基于机器视觉的大豆机械化收获质量在线监测方法

摘要：

针对大豆机械化收获过程中缺少联合收获机作业质量(破碎含杂率)在线监测装置的问题,提出了基于机器视觉的大豆机械化收获图像采集系统、大豆成分分类识别算法和谷物联合收获机作业质量监测方法.采用改进分水岭算法对大豆图像进行有效分割,筛选RGB和HSV颜色空间特征值,基于颜色特征值对分割后大豆图像各闭合区域进行分类识别,构建了量化评价模型,测试了算法的准确性,并进行了相关的田间试验.结果表明,R、S、H分量一阶矩特征值对大豆各成分具有较好的特征分离性,通过这3个分量颜色阈值能够很好地进行大豆成分分类;系统大豆完整籽粒查准率为87.26％、查全率为86.17％,大豆破碎籽粒查准率为86.45％、查全率为79.42％,大豆杂质查准率为85.19％、查全率为83.69％;在田间测试过程中,本文设计的检测方法对谷物联合收获机作业质量性能评定结果与人工检测一致.本文所提出的算法能快速、有效、稳定地识别完整籽粒、破碎籽粒和杂质,量化模型能准确计算出破碎含杂率,从而实现大豆机械化收获质量可视化监测与报警,可为智能谷物联合收获机参数在线监测及自适应控制策略研究提供技术支持.

关键词：大豆联合收获机、作业质量、在线监测、机器视觉、分类识别、分水岭算法

所属期刊栏目：52

分类号：TP391.41;S225.6(计算技术、计算机技术)

资助基金：国家重点研发计划项目;现代农业产业技术体系建设专项资金项目;中央公益性科研院所基本科研业务费专项资金项目

在线出版日期：2021-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：91-98