欢迎来到天天文库
浏览记录
ID:61332481
大小:16.50 KB
页数:5页
时间:2021-01-25
《基于机器视觉的帧种子数识别及其应用.doc》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、基于机器视觉的帧种子数识别及其应用 0 引言 机器视觉是近年来兴起的一种新型检测技术,具有快速、准确、无接触以及无损伤等特点,已被广泛应用于各个领域。排种器性能的检测方法有很多种,如人工检测、光电检测、压电效应检测和高速摄影检测等,但这些检测方法在检测过程或检测精度上存在一定的局限性。本文尝试采用一种机器视觉的帧种子数识别方法,利用图像采集频率和播种频率之间的关系推到排种质量模型,进而完成对排种器排种质量的检测。 1 视觉检测样本制备1.1 试验方案 为了获得排种器在不同转速和不同气压下的帧种子数样本,试验中转
2、速取40,49,70,91,100r/min等5个水平,气压取4,4.88,7,9.12,10kPa等5个水平。试验方案采用2次正交旋转组合试验设计。 1.2试验材料 本试验选用同一品种的大豆作为试验材料,该品种的特征参数[2-3]见表1所示。 1.3检测系统构成 检测系统主要由排种器试验台、CCD摄像机、计算机和照明装置组成,见图1所示。排种器试验台主要由机架、排种器、调速电机、传动系统和调速控制器等组成。 1.4样本制备 试验时,调节CCD摄像机焦距和照明装置,直到种子流图像清晰时锁定焦距。试验
3、台控制排种器按设计的试验参数排种,CCD摄像机采集种子流视频信号并存储,即获得检测样本视频资料。 采用VC++编程或MATLAB软件图像处理工具箱对获得的视频资料进行处理。通过对原始图像进行差分、增强、二值化、中值滤波和腐蚀膨胀等处理,可得到清晰的帧种子图像样本,如图2所示 2 帧种子数识别 为了得到样本图像中的帧种子数,可采用MAT-LAB软件中计算图像对象数的命令bwlabeln(x)‘51,编写程序提取帧种子数特征,如图3所示。 图2所示的帧种子图像是比较理想的,实际得到的绝大部分图像如图4所示,会出现
4、种子重叠遮挡和含杂质现象,尤其是在高速条件下采集到的图像‘61。图像出现重叠遮挡和含杂质就会影像帧种子数统计的精度,为了提高帧种子数统计精度,文中采用种子投影面积来统计帧种子数。在提取帧种子数之前,先选取某个样本中的一部分帧图像,求出总面积后除以种子的总粒数,就得到了种子的平均面积。在帧种子数统计时,应用求面积函数x=bwarea()统计出帧图像中的种子面积,再与种子平均面积做比较,即可得到帧种子数。此方法可以很好地解决种子重叠遮挡和杂质现象。试验数据表明,采用面积法得到的帧种子数精度较高。 3 帧种子数应用 帧种子数样
5、本统计是为了进行排种器排种质量的估计。 3.1排种质量指标 精密排种器的排种质量指标采用漏播指数(M)、合格指数(A)和重播指数(D)等3项指标来衡量。M=p(XCS=0)×100 n(Xrs)一帧种子数频数,指帧种子数为戈瞪的帧 在样本里出现的次数; 以戈H)一帧种子数频率,指帧种子数为XFS的帧 在样本里出现的频率; nsp--样本容量,指样本中帧图像的总数。 3.3型孔种子数概率 对于非负整数集Ⅳ=to,1,2,…}(r,leⅣ),考察每帧图像,帧种子数XFS、帧型孔数XF
6、C、型孔种子数XCS和型孑L种子数频数n(x,。)可构成的模型为 式中XCS--型孔种子数Xcs(随机变量)的观测值,指 单个型孔排出的种子个数; xFC一帧型孔数,指帧图像里的种子所属排种型 孔的个数; n(Xcs)一型孔种子数频数,指型孔种子数为XCS 在样本里出现的次数。 由式(4)可知,要确定型孔种子数频率,首先应该确定帧型孔数。因种子从排种口排出后做自由落体运动,利用排种盘转速、半径、型孔数、图像大小和采样频率可以确定帧型孔数最大值,如表2所示。 根据手工检测结果,得到每帧图像中帧种
7、子数最小为O,最大为5。由此得到型孔种子数Xcs和帧种子数Xrs的限制条件为 0≤Xcs≤6 (5)O≤Xrs≤5 (6)根据式(2)、式(3)、式(4)、式(5)和式(6)可求得型孔种子数概率分布的一个估计,得到p(xcs=0)和p(XCS=1)时的概率,如表3所示。 由型孔种子数概率分布可以看出,型孔种子数为0的概率变化较大,说明转速和气压变化对漏播指标影响较大。 3.4 排种器排种质量指标的计算 根据式(1)和型孔种子数概率,可计算出精密排种器排种质量指标,如表4所示。 由排种质量分布
8、可以看出,气压的变化对漏播指标影响较为显著。在转速为70r/min、气压为4kPa时,漏播指数为8.31;气压为7kPa时,漏播指数增至50.12。这说明,在气压较大的情况下,型孔充种效果受到影响,部分种子被气流吹走,无
此文档下载收益归作者所有