基于机器视觉与光谱成像技术的玉米种子品质检测与分选
种子作为种植业最基本的生产资料，其品质优劣很大程度上决定了种植业的成败，直接关系到农民的增产、增收，影响到农村经济的稳健发展。种子质量检验评价是确保种子质量和种子资源管理的重要环节，对有效控制种子质量以提高产品产量和质量、贯彻优质优价政策、保证种子贮藏运输的安全及种子产业化进程的作用举足轻重。本研究以玉米种子为研究对象分别对其内部、外部品质进行检测，针对种子品质检测的难点和关键点，基于光谱成像技术、机器视觉技术，并结合图像处理技术、机器学习算法和光谱分析技术研究了玉米种子内外部品质（含水率、霉变、破损）的检测方法。基于上述研究的基础上开发的检测系统与算法为使用机器视觉与多光谱成像技术实现玉米种子品质快速检测奠定基础。本文主要研究内容和结论为: (1)研究了使用400-1000 nm高光谱图像进行玉米种子含水率的快速无损检测方法。首先，分别采集种子正、反两面400-1000nm高光谱图像进行处理分析，提取质心区域光谱数据，采用竞争性自适应重加权变量选择算法(Competitive AdaptiveReweighted Sampling，CARS)筛选特征波段，建立对应的PLS含水率预测模型。其次，对比图像不同部位光谱曲线变化趋势，挑选2个特征波段(520nm、560nm)进行波段运算获取种子正、反面信息及质心位置。最后，依据正反面检测结果，自主选择对应的含水率预测模型对45个验证集样本进行含水率检测。结果表明:使用波段运算正、反面识别率分别为为97.8％、100％;正、反两面混合位置验证集相关系数Rv分别为0.896、0.948、0.885，均方根误差RMSEV分别为0.823％、0.593％、0.858％;使用单面光谱信息建立含水率预测模型效果优于使用混合光谱信息建立的模型;使用反面胚乳区域光谱曲线建立含水率预测模型检测效果优于使用正面胚部位建立的含水率预测模型。 (2)研究了使用1000-2500nm高光谱图像进行玉米种子含水率的快速无损检测方法。分别采集种子正、反两面1000-2500nm高光谱图像进行处理分析，建立正反面PLS含水率预测模型。使用4个特征波段(1104nm、1304nm、1454nm、1751 nm)进行波段运算获取种子正、反面信息。结果表明:使用波段运算正、反面识别率分别为为97.8％、100％;正面、反面、混合位置验证集相关系数Rv分别为0.969、0.946、0.947，均方根误差RMSEV分别为0.464％、0.616％、0.667％;使用单面光谱信息建立含水率预测模型效果优于使用混合光谱信息建立的模型;使用正面胚部区域光谱曲线建立含水率预测模型检测效果优于使用反面胚乳部位建立的含水率预测模型。 (3)研究了使用机器视觉和图像处理技术进行玉米种子霉变及破损的快速检测与自动分选。使用经I-Relief算法筛选的有效特征参数训练分类器进行种子识别及检测，结果表明:提取全表面颜色特征参数训练分类器进行霉变玉米种子检测，使用朴素贝叶斯分类器进行霉变种子识别准确率达到98％;提取种子尖端颜色特征参数训练分类器进行霉变玉米种子检测，使用朴素贝叶斯分类器检测准确率达到99.3％;提取形状特征参数进行破损玉米种子检测，使用BP神经网络训练分类器准确率达到97.3％。
玉米种子;品质检测;机器视觉;光谱成像
西北农林科技大学
硕士
农业电气化与自动化
陈立平
2017
中文
S513.09
67
2017-08-17（万方平台首次上网日期，不代表论文的发表时间）