花生种子发芽率检测系统应用研究

扫码查看

原文链接

NETL

中文摘要：国家标准《经济作物种子第2部分：油料类》（GB 4407.2-2008）中有明确规定，要求花生原种、大田用种的发芽率不低于80%。传统的花生种子发芽率检测都是由专业的技术员手工检测，这种方法不仅效率低，而且具有较强的主观性。因此，为了提高花生种子发芽检测效率，实现花生种子发芽率检测自动化，本文以花生种子为研究对象，研究基于机器视觉的花生种子发芽率检测方法。首先，对国内外研究现状进行了分析，设计搭建了花生种子发芽检测硬件系统并进行图像的采集。对采集到的图像进行预处理，方便后续提取轮廓获取单粒种子图像。在图像预处理过程中使用了图像灰度化、图像滤波、图像分割、形态学处理、边缘检测以及区域过滤方法。在图像滤波、图像分割和边缘检测这三个关键环节中分别使用了不同的处理方法并对处理结果进行对比分析，最终选择维纳滤波的方法进行图像滤波处理，Otsu阈值分割方法进行图像分割， LOG算子进行边缘检测，以获取更准确的种子发芽图像轮廓信息。其次，在对花生种子进行发芽率检测时，提出了两种检测方法。一种是基于图像处理的方法，利用轮廓提取技术获取单粒花生种子发芽图像，并借助骨架提取算法来准确判断种子是否正常发芽，进而实现发芽率的检测。另一种是基于YOLOv7的花生种子发芽率检测方法，构建花生种子发芽率检测模型，并对该模型进行了实验与分析，最终实现发芽率的检测。通过将这两种方法的发芽率检测结果分别与人工检测结果进行对比分析，发现基于YOLOv7的方法具有更高的准确性，因此基于该方法实现花生种子发芽率检测系统。最后，将研究成果汇总，明确花生种子发芽率检测系统的目标，进行系统可行性分析和功能需求分析，研究系统开发所使用的技术包括后端开发技术和前端开发技术，分析系统的工作流程，并最终设计与实现花生种子发芽率检测系统，实现花生种子发芽率的准确检测，为从业者提供便利。

作者：

王晓君

展开 >

关键词：

花生种子发芽率图像检测滤波处理阈值分割边缘检测 YOLOv7网络

授予学位：

硕士

学科专业：

农业工程与信息技术

导师：

曹丽君、侯贵宾

学位年度：

2024

学位授予单位：

河北科技师范学院

语种：

中文

中图分类号：