基于模式识别的大蒜瓣尖识别研究
转基因大蒜的识别方法
转基因大蒜的识别方法
转基因大蒜的识别方法主要包括以下几种：
1.基于PCR技术的方法：PCR技术可以特异性地扩增特定的DNA序列，因此可以通过PCR反应从基因水平上检测大蒜是否转基因。
该方法可通过设计适当的引物和探针放大和检测转基因大蒜特有的外源基因序列。
2.基于蛋白质分析的方法：转基因大蒜通常会表达外源蛋白，因此可以通过蛋白质分析的方法检测其是否存在外源蛋白。
例如可以通过酶联免疫吸附试验（ELISA）等方法检测外源蛋白。
3.基于荧光PCR技术的方法：荧光PCR技术是一种增加了荧光信号检测方法的PCR技术，可通过探针检测转基因大蒜的外源DNA序列。
4.基于DNA芯片技术的方法：DNA芯片技术可以同时检测数千个DNA序列，可用于快速检测转基因大蒜中外源基因的存在和表达。
无论采用何种方法，转基因大蒜的识别需要经过专业化设备和实验室，不适合在家庭或个人进行。
基于机器视觉的蒜头最大横切面直径分级方法
基于机器视觉的蒜头最大横切面直径分级方法宋伟;赵丽清【期刊名称】《农机化研究》【年(卷),期】2015(000)007【摘要】An garlic sorting system based on machine vision technology was designed according to the realistic condition that the commodity value was devalued because of the low rate and accuracy of sorting.Serial garlic grading tests took the diameter of garlic maximum cross-section.The algorithms of classification were programmed by using VC 6.0.The eighty Jinxiang garlic samples were used to test of selected device and the test results showed that the selected accuracy of garlic was 90 .9375%.Results show that using machine vision technology can provide guidance for grading the garlic bulbs.%针对中国蒜头分选率和分选精度较低而影响其商品价值等现状，设计了一套基于机器视觉技术的大蒜蒜头分选系统，以蒜头最大横切面直径作为分级标准，利用 VC 6．0编程实现上述分级模型的算法。
试验选择320个金乡蒜头样本对其进行测试，该装置对蒜头总体筛选精度达到90．9375％。
试验结果表明：利用机器视觉技术可以对大蒜蒜头进行分级。
大蒜种植机械蒜瓣方向识别与系统设计—基于PLC控制技术
大蒜 在 种植 时要 求鳞 芽 朝 上 ， 但 是 蒜 瓣 的形 状 具 有 不 规则性 ， 这 二 者之 间的 矛 盾 成 为 大 蒜 种 植 机 械 设 计 的
难点 。
时蒜 头朝 上 的 技 术 难 题 ＿ ４ ｊ 。 作 为 大 蒜 的 最 大 生 产 和 出 口国 ， 我国在这一领域 的起步则 相对较 晚 ， 但 是 也 形 成 了适 合 我 国 的设计 思 想 和研 发 体 系 。
行模 糊 计 算 ， 根 据 计 算 的结 果 判 定蒜 瓣 方 向 ， 向机 械 手 发 出 相 应 指 令 。对 原 型 机 和 改 进 型所 种植 的 蒜 瓣 ， 进 行
空 穴率 、 双粒 率 、 倒立率 、 出苗 率及 产 量 数 据 分 析 ， 发现 两 种 机 械 的 空穴 率 、 双 粒 率 和 出苗 率 之 间没 有 显著 差 异 ， 但 是改 进 型 种 植 机 产 生 的倒 立 率 显著 低 于 原 型 机 ， 说 明 该 蒜 瓣 方 向识 别 系 统 能 够 满 足 机 械 种 植 时 蒜 头 向 上 种
的食用和药用价值较高 ， 因此大蒜 产业也成为了我国
外 汇 的重 要 来 源之 一 。 蒜 瓣 的 种 植 是 大 蒜 生 产 过 程 中 非 常 重 要 的一 个
别因地制宜 ， 以不同的方法解决蒜瓣朝 向的难题 。在
亚 洲 以 日本 、 韩 国为代表 ， 其 采 用 的 是 压 穴 式 大 蒜 栽 种机 ， 即先用 机 械 压 出半 球 形 孔 穴 ， 后 将 蒜 瓣 投 放 到 穴 内， 利 用 穴 内球 面 控 制 鳞 芽 朝 向。 在 欧 洲 ， 法 国 和 捷 克斯 洛伐 克 则 用 振 动 抖 槽 来 实 现 大 蒜 在 输 送 过 程
大蒜蒜瓣识别与转向装置设计
挡板 ０ 型传送带
、
图 ４ 大 蒜 装 箱 装 置 传送 带
Ｆ ｉ ｇ ． ４ Ｇａ ｒ ｌ ｉ ｃ ｐ ａ ｃ ｋ ｉ ｎ ｇ ｄ ｅ ｖ ｉ ｃ ｅ ｃ ｏ ｎ ｖ ｅ ｙ ｏ ｒ ｂ ｅ ｌ ｔ
图３ 大 蒜 蒜 瓣 控 制 机 构 买 验
的Ｘ Ｘ Ｌ型 的 平 带 上 放 置 长 为 ３ ２ ． ０ ０ ０ ０ ｍ ｍ、 宽 为 ２ ２ ． ０ ０ ０ Ｏ ｍ ｍ、 高为 ２ ２ ． ０ ０ ０ Ｏ ｍｍ 的长方 形 格子 ， 确 保蒜
大蒜 蒜 瓣 放在 挡 板 中 间 ， 在 蒜瓣 的后 面给 予 蒜 瓣 一 定 的推 力 ， 使 蒜瓣 缓 慢 地 在 挡 板 中间 向前 运 动 。 当蒜 瓣
第 ６期
形孔 ， 孔 的两 边 有 挡 板 ， 保 证 大 蒜 蒜 瓣 方 向 的可 控 制 性， 即正反 两 个 方 向 。把 硬 纸 背 上 的 孔 放 在 空 中 ， 将
大 蒜蒜 瓣 可 以通 过 的 孔 尺 寸 由 实 验 得 出 ， 即 长 ３ ２ ． ０ ０ ０ ０ ｍ ｍ、 宽２ ２ ． ０ ０ ０ Ｏ ｍ ｍ。 因此 ， 把 传 动 带 在选 好
２所示 。
活 的必需 品 。 目前 ， 国 内 大蒜 种 植 大 部 分 采 用人 工种 植， 劳动 强度 大 ， 生产 率 低 ， 实现 大 蒜 种 植 机 械化 就成
为必 然发 展 趋势 。由于 大 蒜 外部 形 状 的不 规 则 性 ， 要 实现 大蒜 方 向 的控制 就 需 要 很 多数 据 、 图片 以及 农 艺 的 支持 。 目前 国 内基 本 没 有 成 型 的 大蒜 种 植 机 械 ， 不 少专 家正 在研 究 ， 力求 １ ３实 现 大蒜 种 植 机 械 化 。研 究 资料 表 明 ， 国 内大 蒜 种 植 机 的 研 究 目标 主 要 在 于 确 保 大蒜 种 植 时不 破 损 ， 同时改变人工种植 的状况 ，
基于图像处理的大蒜瓣尖识别方法
种， 但在幼苗阶段喜庇荫的特性有关 ， 有了遮荫条 件， 造林穴 内土壤湿润 ， 成活株数多的缘故 。建议 在 林业 生产 中可在 阳坡 稀 疏林 内栽 植 油 松 苗 ， 以
形 成 理想 的混交 林如 松栎 混交林 。
参 考 文 献：
［ １ ］ 张康健 ， 等．渭北黄土 高原 油松 适宜造林 地选择 的
郭英芳 ， 等： 基 于图像处 理的大蒜 瓣尖识别方法
在图 ８ 和图 １ ０中 ， Ｘ Ｙ 平 面 中 的曲 线是 蒜 瓣 图像 的边界 ， ｚ轴 方 向是 由蒜 瓣 边 界 中 的每 一 个 像 素点 的 Ｕ Ｓ Ａ Ｎ值 组 成 的 曲 线 。 由 图 ８和 图 １ ０ 可 以看 出 ， 每幅图中 Ｕ Ｓ Ａ Ｎ最 小 值 均 在 蒜 瓣 尖 端 位 置 。 因此 可知 ， 在 这 不 规 则 的蒜 头 和蒜 体 图像 中， 应用 Ｓ Ｕ Ｓ Ａ Ｎ算 法 ， 通 过 确 定 边 界 像 素 中最 小
．
， ． ，
（ 上接 第 ４ ６页 ）
４ 小 结
（ １ ） 不 同苗 龄 油 松 苗 阳坡 造 林 ， 以栽植 ２年 生 油松 苗成 活率 最 高 ， 分别 比 １ 年生 和 ３年 生 油 松 苗 造林成 活率 高 出 １ １ ％和 ３ ９ ％， 阳坡 造林 应 选
用 ２年生油 松苗 进行栽 植 为最 佳 。
电 出版 社 ， ２ ０ ０ ４ ．
采用图像处理技术 ， 应用 Ｓ Ｕ Ｓ Ａ Ｎ角点检测算 法 ， 选 用 曲率作 为 特 征 量 ， 对 蒜瓣 进 行 瓣 尖 识 别 。试
验 结果 表 明 ， 把Ｓ Ｕ Ｓ Ａ Ｎ角点检 测算 法运 用 到大 蒜 瓣 尖识 别 中 ， 可 以识别 蒜瓣 尖端 的位 置 ， 对于农 机
大蒜种植机械蒜瓣方向识别与系统设计-基于PLC控制技术
大蒜种植机械蒜瓣方向识别与系统设计-基于PLC控制技术张丽芬【摘要】大蒜是我国一种重要经济作物，在我国有较大的种植面积。
由于大蒜种植时具有鳞芽朝上的农艺要求，因此我国的大蒜种植主要是靠人工，劳动强度大，效率较低。
为解决大蒜机械化种植中蒜瓣朝向问题，设计了一种基于PLC 控制技术的蒜瓣方向识别系统，并对其在田间的实用性和准确性进行了试验，以期提高大蒜种植作业的效率和质量。
用红外检测装置对蒜瓣的外形性状进行扫描，通过PLC 对来自红外检测装置的数据进行模糊计算，根据计算的结果判定蒜瓣方向，向机械手发出相应指令。
对原型机和改进型所种植的蒜瓣，进行空穴率、双粒率、倒立率、出苗率及产量数据分析，发现两种机械的空穴率、双粒率和出苗率之间没有显著差异，但是改进型种植机产生的倒立率显著低于原型机，说明该蒜瓣方向识别系统能够满足机械种植时蒜头向上种植的要求。
%Our garlic is an Important Cash crop in China has a large acreage , with bud scales up agronomic requirements of garlic planting , so our garlic is grown mainly rely on manual , labor-intensive , low efficiency .To solve the mechaniza-tion of planting garlic in the garlic towards problem , we designed a PLC-based control technology garlic direction identifi-cation system , and tested the practicality and accuracy in the field , in order to improve the efficiency and quality of garlic planting operations .Infrared detection means garlic shape traits scan data from the PLC by means of the infrared detector fuzzy calculation , determining the direction of garlic according to results of the calculation , issue the appropriate com-mands to therobot .According to this system , and improved prototype planted garlic ,conducted hole rate , double the rate of grain , inverted rate , emergence rate , production data analysis , found that both mechanical hole rate , dual rate and emergence rate of grain no significant difference between , but inverted rate improved planting machines produce sig-nificantly lower than the prototype , so the yield increased significantly , with higher quality planting .Description The gar-lic direction identification system to meet the mechanical planting , planting garlic up requirements .【期刊名称】《农机化研究》【年(卷),期】2017(039)008【总页数】3页(P228-230)【关键词】大蒜种植机;方向识别;PLC控制技术【作者】张丽芬【作者单位】内蒙古化工学院，呼和浩特 010000【正文语种】中文【中图分类】S223.9大蒜是我国一种重要经济作物，富含氨基酸、蛋白质、肽类、无机盐及含硫化合物等成分，具有消炎、杀菌和养颜等功效，并有着独特的风味，是人们日常饮食生活中的重要组成部分[1]。
基于机器视觉的蒜头最大横切面直径分级方法
·204·
2015 年 7 月
农机化研究
第7 期
别为第 3 条直线和第 1 条直线的纵坐标； y0 为蒜头重 心的纵坐标。
图 8 蒜头的梗长度 Fig． 8 Garlic stems length
最终求得结果蒜头的梗长度为 58。 3． 4 大蒜分级及判定
根据《规范 3》可知，横径和径梗长度是作为衡量 大蒜蒜头质量的首要标准。表 2 是根据实验测试，在 同一感官条件下，各级蒜头所对应的像素数。
1 材料与方法
2 图像预处理
1． 1 试验材料 采用山东金乡大蒜，质量分布在 40 ～ 60 g 之间的
大蒜蒜头为检测样本。试验前依据《规范 3》特级蒜头 （ 横径≥60mm，梗长度≤20mm） 80 个； 一级蒜头（ 横径 ≥50mm，梗 长 度 ≤ 20mm） 80 个； 二 级 蒜 头 （ 横 径 ≥
fx + fy （ | | 表示绝对值）
（ 4）
俯视图、侧 视 图 梯 度 运 算 后 图 像 如 图 5、图 6 所
示。
经过上面梯度运 算 分 析 和 对 比 ，在 边 缘 处 理 方 法
上，Sobel 算子对大蒜这种纹理清晰的图像，抗噪声能
力强，最终选用 Sobel 算子进行检测。
（ a） 一般差分
1． 支架 2． MV － 3000UC 工业摄像机 3． AFT vision 机器视觉漫反射圆顶光源 4． 大蒜 5． 暗室
6． 机器视觉光源控制器 7． 计算机 图 1 机器视觉的蒜头分级系统硬件组成 Fig． 1 Hardware of garlic grading system based on machine vision
觉技术可以对大蒜蒜头进行分级。 关键词： 农产品； 算法； 机器视觉； 分级； 横径； 蒜头
大蒜有效部位的薄层鉴别
７ ６８ ・
中国药物与Ｉ ２ １ 年 ６ 临床 ０ ２ 月第 １ 卷第 ６ Ｃ ｉ ｓ Ｒ ｍ ｄ ｓ ｌ ｉ 。 ｎ ０ ２ ｏ １，０ ２ 期 ｈ ｅｅ ｅ ｅ ｉ ＆Ｃｉ ｃ Ｊ ｅ １， ｌ ２ ． ｎ ｅ ｎｓ ｕ ２ Ｖ ＿ Ｎ ６
表 ２ 回 收率 测 定 结 果
表 ３ 硝酸甘油微乳含量测定结果
为 ： 氨 酸对 照 品溶 液 ５Ｉ ， 蒜 有效 部 位 样 品 溶 液 ｌ ｌ 蒜 ｌ大 ｘ ０ 。
展开剂系统正 丁醇． 醋酸 ． （ ：：） 冰 水 ４１１和正 丁醇． 正丙醇一 冰醋酸一 （ ：：：）斑点 颜色有细微差 别 ， 溶剂 的配 比和 水 ３１ １ ， １ 从 展开效果看 ， 可选择展开剂 系统正丁醇． 冰醋酸． （：：） 而 水 ４１１。 展开剂 系统 正丁醇． 冰醋酸． 水一 甲酸（ ８８ ：） ２ ：９２ 在相 同条件 下 ：
和维 生 素 Ｂ ３种成 分含 量及 含 量均 匀度 测 定 ， 行 质量 控制 。 进 １ 仪 器 与 试药
光光度计 （ ｔ Ｅ本岛津 ）Ｘ 一０ 、 Ｓ１５电子天平 与 Ａ ２ ４电子 天平 Ｌ０
梅 特 勒． 利 多 仪 器 有 限 公 司 。 托
效 部位 样 品溶 液 点 样量 ｌ ｌ ０ 。
展开系统 ： 正丁醇 一 ① 冰醋酸一 （ ：：）② 正 丁醇． 丙 水 ４１１ ； 正
醇一 冰醋酸 ： ３１ ：）③ 正丁醇． 冰醋酸． 水（ ：： １ ； １ 水． 甲酸 （８８ ：） ２ ：９２ ； ： 样品依次为 ：蒜氨酸对照品溶液 ５Ｉ ；０批大蒜有效部位样 Ｌ １ ｌ
２２ 色谱 条 件 的优 选 ．
１ 仪器 ：Ｂ ０－ ． １ Ａ １４Ｎ电子天平（ 梅特勒）红外线干燥箱（ Ｆ —） ； Ｄ ３２
基于图像处理的大蒜蒜种品质无损分级方法研究
基于图像处理的大蒜蒜种品质无损分级方法研究作者：杜云曹世佳贾科进王熙煚来源：《河北工业科技》2018年第05期像处理的大蒜蒜种品质无损分级方法。
首先对采集到的大蒜蒜种图像进行灰度化、二值化等预处理得到二值化图像。
然后在农业工作环境比较恶劣、存在不可避免的噪声情况下，采用形态学处理二值化图像，对图像采用腐蚀算子进行运算，消除噪声，再对图像采用膨胀算子进行运算，得到无噪声的二值化图像。
在此基础上通过Canny算子进行有效外轮廓提取并进行旋转矩形拟合，得到最小外接矩形。
最小矩形的长和宽比例代替真实蒜种的长宽比作为大蒜蒜种品質筛选的重要依据。
实验结果表明，算法可以无损地获取蒜种长和宽的比例，实现大蒜蒜种品质筛选，图像处理过程时间平均为612 ms，满足正常工作实时性要求，在大蒜蒜种品质等级筛选中具有一定的应用价值。
关键词：图像处理；无损分级；二值化；形态学；矩形拟合中图分类号：TP29 文献标志码：Adoi： 10.7535/hbgykj.2018yx05003[HJ2][HK]文章编号：1008-1534（2018）05-0317-05中国是大蒜产量大国，其种植区域和出口数量均达到世界前列[1-2]。
大蒜具有抗菌、抗病毒、抗肿瘤、降血脂、提高机体免疫功能、降血糖、解毒等功效[3-4]。
大蒜种植中影响大蒜产量的主要有2个因素：蒜尖朝上和种瓣大小。
研究表明蒜种重量越大，大蒜的产量越高，两者呈显著正相关。
如果种瓣质量越大，则用种量也越大。
从产量、产值等经济效益因素综合考虑，以每瓣5.89 g的种瓣处理，其蒜头净产量、净产值、总产值、甲级蒜率等4项指标均居第1位，种瓣3. 89 g的处理其4项指标次之[5]。
因此，种瓣质量以3. 89～5.89 g为宜。
长期以来，大蒜蒜种分级都是依靠人工挑选或平面筛选为主，生产效率低，分级不准确，直接影响产量高、品质好的大蒜良种的获得。
近几年，也有采用分级滚筒机械设备，分别由小、中、大来依次分离筛出，以获得较准确的分级。
大蒜分级装置的设计
大蒜分级装置的设计1. 引言大蒜是一种常见的调味品和药材，其市场需求量大。
为了满足市场需求的不同大小和质量的大蒜，现有的大蒜分级装置已不再适用。
因此，本文介绍了一种新的大蒜分级装置的设计方案。
2. 设计目标本设计的目标是有效地将大蒜按照其大小和质量进行分级，以满足市场需求。
具体地，设计要求如下： - 准确分辨大蒜的大小和质量； - 自动将大蒜分级，并且能够适应市场需求的变化； - 操作简单、维护方便； - 成本低廉。
3. 设计原理大蒜分级装置的设计基于计算机视觉技术和机械控制系统。
其主要原理如下： 1. 图像采集：通过摄像头对待分级的大蒜进行拍摄，获得大蒜的图像。
2. 图像处理：对获得的图像进行处理，提取大蒜的大小和质量信息。
3. 分级判断：根据图像处理结果，将大蒜分为不同等级。
4. 机械控制：通过控制机械装置，将大蒜分别送往不同的容器。
4. 系统组成大蒜分级装置由以下几个主要组成部分构成： - 图像采集系统：包括摄像头、图像采集卡等设备，用于采集大蒜的图像。
- 图像处理系统：使用计算机视觉技术对采集到的图像进行处理，提取大蒜的大小和质量信息。
- 分级判断系统：根据图像处理结果，判断大蒜的等级，并通过信号传输给机械控制系统。
- 机械控制系统：通过控制电机、气缸等装置，将大蒜分别送往对应的容器。
- 控制台：用于人机交互，设置分级参数和监控系统运行状态。
5. 设计步骤以下是大蒜分级装置的设计步骤： 1. 确定需求：了解市场对不同等级大蒜的需求，并根据市场需求确定设计参数。
2.搭建图像采集系统：选择合适的摄像头和图像采集卡，并进行系统搭建和调试。
3. 开发图像处理算法：利用计算机视觉技术，编写图像处理算法，提取大蒜的大小和质量信息。
4. 设计分级判断系统：根据图像处理结果，设计判断大蒜等级的系统，并与机械控制系统进行连接。
5. 设计机械控制系统：根据需求，设计合适的机械装置和控制系统，实现将大蒜分别送入不同容器的功能。
大蒜药材的薄层鉴别方法研究
大蒜药材的薄层鉴别方法研究赵东升;李新霞;关明;陈坚【摘要】Objective To establish a TLC identification method for garlic. Methods With alliin and arginine as the reference substances, enzyme-inhibited method was used. Different development system, different spotting sample volume, different thin layer chromatography plate, different inspection, different temperature and different humidity were investigated. Results With alliin and arginine as the reference substances,TLC identification for garlic was high specificity with n -butanol-acetic acid-water (4 : 1 : 1) as the developing system. Conclusion The method established for garlic is feasible and reproducible, and can be used as garlic identification.%目的建立大蒜药材的薄层鉴别系统.方法以蒜氨酸和精氨酸为对照品,采用灭酶处理,对大蒜药材进行薄层鉴别,并考察不同展开系统、不同点样量、不同薄层板、不同检视方式、不同温度、不同湿度对大蒜药材薄层色谱的影响.结果以蒜氨酸和精氨酸为对照品,正丁醇-冰醋酸-水(4:1:1)为展开系统,大蒜药材薄层鉴别特征明显,专属性强.结论该方法可行,重复性好,可作为大蒜药材的薄层鉴别方法.【期刊名称】《西北药学杂志》【年(卷),期】2011(026)006【总页数】4页(P391-394)【关键词】大蒜;蒜氨酸;精氨酸;薄层鉴别【作者】赵东升;李新霞;关明;陈坚【作者单位】新疆医科大学药学院,新疆,乌鲁木齐,830054;新疆医科大学药学院,新疆,乌鲁木齐,830054;新疆医科大学药学院,新疆,乌鲁木齐,830054;新疆师范大学化学化工学院,新疆,乌鲁木齐,830049;新疆医科大学药学院,新疆,乌鲁木齐,830054【正文语种】中文【中图分类】R282大蒜系多年生百合科葱属植物大蒜(Allium sativum L.)的地下鳞茎，是历史悠久的药食两用植物，在古代就被不同文化背景的人们用于预防和治疗疾病[1]。
基于机器视觉的蒜种识别夹取试验台设计与试验
基于机器视觉的蒜种识别夹取试验台设计与试验罗昌志;邸志峰;向阳;赵男;周进;朱正波【期刊名称】《农机化研究》【年(卷),期】2024(46)9【摘要】为实现大蒜的定向精确播种,提出一种基于机器视觉的蒜种精准识别与夹取方法,并设计蒜种识别夹取试验台,采用机器视觉方式确定蒜种的位置、朝向,使用机械臂夹取蒜种。
采用阈值分割的方法分割蒜种和背景,对图像进行去噪,提取蒜种轮廓,根据识别像素点计算蒜种质心、朝向,经过识别训练和参数优化,确定识别阈值为110,识别成功率达到95%以上,平均识别时间0.06s。
以金乡白皮蒜蒜种为试验对象,分析确定装置性能的指标为夹取成功率,影响因素为传送带速度、蒜种尺寸、种子夹取高度,通过三因素三水平正交试验分析,运用Design Expert软件对装置的关键结构参数进行优化,建立夹取成功率和各因素的回归模型,模型系数R_(2)^(2)为0.9433。
试验结果表明:当传送带速度0.11m/s、种子夹取高度3.5mm、选取投影尺寸510~540mm2时,夹取成功率为93.73%。
研究结果可为蒜种分级和大蒜的定向播种提供一定的参考。
【总页数】10页(P72-81)【作者】罗昌志;邸志峰;向阳;赵男;周进;朱正波【作者单位】山东理工大学农业工程与食品科学学院;山东省农业机械科学研究院【正文语种】中文【中图分类】S237【相关文献】1.基于双侧图像识别的大蒜正芽及排种试验台设计与试验2.基于Arduino的智能小车识别及夹取棋子设计3.基于机器视觉的煤矸识别系统设计及试验研究4.一种基于机器视觉的智能识别测试系统设计5.摆动夹取式玉米精量排种器设计与试验因版权原因，仅展示原文概要，查看原文内容请购买。
213456832_基于图像处理的蒜头横径尺寸测量方法研究
- 51 -工 业 技 术作为我国主要的经济作物，大蒜的产业历史悠久。
目前我国大蒜种植和加工产业发展迅速，研究显示，我国大蒜年平均产量占全球总产量的70%以上，并占据了全球62.8%的市场份额[1]。
随着大蒜相关产业的不断发展，传统的生产模式已渐渐被淘汰，全程机械化、智能化将成为大蒜生产的未来趋势[2]。
蒜头尺寸是决定其商业价值的主要因素之一，目前国内、外已研发的大蒜分级机主要分为机械式和非机械式2种[3]。
机械式分级机主要分为滚筒筛式和平面筛式，这2种分级方式均通过不断翻转物料和往复振动的方式完成对大蒜的分级，不可避免地会造成大蒜损伤、筛孔堵塞以及窜级问题。
非机械式主要以计算机视觉检测技术为主，该方式具有非接触、精度高、效率高和节省人力成本等优势。
该文主要研究了一种基于图像处理的蒜头横径尺寸的测量方法，以完成对蒜头的尺寸测量和显示。
国内、外早已对运用机器视觉对蔬菜水果等农作物进行品质分级进行了大量探索。
张恒等[4]以核桃坚果为研究对象，利用图像处理的方法实现了对核桃坚果的尺寸检测。
应义斌[5]以水果为研究目标，通过机器视觉技术实现了对水果尺寸的测量，为建立机器视觉对水果的品质检测系统打下了基础。
该文以市场常见的大蒜为研究对象，并以农业部颁发的关于大蒜等级规格划分的最新文件为标准，对获取的图像采用灰度转换、降噪、背景分割、边缘检测及迭代计算等图像处理方法，解决了对蒜头横径的测量问题。
试验结果显示，该方法能够实现对大蒜横径的检测，且能够保证较高的准确率。
1 图像分割在目标图像的采集过程中，图像采集设备采集到的信息并非都是有效信息，图像中往往含有许多干扰信息。
如果不对这些干扰信息进行处理，图像处理的结果往往不够稳定和可靠，进而影响结论的准确性。
因此在对目标图像进行处理之前，应先将试验所需的目标图像从背景中分割出来，以减少图像中的干扰信息，进而提高后期图像处理的准确性。
1.1 边缘检测如果想快速有效地分割出试验所需图像，条件合适时对目标图像进行边缘检测是比较快速的一种方法[6]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
积和产量逐年上升 ； 但是 由于大蒜 的形状不规则且要 求直立种植 ， 导致长期 以来 只能依 靠人工进 行栽种 。
人 工 插蒜 的方 式 是 一瓣 一 瓣 地 把 蒜 种 插 播 到 土 壤 中
收稿 日期 ： ０ ９ ０ ２ ２ ０ — ７— ６
中值滤波的原理是把序列 中一点 的值 ， 用该点邻 域中各点值 的中值来替 代。对序列而 言 中值 的定义
是 这样 的 ： 若 … 为 一 组 序 列 ， 其 按 大 小 排 列 把
作者简介 ：潘
雷 （９４一）男 ， １８ ， 河南信 阳人 ， 士研究生 ，Ｅ—ｍ ｉ 硕 （ ａ） ｌ
置 。因为 只有 准 确 地 识 别 出大 蒜 瓣 尖 在 人 土 前 的 位 置 ， 械装 置 才 能 以 此 为 依 据 调 整 大 蒜 入 土 的 姿 势 ， 机
差才造成观察 障碍。一般把利 用这种 噪音 的性 质消 除图像 中噪音 的方法称为图像平滑 （ ａｅｓ ｏｔ ｎ ） ｉ ｇ ｍ ｏ ｉ ｍ ｈｇ
２ 图像预处理
２ １ 二值 图像 的 平滑 ． 在 实 际 的 图像采 集 过 程 中 ， 感 器 不 可 避 免 的 会 传 遇 到各 种 意想 不 到 的 干扰 ， 些 干 扰 必 然 会 对 采 集 的 这
种， 但是 由于大蒜形状 的特殊性 和不规则性 ， 这些 机
械 装 置都 不 能很 好地 解 决 大蒜 直 立 种 植 问题 ， 能 完 不 全 满 足大蒜 种 植 的要 求 。 ，
调节 、 延迟拍 摄模式 ， 以得到稳 定的拍摄 环境。照相
机在 ６０ｘ ８ ４ ４ ０的分辨率下 摄取 图像 ， 每个 像素点为
０ ０ ８ ｍ Ｘ ．３ ｍ ．７ ｍ ０ ８ ３ ｍ矩形 区域 ， 面积 为 ０ ０ ６ ｍ ．０ ｍ 。 ５ 图像处理和分析在 台式计算 机上完成 （ Ｐ ． Ｇ 。 Ｃ Ｕ １ ６ ）
操作 系统 为 Ｗｉｄｗ Ｐ 工程 计 算 软 件 ＭＡ Ｌ ． ｎ ｏ ｓＸ ， Ｔ ＡＢ６ ５
且瓣尖朝上 ， 这种方式劳动强度大 ， 占用 劳力 多 ， 且效 率低 ， 严重影响到大蒜产业 的持续发展。
为 了解 决 大蒜 播 种 的技 术 难 题 ， 内已 有研 究 院 国 所 进 行大 蒜 播种 机 械 的 研 究 。例 如 ， 国农 业 机 械 化 中
２１ ０ ０年 ５月
农 机 化 研 究
第 ５期
基 于 模 式 识 别 的 大 蒜 瓣 尖 识 别 研 究
潘 雷 ，邓 世 建 ，刘 荣 华
２ １０ ） ２ ０ ８
（ 国矿 业 大 学 信息 与 电气 工 程学 院 ，江 苏 徐 州 中
摘
要 ： 针 对 现 有 大蒜 播 种 机 采用 纯 机 械 方 式无 法 解 决 大蒜 直 立 播 种 的 问题 ， 出 了 用 模 式 识 别 技 术 解 决 的 方 提
费者 的广 泛 认可 。我 国是 大蒜 的最 大生 产 国 ， 种 面 栽
１ 图像获取与分析 系统
获取大蒜 图像是识别 出大蒜瓣尖 的基础 ， 图像采 用 Ｃ Ｄ （ｈｒ ｏｐ ｄｄｖ ｅ 彩色 数码 相 机获取 。 Ｃ ｃａ ｅｃｕｌ ｅｉ ） ｇ ｅ ｃ 为 了模拟实际工程 中用 面 Ｃ Ｄ器件获得图像 的真实 Ｃ
关键 词：模式识别 ；Ｓ Ｓ Ｎ算法 ；大蒜 ＵＡ 中图分类号 ：Ｔ ３ １ ４ Ｐ ９ ．１ 文献标识码 ：Ａ 文章编号 ：１ ０ ０ ３—１ ８ ２ １ ０ ０ ５ ０ ８ Ｘ（０ ０）５－ ０ １－ ４
０ 引言
大蒜是一种极具食用 和药用价值 的农作物 ， 具有 促进消化 、 胃整肠 、 健 强化抗 菌 、 消肿止痛和改善身体 的机能ｌ ， １ 其营养 、 ］ 医疗和保健 功能 已得到 国内外消
或 简称 平 滑 。 目标 图 像 的边 缘 部 分 也 具 有 急 剧 的 灰 度 差 ， 以如 何 把边 缘 部 分 与 噪 音 部 分 区分 开 且 只消 所 除 噪音 ， 图像 平 滑 的 技 巧 所 在 ， 文 采 用 中值 滤 波 是 本 法 滤除 干 扰 。
从而解决大蒜播种机不能解决直立种的问题 。
大蒜 图像与实 际的 图像 造成一 定 的误差 。为了得到 准确的图像 ， 必须消除这些 干扰 。噪音 的灰度与其周
围的灰 度值 有 急 剧 的 灰度 差 ， 正 是 这 些 急 剧 的灰 度 也
本文针对现有 大蒜播种 机无法 解决大蒜 直立 种 植的问题 ， 提出用模式识别技术识别出大蒜 瓣尖的位
法 。首 先对 图像 进行 二 值 化 、 缘 跟 踪 ， 边 然后 根 据 大 蒜 的 形 态 特 征 ， 出 以 曲率 为特 征 量 ， 据 Ｓ Ｓ Ｎ角 点 检测 提 根 ＵＡ 算 法 的原理 识 别 出 瓣尖 的位 置 。试 验 结 果 表 明 ： 算 法 完 全 可 以检 测 出瓣 尖 的 位 置 ， 此 为解 决 大 蒜 直 立 播 种 问题 奠定 了基础 。
ｐ ｎ ｅ４３ ａ ｌ ｉ ２＠ １ ３． ｏ 。 ６ ｅｍ
通讯作者 ：邓 世建 （ ９４一） 男 。 １６ ， 江苏徐 州人 ， 副教授 ， 士生导师 。 硕
２１ ０ ０年 ５月 为 Ｘ ２≤ ３≤ … ≤ １≤
的图像处理工具箱作为图像处理和分析主要平 台。
科学研究院及有关 单位联合研 制开发 的 ２ Ｄ ５型 Ｚ Ｓ一 自走式大蒜栽 植机。另外 ， 通过 检索相关 专利发 现 ， 国内已有 １ ２项大蒜播种机 的专利。在对现有大蒜播
种 机 的性 能进 行 分 析后 发 现 ， 有 的 大 蒜 播 种 机 均 为 现 纯 机 械结 构 ， 然 能 够 实 现 大 蒜 的 单 粒 精 密 自动 播 虽