超级杂交稻秧盘育秧精密播种性能检测方法及关键技术研究

Super hybrid rice is widely cultivated in china. Because super hybrid rice has strong tiller ability, it requires precise and low seeding rate, which need to ensure 2~3 grains each cell in tray plugs. But during the sowing process, some problems arise. Rice seed traits, such as length, shape, moisture, weight change, which greatly affect the performance of seeder sowing machine. As a result, seed distribution on the tray plugs is uneven and sowing quantity changes now and then. To solve the problem, a sowing performance measurement system based on computer vision and panoramic technology is put forward. Some critical technologies are planned to study by the following methods. Firstly seeding tray images sequence are acquired on line, then image mosaic algorithm is applied to form a complete nursery tray sowing image, which retain the detail information of seeding tray image. Secondly estimation of the nursery tray sowing quantity per cell is achieved and sowing performance parameters are counted. According to the specific information of changes on sowing performance parameters, corresponding feedback signal is formed. In the aspect of rice seed counting algorithm, particles quantity detection is base on seed connected regions pattern recognition, multi-feature extraction and feature selection technologies. The method improves the counting accuracy of multiple particle seed quantity, and works well when seeds are overlapped, crossed and adhered. Thirdly the SIFT algorithm is applied to extract local features of seed connected regions in this project. At last the development of machine vision system ensures high-speed and efficient operation of sowing performance measurement system. The theory and method of this research will open up a new technology of precision constant seeding; also the research has great theoretical value and practical application significance.

超级杂交稻具有超强的分蘖能力，要求2～3粒/穴低播量精密播种育秧，以保证精准栽插，但由于播种育秧时使用浸泡后发芽的种子，所以播种过程中种子物理特性的变化会影响精密播种器的播种性能。为提高播种性能，本项目应用机器视觉和全景技术，在线动态检测连续输送的播种秧盘，对采集的图像序列进行在线快速的穴播种量检测，并根据检测统计的播种性能变化信息，形成播种量预测信号，及时提供播量智能调节系统；同时，采用图像拼接技术自动地拼接整盘播种图像，预测整盘秧盘播种性能，以及时补种或评价育秧播种器性能。项目在秧盘超级稻种子计数检测算法方面，采用多特征提取技术和特征优选技术，提出基于模式识别检测种子连通区域的颗粒数，并研究将SIFT局部特征应用到稻种连通区域分类识别中，有效地提高多粒种子颗粒数的检测精度，特别适用于重叠、交叉和粘连的情况。本项目研究理论和方法对杂交稻和超级杂交稻精密播种技术具有重要的实际应用价值。

超级杂交稻要求低播量精密播种，保证2～3粒/穴，通过提高播种均匀性，减少种子用量，节本增效，提高产量。但水稻育秧采用催芽后播种，催芽的种子在播种过程中，种子物理的特性将发生变化，会影响播种性能，亟需开展超级杂交稻秧盘育秧精密播种性能检测方法及关键技术研究，以提高播种精度，保证播种育秧质量。项目创新性地提出一种基于机器视觉和嵌入式机器视觉的秧盘育秧精密播种性能检测技术，在线动态检测连续输送的播种秧盘，对采集的图像序列采用图像拼接技术自动地拼接整盘播种秧盘图像，保留每秧穴播种图像细节信息，实现秧盘每秧穴播种量的精密检测。研究内容包括理论研究与试验研究：（1）进行了播种秧盘图像采集系统设计及图像预处理研究。根据实际超级杂交稻播种应用的情况，针对播种秧盘图像监测场景、预期装置中相机高度及拍摄视野、稻种几何特征等，在现有的超级杂交稻育秧流水线上设计了秧盘育秧图像的采集系统；（2）基于BP神经网络的超级杂交稻连通区域播种量识别算法研究。根据超级杂交稻播种秧盘中不同颗粒数的连通区域形态各异，从形态特征方面出发，研究了稻种连通区域的形状几何特征和不变矩特征两种特征的提取方法，研究了稻种连通区域的特征值选择算法，根据特征选择的概念和方法，通过平均影响值MIV和BP神经网络算法，对不同特征参数组合进行评估和排序，从而完成不同超级杂交稻图像的分类特征组合的选择；最后对不同的特征值组合进行构建及选取BP神经网络作为稻种连通区域播种量模式识别的方法。（3）基于改进分水岭算法和SUSAN算子的超级杂交稻分割与计数技术研究，提出一种兼顾标记提取前的预处理和对分割后的后处理的改进分水岭分割算法和改进的SUSAN算子实现粘连杂交稻分割和计数自动化检测。（4）开展了超级杂交稻穴播量精密播种性能检测技术研究，通过采集播种秧盘图像序列采用图像拼接技术拼接整盘播种秧盘，保留每秧穴播种图像细节信息；通过分析现有的图像拼接算法，提出一种结合相位相关和SURF算法的快速播种秧盘图像拼接技术，提出了基于灰度投影的播种秧盘检测区域和秧穴定位算法，给出了“穴播量”检测流程，最后统计秧盘播种性能，与人工检测秧盘播种性能比较分析。（5）基于嵌入式机器视觉的秧盘育秧图像无线传输系统设计与试验，实现秧盘图像的无线传输，远程监测育秧流水线播种量检测。