论文部分内容阅读
针对目前检测条播排种器性能的几种方法不能快速、准确检测条播排种器性能的特点,提出了一种基于机器视觉的条播排种器性能检测的方法,并对其检测精度做一定的研究分析。试验证明该方法是一种省时省力的快速非接触的检测方法,在排种器性能检测中具有重要的意义。 条播排种器性能,采用排种能力和排种均匀性二个指标表征,由排种量分布为基础计算而得,即排种量均值表征排种能力,标准差和变异系数表征排种均匀性。由于排种量分布可由帧种子数分布推得,为此确定视觉检测的图像特征量和研究对象分别为帧种子数和帧种子数的分布,并讨论了排种量与帧种子数和帧种子数分布的关系,为条播排种器视觉检测精度的研究提供了理论依据。 按照因子试验设计制定试验方案并组织实施,采集了小麦、玉米、大豆条播试验的视觉检测样本,每个试验选择三个重复,样本容量满足排种器30转的要求。利用MATLAB软件开发了条播排种器视觉检测方法的程序系统,研究结果主要包括:① 运用视频软件工具对所采集样本进行截取,并将MPEG格式的视频文件转化成AVI格式的视频软件。② 运用MATLAB程序把含有明度和彩度的真彩色样本图像变换成灰度图像。③ 在整个图像序列中挑选合适的帧图像作为背景图像,运用图像矩阵差分去除排种器壳和标尺等对象,再将差分矩阵变换成只含种子的图像。④ 选取合适的阈值对图像进行二值化处理,并采用二维中值滤波法去除噪声,保持了图像边缘信息,提高了图像处理质量;⑤ 运用程序语言统计帧图像中的种子数,并显示输出最终的检测结果。 通过运用计算机程序对样本图像中的帧种子数分布进行统计,与手工统计得到的种子数分布进行比较,得到这样的结果:小麦样本帧种子数频率的绝对误差在0.016粒/s～0.116粒/s之间,相对误差在33%～600%之间;大豆样本帧种子数频率的绝对误差在0.004粒/s～0.68粒/s之间,相对误差在6.5%～130%之间;玉米样本帧种子数频率的绝对误差在0.006粒/s～0.57粒/s之间,相对误差在17%～240%之间。结果表明:小麦样本在个别的工作长度或转速组合试验中,产生的误差较大,视觉检测精度降低;大豆和玉米样本在所有的工作长度和转速组合试验中,产生的误差较小,视觉检测精度较高。从图像数据处理、振动、环境的干扰、排种器试验机控制系统等几方面