机器视觉实现对谷物颗粒计数开题报告

1. 研究目的与意义

随着计算机技术的飞速发展、人工智能的日臻成熟，数字图像处理技术广泛用于工业、军事、农业等各个领域。本论文的主要任务是利用数字图像处理技术及自动计数应用到农作物种子的计数和筛选上。该研究是工农交叉性研究，在一定程度上促进了农业及林业领域信息化的发展建设，为机器视觉的农作物种子自动计数迅速发展提供了强有力的技术支持，从而对推动经济的跨越发展起到了重要作用。20世纪20年代，图像处理首次得到应用。20世纪60年代中期，随电子计算机的发展得到普遍应用。60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。数字图像处理主要研究以下内容：傅立叶变换、小波变换等各种图像变换；对图像进行编码和压缩；采用各种方法对图像进行复原和增强；对图像进行分割、描述和识别等。随着技术的发展，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。

2. 课题关键问题和重难点

关键问题：

（1）图像的预处理算法；

（2）图片单位面积内农作物种子的自动计数方法。

3. 国内外研究现状（文献综述）

本系统由计算机、图像采集卡、两个ccd摄像机和光照箱等组成。软件采用vc 6.0编写实现；图像采集卡选用加拿大matroxmorphis采集卡，支持采集两个独立的视频源图像和外部触发；摄像机可在外触发模式下工作；光照箱由四块规格为400mm650mm乳白色abs塑料板组成，分别安装在机构的一侧，乳白色abs塑料板和白色荧光灯构成葡萄处理图像背景颜色。两个ccd摄像机分别安装在光照箱两侧，谷物在经过采集区域时，双路ccd摄像头采集两幅正反表面的谷物信息。

本研究首先进行整穗颗粒数的曲线拟合，选取谷物研究样本，统计谷物面积和整穗颗粒数的数据，分别用5种模型对数据进行最小二乘法拟合，选取拟合度最大，残差平方和最小的方程作为最优拟合方程，从而得到关于果面面积的拟合方程整穗颗粒计数方程。然后将该最优拟合方程运用于谷物分级试验平台，通过将ccd摄像机所获取谷物面积带入最优拟合方程，以达到达到颗粒计数检测的目的。

目前,国外用机器视觉技术进行农产品品质自动识别的研究对象极其广泛。例如对果品、蔬菜的识别和分级系统研究较多,而且有一部分研究成果已经被应用于实际的生产中,而对谷物的识别和分级还处于初级阶段,这主要是受人们观念的影响。认为在谷物的识别和分级中,对大米的研究还有一定的价值,是因为大米的品质和精度等级直接决定其销售情况。而小麦由于一般要磨成粉,因此,消费者不关心其品质及等级。而玉米由于绝大部分是作为饲料,因此更无研究的必要。正是由于诸多原因使得机器视觉技术在谷物品种、品质识别以及分级方面的研究很缓慢。 大米、小麦、玉米有许多品种,不同的地域适合种植不同的品种,不同的生产目的要求不同的品质。例如,生产方便面需要高蛋白、高筋力的小麦品种,品质不合要求会影响方便面的质量。因此,品种、品质的鉴定非常重要。人工鉴定易受各种因素的影响,有很大的局限性。同时,作为农产品的种子,其品质鉴定和分级同样十分重要。应用机器视觉技术可以将种子中的异类挑出,保证了种子的纯度。同时,将影响种植效益的劣种剔除可以大大提高生产效益。 总之,机器视觉技术在谷物的识别和分级方面的研究有待于进一步的加强。同时,应加大力度将新技术应用于实际生产中,以最终提高生产效益

4. 研究方案

研究方法：

（1）机器视觉模块中摄像头连续采集运输链上的明暗度适宜魔女工作无种子端面图像；

（2）对机器采集的图像的进行预处理算法；

5. 工作计划

第1周：撰写开题报告和完成外文翻译。

第2周：进行课题总体规划和课题的详细设计。

第3-5周：进行课题模块化设计并进行模块代码编写与调试。