CN115918321B - 一种规模化种子培育及质量检验装置及方法 - Google Patents
一种规模化种子培育及质量检验装置及方法 Download PDFInfo
- Publication number
- CN115918321B CN115918321B CN202211179837.8A CN202211179837A CN115918321B CN 115918321 B CN115918321 B CN 115918321B CN 202211179837 A CN202211179837 A CN 202211179837A CN 115918321 B CN115918321 B CN 115918321B
- Authority
- CN
- China
- Prior art keywords
- seed
- culture dish
- image
- seeds
- germination
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000007246 mechanism Effects 0.000 claims abstract description 63
- 238000011218 seed culture Methods 0.000 claims description 65
- 238000012360 testing method Methods 0.000 claims description 43
- 230000035784 germination Effects 0.000 claims description 27
- 230000007226 seed germination Effects 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 25
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 238000005192 partition Methods 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 2
- 238000005530 etching Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 description 28
- 230000007613 environmental effect Effects 0.000 description 16
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 6
- 229910052782 aluminium Inorganic materials 0.000 description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 description 6
- 239000001569 carbon dioxide Substances 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000004171 remote diagnosis Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000011172 small scale experimental method Methods 0.000 description 2
- 230000001954 sterilising effect Effects 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035040 seed growth Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000005341 toughened glass Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Abstract
本发明属于种子培育或种子检验技术领域,提出了一种规模化种子培育及质量检验装置及方法,本发明在多层底板上开设多个培养皿固定凹槽,然后,在培养皿放置结构周边布设的S型轨道,以及设置S型轨道上的移动机构,移动机构包括本体、设置在所述本体上的伸缩机构以及设置在所述伸缩杆上的种子图像和种子信息采集装置;通过S型轨道可以满足移动机构在多个培养皿放置结构之间的移动,实现了对多个培养皿放置结构中图像的采集,同时,伸缩机构包括相互垂直的第一电动推杆和第二电动推杆,可以满足种子图像和种子信息采集装置在多层底板底之间进行图像采集,满足了规模化种子的培育和质量检验要求。
Description
技术领域
本发明属于种子培育或种子检验技术领域,尤其涉及一种规模化种子培育及质量检验装置及方法。
背景技术
种子检验是一项重要的工作,通过种子质量检验可以掌握种子的生理状态,从而创造最好的贮藏条件,达到保持种子活力,提高种子使用年限的目的。同时,在播种前进行种子检验可以避免因种子质量而造成农业绝收或减产等事故的发生,为农业的丰产丰收打下良好的基础。种子质量的好坏通常由种子发芽率、霉变率和发芽势等指标决定。随着技术的不断发展,种子质量检测系统也经历了几轮较大的技术革新,其中,第一代种子质量检测系统是采用全人工的方式,第二代种子质量检测系统采用智能化的种子培养箱。
发明人发现,目前人工气候室空间较大,可以进行大量的种子培育及发芽试验。但是,人工气候室仅仅提供了适合种子萌发的环境,无法实现自动采集种子图像和识别种子发芽状态等,仍然需要工作人员每天定时观察并记录种子发芽情况,占据了工作人员大量时间且检测效率非常低;在一些装置中,虽然可以通过在培养箱内设置数据采集设备采集种子图像,然后对图像分析实现对种子的检验,然而由于图像采集装置采集图像时对空间上的限定,使得培养箱内的种子培育数量有限,在有限空间内不能实现对规模化种子培育的质量检验。
发明内容
本发明为了解决上述问题,提出了一种规模化种子培育及质量检验装置及方法,实现了大批次的种子培育与种子质量检验,操作简单,智能化程度高,有利于种质资源中心、科研院所和学校大规模地开展种子培育和种子质量检验工作。
为了实现上述目的,第一方面,本发明提供了一种规模化种子培育及质量检验装置,采用如下技术方案:
一种规模化种子培育及质量检验装置,包括多个试验腔室和图像采集机构;
每个实验腔室内至少设置一个培养皿放置结构,所述培养皿放置结构包括多层底板,每层底板上开设多个培养皿固定凹槽;
所述图像采集机构包括围绕所述培养皿放置结构布设的S型轨道,以及设置所述S型轨道上的移动机构;所述移动机构包括本体、设置在所述本体上的伸缩机构以及设置在所述伸缩杆上的种子图像和种子信息采集装置;所述伸缩机构包括相互垂直的第一电动推杆和第二电动推杆,所述第一电动推杆与移动机构的本体连接,所述第二电动推杆与所述种子图像和种子信息采集装置连接。
进一步的,所述底板为亚克力底板;所述亚克力底板的底部设有补光灯。
进一步的,所述培养皿固定凹槽内设置有种子培养皿;所述种子培养皿通过多个透明隔断分割成的多个培养单元;每个培养单元底部开设有种子定位槽;所述种子培养皿上粘贴条形码。
进一步的,所述S型轨道设置为双导航磁条线;所述双导航磁条上铺设定位磁条和停止磁条。
进一步的,所述图像采集机构包括设置在所述培养皿放置结构上端的S型轨道、设置在所述S型轨道上的行走机构、与所述行走机构连接的伸缩机构以及与所述伸缩机构连接的种子图像和种子信息采集装置;所述种子图像和种子信息采集装置远离所述伸缩机构的端面上设置有限位开关。
进一步的,所述试验腔室内设有监控摄像头,所述试验腔室的顶部设有空调出风口,所述试验腔室内设有多个环境传感器,所述试验腔室的顶部设有加湿器。
为了实现上述目的,第二方面,本发明还提供了一种规模化种子培育及质量检验方法,采用如下技术方案:
一种规模化种子培育及质量检验方法,采用了如第一方面中所述的规模化种子培育及质量检验装置,包括:
实时获取种子培养皿图像、条形码信息和试验腔室环境参信息;
依据获取的图像,使用预设的深度学习模型,得到图像中发芽种子数量、发霉种子数量、发芽后根部腐烂种子数量以及芽部腐烂种子数量;
依据发芽种子数量、发霉种子数量、发芽后根部腐烂种子数量以及芽部腐烂种子数量,计算出发芽率和发霉率。
进一步的,依据对拍摄的种子培养皿图像,计算培养皿图像中水面反光区域的面积确定培养皿的含水量。
进一步的,将种子培养皿图像转化为色调饱和度明度颜色空间;
根据转化后的饱和度及明度值,提取种子培养皿图像中的反光区域;
对种子培养皿图像提取的反光区域进行腐蚀和膨胀操作,去除噪点;计算处理后反光区域的面积大小;
计算整幅种子培养皿图像中所有的反光区域面积,根据反光区域面积大小计算出培养皿含水量。
进一步的,获取包含种子的图像后,使用直方图均衡增强方法消除不清晰和模糊的种子图像;
依据处理之后的种子图像,采用Yolov7模型,使用损失函数衡量模型预测值与真实值之间的差距,不断修正模型,最终选出一个最优权重用来预测种子发芽、发霉、根部腐烂和芽部腐烂的状态。
与现有技术相比,本发明的有益效果为:
1、本发明在多层底板上开设多个培养皿固定凹槽,然后,在培养皿放置结构周边布设的S型轨道,以及设置S型轨道上的移动机构,移动机构包括本体、设置在所述本体上的伸缩机构以及设置在所述伸缩杆上的种子图像和种子信息采集装置;通过S型轨道可以满足移动机构在多个培养皿放置结构之间的移动,实现了对多个培养皿放置结构中图像的采集,同时,伸缩机构包括相互垂直的第一电动推杆和第二电动推杆,可以满足种子图像和种子信息采集装置在多层底板之间进行图像采集,满足了规模化种子的培育和质量检验要求;
2、本发明实现了大批次的种子培育与种子质量检验,操作简单,智能化程度高,有利于种质资源中心、科研院所和学校大规模地开展种子培育和种子质量检验工作;
3、本发明设计了多种图像信息采集单元运动控制方式,包括电磁导航式、S型轨道式和自主导航机器人式,通过电磁导航机器人、伸缩机构、旋转云台和限位开关的相互配合将种子图像和种子信息采集装置移动到任意位置的培养皿正上方,进而采集种子培养皿图像和获取培养皿粘贴的条形码信息;导航磁条可以粘贴在地面或者埋藏在地下;S型导轨可以安装在种子培育及质量检验试验室的顶部,节约地面空间,而且不影响工作人员的正常活动;多种运动方式图像信息采集单元都实现了按照上位机设置的拍照周期自动采集种子培养皿图像,无需工作人员定时取出培养皿记录种子发芽等情况,最大程度的减轻了工作人员的工作量;
4、本发明采用双磁条的方式固定机器人的姿态,避免机器人在移动过程中发生左偏和右偏等情况,保证工业相机水平拍摄种子培养皿图像;同时,根据相邻培养皿的间隔粘贴与导航磁条相互垂直但不贯穿的半边磁条实现机器人的定位,在导航磁条的开始位置和末尾位置粘贴与导航磁条相互垂直并且贯穿的磁条实现机器人停止;本发明在未使用其他传感器的情况下实现了固定电磁导航机器人的位姿、导航机器人的定位以及停止等功能;
5、本发明通过条形码扫描器获取粘贴在培养皿上的条形码信息,条形码包含该培养皿培育的种子类型、采集日期等种子信息和培养皿所在的位置信息;将获得的条形码信息和工业相机采集的图像以及试验室温湿度等环境信息绑定到一起,然后上传到数据库中;通过采用条形码扫描器与工业相机相互配合的方式可以确保种子信息和采集的图像对应一致,避免因种子培育及质量检验试验室内培养皿数量众多而造成采集的信息混乱和不匹配等问题发生;同时,工作人员利用手持终端设备扫描培养皿粘贴的条形码,就可以快速的了解该种子相关的信息并展示该种子的生长过程。
6、本发明采用多线程软件运行方式,图像信息采集单元上安装三个摄像头同步拍摄三个培养皿,进一步提高了检测速度;同时,每个图像信息采集单元上安装了伸缩机构,轨道式机器人上还安装了旋转平台,可以拍摄任意位置的培养皿的图像;
7、本发明采用腔室分割单元将种子培育及质量检验试验室分为多个腔室,工作人员可以根据种子萌发检验的规模自由的选择开启腔室的数量,防止工作人员做小规模实验时需要整个试验室的设备工作,造成一定的资源浪费;同时,各个腔室单独工作,不同的腔室可以培育不同类型的种子,进而可以多个种子检测试验同步进行,加快了实验进度,具有更强的实用性;
8、本发明在每个腔室的四个角和正中间安装了环境检测传感器,实时采集环境信息,结合滤波算法获得准确的温湿度、光照度、二氧化碳浓度和氧气浓度等环境信息,为实现精准控制种子培育及质量检验试验室的环境奠定了基础;同时,每个试验腔室内安装了多台加湿器,上位机通过分析培养皿的含水量和对应的位置坐标,开启对应区域的加湿器;
9、本发明利用图像信息采集单元完成种子数据集的准备工作,并对采集的种子数据集进行直方图均衡增强、几何变换、颜色扰动和背景融合等操作,最大程度地消除由于拍摄培养皿的角度、透视关系乃至工业相机自身原因造成的失真所产生的负面影响,解决在采集种子培养皿图像过程中因过度曝光或者光线较暗导致拍摄的不清晰和模糊的问题,提升检测算法模型的适应能力以及模型的精度;
10、本发明利用自行创建的种子数据集,利用训练目标检测Yolov7模型自动识别并统计培养皿图像中发芽种子、霉变种子、根部腐烂种子和芽部腐烂种子数量,进而计算出种子发芽率和霉变率,并将计算结果保存到MySQL数据库中;同时,对种子培养皿图像进行实例分割,提取出种子几何形态和芽、根的面积,根据芽和根的面积确定种子发芽的初始时间、最终萌发时间和平均萌发时间,并保存到MySQL数据库中;本发明还通过提取培养皿图像中水面反光区域面积的大小判断培养皿内含水量,并将含水量较少的培养皿位置坐标信息反馈给嵌入式控制单元,嵌入式控制单元控制该区域内的加湿器;对缺水培养皿进行补水;
11、本发明具有远程专家诊断功能;检测到种子图像中出现根部腐烂、芽部腐烂、枯萎和死亡等现象时,系统会自动将该种子的信息和试验室近一段时间内的温湿度、光照度、二氧化碳含量等环境信息以及拍摄的培养皿图像上传到远程诊断专家系统;相关专家通过分析上传的资料,给予正确的种子培育方案;
12、本发明按照时间维度将条形码对应的种子类型信息、采集的温湿度和光照度等环境信息、种子培养皿图像、种子初始萌发时间、种子最终萌发时间、种子平均萌发时间、发芽和发霉的种子数量、发芽率和发霉率、根部腐烂和芽部腐烂的时间和种子幼苗枯萎的时间等信息上传到MySQL数据库中,建立种子生长过程的档案并实现种子档案科学规范化管理。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解,本实施例的示意性实施例及其说明用于解释本实施例,并不构成对本实施例的不当限定。
图1为本发明实施例1的电磁导航式种子培育及质量检验试验室结构示意图;
图2为本发明实施例1的电磁导航式种子图像信息采集装置结构示意图;
图3为本发明实施例1的导航磁条结构示意图;
图4为本发明实施例1的轨道式种子培育及质量检验试验室结构示意图;
图5为本发明实施例1的轨道式种子图像信息采集装置结构示意图;
图6为本发明实施例1的种子培养皿放置机构结构示意图;
图7为本发明实施例1的亚克力底板结构示意图;
图8为本发明实施例1的种子培养皿结构示意图;
图9为本发明实施例1的种子培育和质量检测试验室组成框图;
图10为本发明实施例1的种子培育和质量检测流程图;
图11为本发明实施例1的检测种子算法流程图;
其中,100、控制室;200、第一试验腔室;300、第二试验腔室;1、门;2、观察窗口;3、嵌入式控制单元;4、上位机单元;5、控制柜;6、风力发电机;7、摄像头;8、电磁导航机器人;9、导航磁条;10、导航磁条传感器;11、红外传感器;12、种子图像和种子信息采集装置;13、伸缩机构;14、限位开关;15、工业相机;16、条形码扫描器;17、第一电动推杆;18、第二电动推杆;19、定位磁条;20、停止磁条;21、S型移动导轨;22、行走机构;23、控制器;24、伸缩机构;25、旋转云台;26、铝型材支架;27、亚克力底板;28、培养皿固定凹槽;29、培养皿主体;30、培养皿壁;31、条形码粘贴区域;32、透明隔断;33、种子定位槽;34、发芽纸;35、环境检测传感器;36、空调出风口;37、腔室分割单元;38、补光灯。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
实施例1:
随着技术的不断发展,种子质量检测系统也经历了几轮较大的技术革新,比如,第一代种子质量检测系统是采用全人工的方式,工作人员首先将装有种子的培养皿中放入培养箱中进行发芽试验,然后每天定时取出种子培养皿,肉眼观察并记录发芽、霉变的种子个数和种子的生长情况;这种检测方法不仅对实验工作人员的专业能力要求较高,而且存在工序繁琐、费时费力、主观性较强、检测效率低和干扰种子培养环境等问题。第二代种子质量检测系统采用智能化的种子培养箱,培养箱不仅自动调节温湿度等环境变化,而且培养箱中安装了相关的图像采集设备,可以实现采集种子图像并检测图像中发芽和未发芽的种子个数等,这种检测方法不仅最大程度上减轻了工作人员的工作量,大幅度提高了种子发芽率的检测精度和检测效率,而且也减少了频繁的环境干扰变化对种子的伤害,降低了染菌风险,提高了种子萌发质量;但是,种子培养箱的体积较小,空间只有三四立方米,造成每次培育和检测的种子数量有限,不利于规模化开展种子培育及质量检验工作。目前,人工气候室空间较大,可以进行大量的种子培育及发芽试验;但是,人工气候室仅仅提供了适合种子萌发的环境,无法实现自动采集种子图像和识别种子发芽状态等,仍然需要工作人员每天定时观察并记录种子发芽情况,占据了工作人员大量时间且检测效率非常低。
针对上述问题,如图1所示,本实施例提供了一种规模化种子培育及质量检验装置,实现了大批次的种子培育、种子质量检测和种子档案科学规范化管理;装置包括控制室100和多个萌发检验用试验腔室,试验腔室的数量可根据实际情况选取,本实施例中设置为2个,分别为第一试验腔室200和第二试验腔室300;具体包括供电机构、图像信息采集机构、种子培养皿放置机构、嵌入式控制单元、环境信息调节单元、腔室分割单元、远程诊断单元和上位机单元等,整个系统的工作流程如图10所示。
所述控制室100和每个萌发检验用试验腔室都设有入口和观察窗口2,入口处设置有门1。所述观察窗口2的设置方便工作人员或参观人员观察试验室内部各个单元的工作情况,避免了经常开关门造成种子萌发室内温湿度变化,从而降低设备能耗;所述观察窗口2可以选用双层中空钢化玻璃,可以起到保持室内温度恒定的作用。所述试验腔室都设有单独的嵌入式控制器单元3,可以设置不同的温湿度等环境值和培育不同类型的种子。所述控制室100由上位机单元4和控制柜5组成;所述上位机单元4可以为工业级触摸屏电脑,所述控制柜5具有控制和转化光伏和风力发电设备产生的电能以及自动切换市电供电等功能。
本实施例中采用的供电机构包括光伏组件、风力发电机6和控制柜5等。所述光伏组件可以是由多个2米×1米的光伏板组成,可以安装在种子培育及质量检验装置的顶部或者其他建筑物等的顶部,可以根据种子培育及质量检验装置的用电量大小和所在地区的光照时间等参数计算得到光伏板的数量。所述风力发电机6为小型风力发电机,可以安装在装置的边缘处,比如四个角处,并根据当地的风向分布调整安装角度。所述控制柜5可以包括蓄电池、逆变器和市电切换开关等。所述光伏组件和所述风力发电机6产生的电能经过所述控制柜5后输出直流电和交流电,直流电用来驱动种子萌发及质量检测装置的补光灯38、工业相机15和监控摄像头7等设备运转,交流电用来驱动空调等设备的运转。由于天气等原因产生的电能不足时,市电切换开关将自动切换到市电为试验室的设备供电。
光伏板数量n和所述风力发电机6的数量m可以由公式进行估算:
E=Es+Ew
=n*Ws*H*K+24kη(1-δ)*m*Ww
其中,E为种子培育及质量检验装置用电量;Es为光伏板发电量;Ew为风力发电机发电量;Ws为一块光伏板的峰值功率;H为水平面太阳能总辐照量;K为综合效率系数,取值范围可以为:75%~85%,一般取80%;k为风能利用系数;η为系统效率;δ为线损率;Ww为一台风力发电机的功率。
所述图像信息采集机构,可以安装在每一个萌发检验试验腔室中,用来采集种子培养皿29的图像。本实施例中设计了三种图像信息采集机构的运动方式可供选择,包括电磁导航式、S型轨道式和自主导航机器人式。通过电磁导航机器人或轨道式机器人或自主导航的移动机器人、伸缩机构、旋转云台和限位开关相互配合将种子图像和种子信息采集装置移动到任意位置培养皿的正上方,实现拍摄种子培养皿图像,并使用条码扫描装置获取培养皿粘贴的条形码信息。将拍摄的图像和获得的条形码信息绑定到一起上传到数据库中。由于种子培育及质量检验试验室内培养皿数量众多,本实施例中使用条形码可以确保种子信息和采集的图像对应一致。本实施例中可以采用多线程方式同步采集三个培养皿图像,提高了检测速度。
具体的,如图2和图3所示,所述电磁导航式机器人的图像信息采集机构包括电磁导航机器人本体8、导航磁条9、导航磁条传感器10、红外传感器11、种子图像和种子信息采集装置12、伸缩机构13和限位开关14等。所述电磁导航机器人本体8带动整个图像信息采集机构沿着导航磁条9移动,进而实现拍摄任意位置的培养皿图像。所述导航磁条9可以粘贴在种子培养皿放置机构支架附近的地面或者埋藏在地下,为机器人8提供行进路线。所述导航磁条传感器10可以采用工业级的高精度导航磁条传感器,控制机器人8沿着导航磁条9移动。所述红外传感器11可以选用高灵敏度、抗干扰能力强的红外传感器,辅助导航机器人8实现躲避工作人员或者障碍物。所述种子图像和信息采集装置12可以包括三个工业相机15和三个条形码扫描器16。所述条形码包含种子类型等种子信息和培养皿所在的位置。所述伸缩机构13可以采用电动推杆,包括第一电动推杆17和第二电动推杆18。所述第一电动推杆17带动种子图像和种子信息采集装置上下移动,所述第二电动推杆18带动种子图像和种子信息采集装置前后移动。所述限位开关14可以选用触点按键,用来检测工业相机15是否移动到培养皿的正上方。所述工业相机15和所述条形码扫描器16固定在第二电动推杆18上,通过所述第一电动推杆17和所述第二电动推杆18的配合,可以完成拍摄培养皿放置单元每一层支架上的培养皿图像。
本实施例可以采用粘贴双导航磁条9的方式固定机器人8的姿态,防止机器人8在移动过程中发生左偏和右偏等情况,保证工业相机15水平拍摄种子培养皿图像。同时,粘贴定位磁条19和停止磁条20实现机器人8的定位或者停止。所述定位磁条19是根据相邻培养皿的间隔粘贴与导航磁条9相互垂直但不贯穿的半边磁条。所述停止磁条20是与导航磁条9相互垂直并且贯穿的磁条,可以粘贴在导航磁条9的开始位置和末尾位置。
电磁导航式机器人8实现采集种子培养皿图像信息的步骤为:
上位机单元4按照设置的拍照时间间隔循环给电磁导航机器人8发送启动命令。电磁导航机器人8接收到所述上位机单元4的命令后沿着所述导航磁条线9移动,当检测到所述定位磁条19时停止并启动所述第一电动推杆17和所述第二电动推杆18。通过所述第一电动推杆17和所述第二电动推杆18的配合,种子图像和信息采集装置14慢慢移动到种子培养皿附近。当检测到所述限位开关14的信号后启动工业相机15和条形码扫描器16进行图像和条形码信息采集,采集完成后将给电磁导航机器人8发送完成命令。所述电磁导航机器人8接收到命令后继续前进,以此循环,直到检测到所述停止磁条20时停止运动并进行自动充电,等待所述上位机4下一次启动命令。
所述自主导航式图像信息采集机构,包括自主导航的移动机器人本体、工控机、激光雷达传感器、种子图像和信息采集装置和伸缩机构等。自主导航式移动机器人通过工控机和激光雷达传感器等实现了机器人自身的定位和导航功能,再结合电动推杆、限位开关等可以实现拍摄任意位置的种子培养皿图像。与电磁轨道机器人相比,自主导航式移动机器无需铺设电磁轨道和定位轨道,可以轻松改变行驶的路线,但是成本较高。
如图4和图5所示,设置S型轨道式图像信息采集机构,包括S型移动导轨21、行走机构22、控制器23、种子图像和信息采集装置14、伸缩机构24和旋转云台25等。所述行走机构22带动整个图像信息采集机构14沿着所述S型导轨21移动,进而实现拍摄任意位置的培养皿图像。所述S型导轨21安放在种子培育及质量检验试验室顶部,节省了地面空间,也不影响工作人员的日常工作。所述旋转云台25可以带动图像采集装置14进行360度任意旋转,方便拍摄所述S型移动导轨21两侧支架上的培养皿图像。
如图6和图7所示,设置种子培养皿放置机构,主要用来放置和固定种子培养皿,包括方形铝型材支架26、亚克力底板27和培养皿固定凹槽28等。所述方形铝型材支架26是一个长1.5米宽0.5米上下七层的框架,充分利用试验室的空间大小,可以是由符合国标规格的铝型材组成。根据种子试验室的体积大小,通过拼接任意数量的方形铝型材支架26组成一个种子培养皿放置机构。种子培养皿放置机构的每一层底部铺设亚克力底板27,每一个亚克力底板27上依据种子培养皿大小均匀的凿出多个培养皿定位孔28,用来放置和固定种子培养皿,防止培养皿移动。与不锈钢和铝板相比,亚克力底板加工简单且不容易腐蚀和生锈,成本更低。
如图8所示,所述培养皿包括培养皿主体29、培养皿壁30、条形码粘贴区域31、透明隔断32、种子定位槽33和发芽纸34。所述培养皿的侧面设有条形码粘贴区域31,可以理解的,所述条形码粘贴区域31是在培养皿壁中开凿出一个梯形的凹槽,使粘贴的条形码具有一定的倾斜角度,该倾斜角度与扫描器16的角度相互配合,进一步的方便扫描器16读取条形码信息。所述条形码中包含培育的种子类型和培养皿所在位置信息等。为了方便识别种子发芽和发霉数量,本实施例中使用透明隔断32将矩形培养皿主体29分割成多个单元,防止不同种子生长过程中根部交错在一起,影响种子识别效果。所述透明隔断32可以设置为亚克力透明板,还可以设置为其他材质的透明板。在每个单元的中心设计一个种子定位槽33,目的在于按照固定的位置放置种子,并且使种子均匀排列,拍摄的照片方便种子发芽识别。所述发芽纸34用来存储水分,给种子萌发提供充足的水分。培养皿可以采用矩形培养皿,目的在于使其充分利用摄像头的拍摄范围,在摄像头拍摄范围一定的情况下,所拍摄的种子数量最多。
所述上位机单元4可以采用工业级触摸屏电脑,安装在控制室100的中间位置,方便工作人员设置环境参数和查看检测结果等。上位机单元4通过多种接口与嵌入式控制单元3、工业相机15、条形码扫描器16和监控摄像头7等多个外设设备相连,实时接收和处理各种信息,并直观的显示各个腔室的温湿度、种子发芽率和发霉率等结果。上位机的人机交互界面可以使用Qt Designer设计,总共设有五个功能界面,包括系统设置、检测主界面、种子档案查询、历史结果查询和科普界面。
所述嵌入式控制单元3安装在每个腔室门口的位置,每个腔室的控制单元作为从机实时接收上位机单元(主机)的命令并控制环境调节单元调节腔室的环境,快速准确的达到上位机单元设定的目标值。每个腔室都设有嵌入式控制器,可以单独工作和设置不同的温湿度和光照度等。
所述环境信息调节单元,实时采集种子培育及质量检验试验室各个腔室的环境因素值并反馈给嵌入式控制单元3,嵌入式控制单元3接环境检测传感器35传来的数据并与上位机单元4设定的目标值做差对比,生成相应的控制量控制环境调节单元调节腔室环境达到目标设定值。为了准确反映种子培育及质量检验试验室每个腔室的温湿度值,在每个腔室的四个角和正中间位置安装环境检测传感器35,再结合算法滤波对数据进一步处理。在每个腔室和控制室的顶部设有空调出风口36,用来调节室内温度和保持室内外空气流通。同时,每个腔室内顶部安装了多台加湿器,上位机通过分析种子培养皿图像获得培养皿的含水量和对应的位置坐标,进一步开启对应区域的加湿器。如果只有少数培养皿含水量较低,会控制补水移动机器人精确的补充该培养皿内的水分。
所述腔室分割单元37将种子培育及质量检验试验室分割为两个独立的第一试验腔室200和第二试验腔室300,工作人员可以根据种子萌发检验的规模自由选择开启腔室的数量,节约资源。同时,不同的腔室可以设置不同的温湿度、光照度和拍摄周期,因此,种子培育及质量检验试验室可以一次培育多种类型的种子,防止因等待上一个实验而影响其他种子萌发检验的实验进度,具有更强的实用性。
所述远程诊断单元是通过分析拍摄的种子培养皿图像来判断是否有根部腐烂、芽部腐烂等现象发生。如果出现了根部腐烂、芽部腐烂等现象,系统会查询数据库,将当时种子萌发试验室的温湿度、光照度、二氧化碳含量等参数信息和该种子的信息以及拍摄的图片上传到远程专家诊断系统。相关专家通过分析上传的资料,给予正确的指导意见。
实施例2:
本实施例提供了一种规模化种子培育及质量检验方法,采用了如实施例1中所述的一种规模化种子培育及质量检验装置,主要包括以下步骤:
S1、首先,工作人员在上位机单元中选择将要培育的种子类型和培养皿将要放置在种子培养皿放置机构中的位置,选择完成并点击确认后会打印出一张条形码。工作人员也可以选择自动递增位置,一次打印多张条形码。
S2、将条形码粘贴到种子培养皿单元的条形码粘贴区域,并将发芽纸14铺设在培养皿主体10底部,种子放于培养皿主体10中,然后将培养皿主体10放置于培养皿放置单元对应位置的培养皿固定凹槽9中。
S3、点击上位机单元的系统设置界面,根据试验的规模大小选择开启腔室的序号,并单独设置各个腔室的温湿度、光照度、采集种子培养皿图像的间隔周期、杀菌间隔时间和杀菌次数等参数值。设置完成后,上位机单元将命令打包并发送到每个试验腔室的嵌入式控制单元中。
具体的,腔室分割单元将种子萌发及质量检测试验室分割为一个控制室和多个试验腔室。在控制室的上位机单元中设置开启的腔室数量和适合种子萌发的环境参数值等,避免工作人员做小规模实验时需要整个试验室的设备工作,节约资源。设置参数完成之后,上位机单元将命令打包并先发送第一试验腔室的控制命令,等待第一试验腔室嵌入式控制器的应答。若上位机接收到第一试验腔室的应答,等待10ms后继续发送第二试验腔室的控制命令,直到发送完成在上位机单元选择的所有试验腔室。若上位机未接收到试验腔室的正常应答,继续发送该腔室的控制命令。在达到设置的最大发送次数还未接收到正常应答后,上位机单元会弹出警告提示框并发出声音提醒工作人员。
S4、试验腔室的嵌入式控制单元接收上位机单元的控制命令并进行解析校验,实时采集该腔室的环境信息并控制环境调节单元,使该腔室达到并维持设定的温湿度、光照度等值。同时,将采集到的温湿度等环境参数值反馈给上位机的单元,上位机单元会按照时间维度形成温湿度曲线直观的显示到界面中,供工作人员查看。
具体的,嵌入式控制单元会实时采集腔室四个角和正中间位置环境传感器的数据值,再结合滤波算法对采集到的数据进一步处理,得到试验腔室实际的环境值。将实际的环境值与上位机单元设定的目标值做差对比,生成相应的控制量控制环境调节单元调节腔室环境达到适合种子萌发的目标设定值。在每个腔室和控制室的顶部设有空调出风口,用来调节室内温度和保持室内外空气流通。
S5、到达设置的拍照间隔后启动图像采集单元,图像采集单元有序的带动种子图像和信息采集设备移动。可以通过限位开关的信号确定图像采集单元移动到培养皿的上方。当图像采集单元移动到培养皿上方时系统会启动工业相机和条形码扫描器,将拍摄的图片和读取的条形码信息,以及拍摄的时间、腔室的温湿度、二氧化碳浓度和氧气浓度等环境参数绑定在一起上传到MySQL数据库中。工作人员可以通过上位机单元进行查询数据库的操作。
具体的,通过轨道的行走机构或者移动机器人、第一电动推杆和第二电动推杆的相互配合,将三个工业相机和扫描器移动到培养皿的正上方,系统采用多线程的方式同时启动三个扫描器和工业相机,并将扫描器获得的种子信息和对应相机拍摄的图片绑定到一起上传到MySQL数据库中。同时,将拍摄的时间、腔室内的温湿度、二氧化碳浓度和氧气浓度等环境参数也上传到数据库中MySQL,工作人员可以通过上位机单元的历史结果界面进行查询操作。由于种子培育及质量检验试验室内培养皿数量众多,本实施例可以确保种子信息和采集的图像对应一致。同时,本实施例同步拍摄三个培养皿,提高了检测速度。
S6、采用自行创建的数据集训练的目标检测模型自动识别拍摄图片中发芽种子和发霉种子的个数,然后统计出相应的数量,计算出种子发芽率和霉变率,并将识别结果上传到对应原始图像的数据库中。同时,系统检测是否有根部腐烂、芽部腐烂等现象发生。如果出现了根部腐烂、芽部腐烂等情况,系统将当时种子萌发试验室的温湿度、光照度、二氧化碳含量等参数信息和该种子的信息以及拍摄的图片上传到远程专家诊断系统。相关专家通过分析上传的资料,给予正确的指导意见。
本实施例还提出的一种识别发芽种子和发霉种子的算法,具体流程如图11所示:
S1、创建种子数据集。利用图像采集单元在实际环境中采集大约两周的种子培养皿图像,包括发芽的种子图像和发霉的种子图像。
S2、对种子数据集进行预处理。在采集的过程中无法充分考虑实际工作条件下的灯光以及物体遮挡等问题,为了提高模型的适应能力以及模型的精度,对标签后的种子数据集进行直方图均衡增强、几何变换、颜色扰动和背景融合等操作。
直方图均衡增强算法主要针对种子数据集中因过度曝光或者光线较暗导致拍摄的不清晰和模糊的培养皿图像。
首先将彩色的种子培养皿图像分解通道,进一步的对每个通道均衡化,然后合并每一个通道得到均衡后的图像。对其中一个通道均衡化的步骤为:
计算每个灰度的像素个数在整个种子培养皿图像中所占百分比,计算公式如下所示:
其中,rk为种子培养皿图像中第k个灰度级;nk为培养皿图像中第第k个灰度级的像素总和;N为培养皿图像的像素总和。
计算培养皿图像k个灰度级的累计分布,计算公式如下所示:
计算直方图均衡后的图像灰度值,计算公式如下所示:
g=hp(k)*(256-1)
对种子数据集进行几何变换,包括对种子培养皿图像缩放、平移、旋转和镜像等。通过适当的几何变换最大程度地消除了由于拍摄培养皿的角度、透视关系乃至工业相机自身原因所造成的几何失真所产生的负面影响。
图像缩放:将种子培养皿图像进行放大或者缩小,具体的计算公式如下:
其中,(x0,y0)为原始种子图像中的某一点坐标;(x1,y1)为(x0,y0)映射到缩放后图像上的对应点坐标;a为图像在x轴上的缩放比例;b为图像在y轴上的缩放比例。
图像平移:将种子图像中按照指定的平移量水平或者垂直移动,具体公式为:
其中,Tx为图像水平平移量;Ty为图像垂直平移量。
图像旋转:将种子图像绕原点旋转多个角度产生不同的图像,具体计算公式为:
其中,θ为图像绕原点逆时针旋转的角度。
图像镜像:将种子图像水平镜像和竖直镜像变换。水平镜像将图像左半部分和右半部分以图像竖直中轴线为中心轴进行对换,而竖直镜像则是将图像上半部分和下半部分以图像水平中轴线为中心轴进行对换。具体计算公式为:
水平镜像公式:
竖直镜像公式:
其中,W为拍摄的种子图像的宽度;H为种子图像的高度。
对种子数据集进行颜色扰动、图像拼接和背景融合操作。颜色扰动就是调整种子培养皿图像的HSV(Hue:色调,Saturation:饱和度,Value:明度)颜色空间的值。图像拼接指的是将多幅种子培养皿图片拼接在一张图片中,使一张图片中包含更多的信息。背景融合是抠出部分种子培养皿图像,然后叠加到不同的背景图像中。
本实施例通过对种子数据集进行数据增强操,获得了大量结构合理、种类多样的数据,既丰富了种子数据集,提升了模型的鲁棒性和泛化能力。同时,也避免模型出现过拟合等问题,提高识别种子发芽的精度。
S3、对处理后的种子数据集进行标签。种子数据集总共包含四个类别:发芽的种子、发霉的种子、根部腐烂的种子和芽部腐烂的种子。使用LabelImg工具手工对每张图片标注真实的目标框,每张图片产生一个.txt文件,完成标签工作。
S4、训练识别发芽和发霉种子等类别的Yolov7模型。将经过标签后的种子数据集按照8:2的比例随机划分为训练集和测试集。然后修改Yolov7模型参数:设置迭代次数为300次,batch-size为8,初始学习率为0.01,预训练权重为YOLOv7.pt。进一步的将训练集和测试集输入到训练模型中,并使用RTX3090显卡开始模型训练。使用损失函数衡量模型预测值与真实值之间的差距,进而修正模型。采用由广义重叠度(Generalized Intersectionover Union)计算得到的GIoU_Loss损失函数表示预测矩形框中有发芽的种子、发霉的种子、根部腐烂的种子和芽部腐烂的种子的可信度;采用交叉熵损失函数表示预测种子的分类和定位位置与真实分类和位置之间的误差。
GIoU_Loss损失函数计算公式为:
/>
GIoU_Loss=1-GIoU
其中,A为种子真实标记框;B为种子的预测框;AC为真实框和预测框的最小包围框的面积;U为真实框与预测框并集面积。
交叉熵损失函数计算公式为:
其中,n为种子样本的总量;o[i]为预测值;t[i]为真实值。
S5、打包和部署训练好的模型。经过多次训练和优化选择一个最优的权重。将最优的权重、识别模型、上位机界面和所依赖的环境打包成exe,打包完成后直接拷贝到上位机单元中,进而得到实际应用。同时,为了方便非专业技术人员进行操作,使用Qt Designer设计了可视化操作界面,操作非常简单。
本实施例还提供了一种检测培养皿含水量的方法,主要包括以下步骤:
经过多次实验发现,种子培养皿含水量较多时,拍摄的图像中水面反光区域的面积较大,并且,培养皿含水量与水面反光区域的面积大小成线性关系。由此可知,通过检测种子培养皿图像中水面反光区域的面积大小就能计算出培养皿含水量。同时,通过多次实验发现种子培养皿水面反光区域的亮度值较高,饱和度值较低,并且,亮度值随着距离反光区域边界的靠近呈减小的趋势。因此,检测种子培养皿含水量的步骤为:
S1、将种子培养皿图像转化为色调饱和度明度(Hue-Saturation-Value,HSV)颜色空间,计算公式如下:
R=R/255
G=G/255
B=B/255
V=max(R,G,B)
S2、根据转化的饱和度和明度值,提取种子培养皿图像中的反光区域,计算公式如下:
其中,σs为种子培养皿图像转化的饱和度值;σv为种子培养皿图像转化的明度值;a为反光区域的饱和度阈值;b为反光区域的明度值阈值。
S3、对种子培养皿图像提取的反光区域进行腐蚀和膨胀操作,去除噪点。进一步的,计算处理后反光区域的面积大小。
S4、计算整幅种子培养皿图像中所有的反光区域面积,进一步的,根据反光区域面积大小计算出培养皿含水量。
以上所述仅为本实施例的优选实施例而已,并不用于限制本实施例,对于本领域的技术人员来说,本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实施例的保护范围之内。
Claims (7)
1.一种规模化种子培育及质量检验装置,其特征在于,包括多个试验腔室和图像采集机构;
每个实验腔室内至少设置一个培养皿放置结构,所述培养皿放置结构包括多层底板,每层底板上开设多个培养皿固定凹槽;所述培养皿包括培养皿主体、培养皿壁、条形码粘贴区域、透明隔断、种子定位槽和发芽纸;所述培养皿固定凹槽内设置有种子培养皿;所述种子培养皿通过多个透明隔断分割成的多个培养单元;每个培养单元底部开设有种子定位槽;所述种子培养皿上粘贴条形码;所述条形码中包含培育的种子类型和培养皿所在位置信息;
所述图像采集机构包括围绕所述培养皿放置结构布设的S型轨道,以及设置所述S型轨道上的移动机构;所述S型轨道设置为双导航磁条线;所述双导航磁条上铺设定位磁条和停止磁条;所述移动机构包括本体、设置在所述本体上的伸缩机构以及设置在所述伸缩杆上的种子图像和种子信息采集装置;所述伸缩机构包括相互垂直的第一电动推杆和第二电动推杆,所述第一电动推杆与移动机构的本体连接,所述第二电动推杆与所述种子图像和种子信息采集装置连接;所述图像采集机构包括设置在所述培养皿放置结构上端的S型轨道、设置在所述S型轨道上的行走机构、与所述行走机构连接的伸缩机构以及与所述伸缩机构连接的种子图像和种子信息采集装置;所述种子图像和种子信息采集装置远离所述伸缩机构的端面上设置有限位开关。
2.如权利要求1所述的一种规模化种子培育及质量检验装置,其特征在于,所述底板为亚克力底板;所述亚克力底板的底部设有补光灯。
3.如权利要求1所述的一种规模化种子培育及质量检验装置,其特征在于,所述试验腔室内设有监控摄像头,所述试验腔室的顶部设有空调出风口,所述试验腔室内设有多个环境传感器,所述试验腔室的顶部设有加湿器。
4.一种规模化种子培育及质量检验方法,其特征在于,采用了如权利要求1-3任一项所述的规模化种子培育及质量检验装置,包括:
实时获取种子培养皿图像、条形码信息和试验腔室环境参信息;
依据获取的图像,使用预设的深度学习模型,得到图像中发芽种子数量、发霉种子数量、发芽后根部腐烂种子数量以及芽部腐烂种子数量;
依据发芽种子数量、发霉种子数量、发芽后根部腐烂种子数量以及芽部腐烂种子数量,计算出发芽率和发霉率。
5.如权利要求4所述的一种规模化种子培育及质量检验方法,其特征在于,依据对拍摄的种子培养皿图像,计算培养皿图像中水面反光区域的面积确定培养皿的含水量。
6.如权利要求5所述的一种规模化种子培育及质量检验方法,其特征在于,将种子培养皿图像转化为色调饱和度明度颜色空间;
根据转化后的饱和度及明度值,提取种子培养皿图像中的反光区域;
对种子培养皿图像提取的反光区域进行腐蚀和膨胀操作,去除噪点;计算处理后反光区域的面积大小;
计算整幅种子培养皿图像中所有的反光区域面积,根据反光区域面积大小计算出培养皿含水量。
7.如权利要求4所述的一种规模化种子培育及质量检验方法,其特征在于,获取包含种子的图像后,使用直方图均衡增强方法消除不清晰和模糊的种子图像;
依据处理之后的种子图像,采用Yolov7模型,使用损失函数衡量模型预测值与真实值之间的差距,不断修正模型,最终选出一个最优权重用来预测种子发芽、发霉、根部腐烂和芽部腐烂的状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211179837.8A CN115918321B (zh) | 2022-09-27 | 2022-09-27 | 一种规模化种子培育及质量检验装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211179837.8A CN115918321B (zh) | 2022-09-27 | 2022-09-27 | 一种规模化种子培育及质量检验装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115918321A CN115918321A (zh) | 2023-04-07 |
CN115918321B true CN115918321B (zh) | 2024-04-02 |
Family
ID=86696499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211179837.8A Active CN115918321B (zh) | 2022-09-27 | 2022-09-27 | 一种规模化种子培育及质量检验装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115918321B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109716892A (zh) * | 2019-03-15 | 2019-05-07 | 中国农业大学 | 一种种子发芽试验监测培养装置及方法 |
KR102099610B1 (ko) * | 2019-07-19 | 2020-04-10 | 한홍규 | 식물공장 시스템 및 이를 이용한 식물의 발아여부 및 육성정도 판단방법 |
CN112907516A (zh) * | 2021-01-27 | 2021-06-04 | 山东省计算中心(国家超级计算济南中心) | 一种用于穴盘育苗的甜玉米种子识别方法及装置 |
WO2021170889A1 (es) * | 2020-02-28 | 2021-09-02 | Sener Aeroespacial, SAU | Sistema de control del desarrollo de un cultivo en un medio sólido en una incubadora robotizada |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MX2016014223A (es) * | 2014-05-06 | 2017-05-04 | Dow Agrosciences Llc | Sistema de imagen y orientacion de semillas y metodo de uso. |
-
2022
- 2022-09-27 CN CN202211179837.8A patent/CN115918321B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109716892A (zh) * | 2019-03-15 | 2019-05-07 | 中国农业大学 | 一种种子发芽试验监测培养装置及方法 |
KR102099610B1 (ko) * | 2019-07-19 | 2020-04-10 | 한홍규 | 식물공장 시스템 및 이를 이용한 식물의 발아여부 및 육성정도 판단방법 |
WO2021170889A1 (es) * | 2020-02-28 | 2021-09-02 | Sener Aeroespacial, SAU | Sistema de control del desarrollo de un cultivo en un medio sólido en una incubadora robotizada |
CN112907516A (zh) * | 2021-01-27 | 2021-06-04 | 山东省计算中心(国家超级计算济南中心) | 一种用于穴盘育苗的甜玉米种子识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115918321A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111165228B (zh) | 一种用于田间作物表型获取与分析的移动表型舱 | |
WO2021082537A1 (zh) | 一种作物表型高通量获取装置与气候舱 | |
CN205721457U (zh) | 一种智能温室大棚控制系统 | |
KR20150025333A (ko) | 이동형 지능로봇을 이용한 영상기반 식물 생장관리 제어시스템 | |
CN107624449B (zh) | 一种植物群体微环境控制装置及方法 | |
US20120078417A1 (en) | Detecting Energy and Environmental Leaks In Indoor Environments Using a Mobile Robot | |
CN108549441A (zh) | 一种基于物联网与智能作业车的综合农业监测方法 | |
CN114190267A (zh) | 用于水培植物生长环境调控及表型图像采集的系统 | |
CN217523496U (zh) | 用于水培植物生长环境调控及表型图像采集的系统 | |
CN108693807A (zh) | 一种基于物联网的数据采集与监控系统 | |
CN116500955B (zh) | 一种零碳型仓储类建筑内部环境控制系统及方法 | |
US8738316B2 (en) | Luminance sensing system and method and computer program product thereof | |
CN113038074B (zh) | 基于自移动数据采集设备的室内环境智能巡检方法及系统 | |
CN112595367A (zh) | 一种基于智能机器人的水稻根系性状无损测量装置 | |
CN111693551A (zh) | 一种水稻植株及根系三维性状无损测量装置及方法 | |
CN115918321B (zh) | 一种规模化种子培育及质量检验装置及方法 | |
WO2021151286A1 (zh) | 一种田间作物根系表型的获取系统 | |
CN212363084U (zh) | 一种用于田间作物表型获取与分析的移动表型舱 | |
CN213842060U (zh) | 一种龙门式全自动水稻植株表型检测装置 | |
CN115152357B (zh) | 植物种子培养皿、萌发检验装置、培育装置及萌发方法 | |
CN211510015U (zh) | 一种作物表型高通量获取装置与气候舱 | |
CN111750777A (zh) | 自走式作物表型高通量检测装置 | |
CN211401080U (zh) | 一种田间作物根系表型的获取系统 | |
CN115481648A (zh) | 一种田间高通量植物表型研究平台及方法 | |
CN216982681U (zh) | 一种条状基质槽乔木扦插机器人 |
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 |