基于機(jī)器視覺(jué)與光譜成像技術(shù)的玉米種子品質(zhì)檢測(cè)與分選.pdf

1、種子作為種植業(yè)最基本的生產(chǎn)資料，其品質(zhì)優(yōu)劣很大程度上決定了種植業(yè)的成敗，直接關(guān)系到農(nóng)民的增產(chǎn)、增收，影響到農(nóng)村經(jīng)濟(jì)的穩(wěn)健發(fā)展。種子質(zhì)量檢驗(yàn)評(píng)價(jià)是確保種子質(zhì)量和種子資源管理的重要環(huán)節(jié)，對(duì)有效控制種子質(zhì)量以提高產(chǎn)品產(chǎn)量和質(zhì)量、貫徹優(yōu)質(zhì)優(yōu)價(jià)政策、保證種子貯藏運(yùn)輸?shù)陌踩胺N子產(chǎn)業(yè)化進(jìn)程的作用舉足輕重。本研究以玉米種子為研究對(duì)象分別對(duì)其內(nèi)部、外部品質(zhì)進(jìn)行檢測(cè)，針對(duì)種子品質(zhì)檢測(cè)的難點(diǎn)和關(guān)鍵點(diǎn)，基于光譜成像技術(shù)、機(jī)器視覺(jué)技術(shù)，并結(jié)合圖像處理技術(shù)、機(jī)器

2、學(xué)習(xí)算法和光譜分析技術(shù)研究了玉米種子內(nèi)外部品質(zhì)（含水率、霉變、破損）的檢測(cè)方法?；谏鲜鲅芯康幕A(chǔ)上開(kāi)發(fā)的檢測(cè)系統(tǒng)與算法為使用機(jī)器視覺(jué)與多光譜成像技術(shù)實(shí)現(xiàn)玉米種子品質(zhì)快速檢測(cè)奠定基礎(chǔ)。本文主要研究?jī)?nèi)容和結(jié)論為:
　　(1)研究了使用400-1000 nm高光譜圖像進(jìn)行玉米種子含水率的快速無(wú)損檢測(cè)方法。首先，分別采集種子正、反兩面400-1000nm高光譜圖像進(jìn)行處理分析，提取質(zhì)心區(qū)域光譜數(shù)據(jù)，采用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)變量選擇算法(C

3、ompetitive AdaptiveReweighted Sampling，CARS)篩選特征波段，建立對(duì)應(yīng)的PLS含水率預(yù)測(cè)模型。其次，對(duì)比圖像不同部位光譜曲線變化趨勢(shì)，挑選2個(gè)特征波段(520nm、560nm)進(jìn)行波段運(yùn)算獲取種子正、反面信息及質(zhì)心位置。最后，依據(jù)正反面檢測(cè)結(jié)果，自主選擇對(duì)應(yīng)的含水率預(yù)測(cè)模型對(duì)45個(gè)驗(yàn)證集樣本進(jìn)行含水率檢測(cè)。結(jié)果表明:使用波段運(yùn)算正、反面識(shí)別率分別為為97.8％、100％;正、反兩面混合位置驗(yàn)證集相

4、關(guān)系數(shù)Rv分別為0.896、0.948、0.885，均方根誤差RMSEV分別為0.823％、0.593％、0.858％;使用單面光譜信息建立含水率預(yù)測(cè)模型效果優(yōu)于使用混合光譜信息建立的模型;使用反面胚乳區(qū)域光譜曲線建立含水率預(yù)測(cè)模型檢測(cè)效果優(yōu)于使用正面胚部位建立的含水率預(yù)測(cè)模型。
　　(2)研究了使用1000-2500nm高光譜圖像進(jìn)行玉米種子含水率的快速無(wú)損檢測(cè)方法。分別采集種子正、反兩面1000-2500nm高光譜圖像進(jìn)行處理

5、分析，建立正反面PLS含水率預(yù)測(cè)模型。使用4個(gè)特征波段(1104nm、1304nm、1454nm、1751 nm)進(jìn)行波段運(yùn)算獲取種子正、反面信息。結(jié)果表明:使用波段運(yùn)算正、反面識(shí)別率分別為為97.8％、100％;正面、反面、混合位置驗(yàn)證集相關(guān)系數(shù)Rv分別為0.969、0.946、0.947，均方根誤差RMSEV分別為0.464％、0.616％、0.667％;使用單面光譜信息建立含水率預(yù)測(cè)模型效果優(yōu)于使用混合光譜信息建立的模型;使用正面

6、胚部區(qū)域光譜曲線建立含水率預(yù)測(cè)模型檢測(cè)效果優(yōu)于使用反面胚乳部位建立的含水率預(yù)測(cè)模型。
　　(3)研究了使用機(jī)器視覺(jué)和圖像處理技術(shù)進(jìn)行玉米種子霉變及破損的快速檢測(cè)與自動(dòng)分選。使用經(jīng)I-Relief算法篩選的有效特征參數(shù)訓(xùn)練分類(lèi)器進(jìn)行種子識(shí)別及檢測(cè)，結(jié)果表明:提取全表面顏色特征參數(shù)訓(xùn)練分類(lèi)器進(jìn)行霉變玉米種子檢測(cè)，使用樸素貝葉斯分類(lèi)器進(jìn)行霉變種子識(shí)別準(zhǔn)確率達(dá)到98％;提取種子尖端顏色特征參數(shù)訓(xùn)練分類(lèi)器進(jìn)行霉變玉米種子檢測(cè)，使用樸素貝葉斯