CN113063704B - 颗粒饱满程度解析平台及方法 - Google Patents
颗粒饱满程度解析平台及方法 Download PDFInfo
- Publication number
- CN113063704B CN113063704B CN202011396786.5A CN202011396786A CN113063704B CN 113063704 B CN113063704 B CN 113063704B CN 202011396786 A CN202011396786 A CN 202011396786A CN 113063704 B CN113063704 B CN 113063704B
- Authority
- CN
- China
- Prior art keywords
- corn
- particle
- grain
- image
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000002245 particle Substances 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 17
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims abstract description 153
- 240000008042 Zea mays Species 0.000 claims abstract description 152
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims abstract description 152
- 235000005822 corn Nutrition 0.000 claims abstract description 152
- 230000007246 mechanism Effects 0.000 claims abstract description 49
- 238000003780 insertion Methods 0.000 claims abstract description 35
- 230000037431 insertion Effects 0.000 claims abstract description 35
- 238000007689 inspection Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 238000013481 data capture Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 239000008187 granular material Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 239000000976 ink Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 208000003643 Callosities Diseases 0.000 description 3
- 206010020649 Hyperkeratosis Diseases 0.000 description 3
- 238000010899 nucleation Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 108010050181 aleurone Proteins 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 239000004472 Lysine Substances 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 241000482268 Zea mays subsp. mays Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0272—Investigating particle size or size distribution with screening; with classification by filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N2015/0277—Average size only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Dispersion Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种颗粒饱满程度解析平台及方法，所述平台包括：随机筛选机构，用于在传送玉米棒体的传送皮带上随机选取单个玉米棒体并推送到即时插入设备的下方的检验容器内；检验容器，为长条形容器结构，用于将所述单个玉米棒体保持垂直放置状态；即时插入设备，包括第一驱动电机和插入悬臂，所述插入悬臂的顶端与所述第一驱动电机连接，用于受控于所述第一驱动电机进行上下运动，所述插入悬臂的末端为尖锐插件。本发明的颗粒饱满程度解析平台及方法设计紧凑、运行智能。能够采用包括随机筛选机构、检验容器、即时插入设备和数据捕获机构的定制检测平台对随机筛选的单个玉米棒体的颗粒饱满程度进行针对性的分析。
Description
技术领域
本发明涉及农作物检验领域，尤其涉及一种颗粒饱满程度解析平台及方法。
背景技术
农作物是农业上栽培的各种植物。包括粮食作物﹑经济作物（油料作物、蔬菜作物、花、草、树木）两大类。"人以食为天"，表达了人与食物的关系，合理的膳食搭配才能给人类带来健康。农作物的生长，离不开科学的科技生产技术，以及新型工业制造出来的能辅助农业生产的机械设备。
例如，玉米种植的土壤需要在秋季深翻，利用冬季的低温杀灭土壤里的寄生虫。进入播种期时，才能保证秧苗的成活率。简单的播种是用镐头在高坡地，刨出合适的小坑，浇入适量的水后，等水渗入地表后再点种子，培上土，用脚轻轻踩一下，完成初栽过程，后期根据不同成长阶段，在玉米苗一侧的边缘处进行合理的施肥，最后给玉米苗浇上适量的水。大型大面积的播种，需要科学合理的播种前的准备工作，玉米属于高坡作物，种植时需要垄沟，将玉米种植在沟垄上的平面土壤里。垄上精量点播，一般情况下，播种与施肥作业一次完成，种子和肥料间距应保持在侧5cm，深3cm。
现有技术中，作为重要的农作物产品之一，玉米的颗粒饱满程度是判断玉米质量优劣的关键要素。一般地，采用人工模式对每一个玉米棒体的各个颗粒进行肉眼观测和人工分类，显然，这种检验模式不仅消耗了大量的人工成本，同时也需要花费大量的时间，更关键的是，其检验结果也很难得到保障。
发明内容
为了解决相关领域的技术问题，本发明提供了一种颗粒饱满程度解析平台，能够采用包括随机筛选机构、检验容器、即时插入设备和数据捕获机构的定制检测平台对随机筛选的单个玉米棒体的颗粒饱满程度进行针对性的分析。
为此，本发明需要具备以下三处重要的发明点：
（1）引入包括随机筛选机构、检验容器、即时插入设备和数据捕获机构的定制检测平台，实现单个玉米棒体的随机筛选以及周身视觉信号的现场捕获；
（2）采用随机筛选的模式对单个玉米棒体的饱满程度进行分析，以判断所述单个玉米棒体所在批次的玉米的质量优劣程度；
（3）引入针对性的视觉检测机制对单个玉米棒体周身各个颗粒的实体分布面积进行实时检测，为判断单个玉米棒体的饱满程度提供关键数据。
根据本发明的一方面，提供了一种颗粒饱满程度解析平台，所述平台包括：
随机筛选机构，用于在传送玉米棒体的传送皮带上随机选取单个玉米棒体并推送到即时插入设备的下方的检验容器内；
检验容器，为长条形容器结构，用于接收推送到来的单个玉米棒体以将所述单个玉米棒体保持垂直放置状态；
即时插入设备，包括第一驱动电机和插入悬臂，所述插入悬臂的顶端与所述第一驱动电机连接，用于受控于所述第一驱动电机进行上下运动，所述插入悬臂的末端为尖锐插件，用于在所述插入悬臂运动到低位时，插入所述单个玉米棒体，并在所述插入悬臂回归到高位时，带动被插入的单个玉米棒体以使得所述单个玉米棒体保持悬置状态；
数据捕获机构，与所述即时插入设备连接，设置在所述高位的侧面，用于在所述单个玉米棒体保持悬置状态时，围绕所述单个玉米棒体进行水平面上的圆周运动，并在圆周运动时始终保持镜头面积所述单个玉米棒体，以捕获所述单个玉米棒体对应的全景图像并作为棒体周身图像输出；
第一滤波设备，设置在所述检验容器的附近，通过蓝牙通信链路与所述数据捕获机构无线连接，用于对接收到的棒体周身图像执行平滑空间滤波处理，以获得并输出相应的第一滤波图像；
第二滤波设备，与所述第一滤波设备连接，用于对接收到的第一滤波图像执行边缘保持平滑滤波处理，以获得并输出相应的第二滤波图像；
内容处理机构，与所述第二滤波设备连接，用于对接收到的第二滤波图像执行伪影去除处理，以获得对应的内容处理图像；
颗粒识别设备，与所述内容处理机构连接，用于基于构成玉米颗粒的像素的黄色通道值的分布范围识别所述内容处理图像中的各个玉米颗粒像素，并基于所述内容处理图像的各个玉米颗粒像素获取所述内容处理图像中的各个玉米颗粒对象；
信息解析机构，与所述颗粒识别设备连接，用于基于每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量以及每一个玉米颗粒对象在所述内容处理图像中的景深值估算对应的玉米颗粒对象的实体分布面积；
参数判断设备，与所述信息解析机构连接，用于基于各个玉米颗粒对象的各个实体分布面积确定述单个玉米棒体的玉米颗粒的饱满程度。
根据本发明的另一方面，还提供了一种颗粒饱满程度解析方法，所述方法包括使用如上述的颗粒饱满程度解析平台以引入包括随机筛选机构、检验容器、即时插入设备和数据捕获机构的定制检测平台对随机筛选的单个玉米棒体的颗粒饱满程度进行针对性的分析。
本发明的颗粒饱满程度解析平台及方法设计紧凑、运行智能。能够采用包括随机筛选机构、检验容器、即时插入设备和数据捕获机构的定制检测平台对随机筛选的单个玉米棒体的颗粒饱满程度进行针对性的分析。
具体实施方式
下面将对本发明的颗粒饱满程度解析平台及方法的实施方案进行详细说明。
玉米的物理性状由粒色、粒形、种皮光泽、粒长、粒宽、百粒重、粒径、籽粒均匀程度和硬实率等指标组成。玉米籽粒颜色包括种皮、糊粉层（富含蛋白质，也被称为蛋白质层）以及胚乳三部分。在大多数情况下，玉米成熟籽粒胚乳的颜色是黄色或白色，种皮和糊粉层没有颜色，呈透明状。根据玉米籽粒的颜色不同，玉米有黄玉米、白玉米和混合玉米三种。根据玉米籽粒形态、硬度及不同用途，玉米分为普通玉米（硬粒型、中间型、马齿型、硬偏马型、马偏硬型）和特种玉米（高赖氨酸玉米、高油玉米、甜玉米、爆裂玉米、糯玉米）两种。玉米形状和大小因品种不同有所不同，一般玉米长8-12mm，宽7-10mm，厚3-7mm，如果玉米颗粒之间差异太大，会使玉米在加工过程中难以清洗和破碎。
现有技术中，作为重要的农作物产品之一，玉米的颗粒饱满程度是判断玉米质量优劣的关键要素。一般地，采用人工模式对每一个玉米棒体的各个颗粒进行肉眼观测和人工分类，显然，这种检验模式不仅消耗了大量的人工成本，同时也需要花费大量的时间，更关键的是，其检验结果也很难得到保障。
为了克服上述不足，本发明搭建了一种颗粒饱满程度解析平台及方法，能够有效解决相应的技术问题。
根据本发明实施方案示出的颗粒饱满程度解析平台包括：
随机筛选机构，用于在传送玉米棒体的传送皮带上随机选取单个玉米棒体并推送到即时插入设备的下方的检验容器内；
检验容器，为长条形容器结构，用于接收推送到来的单个玉米棒体以将所述单个玉米棒体保持垂直放置状态；
即时插入设备，包括第一驱动电机和插入悬臂，所述插入悬臂的顶端与所述第一驱动电机连接，用于受控于所述第一驱动电机进行上下运动，所述插入悬臂的末端为尖锐插件，用于在所述插入悬臂运动到低位时，插入所述单个玉米棒体，并在所述插入悬臂回归到高位时，带动被插入的单个玉米棒体以使得所述单个玉米棒体保持悬置状态；
数据捕获机构，与所述即时插入设备连接，设置在所述高位的侧面，用于在所述单个玉米棒体保持悬置状态时，围绕所述单个玉米棒体进行水平面上的圆周运动，并在圆周运动时始终保持镜头面积所述单个玉米棒体，以捕获所述单个玉米棒体对应的全景图像并作为棒体周身图像输出；
第一滤波设备，设置在所述检验容器的附近，通过蓝牙通信链路与所述数据捕获机构无线连接，用于对接收到的棒体周身图像执行平滑空间滤波处理，以获得并输出相应的第一滤波图像；
第二滤波设备，与所述第一滤波设备连接，用于对接收到的第一滤波图像执行边缘保持平滑滤波处理，以获得并输出相应的第二滤波图像；
内容处理机构，与所述第二滤波设备连接，用于对接收到的第二滤波图像执行伪影去除处理，以获得对应的内容处理图像；
颗粒识别设备，与所述内容处理机构连接，用于基于构成玉米颗粒的像素的黄色通道值的分布范围识别所述内容处理图像中的各个玉米颗粒像素，并基于所述内容处理图像的各个玉米颗粒像素获取所述内容处理图像中的各个玉米颗粒对象；
信息解析机构，与所述颗粒识别设备连接，用于基于每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量以及每一个玉米颗粒对象在所述内容处理图像中的景深值估算对应的玉米颗粒对象的实体分布面积；
参数判断设备，与所述信息解析机构连接，用于基于各个玉米颗粒对象的各个实体分布面积确定述单个玉米棒体的玉米颗粒的饱满程度。
接着，继续对本发明的颗粒饱满程度解析平台的具体结构进行进一步的说明。
所述颗粒饱满程度解析平台中：
基于各个玉米颗粒对象的各个实体分布面积确定述单个玉米棒体的玉米颗粒的饱满程度包括：各个玉米颗粒对象的各个实体分布面积的均值越大，确定的单个玉米棒体的玉米颗粒的饱满程度越高。
所述颗粒饱满程度解析平台中：
基于每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量以及每一个玉米颗粒对象在所述内容处理图像中的景深值估算对应的玉米颗粒对象的实体分布面积包括：每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量越多，估算的对应的玉米颗粒对象的实体分布面积越大。
所述颗粒饱满程度解析平台中：
基于每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量以及每一个玉米颗粒对象在所述内容处理图像中的景深值估算对应的玉米颗粒对象的实体分布面积包括：每一个玉米颗粒对象在所述内容处理图像中的景深值越深，估算的对应的玉米颗粒对象的实体分布面积越大。
所述颗粒饱满程度解析平台中：
构成玉米颗粒的像素的黄色通道值的分布范围为构成玉米颗粒的像素在CMYK颜色空间下Y通道值即黄色通道值的分布范围。
所述颗粒饱满程度解析平台中：
每一个像素在CMYK颜色空间下的各个颜色通道分别为C通道即青色通道、M通道即洋红色通道、Y通道即黄色通道和K通道即黑色通道。
所述颗粒饱满程度解析平台中还可以包括：
第二驱动电机，与所述数据捕获机构连接，用于带动所述数据捕获机构进行水平面上的圆周运动。
所述颗粒饱满程度解析平台中还可以包括：
电压转换机构，分别与所述参数判断设备、所述信息解析机构和所述颗粒识别设备连接。
所述颗粒饱满程度解析平台中：
所述电压转换机构用于分别为所述参数判断设备、所述信息解析机构和所述颗粒识别设备提供各自工作所需要的供电电压。
同时，为了克服上述不足，本发明还搭建了一种颗粒饱满程度解析方法，所述方法包括使用如上述的颗粒饱满程度解析平台以引入包括随机筛选机构、检验容器、即时插入设备和数据捕获机构的定制检测平台对随机筛选的单个玉米棒体的颗粒饱满程度进行针对性的分析。
另外，在所述颗粒饱满程度解析平台中，针对CMYK颜色空间，色彩是人的眼睛对于不同频率的光线的不同感受，色彩既是客观存在的（不同频率的光）又是主观感知的，有认识差异。所以人类对于色彩的认识经历了极为漫长的过程，直到近代才逐步完善起来，但至今，人类仍不能说对色彩完全了解并准确表述了，许多概念不是那么容易理解。“色彩空间”一词源于西方的“ColorSpace”，又称作“色域”，色彩学中，人们建立了多种色彩模型，以一维、二维、三维甚至四维空间坐标来表示某一色彩，这种坐标系统所能定义的色彩范围即色彩空间。我们经常用到的色彩空间主要有RGB、CMYK、Lab等。CMYK印刷过程中使用减法混色法，因为它描述的是需要使用何种油墨，通过光的反射显示出颜色。它是在一种白色介质(画板,页面等)上使用油墨来体现图像。CMYK描述的是青，品红，黄和黑四种油墨的数值。根据不同的油墨，介质，和印刷特性，存在多种CMYK色彩空间。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：只读内存（英文：Read-Only Memory，简称：ROM）、随机存取存储器（英文：Random Access Memory，简称：RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种颗粒饱满程度解析平台，其特征在于，所述平台包括：
随机筛选机构，用于在传送玉米棒体的传送皮带上随机选取单个玉米棒体并推送到即时插入设备的下方的检验容器内；
检验容器，为长条形容器结构，用于接收推送到来的单个玉米棒体以将所述单个玉米棒体保持垂直放置状态；
即时插入设备，包括第一驱动电机和插入悬臂，所述插入悬臂的顶端与所述第一驱动电机连接，用于受控于所述第一驱动电机进行上下运动，所述插入悬臂的末端为尖锐插件，用于在所述插入悬臂运动到低位时，插入所述单个玉米棒体，并在所述插入悬臂回归到高位时，带动被插入的单个玉米棒体以使得所述单个玉米棒体保持悬置状态；
数据捕获机构，与所述即时插入设备连接，设置在所述高位的侧面，用于在所述单个玉米棒体保持悬置状态时，围绕所述单个玉米棒体进行水平面上的圆周运动，并在圆周运动时始终保持镜头面积所述单个玉米棒体，以捕获所述单个玉米棒体对应的全景图像并作为棒体周身图像输出；
第一滤波设备，设置在所述检验容器的附近，通过蓝牙通信链路与所述数据捕获机构无线连接，用于对接收到的棒体周身图像执行平滑空间滤波处理，以获得并输出相应的第一滤波图像；
第二滤波设备，与所述第一滤波设备连接，用于对接收到的第一滤波图像执行边缘保持平滑滤波处理，以获得并输出相应的第二滤波图像；
内容处理机构，与所述第二滤波设备连接，用于对接收到的第二滤波图像执行伪影去除处理，以获得对应的内容处理图像；
颗粒识别设备，与所述内容处理机构连接，用于基于构成玉米颗粒的像素的黄色通道值的分布范围识别所述内容处理图像中的各个玉米颗粒像素，并基于所述内容处理图像的各个玉米颗粒像素获取所述内容处理图像中的各个玉米颗粒对象；
信息解析机构，与所述颗粒识别设备连接，用于基于每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量以及每一个玉米颗粒对象在所述内容处理图像中的景深值估算对应的玉米颗粒对象的实体分布面积；
参数判断设备，与所述信息解析机构连接，用于基于各个玉米颗粒对象的各个实体分布面积确定述单个玉米棒体的玉米颗粒的饱满程度；
其中，基于各个玉米颗粒对象的各个实体分布面积确定述单个玉米棒体的玉米颗粒的饱满程度包括：各个玉米颗粒对象的各个实体分布面积的均值越大，确定的单个玉米棒体的玉米颗粒的饱满程度越高；
其中，基于每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量以及每一个玉米颗粒对象在所述内容处理图像中的景深值估算对应的玉米颗粒对象的实体分布面积包括：每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量越多，估算的对应的玉米颗粒对象的实体分布面积越大。
2.如权利要求1所述的颗粒饱满程度解析平台，其特征在于：
基于每一个玉米颗粒对象在所述内容处理图像中占据的像素的数量以及每一个玉米颗粒对象在所述内容处理图像中的景深值估算对应的玉米颗粒对象的实体分布面积包括：每一个玉米颗粒对象在所述内容处理图像中的景深值越深，估算的对应的玉米颗粒对象的实体分布面积越大。
3.如权利要求2所述的颗粒饱满程度解析平台，其特征在于：
构成玉米颗粒的像素的黄色通道值的分布范围为构成玉米颗粒的像素在CMYK颜色空间下Y通道值即黄色通道值的分布范围。
4.如权利要求3所述的颗粒饱满程度解析平台，其特征在于：
每一个像素在CMYK颜色空间下的各个颜色通道分别为C通道即青色通道、M通道即洋红色通道、Y通道即黄色通道和K通道即黑色通道。
5.如权利要求4所述的颗粒饱满程度解析平台，其特征在于，所述平台还包括：
第二驱动电机，与所述数据捕获机构连接，用于带动所述数据捕获机构进行水平面上的圆周运动。
6.如权利要求5所述的颗粒饱满程度解析平台，其特征在于，所述平台还包括：
电压转换机构，分别与所述参数判断设备、所述信息解析机构和所述颗粒识别设备连接。
7.如权利要求6所述的颗粒饱满程度解析平台，其特征在于：
所述电压转换机构用于分别为所述参数判断设备、所述信息解析机构和所述颗粒识别设备提供各自工作所需要的供电电压。
8.一种颗粒饱满程度解析方法，所述方法包括使用如权利要求1-7任一所述的颗粒饱满程度解析平台以引入包括随机筛选机构、检验容器、即时插入设备和数据捕获机构的定制检测平台对随机筛选的单个玉米棒体的颗粒饱满程度进行针对性的分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011396786.5A CN113063704B (zh) | 2020-12-04 | 2020-12-04 | 颗粒饱满程度解析平台及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011396786.5A CN113063704B (zh) | 2020-12-04 | 2020-12-04 | 颗粒饱满程度解析平台及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113063704A CN113063704A (zh) | 2021-07-02 |
| CN113063704B true CN113063704B (zh) | 2022-03-11 |
Family
ID=76559106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011396786.5A Expired - Fee Related CN113063704B (zh) | 2020-12-04 | 2020-12-04 | 颗粒饱满程度解析平台及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113063704B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957313A (zh) * | 2010-09-21 | 2011-01-26 | 吉林大学 | 鲜玉米果穗质量的计算机视觉检测分级方法及装置 |
| CN104197866A (zh) * | 2014-07-28 | 2014-12-10 | 山东农业大学 | 玉米籽粒剖面角质与粉质百分比的定量测定方法 |
| CN104598908A (zh) * | 2014-09-26 | 2015-05-06 | 浙江理工大学 | 一种农作物叶部病害识别方法 |
| CN105806401A (zh) * | 2016-03-03 | 2016-07-27 | 中国农业大学 | 一种用于玉米果穗室内快速考种的三维图像检测系统 |
| CN106127692A (zh) * | 2016-02-25 | 2016-11-16 | 哈尔滨理工大学 | 可用于灰度和彩色图像的双边回归滤波方法 |
| CN106296644A (zh) * | 2015-06-10 | 2017-01-04 | 浙江托普云农科技股份有限公司 | 一种基于图像处理的玉米籽粒考种分析方法 |
| CN108257136A (zh) * | 2018-02-09 | 2018-07-06 | 天津海达奥普光电技术股份有限公司 | 一种玉米种子形状特征提取的图像分割方法 |
| CN108445007A (zh) * | 2018-01-09 | 2018-08-24 | 深圳市华汉伟业科技有限公司 | 一种基于图像融合的检测方法及其检测装置 |
| CN110490868A (zh) * | 2019-08-23 | 2019-11-22 | 陈�峰 | 一种基于计算机视觉玉米穗粒数的无损计数方法 |
| CN110782394A (zh) * | 2019-10-21 | 2020-02-11 | 中国人民解放军63861部队 | 全景视频快速拼接方法及系统 |
| CN110967339A (zh) * | 2018-09-29 | 2020-04-07 | 北京瑞智稷数科技有限公司 | 一种玉米果穗性状分析的方法及装置、玉米性状分析设备 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140123344A1 (en) * | 2011-05-17 | 2014-05-01 | Basf Plant Science Company Gmbh | Plants Having Enhanced Yield-Related Traits and Method for Making the Same |
| CN103065352B (zh) * | 2012-12-20 | 2015-04-15 | 北京农业信息技术研究中心 | 一种基于图像和扫描数据的植株三维重建方法 |
| US10186029B2 (en) * | 2014-09-26 | 2019-01-22 | Wisconsin Alumni Research Foundation | Object characterization |
| US10115187B2 (en) * | 2015-01-30 | 2018-10-30 | Raytheon Company | Apparatus and processes for classifying and counting corn kernels |
| CN104732564B (zh) * | 2015-04-03 | 2018-06-19 | 中国农业科学院农业信息研究所 | 一种玉米叶面积无损动态监测装置与方法 |
| CN110357380A (zh) * | 2018-04-02 | 2019-10-22 | 江苏凯亚环保科技有限公司 | 一种滤隙自清洗式固液分离装置 |
-
2020
- 2020-12-04 CN CN202011396786.5A patent/CN113063704B/zh not_active Expired - Fee Related
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957313A (zh) * | 2010-09-21 | 2011-01-26 | 吉林大学 | 鲜玉米果穗质量的计算机视觉检测分级方法及装置 |
| CN104197866A (zh) * | 2014-07-28 | 2014-12-10 | 山东农业大学 | 玉米籽粒剖面角质与粉质百分比的定量测定方法 |
| CN104598908A (zh) * | 2014-09-26 | 2015-05-06 | 浙江理工大学 | 一种农作物叶部病害识别方法 |
| CN106296644A (zh) * | 2015-06-10 | 2017-01-04 | 浙江托普云农科技股份有限公司 | 一种基于图像处理的玉米籽粒考种分析方法 |
| CN106127692A (zh) * | 2016-02-25 | 2016-11-16 | 哈尔滨理工大学 | 可用于灰度和彩色图像的双边回归滤波方法 |
| CN105806401A (zh) * | 2016-03-03 | 2016-07-27 | 中国农业大学 | 一种用于玉米果穗室内快速考种的三维图像检测系统 |
| CN108445007A (zh) * | 2018-01-09 | 2018-08-24 | 深圳市华汉伟业科技有限公司 | 一种基于图像融合的检测方法及其检测装置 |
| CN108257136A (zh) * | 2018-02-09 | 2018-07-06 | 天津海达奥普光电技术股份有限公司 | 一种玉米种子形状特征提取的图像分割方法 |
| CN110967339A (zh) * | 2018-09-29 | 2020-04-07 | 北京瑞智稷数科技有限公司 | 一种玉米果穗性状分析的方法及装置、玉米性状分析设备 |
| CN110490868A (zh) * | 2019-08-23 | 2019-11-22 | 陈�峰 | 一种基于计算机视觉玉米穗粒数的无损计数方法 |
| CN110782394A (zh) * | 2019-10-21 | 2020-02-11 | 中国人民解放军63861部队 | 全景视频快速拼接方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| "Predicting kernel processing score of harvested and processed corn silage via image processing techniques";Jessica L. Drewry 等;《Computers and Electronics in Agriculture》;20190531;第160卷;第144-152页 * |
| "鲜玉米果穗自动分级方法研究";王慧慧;《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅰ辑》;20110915(第9期);B024-4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113063704A (zh) | 2021-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vollmann et al. | Digital image analysis and chlorophyll metering for phenotyping the effects of nodulation in soybean | |
| Sena Jr et al. | Fall armyworm damaged maize plant identification using digital images | |
| Burridge et al. | Legume shovelomics: high—throughput phenotyping of common bean (Phaseolus vulgaris L.) and cowpea (Vigna unguiculata subsp, unguiculata) root architecture in the field | |
| Wilke et al. | Assessment of plant density for barley and wheat using UAV multispectral imagery for high-throughput field phenotyping | |
| Hairuddin et al. | Overview of image processing approach for nutrient deficiencies detection in Elaeis Guineensis | |
| Knott | A key for stages of development of the faba bean (Vicia faba) | |
| Loresco et al. | Color space analysis using KNN for lettuce crop stages identification in smart farm setup | |
| CN108537164B (zh) | 基于无人机遥感的点穴播种出芽率监测方法与装置 | |
| CN105092489A (zh) | 基于藻类高光谱信号的水体残留农药检测方法 | |
| Horgan et al. | Changes in reflectance of rice seedlings during planthopper feeding as detected by digital camera: Potential applications for high-throughput phenotyping | |
| CN113063704B (zh) | 颗粒饱满程度解析平台及方法 | |
| Wiwart et al. | Variation in the morphometric parameters of seeds of spring and winter genotypes of Camelina sativa (L.) Crantz | |
| Gupta et al. | Applications of RGB color imaging in plants | |
| Kaya | Confectionery sunflower production in Turkey | |
| Dhanesha et al. | Segmentation of arecanut bunches using YCgCr color model | |
| US11393193B1 (en) | Zone management generation from point samples | |
| Abdelsalam et al. | Determination of color properties of some seeds. | |
| Dong et al. | Chilling injury segmentation of tomato leaves based on fluorescence images and improved k-means++ clustering | |
| Mahajan | Monitoring growth of wheat crop using digital image processing | |
| CN109073622A (zh) | 用于对植物的一个或多个特征的处理的高产出测试的方法和设备 | |
| Brunori et al. | Field survey and UAV remote sensing as tools for evaluating the canopy management effects in smallholder grapevine farm | |
| Tohidloo et al. | Development of an image analysis aided seedling growth test for winter oilseed rape and verification as a vigour test | |
| Silva et al. | UAV Remote Sensing for Blackberry Flower Intensity Assessment | |
| Peter | DETERMINATION OF THE OPTIMUM MATURITY OF NEW RICE FOR AFRICA USING ARTIFICIAL NEURAL NETWORK | |
| Sharma et al. | Predict growth stages of wheat crop using digital image processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220217 Address after: 442200 Ming and Qing Industrial Park, Chengguan Town, Zhushan County, Shiyan City, Hubei Province Applicant after: HUBEI PEIFENG BIOTECHNOLOGY Co.,Ltd. Address before: 225300 601a, building 1, No. 98, Yingchun East Road, hailing Industrial Park, Taizhou City, Jiangsu Province Applicant before: Taizhou langjiaxin Network Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220311 |