CN111380813A - 一种便携式小麦种子多品质无损检测装置及检测方法 - Google Patents

一种便携式小麦种子多品质无损检测装置及检测方法 Download PDF

Info

Publication number
CN111380813A
CN111380813A CN202010201978.XA CN202010201978A CN111380813A CN 111380813 A CN111380813 A CN 111380813A CN 202010201978 A CN202010201978 A CN 202010201978A CN 111380813 A CN111380813 A CN 111380813A
Authority
CN
China
Prior art keywords
seed
quality
image
sample
information
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
CN202010201978.XA
Other languages
English (en)
Other versions
CN111380813B (zh
Inventor
郑磊
刘长虹
刘伟
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 University of Technology
Original Assignee
Hefei University of Technology
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 University of Technology filed Critical Hefei University of Technology
Priority to CN202010201978.XA priority Critical patent/CN111380813B/zh
Publication of CN111380813A publication Critical patent/CN111380813A/zh
Application granted granted Critical
Publication of CN111380813B publication Critical patent/CN111380813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (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)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种便携式小麦种子多品质无损检测装置及检测方法,该装置包括:载物台,所述载物台的底部用于放置种子样品;发光模块,所述发光模块设置在所述载物台的上部,用于为种子样品提供多种波长的光源;图像采集模块,所述图像采集模块设置在所述载物台的上部,用于采集种子样品的多普勒光谱图像;处理模块,所述处理模块与所述图像采集模块连接,基于所述多普勒光谱图像建立预测模型,并基于所述预测模型获取种子样品的品质参数的检测结果,其中,所述品质参数包括纯度信息和活力信息。本发明的便携式小麦种子多品质无损检测装置通过预测模型同时获取纯度和活力等多种品质相关信息,检测精度高,且结构简单、使用方便的特点。

Description

一种便携式小麦种子多品质无损检测装置及检测方法
技术领域
本发明属于种子质量检测领域,更具体地,涉及一种便携式小麦种子多品质无损检测装置及检测方法。
背景技术
小麦是我国重要的农作物,其种子的纯度和活力是种子质量的重要指标,是小麦的产量和品质的关键影响因素。目前小麦种子市场上具有多家生产、多家经营、多头管理的特点,种子质量良莠不齐,造成农业生产重大损失和农民利益严重受损。常规的种子质量检测方法主要包括有种子形态鉴定法、化学鉴定法、幼苗鉴定法和田间鉴定法以及SSR分子检测等,这些方法由于鉴定时间长,鉴定成本高,过程复杂,易对环境产生污染,单一方法无法同时测量不同质量指标等原因难以满足市场监管和现代农业发展的需求。
光谱成像分析是一种无损、快速、简单、不需要样品预处理并将光谱信息和图像信息融为一体的分析方法,因此非常适合农产品的质量检测。近年来,依赖于研究仪器在实验室环境中应用改进技术进行农产品质量与安全检测成果较多,但如何针对种子质量设计适合实际工作环境的种子快速无损检测装置尚不多见。因此,亟需开发一种结构简单、使用方便、检测准确的小麦种子检测装置。
发明内容
本发明的目的是提出结构简单、使用方便、检测准确的便携式小麦种子多品质无损检测装置及检测方法。
为了实现上述目的,本发明提供了一种便携式小麦种子多品质无损检测装置,包括:载物台,所述载物台的底部用于放置种子样品;发光模块,所述发光模块设置在所述载物台的上部,用于为种子样品提供多种波长的光源;图像采集模块,所述图像采集模块设置在所述载物台的上部,用于采集种子样品的多普勒光谱图像;处理模块,所述处理模块与所述图像采集模块连接,基于所述多普勒光谱图像建立预测模型,并基于所述预测模型获取种子样品的品质参数的检测结果,其中,所述品质参数包括纯度信息和活力信息。
优选的,所述图像采集模块采用延时加均值的方法获取种子样品的多普勒光谱图像。
优选的,所述发光模块采用波长分别为405nm、505nm、570nm、660nm、850nm、890nm、910nm、970nm的LED灯,相同波长的LED灯呈正方形排布,不同波长的LED灯排布的正方形中心相同。
优选的,所述图像采集模块位于所述正方形的中心位置。
优选的,所述发光模块照射样品时,不同波长的LED灯按预设顺序分别发光,所述图像采集模块获取不同单波长光源下种子样品的光谱图像。
优选的,所述处理模块分割所述光谱图像,获取目标种子的区域;对所述区域进行标记;对标记后的图像进行灰度处理;计算灰度处理后所述区域里每个像素点的光谱反射值;获取灰度处理后所述区域里像素点个数,获得种子样品的面积参数;计算所述区域在一行上的最大距离值和一列上最大距离值的比值作为种子样品的宽长比;基于所述面积参数和宽长比,计算所述区域的圆度信息,将所述圆度信息作为图像特征值。
优选的,所述处理模块采用最小二乘法构建种子品质预测方程式;基于图像特征值和所述种子品质预测方程式,获取预测模型。
优选的,所述种子品质预测方程式为:Y=a0+a1 x1+…+ak xk,其中a0,a1,a2…ak表示待定系数,x1,x2…xk表示通过t分布随机邻域嵌入(t-SNE)方法对不同波长下的光谱反射值和图像特征值的降维特征变量,Y为种子纯度、活力信息值。
优选的,采用典型判别分析和二值化方法对所述光谱图像进行分割。
优选的,所述的便携式小麦种子多品质无损检测装置还包括人机交互模块,所述人机交互模块与处理模块连接。
本发明还提供了一种便携式小麦种子多品质无损检测方法,包括:获取种子样品的多普勒光谱图像;分割所述光谱图像,获取目标种子的区域;对所述区域进行标记;对标记后的图像进行灰度处理;计算灰度处理后所述区域里每个像素点的光谱反射值;获取灰度处理后所述区域里像素点个数,获得种子样品的面积参数;计算所述区域在一行上的最大距离值和一列上最大距离值的比值作为种子样品的宽长比;基于所述面积参数和宽长比,计算所述区域的圆度信息,将所述圆度信息作为图像特征值;基于图像特征值和种子品质预测方程式,获取预测模型;基于所述预测模型获取种子样品的纯度信息和活力信息检测结果。
本发明的有益效果在于:本发明的便携式小麦种子多品质无损检测装置及检测方法通过预测模型同时获取纯度和活力等多种品质相关信息,能够同时实现对小麦种子的纯度和活力的鉴定,检测精度高,且不破坏样品、不污染环境,整个装置便捷,结构简单、使用方便,适合于各种场合,为解决小麦种子品质检测问题提出了新方法和新思路。
本发明的系统具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施例中将是显而易见的,或者将在并入本文中的附图和随后的具体实施例中进行详细陈述,这些附图和具体实施例共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。其中,在本发明示例性实施方式中,相同的附图标记通常代表相同部件。
图1示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的结构框图。
图2示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的多种不同波长LED灯布局。
图3a-3h分别示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的多种不同波长LED光源下的光谱图像。
图4示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的发光模块采用升压恒流方法的原理图。
图5示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的种子样品纯度信息检测结果。
图6示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的种子样品活力信息检测结果。
附图标记说明:
100、载物台;102、发光模块;104、图像采集模块;106、处理模块;110、种子样品。
具体实施方式
下面将参照附图更详细地描述本发明的优选实施例。虽然附图中显示了本发明的优选实施例,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
根据本发明的一种便携式小麦种子多品质无损检测装置,包括:载物台,载物台的底部用于放置种子样品;发光模块,发光模块设置在载物台的上部,用于为种子样品提供多种波长的光源;图像采集模块,图像采集模块设置在载物台的上部,用于采集种子样品的多普勒光谱图像;处理模块,处理模块与图像采集模块连接,基于多普勒光谱图像建立预测模型,并基于预测模型获取种子样品的品质参数的检测结果,其中,所述品质参数包括纯度信息和活力信息。
具体的,载物台是通过3D打印制成密闭便于取放样品的平台,采用圆柱形设计,为吸收光线采用黑色材料打印,种子样品放置区域位于圆柱体底部,圆柱体的上部放置发光模块和图像采集模块,圆柱体高4cm,即与图像采集模块距离样品为4cm是成像最佳距离。
图像采集模块选用树莓派专用针孔CCD摄像头,处理模块选择树莓派3B系列。处理模块对图像采集模块采集的多普勒光谱图像进行处理,建立预测模型,进而基于预测模型获取种子样品的品质参数的检测结果,例如,纯度信息和活力信息的检测结果。
根据示例性的实施方式,便携式小麦种子多品质无损检测装置通过预测模型同时获取纯度和活力等多种品质相关信息,能够同时实现对小麦种子的纯度和活力的鉴定,检测精度高,且不破坏样品、不污染环境,整个装置便捷,结构简单、使用方便,适合于各种场合,为解决小麦种子质量检测问题提出了新方法和新思路,推广到农业种子产业中,减少农民每年因为种子品质问题产生的损失。
作为优选方案,图像采集模块采用延时加均值的方法获取种子样品的多普勒光谱图像。
具体的,为消除所得光谱图像由于光源切换过程的稳定性带来的误差,采用延时加均值的方法获取单波长下种子样本的光谱图像,即
Figure BDA0002419696110000051
其中,I为所获取样本在α时间内的平均图像,N为在时间间隔内获取的图像数量,α为选取的时间间隔,It为t时刻的光谱图像。
作为优选方案,发光模块采用波长分别为405nm、505nm、570nm、660nm、850nm、890nm、910nm、970nm的LED灯,相同波长的LED灯呈正方形排布,不同波长的LED灯排布的正方形中心相同。
作为优选方案,图像采集模块位于正方形的中心位置。
作为优选方案,发光模块照射样品时,不同波长的LED灯按预设顺序分别发光,图像采集模块获取不同单波长光源下种子样品的光谱图像。
具体的,发光模块采用波长分别为405nm,505nm、570nm、660nm、850nm、890nm、910nm、970nm的LED灯,为保证灯光均匀,同种波长LED正方形排布,每个波长LED灯选用4个,采用正方形排列,间隔距离小于5mm,即相同波长灯在一圈上,图像采集模块置于正方形(环形)中心位置。在照射样品时,不同波长LED灯轮流点亮,从而获取在单波长光源下样品的光谱图像信息。通过三路输入模拟开关实现8个波长LED灯的轮流点亮。
发光模块使用恒流源,采用的NPN三级管,用电压基准器将三极管的基极和发射极的压降恒定在2.5V,VCC输出电流为I=2.5V/R2,R2调节到120欧姆就可以达到20mA的输出电流,满足LED恒流驱动要求。
作为优选方案,处理模块分割光谱图像,获取目标种子的区域;对区域进行标记;对标记后的图像进行灰度处理;计算灰度处理后区域里每个像素点的光谱反射值;获取灰度处理后区域里像素点个数,获得种子样品的面积参数;计算区域在一行上的最大距离值和一列上最大距离值的比值作为种子样品的宽长比;基于面积参数和宽长比,计算区域的圆度信息,将圆度信息作为图像特征值。
具体的,对种子多光谱图像首先采用典型判别分析和二值化方法对图像进行分割获取目标种子的区域,对该区域面积进行标记,再对标记后的多光谱图像进行灰度化处理,在灰度处理后的图像中计算该区域下每个像素点的光谱反射值并进行平均计算,采用的公式如下。
Figure BDA0002419696110000071
其中,Sk为该粒种子在第k个波长下的光谱反射值,I(i,j)为多光谱图像灰度化之后第(i,j)像素的灰度值,m,n分别为图像的行数和列数。
对二值化分割后的种子样本区域进行形态学分析,获取种子的形态特征。具体如下:通过种子区域像素点的个数累加获得种子面积参数;计算种子区域在一行上的最大距离值和一列上最大距离值的比值作为种子的宽长比,计算种子区域的圆度信息作为图像特征值。
作为优选方案,处理模块采用最小二乘法构建种子品质预测方程式;基于图像特征值和种子品质预测方程式,获取预测模型。
作为优选方案,种子品质预测方程式为:Y=a0+a1 x1+…+ak xk,其中a0,a1,a2…ak表示待定系数,x1,x2…xk表示通过t分布随机邻域嵌入(t-SNE)方法对不同波长下的光谱反射值和图像特征值的降维特征变量,Y为种子纯度、活力信息值。
具体的,选取指定品种小麦种子和人工处理不同活力种子样本进行模型训练。将待测样本放置于装置的载物台上,通过图像采集模块拍摄样品多光谱图像,将采集的多光谱图像发送至处理模块。处理模块对获取的光谱图像分别进行二值化,阈值分割,提取相应光谱和图像特征,采用t-SNE方法优化种子品质相关的特征。t-SNE方法的计算公式如下:
Figure BDA0002419696110000072
其中,xi,xj分别表示第i个样本的光谱特征值和第j个样本的光谱特征值,σi为分布常数,这里取为0.8,M为所获取样本的特征光谱的数量,pj|i表示第i个样本点和第j个样本点的相似性条件概率,pij表征第i,j两个样本点的相似度。
利用已知样本的品质情况,构建种子品质与光谱之间关系。采用最小二乘法构建种子品质预测方程式,Y=a0+a1 x1+…+ak xk,其中a0,a1,a2…ak表示待定系数,x1,x2…xk表示通过t分布随机邻域嵌入(t-SNE)方法对不同波长下的光谱反射值和图像特征值的降维特征变量,利用已知样本真实值,确定最小二乘法计算确定系数值,构建小麦种子预测模型,也是纯度和活力模型。
利用多光谱图像特征建立不同预测模型同时检测出种子不同质量相关的纯度和活力信息。
针对不同品种的种子和不同品质检测目标建立的预测模型是不同的,需要提供标准的种子品种和相关的标准品质值,进而建立预测模型。
作为优选方案,采用典型判别分析和二值化方法对光谱图像进行分割。
作为优选方案,便携式小麦种子多品质无损检测装置还包括人机交互模块,人机交互模块与处理模块连接。
具体的,人机交互部分采用5寸LCD触摸屏。整机大小为18cm×15cm×15cm,达到轻巧便捷的目的。
采用python软件编写人机交互界面程序,通过5寸LCD触摸屏,执行小麦种子质量检测程序,将待测样本放置于装置中,开始执行检测程序,获取小麦种子的纯度信息和活力信息的检测结果。
根据本发明的一种便携式小麦种子多品质无损检测方法,包括:获取种子样品的多普勒光谱图像;分割所述光谱图像,获取目标种子的区域;对所述区域进行标记;对标记后的图像进行灰度处理;计算灰度处理后所述区域里每个像素点的光谱反射值;获取灰度处理后所述区域里像素点个数,获得种子样品的面积参数;计算所述区域在一行上的最大距离值和一列上最大距离值的比值作为种子样品的宽长比;基于所述面积参数和宽长比,计算所述区域的圆度信息,将所述圆度信息作为图像特征值;基于图像特征值和种子品质预测方程式,获取预测模型;基于所述预测模型获取种子样品的纯度信息和活力信息的检测结果。
具体的,对种子多光谱图像首先采用典型判别分析和二值化方法对图像进行分割获取目标种子的区域,对该区域面积进行标记,再对标记后的多光谱图像进行灰度化处理,在灰度处理后的图像中计算该区域下每个像素点反射值并进行平均计算公式如下。
Figure BDA0002419696110000091
其中,Sk为该粒种子在第k个波段下的光谱反射值,I(i,j)是多光谱图像灰度化之后第(i,j)像素的灰度值,m,n分别为图像的行数和列数。
对二值化分割后的种子样本区域进行形态学分析,获取种子的形态特征。具体如下:通过种子区域像素点的个数累加获得种子面积参数;计算种子区域在一行上的最大距离值和一列上最大距离值的比值作为种子的宽长比,计算种子区域的圆度信息作为图像特征值。
选取指定品种小麦种子和人工处理不同活力种子样本进行模型训练。将待测样本放置于装置的载物台上,通过图像采集模块拍摄样品多光谱图像,将采集的多光谱图像发送至处理模块。处理模块对获取的光谱图像分别进行二值化,阈值分割,提取相应光谱和图像特征,采用t-SNE方法优化种子品质相关光谱特征信息。
利用已知样本的品质情况,构建种子品质与光谱之间关系。采用最小二乘法构建种子品质预测方程式Y=a0+a1 x1+…+ak xk,其中a0,a1,a2…ak表示待定系数,通过t分布随机邻域嵌入(t-SNE)方法对不同波长下的光谱反射值和图像特征值的降维特征变量,Y为种子纯度、活力信息值,利用已知样本真实值,确定最小二乘法计算确定系数值,构建小麦种子预测模型,也是纯度和活力模型。
利用多光谱图像特征建立不同模型同时检测出种子的纯度和活力信息。
实施例一
图1示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的结构框图。图2示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的多种不同波长LED灯布局。图3a-3h分别示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的多种不同波长LED光源下的光谱图像。图4示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的发光模块采用升压恒流方法的原理图。
结合图1、图2、图3和图4所示,该一种便携式小麦种子多品质无损检测装置,包括:载物台100,载物台100的底部用于放置种子样品110;发光模块102,发光模块102设置在载物台100的上部,用于为种子样品110提供多种波长的光源;图像采集模块104,图像采集模块104设置在载物台100的上部,用于采集种子样品110的多普勒光谱图像;处理模块106,处理模块106与图像采集模块104连接,基于多普勒光谱图像建立预测模型,并基于预测模型获取种子样品110的品质参数的检测结果,其中,所述品质参数包括纯度信息和活力信息。
其中,图像采集模块104采用延时加均值的方法获取种子样品110的多普勒光谱图像。
其中,发光模块102采用波长分别为405nm、505nm、570nm、660nm、850nm、890nm、910nm、970nm的LED灯,相同波长的LED灯呈正方形排布,不同波长的LED灯排布的正方形中心相同。
其中,图像采集模块104位于正方形的中心位置。
其中,发光模块102照射样品时,不同波长的LED灯按预设顺序分别发光,图像采集模块104获取不同单波长光源下种子样品110的光谱图像。
其中,处理模块106分割光谱图像,获取目标种子的区域;对区域进行标记;对标记后的图像进行灰度处理;计算灰度处理后区域里每个像素点的光谱反射值;获取灰度处理后区域里像素点个数,获得种子样品110的面积参数;计算区域在一行上的最大距离值和一列上最大距离值的比值作为种子样品110的宽长比;基于面积参数和宽长比,计算区域的圆度信息,将圆度信息作为图像特征值。
其中,处理模块106采用最小二乘法构建种子品质预测方程式;基于图像特征值和种子品质预测方程式,获取预测模型。
其中,种子品质预测方程式为:Y=a0+a1 x1+…+ak xk,其中a0,a1,a2…ak表示待定系数,x1,x2…xk表示通过t分布随机邻域嵌入(t-SNE)方法对不同波长下的光谱反射值和图像特征值的降维特征变量,Y为种子纯度、活力信息值。
其中,采用典型判别分析和二值化方法对光谱图像进行分割。
其中,便携式小麦种子多品质无损检测装置还包括人机交互模块,人机交互模块与处理模块106连接。
图5示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的种子样品纯度信息检测结果。图6示出了根据本发明的一个实施例的便携式小麦种子多品质无损检测装置的种子样品活力信息检测结果。
选取完整、未发芽、无霉变的样本5种不同品种小麦样本,分别为(皖麦38,安农0305,阜9924,阜麦936,科农9204)。采用本申请的便携式小麦种子多品质无损检测装置对150个种子样本进行种子样品纯度信息的检测,鉴别正确率达95.33%,效果良好,精确度比人工检测高很多,检测结果如图5所示。
通过人工处理皖麦38小麦样品,根据老化试验时间,获得5个不同活力阶段的小麦种子样本,共150粒种子作为预测样本集,采用本申请的便携式小麦种子多品质无损检测装置对150个种子样本进行种子样品活力信息的检测,预测正确率达91.33%,检测结果如6所示。
以上已经描述了本发明的实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的实施例。在不偏离所说明的实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (10)

1.一种便携式小麦种子多品质无损检测装置,其特征在于,包括:
载物台,所述载物台的底部用于放置种子样品;
发光模块,所述发光模块设置在所述载物台的上部,用于为种子样品提供多种波长的光源;
图像采集模块,所述图像采集模块设置在所述载物台的上部,用于采集种子样品的多普勒光谱图像;
处理模块,所述处理模块与所述图像采集模块连接,基于所述多普勒光谱图像建立预测模型,并基于所述预测模型获取种子样品的品质参数的检测结果,其中,所述品质参数包括纯度信息和活力信息。
2.根据权利要求1所述的便携式小麦种子多品质无损检测装置,其特征在于,所述图像采集模块采用延时加均值的方法获取种子样品的多普勒光谱图像。
3.根据权利要求1所述的便携式小麦种子多品质无损检测装置,其特征在于,所述发光模块采用波长分别为405nm、505nm、570nm、660nm、850nm、890nm、910nm、970nm的LED灯,相同波长的LED灯呈正方形排布,不同波长的LED灯排布的正方形中心相同。
4.根据权利要求3所述的便携式小麦种子多品质无损检测装置,其特征在于,所述图像采集模块位于所述正方形的中心位置。
5.根据权利要求3所述的便携式小麦种子多品质无损检测装置,其特征在于,所述发光模块照射样品时,不同波长的LED灯按预设顺序分别发光,所述图像采集模块获取不同单波长光源下种子样品的光谱图像。
6.根据权利要求5所述的便携式小麦种子多品质无损检测装置,其特征在于,所述处理模块分割所述光谱图像,获取目标种子的区域;对所述区域进行标记;对标记后的图像进行灰度处理;计算灰度处理后所述区域里每个像素点的光谱反射值;
获取灰度处理后所述区域里像素点个数,获得种子样品的面积参数;计算所述区域在一行上的最大距离值和一列上最大距离值的比值作为种子样品的宽长比;
基于所述面积参数和宽长比,计算所述区域的圆度信息,将所述圆度信息作为图像特征值。
7.根据权利要求6所述的便携式小麦种子多品质无损检测装置,其特征在于,所述处理模块采用最小二乘法构建种子品质预测方程式;基于图像特征值和所述种子品质预测方程式,获取预测模型。
8.根据权利要求7所述的便携式小麦种子多品质无损检测装置,其特征在于,所述种子品质预测方程式为:
Y=a0+a1 x1+…+ak xk,其中a0,a1,a2…ak表示待定系数,x1,x2…xk表示通过t分布随机邻域嵌入(t-SNE)方法对不同波长下的光谱反射值和图像特征值的降维特征变量,Y为种子纯度、活力信息值。
9.根据权利要求1所述的便携式小麦种子多品质无损检测装置,其特征在于,还包括人机交互模块,所述人机交互模块与处理模块连接。
10.一种便携式小麦种子多品质无损检测方法,其特征在于,包括:
获取种子样品的多普勒光谱图像;
分割所述光谱图像,获取目标种子的区域;
对所述区域进行标记;对标记后的图像进行灰度处理;
计算灰度处理后所述区域里每个像素点的光谱反射值;
获取灰度处理后所述区域里像素点个数,获得种子样品的面积参数;计算所述区域在一行上的最大距离值和一列上最大距离值的比值作为种子样品的宽长比;
基于所述面积参数和宽长比,计算所述区域的圆度信息,将所述圆度信息作为图像特征值;
基于图像特征值和种子品质预测方程式,获取预测模型;
基于所述预测模型获取种子样品的纯度信息和活力信息的检测结果。
CN202010201978.XA 2020-03-20 2020-03-20 一种便携式小麦种子多品质无损检测装置及检测方法 Active CN111380813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010201978.XA CN111380813B (zh) 2020-03-20 2020-03-20 一种便携式小麦种子多品质无损检测装置及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010201978.XA CN111380813B (zh) 2020-03-20 2020-03-20 一种便携式小麦种子多品质无损检测装置及检测方法

Publications (2)

Publication Number Publication Date
CN111380813A true CN111380813A (zh) 2020-07-07
CN111380813B CN111380813B (zh) 2022-11-29

Family

ID=71217333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010201978.XA Active CN111380813B (zh) 2020-03-20 2020-03-20 一种便携式小麦种子多品质无损检测装置及检测方法

Country Status (1)

Country Link
CN (1) CN111380813B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113489869A (zh) * 2021-07-05 2021-10-08 深圳市威视佰科科技有限公司 基于高光谱相机的衣物物料识别方法
CN114136371A (zh) * 2021-11-16 2022-03-04 张展 粮食品质在线检测装置及其检测方法和系统
CN114486764A (zh) * 2022-01-26 2022-05-13 安徽新宇环保科技股份有限公司 基于全光谱水质分析仪的农业面源污染监测系统
CN114813588A (zh) * 2022-06-28 2022-07-29 华慧健(天津)科技有限公司 通用型多光谱采集与检测处理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010081116A2 (en) * 2009-01-10 2010-07-15 Goldfinch Solutions, Llc System and method for analyzing properties of meat using multispectral imaging
CN102621077A (zh) * 2012-03-30 2012-08-01 江南大学 高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法
CN106383088A (zh) * 2016-08-19 2017-02-08 合肥工业大学 一种基于多光谱成像技术的种子纯度快速无损检测方法
CN106950186A (zh) * 2017-03-14 2017-07-14 华中农业大学 基于光纤光谱的土鸡蛋或洋鸡蛋品种检测装置及其方法
CN110837823A (zh) * 2019-12-17 2020-02-25 华南农业大学 种子品种鉴定模型的生成方法、鉴定方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010081116A2 (en) * 2009-01-10 2010-07-15 Goldfinch Solutions, Llc System and method for analyzing properties of meat using multispectral imaging
CN102621077A (zh) * 2012-03-30 2012-08-01 江南大学 高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法
CN106383088A (zh) * 2016-08-19 2017-02-08 合肥工业大学 一种基于多光谱成像技术的种子纯度快速无损检测方法
CN106950186A (zh) * 2017-03-14 2017-07-14 华中农业大学 基于光纤光谱的土鸡蛋或洋鸡蛋品种检测装置及其方法
CN110837823A (zh) * 2019-12-17 2020-02-25 华南农业大学 种子品种鉴定模型的生成方法、鉴定方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
许学等: "基于多光谱成像技术的小麦品种快速无损鉴定", 《中国农学通报》 *
魏文松等: "手持式生鲜肉品质参数无损检测装置研究", 《农业机械学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113489869A (zh) * 2021-07-05 2021-10-08 深圳市威视佰科科技有限公司 基于高光谱相机的衣物物料识别方法
CN114136371A (zh) * 2021-11-16 2022-03-04 张展 粮食品质在线检测装置及其检测方法和系统
CN114486764A (zh) * 2022-01-26 2022-05-13 安徽新宇环保科技股份有限公司 基于全光谱水质分析仪的农业面源污染监测系统
CN114813588A (zh) * 2022-06-28 2022-07-29 华慧健(天津)科技有限公司 通用型多光谱采集与检测处理系统

Also Published As

Publication number Publication date
CN111380813B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN111380813B (zh) 一种便携式小麦种子多品质无损检测装置及检测方法
US11454594B2 (en) Method for identifying frostbite condition of grain seeds using spectral feature wavebands of seed embryo hyperspectral images
CN108663339B (zh) 基于光谱和图像信息融合的霉变玉米在线检测方法
CN101881726B (zh) 植物幼苗综合性状活体无损检测方法
Liu et al. A vision-based robust grape berry counting algorithm for fast calibration-free bunch weight estimation in the field
CN106338517A (zh) 基于视觉和嗅觉信息协同的水果新鲜度智能化评判方法
CN109544538B (zh) 小麦赤霉病病害等级分级方法及装置
CN105181912A (zh) 一种大米储藏过程中的新鲜度检测方法
JP2012135240A (ja) 細菌コロニー同定装置およびその方法
CN111462058B (zh) 一种水稻有效穗快速检测方法
CN110782440B (zh) 一种作物籽粒性状测量方法
CN106546569B (zh) 一种高通量的植物抗旱性突变体的筛选方法及装置
CN105574516B (zh) 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法
CN112730275B (zh) 显微光谱成像系统、农药检测系统及其方法
CN102788796B (zh) 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法
CN111562273A (zh) 基于高光谱的鱼水射流除鳞轻微损伤可视化方法
CN106940292A (zh) 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法
Ji et al. Apple color automatic grading method based on machine vision
CN116258844A (zh) 一种棉花叶片表型性状快速精准鉴定方法
CN116297236A (zh) 一种基于高光谱的单粒玉米种子活力鉴别方法及装置
CN113640229B (zh) 一种大豆品质多参数的快速无损检测方法和装置
Itoh et al. Measurement of nitrate concentration distribution in vegetables by near-infrared hyperspectral imaging
Sun et al. Mildew detection in rice grains based on computer vision and the YOLO convolutional neural network
Zhang et al. Online Recognition of Small Vegetable Seed Sowing Based on Machine Vision
CN114494689A (zh) 番茄干旱胁迫的识别方法

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