農(nóng)業(yè)工程

展慧，李小昱，王為，等

基于機(jī)器視覺(jué)的板栗分級(jí)檢測(cè)方法

展慧，李小昱，王為，等

目的：板栗含水率高，采收后極易發(fā)生霉?fàn)€、失水等品質(zhì)變劣現(xiàn)象。為實(shí)現(xiàn)合格和缺陷板栗的分級(jí)，采用機(jī)器視覺(jué)技術(shù)對(duì)合格板栗和缺陷板栗進(jìn)行分級(jí)檢測(cè)，研究板栗圖像處理方法，提取合適的特征參數(shù)并建立相應(yīng)的識(shí)別模型，以實(shí)現(xiàn)板栗的準(zhǔn)確、快速分級(jí)檢測(cè)。方法：試驗(yàn)樣品為購(gòu)于湖北省武漢市徐東萬(wàn)噸冷庫(kù)的羅田板栗，單果質(zhì)量范圍9.04～14.92 g，所有樣本依照行業(yè)貯藏條件（溫度0～2℃，相對(duì)濕度80%～90%）保存于SPX智能型生化培養(yǎng)箱。試驗(yàn)前依據(jù)國(guó)家行業(yè)標(biāo)準(zhǔn)（GH/T 1029—2002）6.1.1感官檢驗(yàn)法，從中隨機(jī)選出色澤好且著色均勻一致的70粒作為1級(jí)板栗；著色不均，有塊狀斑點(diǎn)的70粒作為2級(jí)板栗；暗晦、霉變的70粒為3級(jí)板栗。自行構(gòu)建基于機(jī)器視覺(jué)技術(shù)的板栗分級(jí)檢測(cè)系統(tǒng)，由計(jì)算機(jī)、試驗(yàn)箱、攝像頭（scA1390-17fc，德國(guó)Baseler）、鏡頭（M1214-MP）、圖像采集卡（Meteor2-139）等部件構(gòu)成。樣本圖像采集在帶環(huán)形發(fā)光二極管光源、背景為白色的試驗(yàn)箱（270 mm×270 mm×350 mm）內(nèi)進(jìn)行。確定最佳焦距和樣品位置作為固定參數(shù)，采集的圖像數(shù)據(jù)通過(guò)圖像采集卡傳輸?shù)接?jì)算機(jī)。圖像消噪分別采用中值濾波、均值濾波和維納濾波法對(duì)獲取的板栗圖像進(jìn)行濾波處理，維納濾波的效果較優(yōu)。圖像分割過(guò)程為：先直接對(duì)RGB圖像中噪聲含量少、邊緣保存較完整的B分量進(jìn)行處理，利用graythresh函數(shù)求取灰度閾值，再根據(jù)所確定的灰度閾值把B分量灰度圖轉(zhuǎn)換為二值圖像，然后通過(guò)膨脹、腐蝕等形態(tài)學(xué)濾波去除冗余信息，同時(shí)對(duì)板栗的邊緣進(jìn)行平滑和形態(tài)學(xué)上的閉合操作，再經(jīng)填充得到板栗區(qū)域圖像。將此圖像作為模板分別和維納濾波后的R、G、B分量進(jìn)行運(yùn)算，最后經(jīng)合成運(yùn)算得到從背景中分割出來(lái)的彩色板栗圖像，較好地保留了其顏色、紋理和輪廓等特征信息。獲取板栗圖像各像素點(diǎn)的顏色和紋理參數(shù)值，并取均值作為整粒板栗的特征參數(shù)。結(jié)果：顏色特征值提取以L*a*b*顏色模型為板栗分類識(shí)別參數(shù)。提取的3類板栗的L*、a*、b*顏色分量均值，通過(guò)數(shù)據(jù)分析可以看出，3類板栗隨表面顏色和色澤的改變，各顏色分量的值也發(fā)生著明顯的變化，L*、a*、b*各分量逐漸減小。紋理特征值選用了角二階矩、對(duì)比度、熵、逆差矩和相關(guān)5個(gè)參數(shù)來(lái)表征板栗圖像的紋理特征，由于1級(jí)和3級(jí)板栗的色澤均勻，紋理較規(guī)則，因此熵和逆差矩特征值近似，但和2級(jí)板栗的差別明顯；3類板栗的角二階距、對(duì)比度以及相關(guān)差別明顯，對(duì)板栗圖像具有較好的描述能力，較好地反應(yīng)了板栗表面的紋理特征。BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元采用S型正切傳遞函數(shù)tansig，輸出層采用S型對(duì)數(shù)傳遞函logsig，網(wǎng)絡(luò)訓(xùn)練函數(shù)為trainlm。輸入層為提取的圖像特征值確定的主成分因子數(shù)。輸出層為2個(gè)單元，分別用0和1表示，其中（0，1）、（1，0）、（1，1），分別對(duì)應(yīng)于1級(jí)板栗、2級(jí)板栗和3級(jí)板栗，期望誤差為0.0001。隨機(jī)選取150粒作為訓(xùn)練樣本，剩余的60粒作為測(cè)試樣本，對(duì)訓(xùn)練集數(shù)據(jù)進(jìn)行歸一化處理，模型的中間層節(jié)點(diǎn)數(shù)通過(guò)訓(xùn)練來(lái)確定。由圖像特征數(shù)據(jù)，通過(guò)主成分分析，提取不同數(shù)目的主成分因子作為網(wǎng)絡(luò)輸入來(lái)建立BP判別模型。以識(shí)別率作為衡量模型優(yōu)劣的指標(biāo)，當(dāng)主成分?jǐn)?shù)增加到3時(shí)，累計(jì)方差貢獻(xiàn)率為94.83%，這3個(gè)主成分因子幾乎能表征全部圖像特征信息。此時(shí)模型對(duì)訓(xùn)練集中樣品的識(shí)別率為100%，對(duì)測(cè)試集中樣品的識(shí)別率為91.67%。其后模型在訓(xùn)練集和測(cè)試集的識(shí)別率隨主成分?jǐn)?shù)的增加而下降。故確定圖像特征信息的最佳主成分因子數(shù)為3，以其為輸入建立BP神經(jīng)網(wǎng)絡(luò)模型。當(dāng)中間層節(jié)點(diǎn)數(shù)為12時(shí)，模型訓(xùn)練效果最好，模型訓(xùn)練的識(shí)別率達(dá)到了100%；模型預(yù)測(cè)的總體識(shí)別率為91.67%。其中，2個(gè)1級(jí)樣本誤判為2級(jí)，1個(gè)2級(jí)樣本誤判為1級(jí)，1個(gè)2級(jí)樣本誤判為3級(jí)，1個(gè)3級(jí)樣本誤判為2級(jí)。結(jié)論：（1）研究了采用機(jī)器視覺(jué)技術(shù)對(duì)合格和缺陷板栗進(jìn)行分級(jí)檢測(cè)的方法，構(gòu)建了板栗圖像采集系統(tǒng)，通過(guò)對(duì)獲取的板栗圖像進(jìn)行分析處理，利用graythresh函數(shù)求取灰度閾值，結(jié)合形態(tài)學(xué)處理，實(shí)現(xiàn)板栗與背景準(zhǔn)確區(qū)分；提取板栗圖像的顏色特征L*、a*、b*及紋理特征角二階矩、對(duì)比度、熵、逆差矩等參數(shù)可有效地表征3類板栗在色澤、紋理等方面的差異。（2）以主成分分析法提取的各特征參數(shù)作為輸入，創(chuàng)建了網(wǎng)絡(luò)結(jié)構(gòu)為3-12-2的3層BP神經(jīng)網(wǎng)絡(luò)模型來(lái)識(shí)別缺陷板栗，該模型對(duì)3個(gè)級(jí)別的板栗識(shí)別準(zhǔn)確率達(dá)91.67%。

來(lái)源出版物：農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(4): 327-331

入選年份：2015

利用地形和遙感數(shù)據(jù)預(yù)測(cè)土壤養(yǎng)分空間分布

張素梅，王宗明，張柏，等

摘要：目的：土壤的有效管理和土地利用的科學(xué)規(guī)劃均依賴于精確的土壤特性空間分布信息。東北平原是中國(guó)重要的農(nóng)業(yè)區(qū)，其主要的土壤類型如黑土、草甸土等具有良好的物理、化學(xué)和生物特性，是優(yōu)良的耕作土壤，研究其土壤養(yǎng)分空間分布是調(diào)整管理措施、獲得最大經(jīng)濟(jì)收益的前提，也是實(shí)施精準(zhǔn)農(nóng)業(yè)實(shí)踐的理論基礎(chǔ)。該文通過(guò)分析東北平原典型農(nóng)業(yè)縣-農(nóng)安縣耕地土壤有機(jī)質(zhì)、全氮的空間分布規(guī)律，為有效地指導(dǎo)農(nóng)業(yè)生產(chǎn)提供科學(xué)依據(jù)。方法：兼顧代表性和均勻性，在主要農(nóng)業(yè)用地上進(jìn)行采樣，采樣點(diǎn)總數(shù)為471個(gè)。對(duì)于旱田、水田、菜地，分別在0～20 cm土層、0～15 cm土層和0～25 cm土層取樣。所有土壤樣品在充分混合后，測(cè)定土壤有機(jī)質(zhì)（采用重鉻酸鉀容量法），全氮（采用半微量開(kāi)氏法）。土壤養(yǎng)分空間分布通過(guò)回歸克里金方法得到。數(shù)據(jù)處理軟件SPSS用于統(tǒng)計(jì)分析，GS+用于克里金插值采用，ArcGIS用于GIS空間分析和插值分布圖制作。結(jié)果：（1）11個(gè)環(huán)境因子中，相對(duì)高程、坡度、地形起伏度、坡度變率、NDVI與土壤有機(jī)質(zhì)和全氮含量均具有顯著相關(guān)性。地面粗糙度和地形濕度指數(shù)與有機(jī)質(zhì)有顯著相關(guān)性，而與全氮的相關(guān)性不顯著。（2）土壤有機(jī)質(zhì)和全氮最優(yōu)多元回歸模型決定系數(shù)分別為0.22和0.19，表明環(huán)境因子可以預(yù)測(cè)土壤有機(jī)質(zhì)和全氮空間分布22%和19%的部分，其中相對(duì)高程、地面粗糙度、NDVI是預(yù)測(cè)土壤養(yǎng)分分布的最優(yōu)因子，參與了有機(jī)質(zhì)和全氮空間分布的預(yù)測(cè)。除此，河流動(dòng)能指數(shù)對(duì)全氮的空間分布較為重要，而坡度對(duì)有機(jī)質(zhì)則比較重要。（3）有機(jī)質(zhì)、全氮在研究區(qū)內(nèi)的分布呈漸變趨勢(shì)，由東南向西北逐漸減少。兩種土壤養(yǎng)分的空間分布并不完全相同，全氮空間分布逐漸過(guò)渡性更強(qiáng)一些，而有機(jī)質(zhì)在漸變趨勢(shì)下還有一些突變的區(qū)域。（4）相對(duì)于反距離加權(quán)和簡(jiǎn)單克里金預(yù)測(cè)方法，回歸克里金方法對(duì)土壤養(yǎng)分空間分布預(yù)測(cè)精度均顯著提高，其中對(duì)全氮的預(yù)測(cè)精度提高的更多一些，提高了90%以上，對(duì)有機(jī)質(zhì)的預(yù)測(cè)精度分別提高31.56%和45.2%，提高幅度也是非常顯著的。結(jié)論：土壤養(yǎng)分空間分布受到眾多環(huán)境因素的影響，相關(guān)分析表明相對(duì)高程、坡度、地表起伏度、坡度變率與土壤養(yǎng)分呈顯著負(fù)相關(guān)，地形濕度指數(shù)、NDVI與土壤養(yǎng)分為正相關(guān)。表明地勢(shì)低、坡度緩、濕度大、植被條件好的地方，土壤養(yǎng)分相對(duì)充足。對(duì)土壤養(yǎng)分分布產(chǎn)生影響的環(huán)境因子中，相對(duì)高程、坡度、地形濕度指數(shù)、河流動(dòng)能指數(shù)4個(gè)地形因子和NDVI植被因子可以很好反映土壤要素的空間分布，能夠用于預(yù)測(cè)地理要素的空間分布?；貧w克里金方法對(duì)土壤養(yǎng)分空間分布的預(yù)測(cè)精度相對(duì)參考方法得到大幅度提高，該方法是提高土壤養(yǎng)分空間分布預(yù)測(cè)精度的有效方法。并且隨著GIS和遙感技術(shù)的發(fā)展，DEM和遙感數(shù)據(jù)的精度會(huì)不斷提高，將進(jìn)一步提高回歸克里金方法預(yù)測(cè)的精度。

來(lái)源出版物：農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(5): 188-194

入選年份：2015

典型生物質(zhì)顆粒燃料燃燒特性試驗(yàn)

羅娟，侯書(shū)林，趙立欣，等

摘要：目的：生物質(zhì)顆粒燃料的灰分、堿金屬含量較高，燃燒時(shí)易出現(xiàn)結(jié)渣、堿金屬及氯腐蝕、設(shè)備內(nèi)飛灰嚴(yán)重等問(wèn)題，目前國(guó)內(nèi)對(duì)生物質(zhì)顆粒燃料的燃燒特性及污染物排放特性缺乏詳細(xì)的研究，國(guó)外的研究多以木質(zhì)顆粒燃料為主。該文選擇了棉稈、麥秸稈、玉米秸稈、含添加劑玉米秸稈、落葉松、紅松、混合木質(zhì)、木質(zhì)與秸稈混合顆粒等8種典型的生物質(zhì)顆粒燃料進(jìn)行了試驗(yàn)研究，深入分析生物質(zhì)顆粒燃料的點(diǎn)火特性、燃燒效率、污染物排放以及燃燒后的灰渣特性。方法：采用工業(yè)分析、元素分析及發(fā)熱量測(cè)定方法得到生物質(zhì)顆粒燃料的理化特性。以從瑞典引進(jìn)的PelleX生物質(zhì)顆粒燃料自動(dòng)燃燒器為試驗(yàn)裝置，進(jìn)行燃燒試驗(yàn)，試驗(yàn)結(jié)束后，稱量底灰及渣塊質(zhì)量，分析灰渣的灰熔融特性和化學(xué)成分。（1）點(diǎn)火特性，主要測(cè)定點(diǎn)火時(shí)間，利用秒表記錄；（2）燃燒及污染物排放特性，采用綜合煙氣分析儀（KM9106）進(jìn)行實(shí)時(shí)分析和記錄；（3）底灰結(jié)渣率，以灰渣中粒度大于6 mm的渣塊占總灰渣質(zhì)量的百分?jǐn)?shù)為該燃料的底灰結(jié)渣質(zhì)量率。結(jié)果：（1）點(diǎn)火特性。生物質(zhì)顆粒燃料所需的點(diǎn)火時(shí)間與揮發(fā)分大致呈線性關(guān)系，揮發(fā)分越高，點(diǎn)火時(shí)間越短；點(diǎn)火時(shí)間與水分含量大致呈指數(shù)關(guān)系，水分含量越高，點(diǎn)火時(shí)間越長(zhǎng)。（2）燃燒特性。生物質(zhì)顆粒燃料的燃燒過(guò)程可分為啟動(dòng)、預(yù)運(yùn)行、運(yùn)行和停止4個(gè)階段。在運(yùn)行階段，麥秸和棉稈的CO排放質(zhì)量濃度達(dá)到365.94和555.37 mg/m3，其他顆粒均不高于120 mg/m3。（3）SO2、NOx排放。絕大部分顆粒燃料的SO2排放濃度基本為0，只有棉稈的SO2排放濃度相對(duì)較高；木質(zhì)類顆粒NOx排放濃度普遍低于秸稈類顆粒；NOx排放質(zhì)量濃度與原料的N含量基本成正比關(guān)系。（4）灰分對(duì)燃燒的影響。生物質(zhì)顆粒的灰分含量、底灰結(jié)渣率對(duì)燃燒器的正常運(yùn)行時(shí)間有顯著影響，灰分含量過(guò)大（如棉稈21.69%）、結(jié)渣率過(guò)高（如紅松57.81%、玉米秸48.94%）均會(huì)導(dǎo)致燃燒器無(wú)法持續(xù)運(yùn)行。（5）結(jié)渣特性。根據(jù)灰渣的外觀形狀、顏色和尺寸不同，可分為不結(jié)渣（落葉松）、中度結(jié)渣（棉稈、含添加劑的玉米秸稈）和嚴(yán)重結(jié)渣（麥秸稈、玉米秸稈、紅松等）3種?；胰廴谔匦詫?duì)燃料結(jié)渣率有較大影響，對(duì)大多數(shù)顆粒燃料來(lái)說(shuō)，軟化溫度越高，結(jié)渣率越低，當(dāng)軟化溫度達(dá)到一定數(shù)值時(shí)，燃料不會(huì)發(fā)生結(jié)渣，如落葉松（軟化溫度為1389℃）；Si元素含量越高，堿金屬含量越高，越易于結(jié)渣；堿土金屬含量越大，越抗結(jié)渣，玉米秸中Si的質(zhì)量分?jǐn)?shù)為27.70%，底灰結(jié)渣率達(dá)到48.84%，落葉松中Si的質(zhì)量分?jǐn)?shù)僅為9.76%，不結(jié)渣；使用添加劑后的玉米秸底灰結(jié)渣率降低了22.77%。結(jié)論：（1）生物質(zhì)顆粒燃料所需的點(diǎn)火時(shí)間與燃料的揮發(fā)分、水分含量密切相關(guān)，揮發(fā)分越高，水分含量越低，點(diǎn)火時(shí)間越短。（2）生物質(zhì)顆粒燃料正常燃燒時(shí)的SO2、NOx等污染物排放濃度遠(yuǎn)低于國(guó)家標(biāo)準(zhǔn)，但部分生物質(zhì)顆粒燃料存在灰分含量過(guò)大、結(jié)渣嚴(yán)重等問(wèn)題；NOx的生成方式主要為燃料型反應(yīng)機(jī)制，而非熱力型反應(yīng)機(jī)制。（3）生物質(zhì)顆粒的灰分含量對(duì)結(jié)渣基本上沒(méi)有趨勢(shì)性影響，灰熔融特性對(duì)結(jié)渣率有較大影響。（4）影響生物質(zhì)顆粒燃料結(jié)渣趨勢(shì)的元素主要有Si、堿金屬和堿土金屬；適當(dāng)?shù)奶砑觿┛捎行Ц纳迫剂系慕Y(jié)渣性能。建議在生產(chǎn)生物質(zhì)顆粒燃料時(shí)添加適當(dāng)?shù)奶砑觿?，以降低結(jié)渣率，改善運(yùn)行工況；同時(shí)，建議對(duì)國(guó)外引進(jìn)的燃燒器進(jìn)行優(yōu)化改進(jìn)，及時(shí)排出灰渣，保證連續(xù)運(yùn)行，以適應(yīng)中國(guó)的國(guó)情。

來(lái)源出版物：農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(5): 220-226

入選年份：2015