甘蔗是我国重要的经济作物,实现甘蔗生产全过程的机械化、自动化是产业发展的必然趋势。现有的甘蔗种植机械有实时切种式种植机和预切式种植机。其中,预切种式种植机具有播种效率高、用种少、小型化等特点,是甘蔗产业发展下诞生出的新型种植机,逐渐得到了推广和应用。但是目前预切种种植机种箱内用于播种的甘蔗种,主要由人工切种,人工切种时蔗芽损伤率会显著增加,且劳动强度大,效率低。因此,为了满足预切种种植机的发展需求,迫切需要研制一种甘蔗自动切种装备。本课题通过分析国内外切种装备和茎节识别的研究成果,结合自动控制、图像处理和深度学习等技术,研制了一种基于机器视觉的甘蔗多刀切种装备。主要研究内容如下:1.根据甘蔗种植的农艺要求和甘蔗的物理特性,提出了甘蔗输送、图像采集和切割的新方案,并设计了切种装备的总体结构和工作原理,在此基础上对切种装备的关键部件进行设计与选型,包括输送机构、采集机构和切割机构。利用Solidworks软件设计了切种装备三维模型,通过运动仿真,保证各运动机构不会发生干涉。2.以西门子PLC为控制器,通过分析控制系统的组成,构建了切种装备控制系统,详细阐述了输送系统、图像采集系统和切割系统的控制原理,设计了图像识别软件与PLC之间的通讯指令。控制系统的原理是:相机采集甘蔗图像并由图像识别软件定位茎节,通过人为设定与茎节的偏移量得到切割点,将切割点数据发送给PLC,由PLC控制多把切刀横向移动定位,并进行同步切种。3.以茎节识别为目的,设计了一种机器视觉和YOLOv3相结合的新算法。针对甘蔗姿态倾斜的问题,提出了基于仿射变换的图像纠偏方法。为消除复杂背景的干扰,设计了一种利用旋转矩阵来获取甘蔗感兴趣区域的方法。为提高算法的鲁棒性,设计了一种基于改进YOLOv3网络的茎节识别模型来初步定位茎节位置。针对YOLOv3网络模型识别结果中存在的两类错误,提出了改进边缘提取算法和茎节定位算法对甘蔗茎节进行准确识别和定位,离线试验表明,平均识别率为97.3%,识别时间为415ms。4.制作了甘蔗切种装备物理样机,对切种装备的切刀定位精度和切种性能进行试验验证,结果表明:在输送速度为200mm/s,切刀移动速度为150mm/s工作条件下,切刀定位精度远小于5mm,重复定位精度小于1mm;切种装备切割点平均误差为3.8mm。