摘要
针对目前马铃薯种薯切块机械无法识别芽眼以及切刀无法自动避开芽眼等问题，以马铃薯种薯为研究对象，综合运用深度学习方法和计算机控制技术，对种薯芽眼检测和自动切块方法进行了试验研究；搭建马铃薯种薯切块试验台，实现了马铃薯种薯切块时的芽眼合理分配。其主要研究内容及结论如下： （1）通过搭建马铃薯种薯采集系统，根据试验要求对马铃薯种薯进行图像样本采集；为提高模型的泛化能力，对采集的种薯图像进行了数据增强处理，共获取8400幅种薯图像。对试验所需的种薯样本进行芽眼框的标定，并完成了数据集的制作。 （2）提出了一种基于YOLOX的马铃薯种薯芽眼检测方法，通过解析YOLOX模型，运用Mosaic数据增强、迁移学习、余弦退火衰减学习率、调整超参数等训练方式进行试验；然后对比分析并选取最优方式进行训练以实现对马铃薯种薯芽眼更好地检测；最后通过调整score和IoU阈值等超参数，确定基于YOLOX的马铃薯芽眼检测最优模型。试验结果表明，该模型平均准确率均值mAP值高达98.19%，准确率P值为92.39%，召回率R值为94.50%，调和均值F1为0.93，最高检测速度可达27FPS。 （3）基于芽眼检测算法和OpenCV处理获取种薯芽眼检测信息和种薯外形轮廓信息，通过调用摄像头实现了对种薯外接轮廓信息的获取和芽眼的检测，检测效果较为理想，对种薯的检测速度为23.63FPS，可以满足实时检测要求。基于检测信息进行种薯自动切块方法研究，由马铃薯种薯特性，设计了“一”字刀、“Y”型刀和“十”字刀，共三种不同的切块刀具，根据切块规则可以得到刀具所需转动的角度值，由试验验证分析本研究可以满足实时性切块要求。 （4）根据马铃薯种薯切块要求进行种薯自动切块原理样机试制，主要包括样机总体结构设计与总控制系统设计及关键部件的设计。通过搭建的切块试验台，综合运用深度学习和计算机控制技术，对种薯芽眼检测和自动切块方法进行了试验研究。试验结果表明，该试验台可以实现种薯切块芽眼合理分配，验证了其切块的可行性，种薯切块后的薯块合格率H为95.47%，薯块芽眼损伤率K为6.95%。因此本研究可为自动化种薯切块装备研制提供理论基础和技术支持。
NETL