CN115049722A - 一种机收蔗杂质智能识别方法 - Google Patents
一种机收蔗杂质智能识别方法 Download PDFInfo
- Publication number
- CN115049722A CN115049722A CN202210667390.2A CN202210667390A CN115049722A CN 115049722 A CN115049722 A CN 115049722A CN 202210667390 A CN202210667390 A CN 202210667390A CN 115049722 A CN115049722 A CN 115049722A
- Authority
- CN
- China
- Prior art keywords
- sugarcane
- assembly
- image
- impurities
- identification method
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D45/00—Harvesting of standing crops
- A01D45/10—Harvesting of standing crops of sugar cane
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Abstract
本申请涉及一种机收蔗杂质智能识别方法,其包括以下步骤:提供甘蔗收获机含杂率智能监测系统,在利用升降组件提升滚筒组件后,使用图像获取组件对甘蔗进行拍摄,获取拍摄信息,所述拍摄信息包括多帧图像;对所述拍摄信息进行分析,以获取每一帧图像中的甘蔗叶所占图像面积的比值;将获取的多个所述比值求平均值,并将该平均值与设定值进行比较,若平均值大于设定值,则含杂率超标,否则正常以上的步骤从而可以全方位对甘蔗进行拍摄,使获得的平均值更为接近实际情况,最终的含杂率准确,给出操作人员一定的参考,进行调整收获机的运行。
Description
技术领域
本申请涉及农业机械收割设备技术领域,特别涉及一种机收蔗杂质智能识别方法。
背景技术
目前前甘蔗砍收请工难、成本高严重制约甘蔗发展的现状看,甘蔗收获机械化将是甘蔗持续稳定发展的唯一出路。但采用甘蔗收获机械进行收获时,原料蔗夹杂物(含杂率)过高,严重制约了甘蔗收获机械的推广应用。同时,阻碍了蔗糖业的竞争力。
在一些相关技术中,含杂率会影响糖厂提炼糖,含杂率越高提炼出的糖越低。原因在于这些本身不含蔗糖的夹杂物在制糖过程吸收部分蔗糖随废液和废物排出,造成蔗糖损失,降低出糖率;同时还以原料蔗价格支付夹杂物部分的蔗款及运输费用,增加了原料成本。
含杂率高的原因在于使用甘蔗收获机械收获时无法达到较高剥净率,收获的原料蔗夹杂物多,夹杂物含量(含杂率)高达7%~10%。因此,采用机械收获时,因原料蔗含杂率高对制糖生产成本影响较大,导致糖厂和蔗农对使用机械化收获积极性不高,一般进行人工收割,制约了甘蔗收获机械化的推广应用。
因此,减少机械化收获原料蔗夹杂物的含量,提高原料蔗质量,成为实现甘蔗收获机械化的关键,需要在收获时进行实时的监测识别。
发明内容
本申请实施例提供一种机收蔗杂质智能识别方法,以解决相关技术中无法实时监测识别出收获甘蔗时夹杂率的问题。
第一方面,一种机收蔗杂质智能识别方法,其包括:
提供甘蔗收获机含杂率智能监测系统,所述甘蔗收获机含杂率智能监测系统包括横向滚轮组件、滚筒组件和图像获取组件;滚筒组件,位于所述横向滚轮组件的下方,并与横向滚轮组件之间形成通过甘蔗的运输空间;升降组件,其与所述滚筒组件连接,升降组件用于改变运输空间的大小;图像获取组件用于拍摄滚筒组件上的甘蔗;
在利用升降组件提升滚筒组件后,使用图像获取组件对甘蔗进行拍摄,获取拍摄信息,所述拍摄信息包括多帧图像;
对所述拍摄信息进行分析,以获取每一帧图像中的甘蔗叶所占图像面积的比值;
将获取的多个所述比值求平均值,并将该平均值与设定值进行比较,若平均值大于设定值,则含杂率超标,否则正常。
一些实施例中,还包括获取多个时间段内的拍摄信息;
分别计算每个时间段内每一帧图像中的甘蔗叶所占图像面积的比值,并求得每个时间段内的比值的平均值;
形成时序变化曲线;
将所述时序变化曲线与标准曲线进行拟合,若重合度小于等于标准值,则含杂率较高;否则含杂率合格。
一些实施例中,将所述时序变化曲线与标准曲线进行拟合时,需要利用补偿系数对时序变化曲线进行优化。
一些实施例中,所述补偿系数为在每一时间段内,同一拍摄位置下,所有帧的图像的重合率。
一些实施例中,所述甘蔗收获机含杂率智能监测系统还包括,纵向移动组件,图像获取组件安装在纵向移动组件上;
利用纵向移动组件,使图像获取组件获取不同位置的拍摄信息;
计算出不同位置下所对应的平均值;
获取不同位置之间的距离值和不同位置的位置信息,并结合平均值,形成正态分布图;
根据正态分布图,进行判断分析;
若峰值超过设定峰值,则含杂率高,否则合格。
一些实施例中,获取不同位置之间的距离值,并结合平均值,形成正态分布图的具体步骤为:
将不同位置之间的距离值和不同位置的位置信息,作为X轴参数,不同位置下所对应的平均值作为Y轴参数,以形成所述正态分布图。
一些实施例中,所述设定峰值为多个并排甘蔗中,甘蔗叶所占全部甘蔗的表面积的比例。
一些实施例中,所述还包括获取杂草叶的图像信息;
获取每一帧图像中的甘蔗叶和杂草叶共同所占图像面积的比值;
将获取的多个所述比值求平均值,并将该平均值与设定值进行比较,若平均值大于设定值,则含杂率超标,否则正常。
一些实施例中,对所述拍摄信息进行分析之前,需要进行预设甘蔗叶的不同生理状态下的预设图像信息;
将预设图像信息与拍摄信息进行比对,以识别出图像中甘蔗叶的区域。
第二方面,提供了一种计算机可读存储介质,其特征在于:计算机可读存储介质用于执行机收蔗杂质智能识别方法。
本申请提供的技术方案带来的有益效果包括:
本申请实施例提供了一种机收蔗杂质智能识别方法,由于通过图像获取组件进行拍摄横向转动的甘蔗,从而全方位对甘蔗进行拍摄;然后利用图像识别的方法分析出每一帧图像中甘蔗叶占图像的比例值,然后得出多帧图像的平均值,将平均值作为最终的含杂率,最终的含杂率更为准确,并进行判断是否合格,给出操作人员一定的参考,进行调整收获机的运行。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为第一实施例的甘蔗收获机含杂率智能监测系统的结构示意图;
图2为第二实施例的甘蔗收获机含杂率智能监测系统的结构示意图;
图3为的另一视角的第二实施例的甘蔗收获机含杂率智能监测系统的结构示意图;
图4为清理组件和滚筒组件的结构示意图;
图中:1、底座;2、支座;3、横向滚轮组件;300、横杆;301、滚轮;302、蜗杆;303、第一电机;4、滚筒组件;400、纵杆;401、滚筒;402、第二电机;5、升降组件;6、纵向移动组件;600、滑块; 601、纵向丝杠机构;602、第三电机;7、图像获取组件;8、清理组件;800、喷嘴;801、连接管;9、控制组件;10、安装平台。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了本申请实施例提供一种甘蔗收获机含杂率智能监测系统,以解决相关技术中无法实时监测收获甘蔗时夹杂物多的问题。
请参阅图1-图4,一种甘蔗收获机含杂率智能监测系统,其特征在于,其包括:
底座1,其上间隔设有支座2,两个支座2与底座1形成操作空间;
横向滚轮组件3,其位于操作空间内,并且其两端与支座2连接;
滚筒组件4,其位于操作空间内,并位于横向滚轮组件3的下方,并与横向滚轮组件3之间形成通过运输品的运输空间;
升降组件5,其位于操作空间内,并且其一端安装在底座1上,另一端与滚筒组件4连接,升降组件5用于改变运输空间的大小;
纵向移动组件6,其安装在底座1上,并位于滚筒组件4下方;
图像获取组件7,其安装纵向移动组件6上,并用于拍摄滚筒组件4上的运输品。
通过以上的结构,在常态下滚筒组件4使得甘蔗纵向进行运输;
在需要进行监测时,利用升降组件5将滚筒组件4上的纵向运输的甘蔗进行提升,使得甘蔗与横向滚轮组件3接触,此时滚筒组件4 停止纵向运输甘蔗,横向滚轮组件3使得甘蔗横向转动,即甘蔗是大致绕着自身轴线进行转动的,同时图像获取组件7进行沿纵向移动拍摄横向转动的甘蔗,使得图像获取组件7可以拍摄到每一根甘蔗的每个部分上的杂物情况,即甘蔗叶和其他杂物的情况,从而进行监测,从而调整甘蔗收获机的转速,以减少夹杂物。
应当理解的是本装置是安装在收获机上的,至于调整甘蔗收获机的转速,以减少夹杂物的做法在相关论文中已经公开,调节收获机转速和收割机构的齿轮就可以达到减少夹杂物的手段,本装置给出具体的实施信息,便于操作人员进行调整。
在一些优选的实施例中,横向滚轮组件3包括:
横杆300,其长度方向设有多个横向布置的滚轮301,滚轮301 内设有涡轮齿;蜗杆302,其一端穿设有多个滚轮301,并与相匹配涡轮齿;蜗杆302的另一端设有第一电机303。
从而可以实现横向转动甘蔗,并具有较强的输出扭矩,避免甘蔗无法转动的问题,必要时滚轮301上可以设置毛刷,进行刷去一些附着在表面的杂质,达到清理效果。
在一些优选的实施例中,滚筒组件4包括:
两个纵杆400;多个纵向排布的滚筒401,其设置在两个纵杆400 之间,并与两个纵杆400转动连接;第二电机402,其安装在纵杆400 上,并与滚筒401传动连接。
进一步的,升降组件5为液压杆或气动杆,并通过连接块与纵杆 400连接,便于进行控制升降。
进一步的,滚筒组件4还包括设置在纵杆400底部的透明板403,透明板403的投影覆盖多个滚筒401;纵杆400上还有清理组件8。
这样的设置具有两个作用,一是清理甘蔗在纵向和横向移动过程中掉落的夹杂物,同时也避免夹杂物直接掉落在图像获取组件7上,影响拍摄的图像信息。
进一步的,多个喷嘴800,其安装在其中一个纵杆400上,并水平延伸至操作空间内;连接管801,其将多个喷嘴800连通;底座1 上安装有一与连接管801连接的气泵或者水泵。采用喷水还是喷气两者皆有优缺点,可根据需要进行实际的选择。
在一些优选的实施例中,底座1上设有控制组件9,控制组件9 与图像获取组件7、纵向移动组件6、升降组件5和清理组件8信号连接。
从而实现一体化的控制,便于整个装置的控制和运行。
在一些优选的实施例中,底座1上设有纵向滑槽,纵向移动组件 6包括:滑块600,其设置在纵向滑槽内;纵向丝杠机构601,其穿设滑块600,并与滑块600传动连接;第三电机602,其与纵向丝杠机构601传动连接。图像获取组件7通过安装平台10安装在滑块600 上,图像获取组件7包括多个高清摄像头。
其给出了具体移动的具体结构,方便进行全面的拍摄,以实现精准的检测。
本申请还提出了一种机收蔗杂质智能识别方法,以解决相关技术中无法实时监测识别出收获甘蔗时夹杂率的问题,其包括以下的步骤:
提供甘蔗收获机含杂率智能监测系统,甘蔗收获机含杂率智能监测系统包括横向滚轮组件3、滚筒组件4和图像获取组件7;滚筒组件4,位于横向滚轮组件3的下方,并与横向滚轮组件3之间形成通过甘蔗的运输空间;升降组件5,其与滚筒组件4连接,升降组件5 用于改变运输空间的大小;图像获取组件7用于拍摄滚筒组件4上的甘蔗;
在利用升降组件5提升滚筒组件4后,使用图像获取组件7对甘蔗进行拍摄,获取拍摄信息,拍摄信息包括多帧图像;
对拍摄信息进行分析,以获取每一帧图像中的甘蔗叶所占图像面积的比值;
将获取的多个比值求平均值,并将该平均值与设定值进行比较,若平均值大于设定值,则含杂率超标,否则正常。
通过以上步骤,图像获取组件进行拍摄横向转动的甘蔗,从而全方位对甘蔗进行拍摄;然后利用图像识别的方法分析出每一帧图像中甘蔗叶占图像的比例值,然后得出多帧图像的平均值,将平均值作为最终的含杂率,最终的含杂率更为准确,并进行判断是否合格,给出操作人员一定的参考,进行调整收获机的运行。
在一些优选的实施例中,还包括获取多个时间段内的拍摄信息;
分别计算每个时间段内每一帧图像中的甘蔗叶所占图像面积的比值,并求得每个时间段内的比值的平均值;
形成时序变化曲线;
将时序变化曲线与标准曲线进行拟合,若重合度小于等于标准值,则含杂率较高;否则含杂率合格。
进一步的,将时序变化曲线与标准曲线进行拟合时,需要利用补偿系数对时序变化曲线进行优化。
进一步的,补偿系数为在每一时间段内,同一拍摄位置下,所有帧的图像的重合率。
这样的设置在于,横向滚轮组件4使得甘蔗是在不停地转动,拍摄的图像会有重复的情况发生,并且加上时间参数值,可全面的获取甘蔗全貌下甘蔗叶的分布情况,避免没有完全拍摄的情况出现,增加准确度。
在一些优选的实施例中,甘蔗收获机含杂率智能监测系统还包括,还包括纵向移动组件6,图像获取组件7安装在纵向移动组件6 上;
利用纵向移动组件6,使图像获取组件7获取不同位置的拍摄信息;
计算出不同位置下所对应的平均值;
获取不同位置之间的距离值和不同位置的位置信息,并结合平均值,形成正态分布图;
根据正态分布图,进行判断分析;
若峰值超过设定峰值,则含杂率高,否则合格。
进一步的,获取不同位置之间的距离值,并结合平均值,形成正态分布图的具体步骤为:
将不同位置之间的距离值和不同位置的位置信息,作为X轴参数,不同位置下所对应的平均值作为Y轴参数。
进一步的,设定峰值为多个并排甘蔗中,甘蔗叶所占全部甘蔗的表面积的比例。
通过以上的步骤使得所得的信息不会是某一特定区域下的含杂率的情况,而是从甘蔗整体的全秒角度进行识别,进行整体的识别,进行分析,这样可以进一步真实烦请甘蔗叶的分布情况,给出操作人员更多的信息。
在一些优选的实施例中,还包括获取杂草叶的图像信息;
获取每一帧图像中的甘蔗叶和杂草叶共同所占图像面积的比值;
将获取的多个比值求平均值,并将该平均值与设定值进行比较,若平均值大于设定值,则含杂率超标,否则正常。
进一步的,对拍摄信息进行分析之前,需要进行预设甘蔗叶的不同生理状态下的预设图像信息;
将预设图像信息与拍摄信息进行比对,以识别出图像中甘蔗叶的区域。
以上的步骤,充分考虑到夹杂物除了甘蔗叶外,还存在其他杂草的情况,更加反映真实的情况,另外进行预设图像信息,充分考虑到夹杂物由于水分和成熟度的关系,具有不同的外貌状态,以避免漏识别的情况发生。
本申请还提出了一种计算机可读存储介质,计算机可读存储介质用于执行一种机收蔗杂质智能识别方法,以实现准确监测,给出操作人员具体的反馈信息。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存 (flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质 (包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,
本申请可以有各种更改和变化。凡在本申请的精神和原理之内所做的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
在本申请的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是,在本申请中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种机收蔗杂质智能识别方法,其特征在于,其包括以下步骤:
提供甘蔗收获机含杂率智能监测系统,所述甘蔗收获机含杂率智能监测系统包括横向滚轮组件(3)、滚筒组件(4)和图像获取组件(7);滚筒组件(4),位于所述横向滚轮组件(3)的下方,并与横向滚轮组件(3)之间形成通过甘蔗的运输空间;升降组件(5),其与所述滚筒组件(4)连接,升降组件(5)用于改变运输空间的大小;图像获取组件(7)用于拍摄滚筒组件(4)上的甘蔗;
在利用升降组件(5)提升滚筒组件(4)后,使用图像获取组件(7)对甘蔗进行拍摄,获取拍摄信息,所述拍摄信息包括多帧图像;
对所述拍摄信息进行分析,以获取每一帧图像中的甘蔗叶所占图像面积的比值;
将获取的多个所述比值求平均值,并将该平均值与设定值进行比较,若平均值大于设定值,则含杂率超标,否则正常。
2.如权利要求1所述的机收蔗杂质智能识别方法,其特征在于:
还包括获取多个时间段内的拍摄信息;
分别计算每个时间段内每一帧图像中的甘蔗叶所占图像面积的比值,并求得每个时间段内的比值的平均值;
形成时序变化曲线;
将所述时序变化曲线与标准曲线进行拟合,若重合度小于等于标准值,则含杂率较高;否则含杂率合格。
3.如权利要求2所述的机收蔗杂质智能识别方法,其特征在于:
将所述时序变化曲线与标准曲线进行拟合时,需要利用补偿系数对时序变化曲线进行优化。
4.如权利要求3所述的机收蔗杂质智能识别方法,其特征在于,包括以下步骤:
所述补偿系数为在每一时间段内,同一拍摄位置下,所有帧的图像的重合率。
5.如权利要求3所述的机收蔗杂质智能识别方法,其特征在于:
所述甘蔗收获机含杂率智能监测系统还包括纵向移动组件(6),图像获取组件(7)安装在纵向移动组件(6)上;
利用纵向移动组件(6),使图像获取组件(7)获取不同位置的拍摄信息;
计算出不同位置下所对应的平均值;
获取不同位置之间的距离值和不同位置的位置信息,并结合平均值,形成正态分布图;
根据正态分布图,进行判断分析;
若峰值超过设定峰值,则含杂率高,否则合格。
6.如权利要求5所述的机收蔗杂质智能识别方法,其特征在于,获取不同位置之间的距离值,并结合平均值,形成正态分布图的具体步骤为:
将不同位置之间的距离值和不同位置的位置信息,作为X轴参数,不同位置下所对应的平均值作为Y轴参数,以形成所述正态分布图。
7.如权利要求6所述的机收蔗杂质智能识别方法,其特征在于:
所述设定峰值为多个并排甘蔗中,甘蔗叶所占全部甘蔗的表面积的比例。
8.如权利要求1所述的机收蔗杂质智能识别方法,其特征在于:
所述还包括获取杂草叶的图像信息;
获取每一帧图像中的甘蔗叶和杂草叶共同所占图像面积的比值;
将获取的多个所述比值求平均值,并将该平均值与设定值进行比较,若平均值大于设定值,则含杂率超标,否则正常。
9.如权利要求1所述的机收蔗杂质智能识别方法,其特征在于:
对所述拍摄信息进行分析之前,需要进行预设甘蔗叶的不同生理状态下的预设图像信息;
将预设图像信息与拍摄信息进行比对,以识别出图像中甘蔗叶的区域。
10.一种计算机可读存储介质,其特征在于:计算机可读存储介质用于执行如权利要求1-9任一项所述的机收蔗杂质智能识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667390.2A CN115049722B (zh) | 2022-06-13 | 2022-06-13 | 一种机收蔗杂质智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667390.2A CN115049722B (zh) | 2022-06-13 | 2022-06-13 | 一种机收蔗杂质智能识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115049722A true CN115049722A (zh) | 2022-09-13 |
CN115049722B CN115049722B (zh) | 2023-03-07 |
Family
ID=83161270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210667390.2A Active CN115049722B (zh) | 2022-06-13 | 2022-06-13 | 一种机收蔗杂质智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049722B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114885671A (zh) * | 2022-06-14 | 2022-08-12 | 中国热带农业科学院农业机械研究所 | 一种甘蔗收获机含杂率智能监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188758A (zh) * | 2019-06-03 | 2019-08-30 | 中国热带农业科学院农业机械研究所 | 甘蔗图像中感兴趣区域获取方法、装置、设备及存储介质 |
CN112906698A (zh) * | 2019-12-04 | 2021-06-04 | 中国农业科学院农业资源与农业区划研究所 | 一种苜蓿植株识别的方法及装置 |
CN113469009A (zh) * | 2021-06-25 | 2021-10-01 | 上海商汤智能科技有限公司 | 作物中含杂率的告警方法、装置、设备及计算机存储介质 |
LU500424B1 (en) * | 2021-07-13 | 2022-01-13 | Biotechnology And Germplasm Resources Inst Yunnan Academy Of Agricultural Sciences | Method for Determining Vectors of Sugarcane White Leaf Phytoplasmas |
-
2022
- 2022-06-13 CN CN202210667390.2A patent/CN115049722B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188758A (zh) * | 2019-06-03 | 2019-08-30 | 中国热带农业科学院农业机械研究所 | 甘蔗图像中感兴趣区域获取方法、装置、设备及存储介质 |
CN112906698A (zh) * | 2019-12-04 | 2021-06-04 | 中国农业科学院农业资源与农业区划研究所 | 一种苜蓿植株识别的方法及装置 |
CN113469009A (zh) * | 2021-06-25 | 2021-10-01 | 上海商汤智能科技有限公司 | 作物中含杂率的告警方法、装置、设备及计算机存储介质 |
LU500424B1 (en) * | 2021-07-13 | 2022-01-13 | Biotechnology And Germplasm Resources Inst Yunnan Academy Of Agricultural Sciences | Method for Determining Vectors of Sugarcane White Leaf Phytoplasmas |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114885671A (zh) * | 2022-06-14 | 2022-08-12 | 中国热带农业科学院农业机械研究所 | 一种甘蔗收获机含杂率智能监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115049722B (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115049722B (zh) | 一种机收蔗杂质智能识别方法 | |
EP2183954A1 (de) | Erstellung von Bilddatenbanken für Bildauswertung | |
CN201653917U (zh) | 带钢表面缺陷图像采集装置 | |
CN108090883A (zh) | 高光谱图像预处理方法、装置及电子设备 | |
CH697951B1 (de) | Vorrichtung an einer Spinnereivorbereitungsmaschine, z. B. Flockenspeiser zum Fördern von Fasermaterial. | |
DE3335793C2 (de) | Verfahren und Vorrichtung zum Betreiben eines Ballenöffners, insbesondere zur Ermittlung der Höhe von Textilfaserballen | |
CN111061231B (zh) | 焊接装配间隙和错边前馈的熔池监控系统及熔透监测方法 | |
EP2763904A1 (de) | Verfahren und vorrichtung zum betreiben einer anlage zum behandeln von behältnissen | |
CN109059789B (zh) | 基于机器视觉的电缆节距在线检测方法 | |
CN114885671A (zh) | 一种甘蔗收获机含杂率智能监测系统 | |
CH667470A5 (de) | Verfahren und vorrichtung zum zuspeisen von fasermaterial zu einer mehrzahl von faserverarbeitungseinrichtungen. | |
EP2034059B1 (de) | Verfahren zur Ermittlung des längenbezogenen Bandgewichts eines Faserbandes sowie Spinnereivorbereitungsmaschine | |
DE3519236A1 (de) | Automatische kerbeinrichtung | |
CH695777A5 (de) | Vorrichtung zum Füllen einer Kanne mit länglichem Querschnitt mit Faserband. | |
DE10343667A1 (de) | Verfahren und System zur Detektion von Heissschmelzklebstoffen | |
CN116485412A (zh) | 一种基于区块链技术的农产品追溯方法及系统 | |
DE10313130B4 (de) | Spiegelbefestigungsaufbau für eine Bildlesevorrichtung | |
FR2817561A1 (fr) | Dispositif a la sortie d'un banc d'etirage pour l'analyse du produit de fibres | |
DE102016220523B4 (de) | Vorrichtung und Verfahren zur Analyse optisch erfassbarer Inhomogenitäten auf der Oberfläche von Wafern | |
EP3797884B1 (de) | Vorrichtung zur optischen erkennung von objekten, leergutrücknahmesystem und verfahren zur herstellung einer vorrichtung zur optischen erkennung von objekten | |
DE102021107874A1 (de) | Verfahren und Anordnung zur Messung des Durchsatzes einer Erntemaschine | |
CN219631910U (zh) | 一种水稻种子多级筛分装置 | |
CN215338178U (zh) | 一种滴灌带滴孔检测系统 | |
DE3153246C2 (de) | Verfahren und Vorrichtung zur Ermittlung der senkrechten Ballengrenzen von Faserballen | |
DE19738438B4 (de) | Einrichtung und Verfahren für die Bestimmung des Durchmessers eines Kristalls |
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 |