摘要
针对番茄穴盘幼苗移栽过程中，穴盘中出现缺苗、弱苗的情况，以及人工检测费时费力的问题。开展了基于机器视觉的番茄穴盘幼苗质量检测系统的研究，以实现穴盘幼苗质量的自动检测。论文的主要研究内容包括以下几个方面论文的主要研究内容和结论如下： （1）番茄穴盘幼苗质量检测系统的总体设计及相机标定。首先介绍了检测系统的基本工作原理及组成，搭建了基于机器视觉的番茄穴盘幼苗质量检测系统机构，然后对光源、工业相机、镜头硬件部分进行选型，最后用张正友标定方法，通过相机标定试验，求得相机的参数矩阵和畸变系数。 （2）提出了一种穴盘图像倾斜校正方法。首先分析了传统边缘检测方法的特点，其次通过对穴盘边缘检测结果的对比分析，确定了小波系数，用小波模极大值变换方法对穴盘图像进行边缘检测，然后在检测出穴盘边缘轮廓的基础上，用Radon变换计算出穴盘的倾斜角度，最后提出穴盘倾斜校正模型，得到校正后的穴盘图像。 （3）构建番茄穴盘幼苗识别网络模型。首先分析了传统U-Net网络模型特点，在此基础上结合本文穴盘幼苗识别任务，对U-Net网络模型进行了改进，然后通过自制的番茄穴盘苗数据集，网络模型训练，完成了幼苗的识别试验，最后对改进前后U-Net网络模型的识别结果进行对比分析。通过试验结果表明改进后的U-Net模型与传统U-Net模型的Pr值提高了1.23%，Re值提高了2.72%，Ac值提高了2.72%，Dice系数提高2.13%，表明本文提出的改进U-Net网络模型应用到穴盘幼苗的识别中相对于传统U-Net网络模型有较好的表现。 （4）设计番茄穴盘幼苗质量检测软件平台。实现了系统登录、相机标定、穴盘幼苗质量检测等三个主要功能。提出了幼苗质量分级方法，对检测系统进行试验验证，试验结果表明穴盘幼苗质量检测准确率最高为97.66%，最低为95.31%，均在95%以上，良品误检率和次品漏检率均低于质量检测系统要求允许的5%的误检和漏检指标，单穴盘检测时间在3s以下，能够满足系统的设计要求。
NETL