基于卷積神經(jīng)網(wǎng)絡(luò)的玉米籽粒精選系統(tǒng)研制
發(fā)布時間：2020-12-06 10:26
論文選題源于國家自然科學基金資助項目（項目編號:51405078）、黑龍江省歸國留學基金項目（項目編號:LC2018019）、東北農(nóng)業(yè)大學學術(shù)骨干項目（項目編號:17XG01）,旨在利用電磁振動理論、自動控制技術(shù)和深度學習技術(shù)來設(shè)計優(yōu)化玉米籽粒精選系統(tǒng),以達到玉米籽粒品質(zhì)批量精選與分級的目的。該文以玉米籽粒品質(zhì)精選系統(tǒng)的自動控制和視覺分選算法為研究對象,從玉米粒群的整列分離、電磁控制、分選控制和在線視覺分選系統(tǒng)設(shè)計方面進行研究,以實現(xiàn)玉米籽粒品質(zhì)的自動精選�；谏鲜鰞�(nèi)容該文主要工作如下:（1）試驗樣機速度差異式整列分離裝置、控制和視覺系統(tǒng)的分析與設(shè)計。以傳送軌道上玉米籽粒的運動形式和運動狀態(tài)為研究對象,為實現(xiàn)玉米粒群的逐漸分離,結(jié)合電磁振動理論設(shè)計速度差異式電磁振動傳輸分離裝置。以料槽配重、安裝傾角及系統(tǒng)振幅為因素,粘連率和正向率為指標進行正交試驗,通過正交試驗得到系統(tǒng)較優(yōu)參數(shù)組合:配重、安裝傾角和系統(tǒng)振幅分別為0.3 kg、0°和0.36 mm,機械系統(tǒng)粘連率和定向率分別為9.40%和92.60%,可使玉米粒群在電磁振動系統(tǒng)的驅(qū)動下實現(xiàn)逐漸轉(zhuǎn)化分離為單籽粒的整列輸送。并結(jié)合自動控制技...
【文章來源】：東北農(nóng)業(yè)大學黑龍江省 211工程院校
【文章頁數(shù)】：90 頁
【學位級別】：碩士
【文章目錄】：
摘要
英文摘要
1 引言
1.1 研究目的與意義
1.2 國內(nèi)外研究概況及現(xiàn)狀
1.2.1 國外研究現(xiàn)狀
1.2.2 國內(nèi)研究現(xiàn)狀
1.3 主要研究內(nèi)容和方法
1.3.1 研究內(nèi)容
1.3.2 研究方法
1.4 技術(shù)路線
2 基于電磁振動的玉米籽粒精選機械系統(tǒng)搭建
2.1 精選系統(tǒng)結(jié)構(gòu)和工作流程設(shè)計
2.2 速度差異式電磁振動系統(tǒng)結(jié)構(gòu)設(shè)計
2.2.1 玉米籽粒運動學建模與分析
2.2.2 玉米籽�；屑皰仈S運動臨界條件分析
2.3 系統(tǒng)試驗結(jié)果與討論
2.3.1 試驗設(shè)計
2.3.2 試驗方案與分析
2.4 玉米籽粒精選控制系統(tǒng)設(shè)計
2.4.1 傳輸控制方案設(shè)計
2.4.2 分選控制方案設(shè)計
2.5 恒定光強視覺系統(tǒng)設(shè)計
2.5.1 光源設(shè)計
2.5.2 圖像采集裝置設(shè)計
2.5.3 玉米品質(zhì)精選軟件設(shè)計
2.6 本章小結(jié)
3 玉米籽粒數(shù)據(jù)集設(shè)計制作
3.1 玉米籽粒數(shù)據(jù)集總體設(shè)計
3.2 玉米籽粒數(shù)據(jù)集樣本及其圖像采集
3.3 基于顏色特征的玉米籽粒圖像分割
3.4 基于形態(tài)學處理的玉米籽粒圖像去噪
3.5 基于RGB顏色空間的玉米籽粒類別和位置標定
3.6 本章小結(jié)
4 基于卷積神經(jīng)網(wǎng)絡(luò)的玉米品質(zhì)精選視覺系統(tǒng)研究
4.1 深度學習相關(guān)理論和基本模型分析
4.1.1 深度置信網(wǎng)絡(luò)
4.1.2 自編碼神經(jīng)網(wǎng)絡(luò)
4.1.3 卷積神經(jīng)網(wǎng)絡(luò)及在玉米檢測領(lǐng)域的優(yōu)勢
4.2 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)
4.2.1 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)方案設(shè)計
4.2.2 RPN網(wǎng)絡(luò)優(yōu)化
4.3 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)設(shè)計
4.3.1 基于稀疏交互的卷積參數(shù)量壓縮
4.3.2 基于參數(shù)共享的網(wǎng)絡(luò)參數(shù)量壓縮與加速
4.3.3 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)的等變表示
4.4 玉米品質(zhì)精選檢測網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
4.4.1 共享卷積層設(shè)計
4.4.2 探測層非線性設(shè)計
4.4.3 池化層增強與降維
4.4.4 全連接層及輸出分類層
4.5 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)的訓練機制
4.5.1 精選檢測網(wǎng)絡(luò)過擬合控制
4.5.2 精選檢測網(wǎng)絡(luò)梯度優(yōu)化
4.5.3 精選檢測網(wǎng)絡(luò)分步訓練策略
4.6 玉米籽粒精選視覺系統(tǒng)結(jié)果與討論
4.6.1 評價標準
4.6.2 玉米籽粒精選視覺系統(tǒng)預訓練試驗
4.6.3 玉米籽粒精選視覺系統(tǒng)多分類檢測結(jié)果
4.6.4 玉米籽粒精選視覺系統(tǒng)整體訓練效果評估
4.6.5 玉米籽粒精選視覺系統(tǒng)可視化結(jié)果與分析
4.7 本章小結(jié)
5 基于卷積神經(jīng)網(wǎng)絡(luò)的玉米籽粒精選系統(tǒng)樣機試驗結(jié)果與討論
5.1 評價標準
5.2 精選系統(tǒng)樣機試驗結(jié)果與討論
5.3 本章小結(jié)
6 結(jié)論與展望
6.1 結(jié)論
6.2 展望
致謝
參考文獻
攻讀碩士學位期間發(fā)表的學術(shù)論文
【參考文獻】：
期刊論文
[1]基于深度學習的森林蟲害無人機實時監(jiān)測方法[J]. 孫鈺,周焱,袁明帥,劉文萍,駱有慶,宗世祥. 農(nóng)業(yè)工程學報. 2018(21)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的花生籽粒完整性識別算法及應(yīng)用[J]. 趙志衡,宋歡,朱江波,盧雷,孫磊. 農(nóng)業(yè)工程學報. 2018(21)
[3]基于深度置信網(wǎng)絡(luò)的農(nóng)用地基準地價評估模型[J]. 王華,羅平,趙志剛,聶可. 農(nóng)業(yè)工程學報. 2018(21)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學習的油茶病害圖像識別[J]. 龍滿生,歐陽春娟,劉歡,付青. 農(nóng)業(yè)工程學報. 2018(18)
[5]基于卷積網(wǎng)絡(luò)和哈希碼的玉米田間雜草快速識別方法[J]. 姜紅花,王鵬飛,張昭,毛文華,趙博,齊鵬. 農(nóng)業(yè)機械學報. 2018(11)
[6]自然環(huán)境下多類水果采摘目標識別的通用改進SSD模型[J]. 彭紅星,黃博,邵園園,李澤森,張朝武,陳燕,熊俊濤. 農(nóng)業(yè)工程學報. 2018(16)
[7]基于多特征融合和深度置信網(wǎng)絡(luò)的稻田苗期雜草識別[J]. 鄧向武,齊龍,馬旭,蔣郁,陳學深,劉海云,陳偉烽. 農(nóng)業(yè)工程學報. 2018(14)
[8]基于自適應(yīng)判別深度置信網(wǎng)絡(luò)的棉花病蟲害預測[J]. 王獻鋒,張傳雷,張善文,朱義海. 農(nóng)業(yè)工程學報. 2018(14)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的玉米根莖精確識別與定位研究[J]. 楊洋,張亞蘭,苗偉,張鐵,陳黎卿,黃莉莉. 農(nóng)業(yè)機械學報. 2018(10)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的溫室黃瓜病害識別系統(tǒng)[J]. 馬浚誠,杜克明,鄭飛翔,張領(lǐng)先,孫忠富. 農(nóng)業(yè)工程學報. 2018(12)
博士論文
[1]基于色彩聚類的玉米種子純度識別算法研究[D]. 劉雙喜.山東農(nóng)業(yè)大學 2018
[2]玉米種子高光譜圖像品種檢測方法研究[D]. 魏利峰.沈陽農(nóng)業(yè)大學 2017
[3]玉米種子的圖像精選定向定位方法及裝置研究[D]. 王僑.中國農(nóng)業(yè)大學 2017
[4]玉米種子內(nèi)部機械裂紋特征與識別研究[D]. 張新偉.沈陽農(nóng)業(yè)大學 2012
[5]農(nóng)作物籽粒的圖像處理和識別方法研究[D]. 楊蜀秦.西北農(nóng)林科技大學 2012
[6]中國玉米國際競爭力研究[D]. 齊濤.西北農(nóng)林科技大學 2011
[7]基于機器視覺的谷物外觀品質(zhì)檢測技術(shù)研究[D]. 凌云.中國農(nóng)業(yè)大學 2004
[8]稻種質(zhì)量的機器視覺無損檢測研究[D]. 成芳.浙江大學 2004
碩士論文
[1]馬鈴薯干式低損清選分級機的設(shè)計與清選試驗研究[D]. 張恒.內(nèi)蒙古農(nóng)業(yè)大學 2018
[2]基于機器視覺的動態(tài)馬鈴薯外部品質(zhì)無損檢測研究[D]. 劉馨陽.寧夏大學 2018
[3]基于深度學習的交通視頻檢測及車型分類研究[D]. 楚翔宇.哈爾濱工業(yè)大學 2017
[4]基于機器視覺與光譜成像技術(shù)的玉米種子品質(zhì)檢測與分選[D]. 王超鵬.西北農(nóng)林科技大學 2017
[5]基于機器視覺的馬鈴薯薯形與外部缺陷算法研究[D]. 崔勝春.中國礦業(yè)大學 2017
[6]基于機器視覺的大米外觀品質(zhì)判別研究[D]. 馬麗霞.哈爾濱理工大學 2016
[7]便攜式動態(tài)玉米種子純度識別儀的研制[D]. 孟凡榮.山東農(nóng)業(yè)大學 2015
[8]玉米籽粒數(shù)字化考種關(guān)鍵技術(shù)研究[D]. 汪珂.華中農(nóng)業(yè)大學 2015
[9]玉米質(zhì)量指標機器視覺技術(shù)研究[D]. 王偉宇.河南工業(yè)大學 2015
[10]基于圖像處理的大米品質(zhì)檢測系統(tǒng)研究[D]. 崔雯雯.吉林大學 2015
本文編號：2901218
【文章來源】：東北農(nóng)業(yè)大學黑龍江省 211工程院校
【文章頁數(shù)】：90 頁
【學位級別】：碩士
【文章目錄】：
摘要
英文摘要
1 引言
1.1 研究目的與意義
1.2 國內(nèi)外研究概況及現(xiàn)狀
1.2.1 國外研究現(xiàn)狀
1.2.2 國內(nèi)研究現(xiàn)狀
1.3 主要研究內(nèi)容和方法
1.3.1 研究內(nèi)容
1.3.2 研究方法
1.4 技術(shù)路線
2 基于電磁振動的玉米籽粒精選機械系統(tǒng)搭建
2.1 精選系統(tǒng)結(jié)構(gòu)和工作流程設(shè)計
2.2 速度差異式電磁振動系統(tǒng)結(jié)構(gòu)設(shè)計
2.2.1 玉米籽粒運動學建模與分析
2.2.2 玉米籽�；屑皰仈S運動臨界條件分析
2.3 系統(tǒng)試驗結(jié)果與討論
2.3.1 試驗設(shè)計
2.3.2 試驗方案與分析
2.4 玉米籽粒精選控制系統(tǒng)設(shè)計
2.4.1 傳輸控制方案設(shè)計
2.4.2 分選控制方案設(shè)計
2.5 恒定光強視覺系統(tǒng)設(shè)計
2.5.1 光源設(shè)計
2.5.2 圖像采集裝置設(shè)計
2.5.3 玉米品質(zhì)精選軟件設(shè)計
2.6 本章小結(jié)
3 玉米籽粒數(shù)據(jù)集設(shè)計制作
3.1 玉米籽粒數(shù)據(jù)集總體設(shè)計
3.2 玉米籽粒數(shù)據(jù)集樣本及其圖像采集
3.3 基于顏色特征的玉米籽粒圖像分割
3.4 基于形態(tài)學處理的玉米籽粒圖像去噪
3.5 基于RGB顏色空間的玉米籽粒類別和位置標定
3.6 本章小結(jié)
4 基于卷積神經(jīng)網(wǎng)絡(luò)的玉米品質(zhì)精選視覺系統(tǒng)研究
4.1 深度學習相關(guān)理論和基本模型分析
4.1.1 深度置信網(wǎng)絡(luò)
4.1.2 自編碼神經(jīng)網(wǎng)絡(luò)
4.1.3 卷積神經(jīng)網(wǎng)絡(luò)及在玉米檢測領(lǐng)域的優(yōu)勢
4.2 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)
4.2.1 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)方案設(shè)計
4.2.2 RPN網(wǎng)絡(luò)優(yōu)化
4.3 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)設(shè)計
4.3.1 基于稀疏交互的卷積參數(shù)量壓縮
4.3.2 基于參數(shù)共享的網(wǎng)絡(luò)參數(shù)量壓縮與加速
4.3.3 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)的等變表示
4.4 玉米品質(zhì)精選檢測網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
4.4.1 共享卷積層設(shè)計
4.4.2 探測層非線性設(shè)計
4.4.3 池化層增強與降維
4.4.4 全連接層及輸出分類層
4.5 玉米籽粒品質(zhì)精選檢測網(wǎng)絡(luò)的訓練機制
4.5.1 精選檢測網(wǎng)絡(luò)過擬合控制
4.5.2 精選檢測網(wǎng)絡(luò)梯度優(yōu)化
4.5.3 精選檢測網(wǎng)絡(luò)分步訓練策略
4.6 玉米籽粒精選視覺系統(tǒng)結(jié)果與討論
4.6.1 評價標準
4.6.2 玉米籽粒精選視覺系統(tǒng)預訓練試驗
4.6.3 玉米籽粒精選視覺系統(tǒng)多分類檢測結(jié)果
4.6.4 玉米籽粒精選視覺系統(tǒng)整體訓練效果評估
4.6.5 玉米籽粒精選視覺系統(tǒng)可視化結(jié)果與分析
4.7 本章小結(jié)
5 基于卷積神經(jīng)網(wǎng)絡(luò)的玉米籽粒精選系統(tǒng)樣機試驗結(jié)果與討論
5.1 評價標準
5.2 精選系統(tǒng)樣機試驗結(jié)果與討論
5.3 本章小結(jié)
6 結(jié)論與展望
6.1 結(jié)論
6.2 展望
致謝
參考文獻
攻讀碩士學位期間發(fā)表的學術(shù)論文
【參考文獻】：
期刊論文
[1]基于深度學習的森林蟲害無人機實時監(jiān)測方法[J]. 孫鈺,周焱,袁明帥,劉文萍,駱有慶,宗世祥. 農(nóng)業(yè)工程學報. 2018(21)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的花生籽粒完整性識別算法及應(yīng)用[J]. 趙志衡,宋歡,朱江波,盧雷,孫磊. 農(nóng)業(yè)工程學報. 2018(21)
[3]基于深度置信網(wǎng)絡(luò)的農(nóng)用地基準地價評估模型[J]. 王華,羅平,趙志剛,聶可. 農(nóng)業(yè)工程學報. 2018(21)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學習的油茶病害圖像識別[J]. 龍滿生,歐陽春娟,劉歡,付青. 農(nóng)業(yè)工程學報. 2018(18)
[5]基于卷積網(wǎng)絡(luò)和哈希碼的玉米田間雜草快速識別方法[J]. 姜紅花,王鵬飛,張昭,毛文華,趙博,齊鵬. 農(nóng)業(yè)機械學報. 2018(11)
[6]自然環(huán)境下多類水果采摘目標識別的通用改進SSD模型[J]. 彭紅星,黃博,邵園園,李澤森,張朝武,陳燕,熊俊濤. 農(nóng)業(yè)工程學報. 2018(16)
[7]基于多特征融合和深度置信網(wǎng)絡(luò)的稻田苗期雜草識別[J]. 鄧向武,齊龍,馬旭,蔣郁,陳學深,劉海云,陳偉烽. 農(nóng)業(yè)工程學報. 2018(14)
[8]基于自適應(yīng)判別深度置信網(wǎng)絡(luò)的棉花病蟲害預測[J]. 王獻鋒,張傳雷,張善文,朱義海. 農(nóng)業(yè)工程學報. 2018(14)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的玉米根莖精確識別與定位研究[J]. 楊洋,張亞蘭,苗偉,張鐵,陳黎卿,黃莉莉. 農(nóng)業(yè)機械學報. 2018(10)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的溫室黃瓜病害識別系統(tǒng)[J]. 馬浚誠,杜克明,鄭飛翔,張領(lǐng)先,孫忠富. 農(nóng)業(yè)工程學報. 2018(12)
博士論文
[1]基于色彩聚類的玉米種子純度識別算法研究[D]. 劉雙喜.山東農(nóng)業(yè)大學 2018
[2]玉米種子高光譜圖像品種檢測方法研究[D]. 魏利峰.沈陽農(nóng)業(yè)大學 2017
[3]玉米種子的圖像精選定向定位方法及裝置研究[D]. 王僑.中國農(nóng)業(yè)大學 2017
[4]玉米種子內(nèi)部機械裂紋特征與識別研究[D]. 張新偉.沈陽農(nóng)業(yè)大學 2012
[5]農(nóng)作物籽粒的圖像處理和識別方法研究[D]. 楊蜀秦.西北農(nóng)林科技大學 2012
[6]中國玉米國際競爭力研究[D]. 齊濤.西北農(nóng)林科技大學 2011
[7]基于機器視覺的谷物外觀品質(zhì)檢測技術(shù)研究[D]. 凌云.中國農(nóng)業(yè)大學 2004
[8]稻種質(zhì)量的機器視覺無損檢測研究[D]. 成芳.浙江大學 2004
碩士論文
[1]馬鈴薯干式低損清選分級機的設(shè)計與清選試驗研究[D]. 張恒.內(nèi)蒙古農(nóng)業(yè)大學 2018
[2]基于機器視覺的動態(tài)馬鈴薯外部品質(zhì)無損檢測研究[D]. 劉馨陽.寧夏大學 2018
[3]基于深度學習的交通視頻檢測及車型分類研究[D]. 楚翔宇.哈爾濱工業(yè)大學 2017
[4]基于機器視覺與光譜成像技術(shù)的玉米種子品質(zhì)檢測與分選[D]. 王超鵬.西北農(nóng)林科技大學 2017
[5]基于機器視覺的馬鈴薯薯形與外部缺陷算法研究[D]. 崔勝春.中國礦業(yè)大學 2017
[6]基于機器視覺的大米外觀品質(zhì)判別研究[D]. 馬麗霞.哈爾濱理工大學 2016
[7]便攜式動態(tài)玉米種子純度識別儀的研制[D]. 孟凡榮.山東農(nóng)業(yè)大學 2015
[8]玉米籽粒數(shù)字化考種關(guān)鍵技術(shù)研究[D]. 汪珂.華中農(nóng)業(yè)大學 2015
[9]玉米質(zhì)量指標機器視覺技術(shù)研究[D]. 王偉宇.河南工業(yè)大學 2015
[10]基于圖像處理的大米品質(zhì)檢測系統(tǒng)研究[D]. 崔雯雯.吉林大學 2015
本文編號：2901218
本文鏈接：http://www.wukwdryxk.cn/nykjlw/nygclw/2901218.html
最近更新
教材專著
