一种基于高光谱的种子发芽率在线检测装置及方法

文档序号:224166阅读:310来源:国知局
一种基于高光谱的种子发芽率在线检测装置及方法
【专利摘要】本发明公开了一种基于高光谱的种子发芽率在线检测方法,包括以下步骤:S1对种子训练样本进行高光谱图像采集,提取种子训练样本的高光谱图像在特征波段下的特征参数;S2利用传统方法对种子训练样本进行试验,得到种子训练样本的发芽结果;S3以种子训练样本的高光谱图像在特征波段下的特征参数和光谱反射值作为输入,种子发芽结果作为输出,建立基于高光谱的种子发芽率预测模型;S4对待检测的种子进行高光谱图像采集,利用种子发芽率预测模型进行检测,得出待检测的种子的发芽率。本发明还公开了基于高光谱的种子发芽率在线检测装置。本发明实现了简单、快速、无损、实时地检测种子的发芽率。
【专利说明】一种基于高光谱的种子发芽率在线检测装置及方法
【技术领域】
[0001]本发明涉及于高光谱技术和农业育种领域,特别涉及一种基于高光谱的种子发芽率在线检测装置及方法。
【背景技术】
[0002]种子作为农业生产最基本的生产资料,是确保农业丰收的重要因素。目前中国每年需种量125亿kg,实际供种量45亿kg,种子商品率仅为36 %,种业市场发展空间很大。种子检验是保证种子质量的关键,而种子发芽率又是种子检验中的最为重要的一个指标,每年因种子发芽率问题给生产造成的损失非常严重。因此,做好种子发芽率检测工作十分重要。
[0003]种子发芽率是指在规定的实验条件和时间内,正常发芽种子粒数占供试种子粒数的百分率。不能发芽的种子,包括硬实、处于生理休眠期的种子、死种子(通常变软、变色、发霉,并没有幼苗生长的迹象)和其他类型(如空的、无胚或虫蛀的种子)。
[0004]为了快速测定种子发芽率,研究人员发明了很多方法,目前主要有感观法、染色法、电导率法和吸胀状态法等。但这些方法测定过程复杂,花费时间较长,需借助相关的仪器设备、试剂等才能完成,并且需要对样品做破坏性处理,这些都无法实现种子的快速在线检测。近些年出现了相关的无损检测的方法,如中国专利CN201110203684.1公布了一种利用电子鼻预测蔬菜种子发芽率快速检测的方法,中国专利CN201010227418.8公布了利用高光谱构建农作物种子综合品质检测装置及方法,中国专利CN201010514132.8公布了基于高光谱图像技术的粮粒含水率检测方法,中国专利CN201210090171.9公布了高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法。但是上述专利涉及的方法存在如下问题:(1)电子鼻不直观显示种子品质,对种子缺陷的定性和定量较困难,虽然可以判定发芽率,但是不能筛分出不发芽的种子。(2)高光谱在农作物种子的综合品质检测、粮粒含水率检测和玉米种子纯度检测上的应用,虽然已经将高光谱应用于种子检验,但是都未能检测不发芽种子的缺陷并依据种子分级情况计算种子发芽率。

【发明内容】

[0005]为了克服现有技术的不足,本发明的目的在于提供一种基于高光谱的种子发芽率在线检测装置及方法,实现简单、快速、无损、实时地检测种子的发芽率,并能依据种子分级情况计算种子发芽率。
[0006]本发明的目的通过以下技术方案实现:
[0007]一种基于高光谱的种子发芽率在线检测方法,包括以下步骤:
[0008]SI对种子训练样本进行高光谱图像采集,提取种子训练样本的高光谱图像在特征波段下的特征参数;
[0009]S2利用中国国标GB/T3543.4-1995《农作物种子检验规程-发芽试验》所提供的方法,对种子训练样本进行试验,得到种子训练样本的发芽结果;[0010]S3以种子训练样本的高光谱图像在特征波段下的特征参数和光谱反射值作为输入,种子发芽结果作为输出,采用径向基函数支持向量机方法建立基于高光谱的种子发芽率预测模型,如公式(I)所示:
[0011]
【权利要求】
1.一种基于高光谱的种子发芽率在线检测方法,其特征在于,包括以下步骤: Si对种子训练样本进行高光谱图像采集,提取种子训练样本的高光谱图像在特征波段下的特征参数; S2利用中国国标GB/T3543.4-1995《农作物种子检验规程-发芽试验》所提供的方法,对种子训练样本进行试验,得到种子训练样本的发芽结果; S3以种子训练样本的高光谱图像在特征波段下的特征参数和光谱反射值作为输入,种子发芽结果作为输出,采用径向基函数支持向量机方法建立基于高光谱的种子发芽率预测模型,如公式(I)所示:

2.根据权利要求1的种子发芽率在线检测方法,其特征在于,步骤SI所述对种子训练样本进行高光谱图像采集,提取种子训练样本的高光谱图像在特征波段下的特征参数,具体为: Sll选取种子训练样本; S12对种子训练样本进行高光谱图像采集; S13对步骤S12采集到的种子训练样本的高光谱图像进行预处理:进行反色光谱校正、图像增强和图像分割,得到种子训练样本的子图像; S14特征波段提取:利用高光谱图像的谱间相关性将原始光谱波段划分为若干个波段子集,并利用偏最小二乘法提取出3个特征波长; S15图像特征提取:分别在3个特征波段下,利用图像分割方法对S14中所得种子训练样本的子图像进行轮廓提取,得到种子训练样本的轮廓图像;再从种子训练样本的轮廓图像提取种子训练样本在特征波段下的特征参数。
3.根据权利要求1或2所述的种子发芽率在线检测方法,其特征在于,所述特征参数包括颜色、能量、熵、惯性矩和角度。
4.根据权利要求1的种子发芽率在线检测方法,其特征在于,所述种子训练样本包括正常粒、发霉粒、休眠粒、硬实粒、变软粒、变色粒、空粒、无胚粒和虫蛀粒。
5.根据权利要求2的种子发芽率在线检测方法,其特征在于,当种子为黄豆时,3个特征波段分别是:631 ~638nm,955 ~959nm, 1715 ~1721nm。
6.实现权利要求1所述种子发芽率在线检测方法的基于高光谱的种子发芽率在线检测装置,其特征在于,包括装料器、高光谱成像识别系统和种子自动分级部件; 所述种子自动分级部件包括输送链、多个分级料斗、一个分级执行器、一个种子滑道、位于输送链的输出端的两个种子收集箱;所述分级料斗通过料斗轴均匀地装在输送链上;所述种子滑道,位于输送链的输出端,通过一个轴承和一个汽缸支撑,所述汽缸与分级执行器相连接; 所述高光谱成像识别系统包括光源、成像光谱仪、计算机、分级控制模块、两个位置传感器;所述分级控制模块分别与计算机、分级执行器连接,用于根据计算机输出的结果控制分级执行器;两个位置传感器分别固定在输送链的中间和输出端的位置;所述位置传感器与分级控制模块 连接,用于提供输送链上每个种子的位置信息; 所述装料器位于输送链一端的上方。
【文档编号】A01C1/02GK103636315SQ201310585694
【公开日】2014年3月19日 申请日期:2013年11月20日 优先权日:2013年11月20日
【发明者】孙大文, 杨艺超, 曾新安, 蒲洪彬 申请人:华南理工大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1