玉米高通量自動考種裝置設計與試驗

宋 鵬，張 晗，王 成※，羅 斌，路文超，侯佩臣（1. 北京農(nóng)業(yè)智能裝備技術研究中心，北京 100097；2. 國家農(nóng)業(yè)智能裝備工程技術研究中心，北京 100097；3. 農(nóng)業(yè)部農(nóng)業(yè)信息技術重點實驗室，北京 100097）

玉米高通量自動考種裝置設計與試驗

宋 鵬1,2,3，張 晗1,2,3，王 成1,2,3※，羅 斌1,2,3，路文超1,2,3，侯佩臣1,2,3
（1. 北京農(nóng)業(yè)智能裝備技術研究中心，北京 100097；2. 國家農(nóng)業(yè)智能裝備工程技術研究中心，北京 100097；3. 農(nóng)業(yè)部農(nóng)業(yè)信息技術重點實驗室，北京 100097）

考種是玉米育種的重要環(huán)節(jié)，針對現(xiàn)有考種方法分別進行玉米果穗或玉米籽?？挤N參數(shù)測量，難以滿足玉米商業(yè)化育種過程大量樣本自動考種需求的現(xiàn)狀，該文設計了一種玉米高通量自動考種裝置，主要包括玉米果穗考種單元、自動脫粒單元、玉米籽粒考種單元、后處理單元及系統(tǒng)控制單元，可實現(xiàn)玉米果穗考種、自動脫粒、籽?？挤N、籽粒提升、籽粒封裝、標簽打印等全過程的自動化。依據(jù)設計方案進行原理樣機試制及試驗，結果表明：該裝置可實現(xiàn)玉米穗質(zhì)量、果穗長寬、穗行數(shù)、行粒數(shù)、禿尖區(qū)域、籽粒厚度、籽粒長、籽粒寬、穗粒數(shù)等考種參數(shù)的實時測量，且對果穗長、寬的平均測量精度分別為99.13%，99.25%、對籽粒數(shù)量的平均測量精度為99.39%。樣機對單個玉米考種時耗時約為27.2 s，連續(xù)考種作業(yè)時處理速度達4穗/min。該研究為玉米高通量自動考種裝備的實現(xiàn)提供了參考。

測量；設計；試驗；高通量；玉米考種；籽?？挤N；圖像處理；自動控制

0 引 言

玉米是中國主要糧食作物之一，育種是玉米生產(chǎn)過程的關鍵環(huán)節(jié)，是影響玉米質(zhì)量和產(chǎn)量的重要因素，考種結果直接決定了育種材料的優(yōu)劣評定和取舍[1]。玉米考種包括玉米果穗及籽粒考種，涉及果穗的果穗質(zhì)量、穗長、穗寬、穗行數(shù)、行粒數(shù)等以及脫粒后玉米籽粒的粒數(shù)、粒長、粒寬、粒型、粒色、水分、容重等多種性狀參數(shù)的測量、記錄、統(tǒng)計及分析[2]，考種效率和精度是制約育種效率的關鍵因素之一。

隨著信息技術的發(fā)展，機器視覺及數(shù)字圖像處理技術在農(nóng)產(chǎn)品檢測、識別分級方面的應用日益廣泛[3-7]。針對玉米果穗或玉米籽粒的參數(shù)提取方法和應用開展了大量研究工作[8-17]，也有學者研究并設計了適用于玉米果穗或玉米籽粒的自動化考種裝置[18-22]，汪珂等[23]設計了一種玉米籽?？挤N裝置，通過線陣相機實現(xiàn)了玉米籽粒總粒數(shù)、長軸、短軸、長寬比的測量，該裝置平均測量效率為5穗/min；肖伯祥等[24]設計了一種玉米考種自動化流水線機構，并進行了虛擬建模和仿真，探討了玉米果穗考種流水線的可行性；吳剛等[25]設計了一種玉米果穗自動考種系統(tǒng)，實現(xiàn)了玉米果穗的自動上料、排序、圖像采集分析和質(zhì)量自動稱量功能。

現(xiàn)有玉米考種裝置及方法主要針對果穗或是玉米籽粒，無法同時實現(xiàn)果穗及籽粒考種，難以滿足育種過程大批量育種材料快速考種的需求。本文設計的玉米高通量自動考種裝置，實現(xiàn)了單穗玉米從果穗到籽粒所涉及考種參數(shù)的快速、全面、自動獲取，大大降低了考種人力成本，提高育種效率，對提升中國育種技術水平具有重要意義。

1 系統(tǒng)總體方案設計

玉米高通量自動考種裝置需實現(xiàn)玉米果穗及籽?？挤N參數(shù)的快速、自動、實時測量。為盡可能滿足上述要求，采用模塊化思路和方法，設計了玉米高通量自動考種裝置，該裝置包括果穗考種單元、果穗脫粒單元、籽?？挤N單元、籽粒后處理單元及系統(tǒng)控制單元，從而可實現(xiàn)玉米果穗考種參數(shù)提取、自動脫粒、玉米籽?？挤N參數(shù)提取、籽粒提升、自動封裝、標簽打印等全過程的自動化。其工作原理如圖1所示。

果穗考種單元采用多攝像頭獲取果穗圖像并進行分析，結合稱重傳感器進行果穗考種參數(shù)提取后，將果穗卸料至脫粒單元脫粒并除雜，脫粒后的玉米籽粒進行振動以避免大面積粘連及堆積現(xiàn)象，并分析籽粒圖像，獲取粒數(shù)、粒長、粒寬、粒型、籽粒顏色等考種參數(shù)。籽粒后處理單元包括氣吸式提升、自動封裝和二維碼標簽打印，用于將考種后的玉米籽粒提升到一定高度后進行封裝并打印二維碼標簽，該二維碼標簽包含所測得的對應果穗所有考種信息。系統(tǒng)控制單元根據(jù)各環(huán)節(jié)的傳感信息控制相應控制部件動作，確保整個考種裝置的有序、穩(wěn)定、自動運行。

圖1 玉米高通量自動考種裝置原理Fig.1 Principle of high throughput automatic measuring device for corn

根據(jù)上述設計方案和思路，對玉米高通量考種裝置進行結構設計，如圖2所示。裝置整體設計尺寸（長×寬×高）為2 300 mm×1 450 mm×1 850 mm。

圖2 玉米高通量自動考種裝置結構示意圖Fig.2 Structure diagram of high throughput automatic measuring device for corn

2 關鍵單元設計

本文所設計的玉米高通量自動考種裝置主要包括玉米果穗考種單元、自動脫粒單元、玉米籽?？挤N單元、后處理單元及系統(tǒng)控制單元。其中自動脫粒單元選用加拿大Agriculex SCS-2型單穗玉米脫粒機，該脫粒機脫粒效率為3～5 s/穗，且具有破損率低、脫凈率高的特點，滿足高通量考種過程脫粒需求，增加控制信號對該型號脫粒機的啟停進行控制并在脫粒出料口增加光電傳感器以檢測脫粒卸料狀況，集成到高通量玉米考種裝置中。后處理單元中的提升機構選用AL-300G型真空吸料機，吸附電機功率為1 100 W，靜風壓為11 800 Pa，輸送能力達350 kg/h，可確保提升過程無籽粒遺漏現(xiàn)象，增加控制信號對該型號吸料機的啟停進行控制并集成到本裝置中。本裝置的關鍵單元主要包括果穗考種單元、籽粒考種單元及系統(tǒng)控制單元。

2.1 果穗考種單元設計

玉米果穗考種參數(shù)包括果穗質(zhì)量、穗長、穗寬、穗型、穗行數(shù)、行粒數(shù)、禿尖長度、平均粒厚、穗顏色等。需設計一種果穗考種單元不但能夠適應不同形態(tài)玉米果穗檢測需求，且可兼顧高通量考種過程果穗考種的速度和精度。

果穗考種單元結構如圖3所示，主要包括稱重傳感器、攝像頭、光源、果穗承載機構等部件。果穗承載機構由承載支架及果穗承載裝置組成，完全置于稱重傳感器上方，其中果穗承載裝置采用兩根平行安裝，間隔距離可調(diào)，直徑為1.5 mm的高硬度鎢鋼絲，鋼絲長度設計為30 cm，可適用于不同尺寸果穗樣本且不會對果穗圖像獲取造成較大影響。由于待考種果穗的質(zhì)量范圍通常為50～400 g，為保證測量精度，果穗承載機構選用規(guī)格為2020的鋁型材搭建，整個果穗承載機構質(zhì)量為1.8 kg，本裝置選用量程為0～5 kg，最小測量分度為0.1 g的稱重傳感器。工作時將待測果穗置于兩根鋼絲上方進行成像和果穗質(zhì)量測量。

圖3 果穗考種單元結構示意圖Fig.3 Structure diagram of corn ear parameters measuring unit

為保證果穗考種效率，采用4個高分辨率彩色攝像機（中國大恒（集團）有限公司北京圖像視覺技術分公司生產(chǎn)的DH-HV5051Ux-M系列高分辨率彩色CMOS工業(yè)數(shù)字相機和Computar公司生產(chǎn)的焦距為5 mm的鏡頭），以90°間隔均勻分布于果穗周圍，同時獲取玉米果穗4個方向圖像，攝像頭安裝于距待檢測果穗中心距離30 cm處。4只12 V條形LED白光光源分布于相鄰攝像頭中間位置，保證光照均勻性。

果穗考種單元的上料傳感器和卸料傳感器型號為E18-D80NK（集紅外發(fā)射與接收功能于一體的漫反射式紅外光電傳感器），上料后，果穗反射的紅外光會使上料傳感器的輸出信號狀態(tài)發(fā)生改變，從而觸發(fā)四只攝像頭采集果穗圖像，同時記錄果穗質(zhì)量。隨后通過直線推桿電機，其最大行程為100 mm，速度為80 mm/s，推動果穗承載裝置繞軸旋轉，果穗在重力作用下經(jīng)卸料口滑至脫粒單元后，卸料電機復位，承載裝置隨卸料電機復位至初始位置，等待下一果穗上料。卸料傳感器安裝于卸料口位置，在檢測到玉米果穗成功卸料后，啟動脫粒裝置進行脫粒。

2.2 籽?？挤N單元設計

脫粒除雜后的玉米籽粒，在重力作用下隨機散落于籽粒考種單元，易產(chǎn)生嚴重粘連甚至堆積情況，直接獲取圖像進行處理，難以保證籽粒考種參數(shù)獲取精度。

為解決上述問題，設計的籽粒考種單元包括3個部分：1）圖像獲取裝置，用于采集籽粒的圖像信息；2）自動攤種機構，降低籽粒粘連及堆積情況，輔助獲取高質(zhì)量籽粒圖像；3）籽粒卸料機構，考種參數(shù)測量結束后，籽粒卸料進入下一作業(yè)環(huán)節(jié)。籽?？挤N單元結構如圖4所示。

圖4 籽?？挤N單元結構Fig.4 Structure of corn kernels parameters measuring unit

籽粒圖像獲取裝置選用MER-500-7UC型號CMOS工業(yè)數(shù)字相機（中國大恒（集團）有限公司北京圖像視覺技術分公司），其CMOS尺寸為10.16 mm，成像分辨率為2 592×1 944像素。經(jīng)多次測試，將籽粒托板尺寸設計為50 cm×40 cm，不但可以提高相機像素利用率，且能滿足不同尺寸玉米的測量需求。結合籽?？挤N單元的物理尺寸，選擇Computar公司生產(chǎn)的H0514-MP型號鏡頭，攝像頭安裝高度為600 mm。籽?？挤N單元采用4組12 V線性LED白光光源，分兩組對稱分布在燈箱內(nèi)壁上，確保攤種平面光照均勻。

自動攤種機構在籽?？挤N之前輔助進行籽粒平攤，以消除籽粒堆積、降低籽粒粘連程度。目前通過傳送帶方式或振動方式分散籽粒[26-28]，結合高通量快速考種需求，通過系統(tǒng)運行試驗比較不同攤種方式的攤種效果，最終選用回旋振動方式進行籽粒攤種，將振動平臺的回旋速度設為2.9 r/s，回旋振動時間設置為4.5 s，可完全消除籽粒堆積現(xiàn)象[29]，滿足高通量在線檢測需求。

2.3 系統(tǒng)控制方法設計

選用昆侖通態(tài)TPC7062K工控平板與MODBUS繼電器輸入輸出模塊作為系統(tǒng)控制硬件。所選的繼電器輸入輸出模塊基于RS485/RS232 MODBUS RTU標準通訊協(xié)議，具有16路光電隔離開關量輸入16路光電隔離繼電器輸出通道。

為實現(xiàn)玉米果穗上料后，果穗圖像采集、分析、卸料、脫粒、籽粒攤種、籽粒圖像采集、分析、提升、封裝等流程的自動化進行。在果穗考種單元安裝有果穗上料及果穗卸料傳感器，在脫粒單元出口安裝脫粒檢測傳感器，在籽?？挤N單元出口安裝籽粒卸料傳感器，傳感器輸出信號均為開關量，將其作為輸入信號，按照系統(tǒng)設計的邏輯及時序進行考種裝置相應控制。控制系統(tǒng)整體設計如圖5所示。

該裝置共使用了4個輸入信號端和12個輸出信號端，另設置3組機械開關，分別為系統(tǒng)上電，控制系統(tǒng)啟停，系統(tǒng)急停斷電?？刂颇K輸入輸出信號端配置如表1所示。

表1 控制模塊輸入輸出信號端配置Table 1 I/O ports configuration of control module

上電后，系統(tǒng)自動進行初始化并等待果穗上料。檢測到果穗上料信息后判斷上一果穗的籽粒卸料狀態(tài)，若已經(jīng)卸料，讀取果穗質(zhì)量并觸發(fā)4個相機采集果穗圖像，若尚未卸料則等待直至卸料完成，以避免相鄰果穗間籽粒混合。對采集的果穗圖像進行處理獲取果穗考種參數(shù)的同時進行果穗卸料，卸料結束后果穗稱重傳感器清零。當果穗卸料傳感器檢測到果穗即將進入脫粒機時，啟動脫粒機，此時開始振動攤種直至脫粒結束，隨后觸發(fā)采集籽粒圖像進行處理，同時籽粒完成卸料，并通過氣吸式提升裝置將卸料后的籽粒提升到指定高度后進行封裝。封裝結束，系統(tǒng)自動打印二維碼，并將所提取的對應果穗及籽粒考種參數(shù)寫入二維碼中。系統(tǒng)控制流程如圖6所示。

圖6 系統(tǒng)控制流程Fig.6 Flow chart of system control

3 試驗及分析

根據(jù)以上設計思路搭建了玉米高通量自動考種裝置樣機，樣機實物如圖7所示，采用遼寧東亞種業(yè)有限公司東亞海南育種基地收獲的實際待考種玉米作為樣本，在樣機上運行試驗，驗證玉米高通量自動考種裝置的運行效率及主要考種參數(shù)實時獲取精度。

圖7 玉米高通量自動考種裝置樣機Fig.7 Prototype of high throughput automatic measuring device for corn

3.1 考種效率試驗

玉米育種過程通常需要對大批量果穗進行考種。為驗證本裝置連續(xù)運行時的考種效率，通過人工連續(xù)上料，即上一玉米果穗卸料完成后隨即上料。記錄每組試驗樣本從第一個果穗上料開始直至最后一個果穗籽粒封裝完成所耗費的總時間。則系統(tǒng)連續(xù)運行時單個玉米果穗考種平均耗時

式中T為每組樣本測試總耗時，s；Δt為單穗全過程耗時，指單個玉米果穗實現(xiàn)人工上料、果穗考種、自動脫粒、籽粒考種、籽粒提升、籽粒封裝、標簽打印等全過程所耗費的總時間，s。Δt通過隨機選取多個果穗樣本測量統(tǒng)計后得出，統(tǒng)計結果表明本裝置對單個玉米果穗進行考種的平均耗時tΔ為27.2 s；N為樣本總數(shù)。

隨機選取30、50、70穗玉米果穗開展3組試驗，按照上述方法計算本裝置連續(xù)運行時的考種效率，結果如表3所示。

表3 連續(xù)運行時考種效率Table 3 Processing efficiency at continuous operating mode

結果表明，本裝置連續(xù)運行時，處理速度達到4穗/min，可極大提高考種效率。

3.2 果穗考種試驗

由于本裝置的考種參數(shù)均是實時測量并保存在控制端PC機中，為驗證本裝置對果穗考種參數(shù)的提取效果，隨機選取10個玉米果穗并進行編號，在用本裝置進行處理之前，通過人工方式統(tǒng)計各種考種參數(shù)后，依照編號順序依次置于高通量自動考種裝備上進行自動考種，對比系統(tǒng)測量的數(shù)據(jù)與人工測量數(shù)據(jù)差異。本裝置采用4個2 592×1 944像素的彩色相機，從4個不同角度獲取果穗的原始圖像，為提高果穗處理效率，僅獲取每幅圖像中包含果穗的固定區(qū)域，所獲得的4副果穗原始圖像如圖8a~8d所示。對原始圖像在HSV空間進行背景去除和禿尖區(qū)域提取，并在G通道采用OSTU分割法提取籽粒區(qū)域后，對果穗中間區(qū)域進行籽粒跟蹤，獲取本圖像中的穗行數(shù)，圖8a的處理過程及效果如圖8e~8h所示。

果穗考種單元采用4個相機分別進行玉米果穗圖像參數(shù)提取，最終測得的果穗考種參數(shù)由4副圖像提取的參數(shù)綜合計算得出。果穗長、寬為4副圖像中玉米果穗最小外接矩形長、寬的平均值；果穗行數(shù)通過計算每幅圖像有效行數(shù)及其所占弧度，累計4幅圖像，根據(jù)投影法換算得出后通過四舍五入法校準為偶數(shù)。本裝置實時測量的果穗長、寬、穗行數(shù)如表4所示。

由測試結果可知，本裝置可實現(xiàn)果穗多種考種參數(shù)的快速提取。對于一般形狀果穗，本裝置對果穗長、寬、穗行數(shù)等參數(shù)的測量具有較高精度，滿足考種測量需求。

圖8 果穗圖像及處理結果Fig.8 Original images of corn ear and processing results

表4 果穗考種試驗結果Table 4 Results for corn ear parameters measuring

3.3 籽?？挤N試驗

考種裝置運行時，脫粒后的籽粒經(jīng)振動攤種裝置攤開后，獲取玉米籽粒原始圖像，背景去除后，通過改進分水嶺分割方法將粘連的玉米籽粒進行分割成單個籽粒[30-31]，構建單個玉米籽粒區(qū)域的最小外接矩形，將最小外接矩形的長與寬作為每個單獨籽粒的長與寬，實現(xiàn)籽粒數(shù)量、粒長、粒寬等考種參數(shù)的測量。由自動考種裝置獲取的原始籽粒圖像及籽粒分割結果如圖9所示。

隨機選取10個果穗樣本進行自動考種，由于本裝置考種結束后各果穗上的籽粒會自動封裝，通過人工計算每個封裝袋中籽粒數(shù)量，對比本裝置自動測量獲取的籽粒數(shù)量，結果如表5所示。結果表明，本裝置在自動化考種過程可實現(xiàn)玉米考種參數(shù)的提取，且對籽粒數(shù)量的平均測量精度為99.39%。

圖9 玉米籽粒圖像及處理結果Fig.9 Image of corn kernels and processing result

表5 籽粒數(shù)量測量結果Table 5 Results of maize kernel number measuring

4 結 論

1）設計并構建了一種玉米高通量自動考種裝置，該裝置可實現(xiàn)玉米果穗考種、自動脫粒、籽粒考種、自動封裝、二維碼生成及打印等全過程的自動化。該裝置連續(xù)考種時，處理速度可達4穗/min，可大大提高考種效率。

2）設計了基于四攝像頭的玉米果穗考種參數(shù)提取裝置，實現(xiàn)果穗質(zhì)量及果穗長、寬、果穗行數(shù)等考種參數(shù)的測量，對果穗長、寬的平均測量精度分別為99.13%，99.25%。

3）設計了玉米籽?？挤N參數(shù)提取裝置，通過回旋振動避免脫粒后的籽粒大面積堆積粘連，結合視覺方式，實現(xiàn)籽粒數(shù)量、籽粒長、寬等考種參數(shù)的測量，對籽粒數(shù)量的平均測量精度為99.39%。

[1] 柳冠伊，楊小紅，白明，等. 基于線陣掃描圖像的玉米果穗性狀檢測技術[J]. 農(nóng)業(yè)機械學報，2013，44(11)：276-280. Liu Guanyi, Yang Xiaohong, Bai Ming, et al. Detecting techniques of maize ear characters based on line scan image[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(11): 276-280. (in Chinese with English abstract)

[2] 曹婧華，冉彥中，郭金城. 玉米考種系統(tǒng)的設計與實現(xiàn)[J].長春師范學院學報：自然科學版，2011，30(4)：38-41. Cao Jinghua, Ran Yanzhong, Guo Jincheng. The design and realization of corn test system[J]. Journal of Changchun Normal University: Natural Science, 2011, 30(4): 38-41. (in Chinese with English abstract)

[3] Nayak R K, Mishra D, Rath A K. A naive SVM-KNN based stock market trend reversal analysis for Indian benchmark indices[J]. Applied Soft Computing, 2015, 35: 670-680.

[4] 劉長青，陳兵旗，張新會，等. 玉米定向精播種粒形態(tài)與品質(zhì)動態(tài)檢測方法[J]. 農(nóng)業(yè)機械學報，2015，46(9)：47-54. Liu Changqing, Chen Bingqi, Zhang Xinhui, et al. Dynamic detection of corn seeds for directional precision seeding[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(9): 47-54. (in Chinese with English abstract)

[5] Igathinathane C, Pordesimo L O, Batchelor W D. Major orthogonal dimensions measurement of food grains by machine vision using image[J]. Food Research International, 2009, 42: 76-84.

[6] 曹維時，張春慶，王金星，等. 離散小波變換和BP神經(jīng)網(wǎng)絡識別玉米種子純度[J]. 農(nóng)業(yè)工程學報，2012，28(增刊2)，253-258. Cao Weishi, Zhang Chunqing, Wang Jinxing, et al. Purity identification of maize seed based on discrete wavelet transform and BP neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(Supp.2): 253-258. (in Chinese with English abstract)

[7] Zapotoczny P. Discrimination of wheat grain varieties using image analysis and neural networks. Part I. Single kernel texture[J]. Journal of Cereal Science, 2011, 54: 60-80.

[8] 馬欽，江景濤，朱德海，等. 基于圖像處理的玉米果穗三維幾何特征快速測量[J]. 農(nóng)業(yè)工程學報，2012，28(增刊2)，208-212. Ma Qin, Jiang Jingtao, Zhu Dehai, et al. Rapid measurement for 3D geometric features of maize ear based on image processing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(Supp.2), 208-212. (in Chinese with English abstract)

[9] 劉長青，陳兵旗. 基于機器視覺的玉米果穗?yún)?shù)的圖像測量方法[J]. 農(nóng)業(yè)工程學報，2014，30(6)：131-138. Liu Changqing, Chen Bingqi. Method of image detection for ear of corn based on computer vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(6): 131-138. (in Chinese with English abstract)

[10] 王慧慧，孫永海，張婷婷，等. 鮮食玉米果穗外觀品質(zhì)分級的計算機視覺方法[J]. 農(nóng)業(yè)機械學報，2010，41(8)：156-159，165. Wang Huihui, Sun Yonghai, Zhang Tingting, et al. Appearance quality grading for fresh corn ear using computer vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(8): 156-159, 165. (in Chinese with English abstract)

[11] Liang X, Wang K, Huang C, et al. A high-throughput maize kernel traits scorer based on line-scan imaging[J]. Measurement, 2016, 90: 453-460.

[12] 王傳宇，郭新宇，吳升，等. 采用全景技術的機器視覺測量玉米果穗考種指標[J]. 農(nóng)業(yè)工程學報，2013，29(24)：155-162. Wang Chuanyu, Guo Xinyu, Wu Sheng, et al. Investigate maize ear traits using machine vision with panoramic photograyphy[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2013, 29(24): 155-162. (in Chinese with English abstract)

[13] 張帆，李紹明，劉哲，等. 基于機器視覺的玉米異常果穗篩分方法[J]. 農(nóng)業(yè)機械學報，2015，46(增刊)：45-49. Zhang Fan, Li Shaoming, Liu Zhe, et al. Screening method of abnormal corn ears based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(Supp.): 45-49. (in Chinese with English abstract)

[14] 周金輝，馬欽，朱德海，等. 基于機器視覺的玉米果穗產(chǎn)量組分性狀測量方法[J]. 農(nóng)業(yè)機械學報，2015，46(3)：221-227．Zhou Jinhui, Ma Qin, Zhu Dehai, et al. Measurement method for yield component traits of maize based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 221-227. (in Chinese with English abstract)

[15] 楊錦忠，張洪生，郝建平，等. 玉米果穗圖像單一特征的品種鑒別力評價[J]. 農(nóng)業(yè)工程學報，2011，27(1)：196-200. Yang Jinzhong, Zhang Hongsheng, Hao Jianping, et al. Identifying maize cultivars by single characteristic of ears using image analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(1): 196-200. (in Chinese with English abstract)

[16] Han Z Z, Li Y Z, Zhang J P, et al. Counting ear rows in maize using image process method[C]//ICIC 2010-3rd International Conference on Information and Computing, 2010: 329-332.

[17] 呂永春，馬欽，李紹明，等. 基于背景板比例尺的玉米果穗圖像特征測量[J]. 農(nóng)業(yè)工程學報，2010，26(14)：43-47. Lü Yongchun, Ma Qin, Li Shaoming, et al. Image features measurement of maize ear based on background plate scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(14): 43-47. (in Chinese with English abstract)

[18] 王剛. 基于機器視覺的玉米千粒重快速檢測儀的研制[D].長春：吉林大學，2012. Wang Gang. Development of 1000-kernel Corn Weight Detector based on Machine Vision[D]. Changchun: Jilin University, 2012. (in Chinese with English abstract)

[19] 何有根. 基于圖像識別的千粒重儀研究[D]. 西安：西北農(nóng)林科技大學，2007. He Yougen. Research on the Instrument of the Mass of 1000 Based on Image Recognition[D]. Xi’an: Northwest A&F University, 2007. (in Chinese with English abstract)

[20] 肖伯祥，郭新宇，王傳宇，等. 一種滾動式玉米考種裝置：202889908U[P]. 2012-11-13．

[21] 肖伯祥，郭新宇，吳升，等. 一種便攜式多果穗玉米考種裝置：202998804U[P]. 2012-12-20．

[22] 趙春江，肖伯祥，陳立平，等. 高通量玉米考種流水線裝置及方法：CN103355026A[P]. 2013-10-23.

[23] 汪珂，梁秀英，宗力，等. 玉米籽粒性狀高通量測量裝置設計與實現(xiàn)[J]. 中國農(nóng)業(yè)科技導報，2015，17(2)：94-99. Wang Ke, Liang Xiuying, Zong Li, et al. Design and realization of a high-throughput maize kernel trait extraction system[J]. Journal of Agricultural Science and Technology, 2015, 17(2): 94-99. (in Chinese with English abstract)

[24] 肖伯祥，王傳宇，郭新宇，等. 玉米考種自動化流水線機構設計與仿真[J]. 系統(tǒng)仿真學報，2015，27(4)：913-919. Xiao Boxiang, Wang Chuanyu, Guo Xinyu, et al. Automatic pipelining mechanism design for maize ear analysis[J]. Journal of System Simulation, 2015, 27(4): 913-919. (in Chinese with English abstract)

[25] 吳剛，陳曉琳，謝駕宇，等. 玉米果穗自動考種系統(tǒng)設計與試驗[J]. 農(nóng)業(yè)機械學報，2016，47(增刊)：433-441.Wu Gang, Chen Xiaolin, Xie Jiayu, et al. Design and experiment of automatic variety test system for corn ear[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(Supp.): 433-441. (in Chinese with English abstract)

[26] 王僑，陳兵旗，朱德利，等. 基于機器視覺的定向播種用玉米種粒精選裝置研究[J]. 農(nóng)業(yè)機械學報，2017，48(2)：27-37. Wang Qiao, Chen Bingqi, Zhu Deli, et al. Machine vision-based selection machine of corn seed used for directional seeding[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(2): 27-37. (in Chinese with English abstract)

[27] 劉長青，陳兵旗，張新會，等. 玉米定向精播種粒形態(tài)與品質(zhì)動態(tài)檢測方法[J]. 農(nóng)業(yè)機械學報，2015，46(9)：47-54. Liu Changqing, Chen Bingqi, Zhang Xinhui, et al. Dynamic detection of corn seeds for directional precision seeding[J]. 2015, 46(9): 47-54. (in Chinese with English abstract)

[28] 劉舉，白鵬博，凡鳳仙，等. 豎直振動下顆粒物質(zhì)的行為模式研究進展[J]. 化工進展，2016，35(7)：1956-1962. Liu Ju, Bai Pengbo, Fan Fengxian, et al. Research progress on behavior mode of granular matter under vertical vibration[J]. Chemical Industry and Engineering Progress, 2016, 35(7): 1956-1962. (in Chinese with English abstract)

[29] 宋鵬，張晗，王成，等. 玉米籽粒考種信息獲取裝置及方法[J/OL]. 農(nóng)業(yè)機械學報，2017(11)[2017-07-07]. http://kns. cnki.net/kcms/detail/11.1964.s.20170707.1538.004.html. Song Peng, Zhang Han, Wang Cheng, et al. Maize kernel traits acquisition device and method[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2017(11) [2017-07-07]. http://kns.cnki.net/kcms/detail/11.1964.s.2017-0707.1538.004.html. (in Chinese with English abstract)

[30] 繆慧司，梁光明，劉任任，等. 結合距離變換與邊緣梯度的分水嶺血細胞分割[J]. 中國圖象圖形學報，2016，21(2)：192-198. Miao Huisi, Liang Guangming, Liu Renren, et al. Watershed algorithm using edge gradient combined with distance transformation for segmentation of blood cells[J]. Journal of Image and Graphics, 2016, 21(2): 192-198. (in Chinese with English abstract)

[31] 王開義，張水發(fā)，楊鋒，等. 基于分水嶺和改進MRF的馬鈴薯丁粘連圖像在線分割[J]. 農(nóng)業(yè)機械學報，2013，44(9)：187-192. Wang Kaiyi, Zhang Shuifa, Yang Feng, et al. Online segmentation of clustering diced-potatoes using watershed and Improved MRF algorithm[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(9): 187-192. (in Chinese with English abstract)

Design and experiment of high throughput automatic measuring device for corn

Song Peng1,2,3, Zhang Han1,2,3, Wang Cheng1,2,3※, Luo Bin1,2,3, Lu Wenchao1,2,3, Hou Peichen1,2,3
(1. Beijing Research Center of Intelligent Equipment for Agriculture, Beijing, 100097; 2. National Research Center of Intelligent Equipment for Agriculture, Beijing, 100097; 3. Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing, 100097)

Corn parameters measuring are an important step in corn breeding. Currently, researchers measure corn parameters manually or with the help of machine vision technology. The existing corn parameters measuring and methods mainly aim at corn ears or kernels rather than measuring them at the same time, which is difficult to meet the demand of rapidly measuring a large amount of breeding materials in the breeding process. To solve this problem, in this paper, a high throughput automatic measuring device for corn was designed and a prototype was developed. This device mainly included corn ear parameter measuring unit, automatic threshing unit, corn kernels parameter measuring unit, post-processing unit, and system control unit, which can realize the whole process such as ear parameters measuring, ear threshing, kernel parameters measuring, kernel lifting, kernel packaging and label printing automatically. A weighting sensor and four high-resolution color cameras were evenly distributed around the ear with the interval of 90 degrees to get the corn ear images in four directions to acquire corn ear parameters such as ear weight, ear length, ear width, ear rows, bare tip, et al. at the corn ear parameter measuring unit. The average measurement accuracy for ear length and ear width was up to 99.13% and 99.21%. The Canadian Agriculex SCS-2 single ear corn thresher was chosen for automatic threshing unit. Efficiency of the thresher was up to 3-5 s/ear, which can meet the acquirements of high throughput processing. Corn kernels parameters such as kernel number, kernel average length, average width, kernel shape, et al. were obtained in corn kernel parameters measuring unit, which was designed and had three parts: 1) image acquisition device used for kernel images acquisition; 2) automatic spreading mechanism used for reducing kernel adhesion and accumulation, so as to obtain high-quality kernel images; and 3) kernel discharging mechanism used for ensuring the smooth implementation of high-throughput assembly line operation and letting the kernels discharged. The average accuracy of kernel number reached 99.39%. Post-processing unit can lift kernels from corn kernels parameter measuring unit to a fixed height and pack it with a printed QR code label which contained all corn ear and corn kernel parameters. A Kunluntongtai TPC7062K industrial control tablet and MODBUS relay control input-output module with 16 photoelectric isolating switch input channels and 16 photoelectric isolating relay output channels were chosen for the system control unit to receive sensing information and feedback to control the device. The results of experiment showed that the prototype can obtain information both for corn ear and corn kernels automatically. The average time consuming of the prototype for single corn processing was about 27.2 s, and the average efficiency was up to 4 ear/minute during continuous operation mode, which greatly improved the efficiency of corn breeding processes.

measurements; design; experiments; high throughput; corn ear parameters measure; corn kernel parameters measure; image processing; automatic control

10.11975/j.issn.1002-6819.2017.16.006

TP271+.4；TP391.4

A

1002-6819(2017)-16-0041-07

宋 鵬，張 晗，王 成，羅 斌，路文超，侯佩臣. 玉米高通量自動考種裝置設計與試驗[J]. 農(nóng)業(yè)工程學報，2017，33(16)：41-47.

10.11975/j.issn.1002-6819.2017.16.006 http://www.tcsae.org

Song Peng, Zhang Han, Wang Cheng, Luo Bin, Lu Wenchao, Hou Peichen. Design and experiment of high throughput automatic measuring device for corn[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(16): 41-47. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.16.006 http://www.tcsae.org

2017-03-04

2017-07-25

北京市科技計劃項目（D151100004215002）；國家博士后基金項目（2015M581019）

宋 鵬，男，高級工程師，博士，主要從事農(nóng)業(yè)信息技術及裝備研究。北京 北京農(nóng)業(yè)智能裝備技術研究中心，100097。

Email：songp@nercita.org.cn

※通信作者：王 成，男，研究員，博士，主要從事農(nóng)業(yè)信息化、農(nóng)業(yè)智能裝備及儀器研究。北京 北京農(nóng)業(yè)智能裝備技術研究中心，100097。

Email：wangc@nercita.org.cn