论文部分内容阅读
我国是世界上的人口大国,而种子作为最基本的农业生产资料,其重要程度不言而喻,种子质量的好坏直接影响到我国的农业和经济的发展。随着我国经济的快速发展,百姓所要求的也从原来的温饱,发展到现在的质量水平。然而在近几年的调查中发现,我国在蔬菜作物市场份额的竞争方面还处于被动的地位。想要提高我国农业的发展,促进农业在世界的竞争力,种子的质量是关键的一环,所以对于农业生产线来说,种子的筛选变成了重中之重。由于经济和科学水平的限制,传统的种子质量检测有着筛选效率低、对种子的伤害大、对检测人员也有一定的伤害、工序繁琐、不予与操作等很多缺陷。随着自动化、智能化、数字化的发展,传统的筛选方法已经无法满足农业生产的需要,因此本文基于先进的技术手段去探索实施新的质量检测方法。本文使用黄瓜为代表的蔬菜种子作为样本,探索基于可视化机械技术、智能化数字化的种子质量筛选技术,首先,对基于机器视觉技术对蔬菜种子进行特征值提取的各种现状研究进行整合并加以分析,结合不同的提取方法的不同点及优缺点,根据已知设计一个初步的特征提取设计方案。然后,通过对种子得到图像进行处理达到特征提取时所需要的要求,进行图像处理。根据对图像处理不同方法的研究,选择适合的灰度处理、图像滤波处理、边缘检测、图像分割处理等不同处理方式。将处理好的图像根据设计的提取思路进行特征值提取,得到面积、周长、伸长度、圆度、颜色等几个方面的特征值并建立数据库。接着本文选择了人工神经网络中使用最为广泛的BP神经网络系统。同时,为了增强训练效果,在训练样本数据前本文在BP神经网络增加了附加动量法和自适应调整学习率的设计。最后,通过视觉开发工具系统设计种子特征值的提取系统,基于该平台对种子特征值提取、筛选等各个模块进行系统构建,并设计操作程序流程。通过该平台达到将蔬菜种子特征值直观显示并进行分类的目的。实验结果显示,本文基于机械可视化技术的种子识别分选系统可以快速准确的识别提取种子特征,分选效果满意。