發(fā)布時間：2020-11-21 02:54

　　 當今時代,人們生活水平日益提高,對優(yōu)質(zhì)的農(nóng)作物,尤其是對優(yōu)質(zhì)蛋白玉米的需求不斷增加,這對育種人員培育新的玉米品種以及篩選優(yōu)質(zhì)的玉米品種提出了更高的要求,傳統(tǒng)的玉米檢測方法已經(jīng)不能滿足高效率的需求。隨著機器視覺以及深度學習的發(fā)展,該技術已經(jīng)被廣泛的應用在了農(nóng)業(yè)等各個方面,取得了較為理想的結果。本文通過機器視覺和數(shù)字圖像處理以及深度學習等技術,對玉米籽粒的多種外形參數(shù)以及品種的分類進行了研究。由于玉米籽粒的部分外形參數(shù)可以通過視覺的處理方式進行獲取,故本文采用機器視覺等方法計算得出玉米籽粒的部分外形參數(shù)。對于玉米籽粒的分類研究,由于僅通過傳統(tǒng)的機器視覺方式較難獲得理想的結果,故本文采用深度學習等技術對玉米籽粒的分類問題進行研究。本論文的主要研究內(nèi)容如下:1.搭建了機器視覺硬件系統(tǒng),包括工業(yè)相機,鏡頭,光源和框架,用于提取玉米粒形狀參數(shù)。該系統(tǒng)結構簡單,易于搭建,后期維護成本低。2.通過灰度處理、空間濾波、圖像分割以及形態(tài)學處理等方法,對現(xiàn)有圖像預處理方案進行了簡化,大大降低了玉米考種機器識別對硬件的依賴,加快了其處理過程。試驗表明,該預處理方案可以較好的滿足需求。3.提出玉米籽粒外形參數(shù)(面積、周長、形心、長短軸以及最小外接矩形等)的提取方案。根據(jù)像素比例方法實現(xiàn)對面積和周長的轉(zhuǎn)換獲取;通過像素均值獲得形心;測量通過形心任意線段的方式獲得長短軸;通過利用長短軸平移方法獲得最小外接矩形。同時,對玉米籽粒面積、周長以及長短軸等特征進行了統(tǒng)計分析。4.本文采用深度學習等技術對玉米籽粒進行分類識別,利用多種數(shù)據(jù)處理形式以及優(yōu)化算法進行優(yōu)化,包括數(shù)據(jù)的增強以及格式轉(zhuǎn)換,Dropout、Adam、Batch normalization等算法,通過這些方式對訓練速度進行提升,提高模型的泛化能力。在此基礎上,對不同品種的玉米籽粒進行識別,通過遷移學習等方式,對比多種模型測得其準確率均達97%以上。
【學位單位】：杭州電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：S513;TP391.41
【部分圖文】：

統(tǒng)計發(fā)芽率、均勻度等，同時支持多種種子的檢測。該設備的采集裝置采用的是攝像頭上置??的形式，通過拍照獲取玉米籽粒的圖像。光源采用背光光源，即位于玉米籽粒下方。設備如??圖１．１所示。??圖１．１?ＳＣ－Ｇ型考種機??武漢紅星楊科技有限公司的ＹＴＳ－ＭＫＴ－２型玉米籽粒數(shù)字化考種機，可以通過機器視覺等??方式獲取粒長、粒寬、粒面積等等參數(shù)。其相機采用的是單色線陣列ＣＣＤ相機。設備如圖１．２??所示。??圖１．２?ＹＴＳ－ＭＫＴ－２型考種機??３??

統(tǒng)計發(fā)芽率、均勻度等，同時支持多種種子的檢測。該設備的采集裝置采用的是攝像頭上置??的形式，通過拍照獲取玉米籽粒的圖像。光源采用背光光源，即位于玉米籽粒下方。設備如??圖１．１所示。??圖１．１?ＳＣ－Ｇ型考種機??武漢紅星楊科技有限公司的ＹＴＳ－ＭＫＴ－２型玉米籽粒數(shù)字化考種機，可以通過機器視覺等??方式獲取粒長、粒寬、粒面積等等參數(shù)。其相機采用的是單色線陣列ＣＣＤ相機。設備如圖１．２??所示。??圖１．２?ＹＴＳ－ＭＫＴ－２型考種機??３??

浙江托普云農(nóng)科技股份有限公司生產(chǎn)的ＴＰＫＺ－１型號玉米考種儀，可以對玉米籽粒的粒數(shù)、??粒長、粒寬、面積、周長等等參數(shù)進行統(tǒng)計分析，同時可以自動過濾胚尖不明顯的玉米籽粒。??該款考種設備也可以對水稻、小麥以及花生等其他農(nóng)作物的種子進行考察。設備如圖１．３所示。??ｆ??一＾‘１：??圖１．３?ＴＰＫＺ－１型號玉米考種儀??１．２．２國外研究現(xiàn)狀??國外學者在２０世紀８０年代開始，就通過機器視覺對玉米籽粒進行研宄，并且已經(jīng)取得了??較大進展。??ＭｏｈｓｅｎＷ１３】等人提出了描述玉米籽粒物理形狀和大小的標準。取三個相互垂直的軸作為??尺寸度量。數(shù)據(jù)顯示，主軸、副軸和中間軸的平均值為１０．７８ｍｍ。根據(jù)他們測試的５０粒玉米籽??粒數(shù)據(jù)顯示，分別為７．５８ｍｍ以及４．５７ｍｍ。??Ｓａｐｉｒｓｔｄｎｔ１４］等人利用數(shù)字圖像處理技術對小麥、大麥、黑麥以及燕麥等谷物進行檢測和??分類。從數(shù)字化的二值圖像中提取了種子的形態(tài)學特征。寬度和長度作為尺寸和形狀參數(shù)的??分類特征。同時還提取了區(qū)域輪廓的長度、長寬比、厚度比以及歸一化后的中心距。四種谷??物的分類成功率均在９６％以上。??ＮｅｕｍａｎｔＵ等人利用籽粒空間大小和形狀參數(shù)，結合籽粒輪廓像素以及像素長度信號的傅??里葉變化，對小麥分類和品種進行鑒定，正確識別率在１５％－９６％之間。??ＧｕｎａｓｅｋａｒａｉＬＳＭｌ等提出了一種識別玉米籽粒的裂紋缺陷檢測的方法，該方法基于高速濾??波，檢測精準度較高。??ＮｅｕｍａｎＭｌ等人使用Ｒ、Ｇ、Ｂ值將小麥籽粒劃分為六個等級類別。采用管式彩色攝像機進??行圖像采集
【參考文獻】

相關期刊論文 前10條

1 肖伯祥;王傳宇;郭新宇;吳升;杜建軍;;玉米考種自動化流水線機構設計與仿真[J];系統(tǒng)仿真學報;2015年04期

2 梁文東;;基于MATLAB的玉米果穗圖像輪廓提取[J];農(nóng)業(yè)網(wǎng)絡信息;2014年06期

3 李靜;申慶超;宋俊喬;賈海濤;;基于機器視覺的玉米穗行數(shù)自動檢測算法設計[J];電子產(chǎn)品世界;2014年06期

4 段熊春;周金輝;王思嘉;;面向玉米果穗考種測量的圖像標定方法[J];農(nóng)機化研究;2014年01期

5 王傳宇;郭新宇;吳升;肖伯祥;杜建軍;;采用全景技術的機器視覺測量玉米果穗考種指標[J];農(nóng)業(yè)工程學報;2013年24期

6 吳建偉;郭新宇;王傳宇;吳升;李永祥;楊寶祝;;玉米育種自動考種儀[J];中國種業(yè);2013年09期

7 曹維時;張春慶;王金星;劉雙喜;許興鎮(zhèn);;離散小波變換和BP神經(jīng)網(wǎng)絡識別玉米種子純度(英文)[J];農(nóng)業(yè)工程學報;2012年S2期

8 馬欽;江景濤;朱德海;李紹明;梅樹立;呂永春;;基于圖像處理的玉米果穗三維幾何特征快速測量(英文)[J];農(nóng)業(yè)工程學報;2012年S2期

9 孫志軍;薛磊;許陽明;王正;;深度學習研究綜述[J];計算機應用研究;2012年08期

10 孫海艷;蔡一林;王久光;王國強;代國麗;徐德林;孫敬芳;;玉米主要營養(yǎng)品質(zhì)性狀的QTL定位[J];農(nóng)業(yè)生物技術學報;2011年04期

本文編號：2892410