基于机器视觉的玉米种子检测分选系统设计

作     者：王发 

作者单位：河北农业大学 

学位级别：硕士

导师姓名：索雪松

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 09[农学] 0901[农学-作物学] 0802[工学-机械工程] 

主      题：种子质量 分选系统 自动化 玉米 图像识别 YOLOv5 

摘      要：我国是农业大国,作物种子作为农业根基,其质量好坏直接或者间接影响到农作物产量,所以种子质量的检测分选对保障国家和农民的经济利益具有重大意义。传统的机械分选装置对虫蚀、病斑、破损等坏粒分选效果较差,原有的好种也容易造成损伤。还有地区人工在分选作物种子,其费时费力、长时间分选带来的视觉疲劳和主观偏差也难以避免。机器视觉应用种子分选方面,色选机、光学分拣机等设备提高了分选质量,但价格昂贵,制造出总体上价格低廉、快速、无损、准确的检测装置还需进一步研究。种子检测装置设计与种粒品种检测方法研究是提高种子分选技术的关键。根据上面原因,针对分选玉米种子,本文搭建了一种基于机器视觉的玉米种子检测分选系统,并设计一个有效的深度学习检测模型。主要研究内容如下:(1)根据种子检测分选需求设计并研发了一个玉米种子检测分选系统,依据系统工作原理和工作流程,完成了系统总体设计与落种、传动、图像采集和分选等各机构的部件选型、设计。(2)按照图像获取要求与系统分选方法完成系统控制部分的设计,主要包括传动机构的变速控制设计、图像采集机构的同步相机采集速率设计和图像采集软件设计、分选机构的PLC接线方式和控制程序设计等。(3)选取国审玉米种郑单958作为模型实验用种,对种子图像进行滤波和增强图像对比度等预处理方法提高图像质量。选用YOLOv5系列网络作为种子检测模型。利用制作好的数据集训练YOLOv5-s深度学习网络模型并进行模型结果测试,结果表明YOLOv5网络对好玉米种子检测的AP值达到96.66%,F1值为89.6%,对坏玉米种子检测的AP值达到92.35%,F1值为86.2%,得出mAP值为95%,平均F1值为87.9%,平均每检测一幅图像耗时约0.27秒,检测单粒种子耗时0.027秒。对模型训练结果进行性能分析,并利用相同的实验方法对YOLOv5-m、YOLOv5-1、YOLOv5-x三种模型进行训练,获取检测模型的性能指数。通过对比几种模型的性能指数,选取YOLOv5-s作为种子分选系统的目标检测模型。本课题研究为玉米种子分选实现系统化、自动化提供了方法支撑,克服人工分选费时费力和机械分拣造成种子损伤等缺点,对实现种子快速、精准、无损分选具有必要的参考。