基于機器視覺與光譜成像技術的玉米種子品質檢測與分選.pdf

1、種子作為種植業(yè)最基本的生產(chǎn)資料，其品質優(yōu)劣很大程度上決定了種植業(yè)的成敗，直接關系到農(nóng)民的增產(chǎn)、增收，影響到農(nóng)村經(jīng)濟的穩(wěn)健發(fā)展。種子質量檢驗評價是確保種子質量和種子資源管理的重要環(huán)節(jié)，對有效控制種子質量以提高產(chǎn)品產(chǎn)量和質量、貫徹優(yōu)質優(yōu)價政策、保證種子貯藏運輸?shù)陌踩胺N子產(chǎn)業(yè)化進程的作用舉足輕重。本研究以玉米種子為研究對象分別對其內部、外部品質進行檢測，針對種子品質檢測的難點和關鍵點，基于光譜成像技術、機器視覺技術，并結合圖像處理技術、機器

2、學習算法和光譜分析技術研究了玉米種子內外部品質（含水率、霉變、破損）的檢測方法?；谏鲜鲅芯康幕A上開發(fā)的檢測系統(tǒng)與算法為使用機器視覺與多光譜成像技術實現(xiàn)玉米種子品質快速檢測奠定基礎。本文主要研究內容和結論為:
　　(1)研究了使用400-1000 nm高光譜圖像進行玉米種子含水率的快速無損檢測方法。首先，分別采集種子正、反兩面400-1000nm高光譜圖像進行處理分析，提取質心區(qū)域光譜數(shù)據(jù)，采用競爭性自適應重加權變量選擇算法(C

3、ompetitive AdaptiveReweighted Sampling，CARS)篩選特征波段，建立對應的PLS含水率預測模型。其次，對比圖像不同部位光譜曲線變化趨勢，挑選2個特征波段(520nm、560nm)進行波段運算獲取種子正、反面信息及質心位置。最后，依據(jù)正反面檢測結果，自主選擇對應的含水率預測模型對45個驗證集樣本進行含水率檢測。結果表明:使用波段運算正、反面識別率分別為為97.8％、100％;正、反兩面混合位置驗證集相

4、關系數(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測模型效果優(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測模型檢測效果優(yōu)于使用正面胚部位建立的含水率預測模型。
　　(2)研究了使用1000-2500nm高光譜圖像進行玉米種子含水率的快速無損檢測方法。分別采集種子正、反兩面1000-2500nm高光譜圖像進行處理

5、分析，建立正反面PLS含水率預測模型。使用4個特征波段(1104nm、1304nm、1454nm、1751 nm)進行波段運算獲取種子正、反面信息。結果表明:使用波段運算正、反面識別率分別為為97.8％、100％;正面、反面、混合位置驗證集相關系數(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測模型效果優(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測模型檢測效果優(yōu)于使用反面胚乳部位建立的含水率預測模型。
　　(3)研究了使用機器視覺和圖像處理技術進行玉米種子霉變及破損的快速檢測與自動分選。使用經(jīng)I-Relief算法篩選的有效特征參數(shù)訓練分類器進行種子識別及檢測，結果表明:提取全表面顏色特征參數(shù)訓練分類器進行霉變玉米種子檢測，使用樸素貝葉斯分類器進行霉變種子識別準確率達到98％;提取種子尖端顏色特征參數(shù)訓練分類器進行霉變玉米種子檢測，使用樸素貝葉斯