机器视觉技术在大豆种子检验的研究范文

本站小编为你精心准备了机器视觉技术在大豆种子检验的研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：随着图像处理技术越来越专业化，导致计算机硬件成本的下降和计算机速度的提高,机器视觉技术在农产品品质自动检测领域应用已经越来越广泛。为了能充分利用国内外的最新研究成果,文章综述了国内外在利用机器视觉技术进行外观品质检测的研究现状,同时指出当今国内外研究中存在的问题和对今后研究的进一步展望。

关键词：机器视觉；大豆；现状

1国外研究现状

美国、巴西、阿根廷等国家大豆生产之所以要持续发展，是因为转基因大豆猛烈冲击并占据我国大豆主要市场，除其含油率高的国产大豆约2%外，大豆单产高、成本低、等级质量好，具有价格竞争优势。分析其大豆生产状况不难发现，美国具有产区集中、生产规模大、气候适宜等有利的资源与生产条件外，更重要的原因在于大豆育种、栽培技术和机械工程技术水平高以及严格的管理。20世纪60年代开始，美国一直研究大豆脱粒技术以及损伤问题，特别对种子损伤问题（包括机械脱粒等加工和储运损伤及其危害）给予了足够重视。经系统研究了大豆种子清选、输送、储存中的机械损伤问题，试验证明机械损伤造成种子质量的下降和发芽率的降低。除此之外、在无损检测方面，许多学者先后做了大量的相应工作。这其中包括磁共振技术、高光谱图像技术、X射线透视技术等都得到不同应用范围的试验研究。随着计算机技术及图像处理技术的发展，数字成像技术在农产品检测领域得到了广泛的应用研究。综上所述，国外大豆机械脱粒与联合收获技术已经成熟，从大豆规模化种植和技术规范化等方面相互配合，有效地解决了机械损伤问题。在国外，计算机视觉技术、高光谱图像技术、核磁共振技术在农产品检测方面的研究越来越受到重视，已逐渐研究应用于谷物发芽和病害、水果病变及成熟度检测与分类等方面。

2国内研究现状

我国大豆机械化收获技术起步晚、机械化技术水平不高，脱粒环节存在严重损伤等问题。我国学者针对实际作业中遇到的问题，对现有机械结构改进、性能提高等方面进行了广泛、卓有成效的研究，对提高我国大豆机械收获、脱粒技术水平发挥了重要作用。大豆不同于水稻、小麦和玉米等谷物，其属于荚果作物，豆粒生长在荚皮之中，脱粒时需要将大豆荚皮破碎使豆粒从中脱出。因此，用机械完成脱粒且大豆不受损伤，远比一般谷物脱粒困难得多；豆荚木质性很强并具有韧性、不易开裂，粗硬的大豆秸秆同时进入脱粒装置受到机械作用，脱粒的大豆很容易造成脆性而碎裂或不同程度的隐性损伤。目前，国内对大豆检测方面的研究比较少，主要集中在机器视觉大豆外观品质检测和精选分级方面的研究。马姝琳进行了大豆等农产品在线检测技术研究，建立了大豆等农产品基于机械电磁效应和机器视觉判别基准的模式、识别模型。为实现大豆精选模型的设计，以正常豆、灰斑豆、霉变豆、虫蚀豆为研究对像，采用可脱离PC机独立工作的智能摄像头获取豆粒图像，通过动态阈值分割算法分离豆粒与背景，提取豆粒图像的典型特征参数12个，然后应用BP神经网络建立大豆精选分类模型，试验证明模型平均识别准确率达98%。VC++语言与Matlab软件相结合，构建了神经网络识别系统对大豆进行精选研究，开发了人机交互界面的大豆精选系统。为减轻采集到的大豆图像中不易分离的噪声，增强大豆图像显示效果，采用多尺度形态学图像滤波的算法，提升大豆检测的精度。此后，形态学滤波的算法被很多学者应用到农产品图像的去噪研究中和农产品品质评价和农产品品种分级研究中，应用不同的算法对图像进行识别和区分得到很多学者和研究人员的重视。用机器视觉代替人的视觉来完成对农作物品种的分级和无损伤识别，是目前很多相关研究人员的共识。例如，针对玉米种子及种子图像特点的玉米品种识别硬件系统和软件系统，利用基于多对象有效特征提取和主成分分析基础上的优化神经网络的玉米种子品种识别方法。基本思路也是提取玉米种子的几何特征和颜色特征等参数，优化玉米种子图像的处理策略和品种识别算法，以提高玉米品种识别的速度和准确率为目的。还有基于机器视觉技术的杂交水稻品种快速低成本实时检测系统和玉米籽粒品质检测分级系统。对于无损检测方面的研究，利用X射线照射术探测种子的内部结构、各种损伤及病菌侵染程度，并进行植物种子质量检测分析。指出该项技术可广泛应用于植物种子质量检测、品种选育、遗传资源的长期保存、粮食储存及食品加工原料质量分析等领域。

3结束语

计算机视觉、高光谱图像技术及X射线检测在我国已经应用到了农产品的分类、检测等领域，但是对大豆种子隐性损伤的检测目前未见文献报告。因此我国大豆的生产不但要从大豆脱粒技术方面进行研究改进，还要把存在隐性损伤的大豆种子拣选出来。高光谱图像技术应用于水果和作物种子的无损检测比较盛行，通过数字图像的计算机处理，可以得到较高的识别准确率。这种技术手段和方法对单粒大豆种子的隐性损伤识别也是一种先进而准确的方法，但对呈平铺和运动状态的种子精选具有一点的局限性。

参考文献：

[1]王润涛,张长利,房俊龙,等.基于机器视觉的大豆籽粒精选技术[J].农业工程学报,2011(8):355-359.

[2]赵丹婷.基于图像处理技术的大豆外观品质检测系统研究[D].哈尔滨:东北农业大学,2010.

[3]柴玉华,高立群,王蓉,等.基于多尺度形态学大豆图像滤波方法[J].农业工程学报,2006(6):119-122.

作者:姚宇 单位：辽宁省农机质量监督管理站