穴盘苗发芽率在线视觉检测研究

摘要：

植物工厂实现大规模、高速和自动化作业需要快速、精准地掌握种苗发芽生长信息,在线检测是关键.本文设计了一套基于机器学习的在线视觉检测系统,用于检测穴盘苗的发芽率,并计算种苗的生长方向,进而定位种苗所在的穴位.该系统用数字相机联网技术,采集穴盘苗图像,基于机器学习方法制作训练样本,构建训练集和测试集,通过多视图融合方法估计每个穴位有苗的可信度,并依据可信度来判断发芽率情况.试验结果表明,单视图检测种苗速度快、误检率低,但检出率较低;采用多视图融合的方法后穴盘苗检出率达到95.16％,穴位检出率达到100％;本文提出的多视图融合估计可信度方法具有较高的检测精度,而且精度仍有提升的空间,研究结果可为单粒播种的大规模、高速和自动化作业提供技术参考.

关键词：植物工厂;机器学习;穴盘苗;机器视觉;在线视觉检测

所属期刊栏目：43

分类号：S62(设施园艺（保护地栽培）)

资助基金：广东省自然科学基金项目;广东省科技创新战略专项资金"攀登计划"专项资金项目

在线出版日期：2021-10-22（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：84-91