種子的質(zhì)量對于增產(chǎn)豐收具有重要的意義。為了準確檢測玉米種子是否有機械損傷裂紋,基于機器視覺技術(shù)提出了一種能自動提取玉米種子,并自動識別裂紋種子的方法。首先,采用最大類間方差法、數(shù)學(xué)形態(tài)學(xué)處理和區(qū)域?qū)傩远攘亢瘮?shù)提取單粒玉米種子圖像;進而,采用基于模糊集和浮雕算法的圖像增強方法與基于小波變換模極大值的邊緣檢測算法凸顯玉米種子的裂紋區(qū)域;最后,采用圖像相乘運算和數(shù)學(xué)形態(tài)學(xué)處理等方法去除種子的輪廓與種子區(qū)域的噪聲,并提取出玉米種子的裂紋區(qū)域。以"鄭單958"玉米種子為例,選取了160粒經(jīng)機械脫粒后外部輪廓形態(tài)基本完整的裂紋和無裂紋種子,對320幅胚面和胚乳面圖像的識別結(jié)果表明:該方法對胚面和胚乳面裂紋檢測的準確率分別為94.4%和86.9%,平均準確率為90.6%。本研究為基于機器視覺技術(shù)檢測裂紋玉米種子,保證種子的質(zhì)量,提高出苗率提供了技術(shù)支持。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1玉米種子圖像采集系統(tǒng)Fig．1Schematicdiagramofthesystemusedincapturingmaizeseedimages

陽光下進行適當(dāng)晾曬后使用輸出功率為4．2kW的高效玉米脫粒機(萬豐商貿(mào)有限公司制造)對試驗樣品進行機械脫粒操作;在脫粒后的玉米籽粒堆中隨機選擇外部輪廓形態(tài)基本完整的機械損傷裂紋種子與無破損種子共160粒(含320個面)作為實驗的樣本。1．2圖像采集設(shè)備圖1是采集玉米種子圖像的系統(tǒng)....

圖3標記圖中各種子位置并分別自動裁剪Fig．3Labelthepositionofeverymaizeseedinthepictureandautomaticallyclipthemrespectively

圖像求反，結(jié)果如圖2(c)所示，即玉米種子區(qū)域的二值圖像。圖2包含多粒種子的ＲGB圖像、H分量圖像及二值圖像Fig．2TheＲGBimage，Hcomponentimageandbinaryimagecontainingseveralseeds2．1．2數(shù)學(xué)形態(tài)學(xué)處理與種子自動提....

圖4種子的灰度圖像與基于模糊集的圖像增強結(jié)果Fig．4Thegrayscaleimageofmaizeseedandresultantimageafterimageenhancementbasedonfuzzy

2．2圖像增強與邊緣檢測2．2．1基于模糊集與浮雕算法的圖像增強要實現(xiàn)玉米種子機械損傷裂紋的提取，在檢測算法的前期處理中，應(yīng)當(dāng)對圖像進行增強處理以突出裂紋部分，本文采用基于模糊集的圖像增強方法對剪切后的單粒玉米種子的灰度圖像進行圖像增強。首先，將圖3(b)所示玉米種子的ＲGB圖像....

圖5浮雕化處理效果與基于小波變換模極大值的邊緣檢測結(jié)果Fig．5Theresultantimageafterembossmentalgorithmwasusedandtheobtainedimageafteredgedetectionalgorithmbasedon

imageafterimageenhancementbasedonfuzzy對二維圖像進行浮雕化處理，可以將原二維圖像中色彩灰度值變化明顯的地方較突出地體現(xiàn)出來，即原圖像中相鄰像素灰度值差異不大的區(qū)域，在浮雕化后的圖像中目視效果較柔和。在原圖像中相鄰像素灰度值差異較大的區(qū)域，在浮....

本文編號：3900392