置。
8.根据权利要求1~7任意一项所述的一种水稻种子内部裂纹在线检测装置的检测方法，其特征在于：该方法包括以下步骤：
（1）将一定量的水稻种子放入进料斗，水稻种子通过进料斗进入到振动喂料器，并在振动喂料器的振动作用下排成线状，然后从振动喂料器滑落到溜槽上，再沿溜槽滑落到传送带上，并依次落入到传送带上的各个沉孔中；
（2）落入沉孔中的水稻种子随传送带一起运动，当其中的水稻种子A运动到高光谱成像仪正下方时，位置传感器向控制器发送信号，控制器先控制光学快门关闭，获取高光谱成像仪的暗背景，然后再控制光学快门打开，此时，卤素灯光源输出的光通过光纤探头透射过水稻种子A后进入高光谱成像仪，高光谱成像仪采集光谱图像，并将该光谱图像发送给微处理器；
（3）微处理器先对接收到的光谱图像进行处理，然后将处理后的光谱图像输入到深度学习构建的内部裂纹识别模型中进行裂纹识别，得到水稻种子A的裂纹识别结果；
（4）水稻种子A随传送带继续向前运动，当运动到传送带的边缘处时，向下滑落；
（5）根据水稻种子A的裂纹识别结果，使水稻种子A从传送带上滑落到对应的储料仓中。
9.根据权利要求8所述的水稻种子内部裂纹在线检测装置的检测方法，其特征在于：步骤（3）中所述的“深度学习构建的内部裂纹识别模型”，其构建过程为：选取已知内部裂纹信息的大样本水稻种子，先采用卤素灯光源输出的光透射过大样本水稻种子，再采用高光谱成像仪采集这些大样本水稻种子的高光谱图像，然后将采集的高光谱图像输入深度卷积神经网络，训练深度卷积神经网络，建立深度卷积神经网络模型作为深度学习构建的内部裂纹识别模型。
10.根据权利要求8所述的水稻种子内部裂纹在线检测装置的检测方法，其特征在于：步骤（5）中所述的“根据水稻种子A的裂纹识别结果，使水稻种子A从传送带上滑落到对应的储料仓中”，其具体包括以下步骤：
当水稻种子A的裂纹识别结果符合传送带末端正下方的储料仓设定的裂纹特征时，各个第一高压气体喷嘴均关闭，水稻种子A在自身重力的作用下，向下滑落到传送带末端正下方的储料仓中；当水稻种子A的裂纹识别结果不符合传送带末端正下方的储料仓设定的裂纹特征时，而是符合其他储料仓设定的裂纹特征时，微处理器向控制器发送信号，控制器驱动对应的第一高压气体喷嘴打开，第一高压气体喷嘴向从传送带滑落的水稻种子A喷射气体，改变水稻种子A的运动方向，使水稻种子A落入到对应的储料仓中。
CN201910355754.1A 2019-04-29 2019-04-29 一种水稻种子内部裂纹在线检测装置及其检测方法 Active CN110231341B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910355754.1A CN110231341B (zh) 2019-04-29 2019-04-29 一种水稻种子内部裂纹在线检测装置及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910355754.1A CN110231341B (zh) 2019-04-29 2019-04-29 一种水稻种子内部裂纹在线检测装置及其检测方法

Publications (2)

Publication Number Publication Date
CN110231341A true CN110231341A (zh) 2019-09-13
CN110231341B CN110231341B (zh) 2022-03-11

Family

ID=67861004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910355754.1A Active CN110231341B (zh) 2019-04-29 2019-04-29 一种水稻种子内部裂纹在线检测装置及其检测方法

Country Status (1)

Country Link
CN (1) CN110231341B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110501065A (zh) * 2019-07-24 2019-11-26 南京农业大学 基于碰撞特性的杂交水稻裂颖种子检测方法
CN110575973A (zh) * 2019-10-21 2019-12-17 台州学院 一种农作物种子品质检测与筛选系统
CN111282838A (zh) * 2020-03-06 2020-06-16 北京农业信息技术研究中心 一种逐粒化排种装置及种子分选系统
CN112317343A (zh) * 2020-10-28 2021-02-05 湖南省水稻研究所 种子分选装置及方法
CN112317342A (zh) * 2020-10-28 2021-02-05 湖南省水稻研究所 种子分选装置及方法
CN112330635A (zh) * 2020-11-06 2021-02-05 中国农业机械化科学研究院 一种基于相关滤波的玉米种子内部裂纹检测方法
CN112403942A (zh) * 2020-12-08 2021-02-26 合肥泰禾智能科技集团股份有限公司 一种实现多类分选的色选机
CN113791078A (zh) * 2021-09-02 2021-12-14 中国农业机械化科学研究院 一种玉米种子内部裂纹批量检测方法及装置
CN113959980A (zh) * 2021-11-24 2022-01-21 江西中医药大学 物料质量快速检测分选设备和中药物料生产系统
CN114453264A (zh) * 2021-12-31 2022-05-10 塔里木大学 一种基于yoloV5模型的棉籽精选方法
WO2022102630A1 (ja) * 2020-11-11 2022-05-19 株式会社サタケ 被選別物の識別方法、選別方法及び選別装置
CN114558799A (zh) * 2022-01-27 2022-05-31 合肥泰禾智能科技集团股份有限公司 一种基于喷嘴阵列色选机的色选方法
CN114885634A (zh) * 2022-03-28 2022-08-12 河北农业大学 一种农作物种子活力检测装置及其使用方法
CN115413445A (zh) * 2022-08-17 2022-12-02 北京市农林科学院智能装备技术研究中心 种子品质在线检测装置
CN117037128A (zh) * 2023-10-08 2023-11-10 广东省农业科学院蔬菜研究所 一种蔬菜种子智能识别方法及系统
CN117718249A (zh) * 2024-02-18 2024-03-19 安徽启新明智科技有限公司 珠宝裂纹分选方法、装置、系统、存储介质及电子设备
CN118112013A (zh) * 2024-01-22 2024-05-31 山东省粮油检测中心 一种用于粮食不完善粒快速检测的影像扫描装置及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021478A (zh) * 2007-02-13 2007-08-22 江西农业大学 一种水果品质的激光诱导荧光高光谱图像检测方法和装置
CN102495066A (zh) * 2011-12-05 2012-06-13 江南大学 高光谱透射图像采集系统及基于该系统的豆荚无损检测方法
CN103439270A (zh) * 2013-09-11 2013-12-11 南京农业大学 一种高光谱图像检测桃果实冷害的装置和方法
CN104280349A (zh) * 2014-10-28 2015-01-14 南京农业大学 一种基于高光谱图像对白萝卜糠心鉴定的方法
CN104781654A (zh) * 2012-09-07 2015-07-15 陶朗分选股份有限公司 用于处理收获的块根作物的方法和设备
CN105903685A (zh) * 2016-03-18 2016-08-31 东北农业大学 一种具有批量整列与视觉选别功能的新型大豆种子分选机
CN106607344A (zh) * 2017-02-17 2017-05-03 河南省现代富博智能装备科技有限公司 定向播种用的玉米种粒动态图像精选装置及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021478A (zh) * 2007-02-13 2007-08-22 江西农业大学 一种水果品质的激光诱导荧光高光谱图像检测方法和装置
CN102495066A (zh) * 2011-12-05 2012-06-13 江南大学 高光谱透射图像采集系统及基于该系统的豆荚无损检测方法
CN104781654A (zh) * 2012-09-07 2015-07-15 陶朗分选股份有限公司 用于处理收获的块根作物的方法和设备
CN103439270A (zh) * 2013-09-11 2013-12-11 南京农业大学 一种高光谱图像检测桃果实冷害的装置和方法
CN104280349A (zh) * 2014-10-28 2015-01-14 南京农业大学 一种基于高光谱图像对白萝卜糠心鉴定的方法
CN105903685A (zh) * 2016-03-18 2016-08-31 东北农业大学 一种具有批量整列与视觉选别功能的新型大豆种子分选机
CN106607344A (zh) * 2017-02-17 2017-05-03 河南省现代富博智能装备科技有限公司 定向播种用的玉米种粒动态图像精选装置及方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110501065A (zh) * 2019-07-24 2019-11-26 南京农业大学 基于碰撞特性的杂交水稻裂颖种子检测方法
CN110575973A (zh) * 2019-10-21 2019-12-17 台州学院 一种农作物种子品质检测与筛选系统
CN110575973B (zh) * 2019-10-21 2021-08-10 台州学院 一种农作物种子品质检测与筛选系统
CN111282838A (zh) * 2020-03-06 2020-06-16 北京农业信息技术研究中心 一种逐粒化排种装置及种子分选系统
CN112317343A (zh) * 2020-10-28 2021-02-05 湖南省水稻研究所 种子分选装置及方法
CN112317342A (zh) * 2020-10-28 2021-02-05 湖南省水稻研究所 种子分选装置及方法
CN112330635A (zh) * 2020-11-06 2021-02-05 中国农业机械化科学研究院 一种基于相关滤波的玉米种子内部裂纹检测方法
WO2022102630A1 (ja) * 2020-11-11 2022-05-19 株式会社サタケ 被選別物の識別方法、選別方法及び選別装置
CN112403942A (zh) * 2020-12-08 2021-02-26 合肥泰禾智能科技集团股份有限公司 一种实现多类分选的色选机
CN113791078B (zh) * 2021-09-02 2023-06-13 中国农业机械化科学研究院 一种玉米种子内部裂纹批量检测方法及装置
CN113791078A (zh) * 2021-09-02 2021-12-14 中国农业机械化科学研究院 一种玉米种子内部裂纹批量检测方法及装置
CN113959980A (zh) * 2021-11-24 2022-01-21 江西中医药大学 物料质量快速检测分选设备和中药物料生产系统
CN114453264A (zh) * 2021-12-31 2022-05-10 塔里木大学 一种基于yoloV5模型的棉籽精选方法
CN114558799A (zh) * 2022-01-27 2022-05-31 合肥泰禾智能科技集团股份有限公司 一种基于喷嘴阵列色选机的色选方法
CN114885634A (zh) * 2022-03-28 2022-08-12 河北农业大学 一种农作物种子活力检测装置及其使用方法
CN115413445A (zh) * 2022-08-17 2022-12-02 北京市农林科学院智能装备技术研究中心 种子品质在线检测装置
CN115413445B (zh) * 2022-08-17 2024-10-01 北京市农林科学院智能装备技术研究中心 种子品质在线检测装置
CN117037128A (zh) * 2023-10-08 2023-11-10 广东省农业科学院蔬菜研究所 一种蔬菜种子智能识别方法及系统
CN117037128B (zh) * 2023-10-08 2024-01-30 广东省农业科学院蔬菜研究所 一种蔬菜种子智能识别方法及系统
CN118112013A (zh) * 2024-01-22 2024-05-31 山东省粮油检测中心 一种用于粮食不完善粒快速检测的影像扫描装置及方法
CN117718249A (zh) * 2024-02-18 2024-03-19 安徽启新明智科技有限公司 珠宝裂纹分选方法、装置、系统、存储介质及电子设备
CN117718249B (zh) * 2024-02-18 2024-06-18 安徽启新明智科技有限公司 珠宝裂纹分选方法、装置、系统、存储介质及电子设备

Also Published As

Publication number Publication date
CN110231341B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN110231341A (zh) 一种水稻种子内部裂纹在线检测装置及其检测方法
CN202525064U (zh) 一种烟叶烟梗检测分选装置
CN107952696B (zh) 一种适用于鲜烟叶的检测分级装置及检测方法
Sarkar et al. Computer vision based system for quality separation of fresh market tomatoes
CN100556559C (zh) 基于计算机视觉的软胶囊质量在线检测的装置与方法
CN103801514B (zh) 一种制丝线烟叶自动化精选装置及方法
CN110383049A (zh) 水果或蔬菜的光学分析方法和装置以及自动分拣装置
CN109557003B (zh) 一种农药沉积量检测方法、装置及数据采集组合装置
CN102253052B (zh) 基于fpga的粮食品质在线检测装置
JPWO2005108956A1 (ja) オンライン内部品質検査方法と装置
CN103211292A (zh) 一种片烟分段精选设备及方法
CN102179374A (zh) 禽蛋品质自动检测分选设备及其方法
CN105548124A (zh) 一种柑橘溃疡病的检测方法和装置
CN109238893A (zh) 一种基于硬度形变的鸡胸肉木质化程度自动分级系统及分级方法
CN108284079A (zh) 一种基于高光谱成像与深度学习的籽棉残膜分选装置及算法
CN105537151B (zh) 一种种子自动分离装置及种子活力无损检测系统
Pearson et al. A multispectral sorting device for wheat kernels
CN209525221U (zh) 一种农药沉积量特征波数据采集及农药沉积量检测装置
CN208098653U (zh) 一种籽棉残膜分选装置
JP2007071620A (ja) 蚕蛹の雌雄を判別する方法と装置
CN214391201U (zh) 一种巴旦木无损近红外光谱检测与筛选系统装置
CN106820245A (zh) 一种烟草异物剔除装置
CN101419213A (zh) 一种利用挥发物的禽蛋蛋壳裂纹检测装置及方法
CN207383497U (zh) 一种打叶复烤厂用升降式片烟在线取样检测装置
CN203750849U (zh) 一种制丝线烟叶自动化精选装置

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