基于机器视觉的胡麻种子自动化考种方法(《智慧农业(中英文)》2024年第1期)

学术   2024-11-07 18:30   北京  

引用格式

引用格式:毛永文, 韩俊英, 刘成忠. 基于机器视觉的胡麻种子自动化考种方法[J]. 智慧农业(中英文), 2024, 6(1): 135-146.

DOI:10.12133/j.smartag.SA202309011

Citation:MAO Yongwen, HAN Junying, LIU Chengzhong. Automated Flax Seeds Testing Methods Based on Machine Vision[J]. Smart Agriculture, 2024, 6(1): 135-146.

DOI:10.12133/j.smartag.SA202309011

官网全文免费阅读

知网阅读


基于机器视觉的胡麻种子自动化考种方法


毛永文, 韩俊英*, 刘成忠

(甘肃农业大学 信息科学技术学院,甘肃兰州 730000,中国)

摘要:

 [目的/意义]胡麻种子的周长、面积、长短轴和千粒重是胡麻考种过程中常用的参数,对于胡麻的育种、栽培,以及种子品质和性状的评估都具有重要的意义。

[方法]针对胡麻种子自动化考种时出现的数据统计错误率高、效率低等问题,基于机器视觉研究胡麻种子的轮廓特点、探索形态特征的测量方法,针对籽粒重叠现象提出基于融合角点特征的轮廓拟合图像分割方法,设计胡麻种子自动化考种数据实时分析系统,最终实现胡麻种子自动化考种的研究。本研究在工业相机获取的胡麻种子图像上进行试验。

[结果和讨论]提出的自动化考种方法对不同品种胡麻种子的统计识别准确率达97.28%,百粒种子平均处理时长69.58 ms,相较于极限腐蚀算法、基于距离变换的分水岭算法,平均计算准确率比极限腐蚀算法提升19.6%,平均运算时间低于直接使用分水岭算法所需时间。

[结论]自动化考种方法具有更好的计算准确率和处理速度,能够更准确地批量获取胡麻种子的形态学特征参数,使测量误差能够保持在10%以内,可为今后胡麻考种相关工作提供技术支撑,助力相关产业发展。

关键词: 胡麻种子;机器视觉;自动化考种;图像分割;软件系统

文章图片 


图1 胡麻种子图像采集设备

Fig. 1  Image acquisition equipment for flax seeds

图2 胡麻籽粒自动化考种图像处理流程

Fig. 2  Image processing flow for automated flax seeds testing

图3 胡麻种子示意图

Fig. 3  Schematic image of flax seeds

图4 胡麻种子空间排布结构示意图

Fig. 4  Schematic image of spatial arrangement structure of flax seeds

图5 胡麻种子轮廓像素标准差因子分布

Fig. 5  Distribution of pixel standard deviation factors for the contour of flax seeds

图6 胡麻种子轮廓逼近示意图

Fig. 6  Schematic image of flax seeds contour approximation

图7 胡麻种子角点检测示意图

Fig. 7  Schematic image of corner point detection of flax seeds

图8 胡麻种子轮廓拟合图像

Fig. 8  Fitted image of flax seeds contour

图9 胡麻种子图像分割方法对比图

Fig. 9  Comparison of methods for image segmentation of flax seeds

图10 胡麻种子考种系统运行界面展示图

Fig. 10  Display diagram of the operating interface of flax seeds testing system

图11 胡麻种子考种系统图像处理展示图

Fig. 11  Image processing display diagram of flax seeds testing system

图12 胡麻种子考种系统数据汇总展示图

Fig. 12  Summary and display of data for the flax seeds testing system



作者简介

韩俊英 教授

韩俊英,甘肃农业大学教授,硕士生导师,CCF数字农业分会执行委员,甘肃省农学会委员。主要研究方向是农业机器视觉,力图通过对大田、果园图像数据深度学习,为农资、农作精准控制与管理提供技术支持。近年来主持参与省部级以上科研项目12项,发表论文40余篇,其中SCI/EI检索10篇,CSCD20余篇,获得省级以上科研奖励3项;主持和参加完成省级以上教研教改项目10余项,主(参)编教材9部,获各级各类教学奖励13项。省级一流课程《C程序设计》负责人,C类陇原人才。

来源:《智慧农业(中英文)》2024年第1期

转载请联系编辑部授权



推荐阅读


吴华瑞研究员团队:融合时间感知和增强过滤的农业知识推荐模型(《智慧农业(中英文)》2024年第1期)


喜讯|《智慧农业(中英文)》首次入选“RCCSE中国核心学术期刊(A)”


严海军教授团队:无人机遥感在饲草作物生长监测中的应用研究进展(《智慧农业(中英文)》2022年第4期)


第二届农业农村大数据大会(CARBD 2024)征稿通知





智慧农业微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流,促进智慧农业发展,为更好地服务广大读者、作者和审稿人,编辑部建立了微信交流服务群,有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法:加小编微信331760296备注:姓名、单位、研究方向,小编拉您进群,机构营销广告人员勿扰。

发布征集







欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。


智慧农业期刊
《智慧农业(中英文)》是国内外公开发行的农业科学类学术期刊。期刊聚焦农业信息技术发展前沿与热点,刊载和传播国内外最新研究成果,通过搭建高水平学术交流平台,引领学术研究方向,服务行业科学决策,培养高水平创新人才,促进学科发展。
 最新文章