XX大学检测技术与自动化装置《玉米种子纯度快速检测方法研究》开题报告汇报课件

玉米种子纯度快速检测方法研究报告人：XXX

导师：XXX教授专业：农业电气化与自动化方向：检测技术与自动化装置2023.11.8研究目的与意义1研究内容3可行性分析及创新之处4研究进度安排5国内外研究现状2汇报提纲1、研究目的与意义

玉米是全球主要农作物之一，在食品、饲料等行业中应用广泛。根据国家标准GB4404.1-2018的规定，玉米种子品质参数包括：纯度、净度、发芽率和水分；其中,纯度是最关键的指标，纯度检验是品质检验的中心，是对一批玉米种子中个体与个体之间在特征特性方面典型一致性程度的检验和种子真实性的鉴定。可用来划分种子级别,并且直接影响玉米产量。据测算，玉米种子纯度增加一个百分点，每

hm2将增产135kg。本研究目的拟通过多区域多特征聚类思想进行玉米种子纯度识别,建立玉米种子纯度识别决策支持模型.1、研究目的与意义玉米种子纯度传统鉴定方法：田间检验、室内检验、种植检验方法具体实施优点缺点田间检验

一般分苗期、花期和成熟期三期进行，花期是关键。苗期检验性状为幼苗叶色、叶鞘颜色、叶型，花期为株高、茎秆粗细、叶片形状、叶片数及上冲程度、花药色、花丝色、雄穗护颖颜色及主轴长度、分枝多少等，成熟期为穗位高低、双穗率、穗型、穗轴颜色、粒型、粒色、果穗苞叶长度等。

田间检验是三大检验的重中之重。种子质量的高低主要是在田间生产过程中形成的，做好制种田间检验对于确保种子质量显得格外重要。属于制种过程中的监督检验，对于市场流通区域种子的检验（既成事实种子）无法进行；或者只是作为参照标准执行。1、研究目的与意义方法具体实施优点缺点室内检验

籽粒形态鉴定法是根据粒色、粒型、粒质、顶部凹陷和饱满状况、胚的形状与大小、籽粒表面圆滑程度、棱角的有无、稃色和花丝遗迹等特征进行鉴定的。

幼苗形态鉴定法是以幼苗表现出的不同特征为依据面进行的检验，可根据芽鞘的颜色和长短、叶色、叶型、叶上茸毛的多少，中胚轴和近根处颜色、次生根的粗细、长短和多少等综合鉴别。

电泳法（推荐标准GB/T3543.5-1995）测定品种纯度主要是利用电泳技术对品种的同功酶及蛋白质组分或DNA和RNA的指纹进行分析，找出品种间差异的生化指标，以此来区分不同品种，测定种子纯度（NY/T449-2021

）。籽粒形态法：快速、简单、经济;幼苗形态法：简单易行；电泳法：准确度高。籽粒形态法：依靠感官鉴别，对一些外部形态差异不大的品种鉴别准确性较差，在应用上存在一定的局限性。幼苗形态法：受环境因素及籽粒大小饱满程度的影响较大，容易引起较大的误差，周期长，破坏性。电泳法：专业性强，破坏性，费用高，周期长；1、研究目的与意义方法具体实施优点缺点种植检验

主要依据玉米植株性状、雄穗性状、雌穗性状和籽粒性状等在品种间的差异鉴定品种纯度的。在众多性状中，应抓住主要性状和特殊性状，必要时考虑次要性状和易变性状。主要性状是指品种所固有的不易变化的明显性状，如玉米轴色、花丝颜色等；次要性状是指细小、不易观察的性状，如花粉育性、叶鞘茸毛、小穗护颖等；易变性状是指容易随外界条件的变化而变化的性状，如株高、茎粗等；特殊性状是指某些品种所特有的性状，如花丝遗迹明显与否、苞叶顶端有无小叶等。田间种植是鉴定种子真实性和测品种纯最为可靠、准确的方法周期过长，破坏性鉴定，专业知识及经验要求较高。1、研究目的与意义

综上分析,传统玉米种子纯度和水分鉴定技术存在周期长、专业知识要求高、经验依赖度高、专业设备操作复杂、结果未细分、难于实现数字化等缺点；为解决此问题，本研究拟通过研究玉米种子的多区域多特征，包括色彩、纹理和角质率，建立玉米种子纯度鉴定的聚类模型；为玉米种子现场流通质量鉴定提供科学依据,做好准备。

2、国内外研究现状美国、日本、加拿大、英国等发达国家20世纪80年代起把机器视觉技术应用于种子检验中,研究的种子主要是玉米、大麦、小麦、大豆、燕麦、黑麦草、水稻等。国外:

Liao.K等(1992)根据基于知识的颜色区分玉米粒。Gao.X等(1995)发展三维彩色空间的玉米图像分割技术。LiaoK.等(1994)根据玉米粒的颜色和表面缺陷进行实时分级,该系统的缺点是分级速度慢,每秒仅处理12个玉米粒。Ni.B.等(1998)研究机器视觉玉米粒大小分级,可测得独立于玉米粒方向的尺寸。

2、国内外研究现状国外:

J.PaliwalI.,N.S.VisenI.等(2013)提取五种类型小麦（大麦籽粒，琥珀色硬粒小麦，红春小麦，燕麦，黑麦）共计230个参数（51个形态参数，123个颜色参数和56个纹理参数），研究其形态、颜色、质地，利用神经网络分类器进行分类测试，精度可以达到90%。

G.Venora,O.Grillo(2019年)采用反式照明图像机器视觉系统，测量小麦的角质率、粉质率、花斑和瘪粒。由线性判别和贝叶斯分类器构成分类识别系统。训练集由2015年收获的30个意大利品种6679粒组成，测试集由2017年收获的30个样品构成。总体分类为96.03%，其中，萎缩的分类器的训练集正确率为95.27%，测试集的正确率为99.58%。试验证明，该图像分析系统比人类核查人员验证系统可靠。

2、国内外研究现状国外:

MirolyubI.等(2022)以玉米籽粒彩色图像和高光谱图像作为研究对象，从彩色图像中提取玉米的颜色,形状和尺寸等可见特征。从高光谱特性图像提取颜色和纹理。采用三种数据融合思想，第一种方法将颜色和形状特征融合，使用图像分析裂解。第二种方法融合形状数据，得到形状特征。第三种方法融合颜色和表面纹理数据，得到光谱分析特征。三种数据融合方法在玉米分类中的误差分别是：15.3%、8.6%、5.3%。

美国依阿华州立大学(2019年)种子科学中心已开发出品种纯度检验的计算机图像分析系统,该系统将标准品种的种子、幼苗和植株的形态特征以及电泳图谱摄取入计算机内建立图像库。当鉴定未知纯度或品种时,将种子、幼苗、植株的电泳摄入计算机与标准图像比较后,可鉴定品种的纯度。

2、国内外研究现状国内:

2、国内外研究现状

综上所述，国内外专家学者在机器视觉进行种子品质鉴定方面进行了深入研究，以多光谱图像采集系统为基础，采用色彩、纹理、形状等特征，结合神经网络、回归分析、贝叶斯分类器、线性分类器等理论进行分类研究，为种子快速检测提供依据。然而，大多数研究是基于特定实验条件下完成，需要训练生成分类器，不利于技术推广，不利于现场流通区域使用。为了解决种子品质检测的周期长、专业知识要求高、操作复杂、鉴定场合要求高等缺点，本研究提出一种基于可见光适合于种子流通场合使用的纯度快速聚类鉴定方法

。3、研究内容3.1具体研究内容(红色文字是重点研究内容)1)建立玉米种子动态(单粒)、静态(多粒)图像采集装置。2)完成玉米种子图像预处理;包括增强、矫正定位、分割提取。3)完成玉米种子图像特征提取;提取多区域色彩(RGB模型、HIS模型、Lab模型)、纹理(灰度共生矩阵等)和角质率(透射、剖面)特征。4)完成玉米种子图像特征优化;采用粗糙集、主成分分析法进行特征降维，去除冗余。3、研究内容3.1具体研究内容(红色文字是重点研究内容)5)采用透射和剖面角质率进行拟合分析，判断种类，标记杂粒。6)完成多步聚类识别，以划分、距离、密度等聚类方法进行初步识别，建立纯度识别决策支持系统，对初步识别结果进行决策（重聚类），得到纯度大小。7）引入试验样本，对模型进行改进，完成识别。3、研究内容3.2技术路线分析现有文献资料建立玉米种子信息采集装置玉米种子色彩纹理角质率特征提取优化多区域、多特征母本自交粒聚类识别

玉米种子种类判断以及杂粒识别试验样本玉米种子纯度识别决策支持系统结论误差评价修正采集装置透射、纵切剖面角质率研究顶端、无胚芽侧色彩、纹理研究3、研究内容3.3研究内容具体实施1)玉米种子图像信息采集装置研究

静态多粒玉米种子图像采集系统该系统硬件由彩色CCD相机、四面无影冷白光源、箱体、玉米种子直立摆放装置以及计算机组成;一次可采集100粒玉米种子图像.3、研究内容3.3研究内容具体实施1)玉米种子图像信息采集装置研究

动态玉米种子图像采集系统该系统硬件由彩色CCD相机、LED冷白光源、箱体、精准传送装置以及计算机组成；一个工位一次可采集1粒玉米种子顶端和侧面2张图像。系统基本搭建完成,精准定位有待于提高。动态玉米种子纯度识别仪采集过程动态玉米种子纯度识别仪上位机界面动态识别仪工作过程3、研究内容3、研究内容3.3研究内容具体实施2)玉米种子透射角质率研究

测定玉米种子角质率、粉质率与水分之间的关系。但目前玉米种子水分是一整体重量含量标记，并未区分角质与粉质的水分含量。对于角质率、粉质率的测定方法没有统一标准，最常用手段是手工检测，存在工序复杂、精度低等问题。

浚单20透射种子图3、研究内容3.3研究内容具体实施

浚单20种子角质粉质分布图

先玉335种子角质粉质分布图2)玉米种子透射角质率研究3、研究内容3.3研究内容具体实施

浚单20玉米种子透射处理图

浚单20玉米种子透射角质率分布图2)玉米种子透射角质率研究3、研究内容3.3研究内容具体实施

先玉335玉米种子透射处理图

先玉335玉米种子透射角质率分布图2)玉米种子透射角质率研究3、研究内容3.3研究内容具体实施3)纵切剖面角质率研究前期已经完成玉米种子剖面角质和粉质图像面积测量研究。

提出一种基于多段阈值分割技术的玉米籽粒剖面角质率的定量测定方法。用于种类判断。

单粒玉米种子剖面角质粉质分布图3、研究内容3.3研究内容具体实施3)纵切剖面角质率研究

样本JZ1玉米种子纵切剖面处理图

样本JZ1玉米种子纵切剖面角质率分布图3、研究内容3.3研究内容具体实施4)玉米种子图像预处理研究（1）

图像增强玉米种子图像增强包括常见的滤波处理、灰度均衡化处理等方法；目的是使采集的图像更加均匀、清晰。

玉米种子图像预处理3、研究内容3.3研究内容具体实施4)玉米种子图像预处理研究（２）分割提取玉米种子图像分割提取包括常见的单阈值处理、多阈值处理、小波处理等方法；目的是得到单粒玉米种子图像，便于后期提取特征。

玉米种子图像分割3、研究内容3.3研究内容具体实施4)玉米种子图像预处理研究（３）

矫正定位玉米种子图像矫正定位是对种子顶端图像、侧面图像和剖面图像进行旋转定位，标记出具有代表性的区域，作为特征提区域；目的是得到具有可重复性的特征区域及可靠性的特征数据。

玉米种子图像矫正定位3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（１）

色彩特征

色彩是物体的重要感官特征，根据研究需要，提取玉米种子不同区域的多色彩模型数据，包括：CCD相机描述用RGB数据；视觉描述用HIS（HSL）数据；色差(CIE2000)描述用Lab数据。

玉米种子图像色彩特征3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（１）

色彩特征RGB颜色模型：工业界一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及相互之间叠加来得到各式各样的颜色,该标准几乎包括人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。HSI颜色模型：美国色彩学家孟塞尔（H.A.Munseu）于1915年提出的，它反映人的视觉系统感知彩色的方式，以色调、饱和度和强度三种基本特征量来感知颜色。Lab颜色模型：基于人对颜色的感觉。Lab中的数值描述正常视力的人能够看到的所有颜色。Lab描述的是颜色的显示方式，而不是设备（如显示器、桌面打印机或数码相机）生成颜色所需的特定色料的数量，所以Lab被视为与设备无关的颜色模型。3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（１）色彩特征100粒浚单20无胚芽侧图3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（1）色彩特征100粒浚单20无胚芽侧HSI色彩均值分布图100粒浚单20无胚芽侧RGB色彩分均值布图3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（1）色彩特征100粒浚单20种子无胚芽侧色差分布图100粒浚单20种子无胚芽侧Lab均值分布图3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（１）色彩特征单粒浚单20无胚芽侧蓝色B通道色彩五层小波特征图3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（1）色彩特征100粒浚单20顶端核心区域提取图3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（１）色彩特征100粒浚单20顶端核心区域RGB分布图100粒浚单20顶端核心区域HSI分布图3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（１）色彩特征100粒浚单20顶端核心区域Lab分布图100粒浚单20顶端核心区域色差分布图3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取单粒浚单20顶端蓝色B通道色彩五层小波特征图3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取（２）纹理特征

纹理是物体的另外一个重要外部特征，既是物体表面呈现凹凸不平的沟纹，同时也是物体光滑表面上的彩色图案；不仅反映亮度分布特性，也反映具有同样亮度或接近亮度的像素之间的位置分布特性，是有关图像亮度变化的二阶统计特征。常见灰度共生矩阵特征有14个，为二阶距、熵、对比度、均匀性、相关性、逆差分矩、最大概率、纹理方差、共生和均值、共生和方差、共生和熵、共生差均值、共生差方差、共生差熵。

3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取一幅图像基于灰度共生矩阵的纹理特征能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息，是分析图像的局部模式和排列规则的基础。从共生矩阵参数，典型的有以下几种:

能量：灰度共生矩阵元素值的平方和，反映图像灰度分布均匀程度和纹理粗细度。相关性：度量空间灰度共生矩阵元素在行或列方向上的相似程度，相关值大小反映图像中局部灰度相关性。当矩阵元素值均匀相等时，相关值就大；相反，如果矩阵像元值相差很大则相关值小。（２）纹理特征3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取对比度（惯性矩）：反映图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深，对比度越大，视觉效果越清晰；反之，对比度小，沟纹浅，效果模糊。熵：图像所具有的信息量度量，是一个随机性的度量，当共生矩阵中所有元素有最大的随机性、空间共生矩阵中所有值几乎相等时，共生矩阵中元素分散分布时，熵较大。它表示图像中纹理的非均匀程度或复杂程度。

逆差距：反映图像纹理的同质性，度量图像纹理局部变化的多少。其值大则说明图像纹理的不同区域间缺少变化，局部非常均匀。3、研究内容3.3研究内容具体实施5)玉米种子图像特征提取3、研究内容3.3研究内容具体实施6)纯度识别多步聚类模型建立

由于玉米种子种类繁多，同一果穗种子外形差异大，年份不同，外部色彩不同，造成通过分类识别器识别复杂困难。为此提出以多步聚类决策支持模型解决纯度识别问题。第一步:采用角质率(纵切剖面和投射2个参数)进行种类拟合判断;确定识别对象即就是标识种子类别。第二步:采用多区域多特征（顶端、无胚芽侧的色彩、纹理参数）进行多种聚类,将聚类结果作为决策支持识别系统的输入。第三步:建立决策支持识别系统,对多种聚类结果进行决策,得到具体纯度,完成识别。

3、研究内容距离法划分法密度法角质率杂粒识别种类确定疑似自交粒疑似正常杂交粒决策支持系统杂粒其它籽粒色彩聚类纹理聚类距离法划分法密度法疑似自交粒疑似正常杂交粒输出结果第一步第二步第三步顶端侧面顶端侧面3、研究内容3.3研究内容具体实施第一步：透射角质率拟合研究-判断识别对象是否正确？五种玉米种子透射角质率分布3、研究内容3.3研究内容具体实施浚单20角质率回归分析结果:f(x)=a*exp(b*x)+c*exp(d*x)a=0.2766(0.268,0.2851)b=0.01121(0.01069,0.01172)c=4.613e-13d=0.2763(0.2233,0.3293)第一步：透射角质率拟合研究-判断识别对象是否正确？浚单20玉米种子透射角质率指数拟合3、研究内容3.3研究内容具体实施五种玉米种子剖面角质率分布图第一步：纵切剖面角质率拟合研究-判断识别对象是否正确？3、研究内容3.3研究内容具体实施

JZ1样本玉米种子剖面角质率直线拟合第一步：纵切剖面角质率拟合研究-判断识别对象是否正确？LinearmodelPoly1:f(x)=p1*x+p2Coefficients(with95%confidencebounds):p1=0.005642;p2=0.33063、研究内容3.3研究内容具体实施第二步：纯度识别-聚类研究

从机器学习的角度讲，聚类是搜索相似簇的无监督学习过程。与分类不同，无监督学习不依赖预先定义的类或带类标记的训练实例，需要由聚类学习算法自动确定标记，而分类学习的实例或数据对象有类别标记。

传统的聚类算法可以被分为五类：基于划分方法、基于层次（距离）方法、基于密度方法、基于网格方法和基于模型方法。拟通过研究划分聚类、层次聚类和密度聚类三种方法。

前期已经研究郑单958基于色彩参数的密度聚类模型。3、研究内容3.3研究内容具体实施基于最远距离优先遍历的密度聚类方法

通过特征优化选取H、S、B作为郑单958、农大108、鲁单981的识别特征向量。H、S、B三维特征散点图。玉米种子色彩特征三维散点图3、研究内容3.3研究内容具体实施6)纯度识别聚类模型建立基于最远距离优先遍历的密度聚类方法以最远距离点作为聚类起始点，在满足密度半径要求下，开始聚类。FFT算法优化数据3、研究内容3.3研究内容具体实施6)纯度识别聚类模型建立基于最远距离优先遍历的密度聚类方法以距离直方图确定聚类面积密度半径参数Eps,密度最小阈值个数为４。

聚类结果图密度半径参数Eps3、研究内容3.3研究内容具体实施第三步：纯度识别-决策支持系统(聚类结果分析,后续研究重点之一)建立聚类结果知识表知识表约简决策支持方法重聚类纯度识别最终结果

假设有n个玉米种子需要聚类