基于機(jī)器視覺(jué)的馬鈴薯自動(dòng)化切種方法研究.pdf

1、馬鈴薯播種前通常需要進(jìn)行切塊，在保證出苗率的同時(shí)需考慮充分利用種薯。切塊時(shí)，薯塊質(zhì)量一般控制在40克至60克之間，并且每個(gè)切塊上必須至少留有一個(gè)芽眼。目前種薯切塊基本依靠人力，自動(dòng)化程度很低，且效率低下，易受主觀因素制約。現(xiàn)有切種機(jī)在切塊時(shí)很難控制薯塊的質(zhì)量，也不能保證薯塊上留有芽眼，顯然不能滿足播種要求。提出能同時(shí)考慮種薯質(zhì)量和芽眼分布的自動(dòng)化切種方法具有必要性。本文基于機(jī)器視覺(jué)技術(shù)，提出了一套自動(dòng)化切種方法，包括:畸形薯判斷方法、種

2、薯質(zhì)量檢測(cè)方法、表面芽眼分割標(biāo)記方法和切種決策機(jī)制。
　　根據(jù)研究對(duì)象的特點(diǎn)，設(shè)計(jì)了馬鈴薯種薯圖像采集系統(tǒng)，包括光源，圖像采集箱，攝像頭，計(jì)算機(jī)等。為了對(duì)采集到的馬鈴薯原始圖像進(jìn)行預(yù)處理，提出了在RGB彩色空間中對(duì)原始圖像進(jìn)行G通道灰度化，利用OTSU閾值分割方法進(jìn)行灰度圖像分割，提取邊界的同時(shí)去除圖像背景，減輕無(wú)關(guān)區(qū)域的干擾。
　　利用規(guī)則馬鈴薯形狀類(lèi)似橢圓這一特性，提出使用機(jī)器視覺(jué)技術(shù)進(jìn)行一次馬鈴薯圖像參數(shù)提取，同時(shí)完成

3、質(zhì)量和形狀檢測(cè)的方法。首先，獲取3個(gè)視角的馬鈴薯圖像，并用OTSU方法提取邊界。然后，對(duì)邊界進(jìn)行最小二乘橢圓擬合，提取3個(gè)橢圓中共6個(gè)長(zhǎng)短軸長(zhǎng)度作為特征參數(shù)。最后，基于特征參數(shù)定義擬合偏離度以定量評(píng)價(jià)薯形;建立橢球模型以檢測(cè)種薯質(zhì)量。實(shí)驗(yàn)結(jié)果表明該方法適用于自動(dòng)化切種過(guò)程中的薯形和質(zhì)量檢測(cè)，其中畸形薯篩選成功率為96％，種薯質(zhì)量檢測(cè)的誤差率小于10％。
　　為了在馬鈴薯圖像中分割與標(biāo)記芽眼區(qū)域，提出了在彩色空間和灰度空間中同時(shí)分割

4、芽眼區(qū)域，并將二者的分割結(jié)果疊加后進(jìn)行標(biāo)記的方法，克服了因芽眼特征不足圖像分割算法難以適用的缺點(diǎn)。具體地，在RGB彩色空間中，利用歐氏距離分割芽眼彩色區(qū)域，分割出62％的芽眼區(qū)域;在灰度空間中，首先使用中值濾波對(duì)灰度圖像進(jìn)行去噪處理，之后利用模糊處理技術(shù)對(duì)圖像進(jìn)行了對(duì)比度增強(qiáng)，最后運(yùn)用局部動(dòng)態(tài)閾值分割方法分割芽眼區(qū)域，分割成功率為89％。將兩個(gè)空間的分割結(jié)果疊加后，成功率進(jìn)一步提升為96％，而且芽眼區(qū)域較完整。最終，通過(guò)數(shù)學(xué)形態(tài)學(xué)處理，

5、成功將芽眼區(qū)域標(biāo)記在了馬鈴薯圖像上。
　　提出了同時(shí)考慮種薯質(zhì)量和芽眼位置的切種決策機(jī)制。利用芽眼在圖像中的2維位置信息，對(duì)應(yīng)提出了3種切塊時(shí)具有2自由度的刀具模型。避免了芽眼3維位置信息的還原，無(wú)需設(shè)計(jì)高自由度切塊機(jī)構(gòu)。利用馬鈴薯芽眼圖像對(duì)刀具需要旋轉(zhuǎn)的角度進(jìn)行決策，以指導(dǎo)刀具進(jìn)行切塊。在MATLAB仿真結(jié)果中，該決策機(jī)制可以獲得質(zhì)量為40克至60克的薯塊，并且都帶有芽眼。論文的研究結(jié)果可以為馬鈴薯自動(dòng)化切種相關(guān)領(lǐng)域提供理論依據(jù)