玉米是世界上最重要的食物之一,也是生产最广泛的饲料谷物。考种是培育优质品种过程中不可或缺的步骤,是对于有关颜色、形状和损坏的评估。传统考种方式通常用肉眼观察玉米或者通过一些简单的测量工具如天平、游标卡尺等进行检测,这种方式是重复的且疲劳的作业,错误率高。随着计算机视觉技术的飞速发展以及玉米考种的广泛需求,使用计算机视觉对玉米进行自动考种就非常有必要。因此,本文设计一套基于计算机视觉技术的玉米考种系统,从几个方面优化了现有的算法,可以实现自动化高通量获取玉米表型性状参数,该系统具有精度高、效率高、全自动等特点。论文主要研究内容如下:(1)玉米果穗图像处理与参数提取算法。首先将玉米果穗完整分割,这包括图像预处理及分割识别两部分,其中,将粘连玉米果穗单独识别并分割是该算法的关键。分割算法的性能直接影响了玉米果穗表型性状参数的测量精度。在玉米果穗图像分割算法基础上,实现果穗参数(包括果穗数目、穗长、穗宽、秃尖长度)提取方法。以50份果穗图像为样本,结果显示系统中封装的该算法对样本做批量处理,穗数、穗长、穗宽的平均绝对百分比误差分别为0.50%,1.13%,2.96%,对于秃尖的测量是目前最为便捷的方法。使用如下配置的计算机:Intel(R)Core(TM)i5-4210U CPU@1.70GHZ 2.40GHZ,12G(RAM)而无需使用GPU的条件下,测试30张玉米果穗图像,大小960×720像素(约包含20-30根玉米穗)系统计时器显示平均每张样本处理时间为1.8s,表明该套算法具有准确度高、实时检测、效率高等特点。(2)玉米籽粒图像处理与参数提取算法。首先将玉米籽粒准确识别,这包括图像预处理及分割识别两部分,其中玉米籽粒边缘增强与精确识别是该算法的关键。识别精度直接决定了玉米籽粒表型性状参数的测量精度。实验中对8个玉米品种进行测试,该算法的平均识别正确率超过93.6%;批量测试结果显示该算法平均正确率超过94%,均比HoughCircle检测算法高10%左右。在玉米籽粒图像识别算法基础上,实现籽粒参数(包括籽粒数目、粒长、粒宽)提取方法,在当前的计算环境下平均每张样本图像的处理时间为0.82s。测试及定性分析结果表明,该套算法是有效的(比较结果显示比之前的方法精度高),且可以达到实时检测的要求。(3)玉米考种系统的总体设计。这包括图像采集,图像处理算法的集成,用户图形操作界面的设计。在数据处理方面也更加完善,既可以自动测量数据又能够自动记录、汇总数据,还能够根据需要以表格形式输出结果便于后续的科研工作。对软件系统的稳定性和兼容性测试表明,该软件达到了客户需求。