千粒重是衡量谷物品质好坏的一个重要指标,但目前在千粒重测量中大都是人工分离、数粒和称重,这种方法费工费时,误差较大,针对这一问题,本文以玉米种子为研究对象,结合计算图像处理及识别技术,利用电磁振动机构,设计了一种能自动分离出玉米种子中杂物和破损种子的装置。其主要研究内容如下:1通过对谷物在斜面上的受力分析,用电磁线圈产生的脉动电磁力作为谷物排序的动力,设计了一种电磁振动排种机构,使被检测对象能单粒有序通过检测点。该装置使相对复杂的动力传动系统大大简化,结构简单,控制调节方便,不仅适用于谷物,还适用于其它颗粒对象;2用数码摄像机对玉米图像进行采集,采集到的图像质量好,而且数码摄像机,适用于现场数据采集,使用灵活方便;3在图像低层处理中,选用了中值滤波法,计算速度快,能满足设计要求;在边缘检测中选用了Sobel算子,易于把图像从背景中分离出来,效果比较好;4由于谷物位置的不确定性,在被测对象的特征提取中,采用了一种改进的不变矩特征量的算法,该算法通过改变比例因子使不变矩的特征量不仅在连续状态下具有不变性,而且在平移和旋转的状态下也具有了不变性,使识别正确率大大提高。实际结果表明这种识别方法有良好的分类效果,具有一定实际价值;5根据玉米的形态结构特征,提出了一组能够区别合格玉米与破损玉米的形态结构特征参数,该参数包括形状参数、大小等7个参数,通过所提取的特征参数,运用BP神经网络分类算法对图像进行分类识别,识别准确率达99%;6采用红外光电耦合型传感器和高灵敏度称重传感器对被测对象进行监测与称重,工作可靠,精度和灵敏度也得到提高。在分离时采用了直流电机的正反转分离合格也不合格的谷物,控制简单;7利用PC机与单片机的串行接口,进行了PC机与单片机之间的串口通信设计及硬件连接,工作可靠;8在Matlab7.0环境下,进行了图像识别的软件设计,利用其强大的数值计算功能、图像处理函数及其自身所带的工具箱,完成了谷物图像的滤波、边缘检测和特征参数的计算、人工神经网络的建立、串口设备对象的操作等。