农业工程

展慧，李小昱，王为，等

基于机器视觉的板栗分级检测方法

展慧，李小昱，王为，等

目的：板栗含水率高，采收后极易发生霉烂、失水等品质变劣现象。为实现合格和缺陷板栗的分级，采用机器视觉技术对合格板栗和缺陷板栗进行分级检测，研究板栗图像处理方法，提取合适的特征参数并建立相应的识别模型，以实现板栗的准确、快速分级检测。方法：试验样品为购于湖北省武汉市徐东万吨冷库的罗田板栗，单果质量范围9.04～14.92 g，所有样本依照行业贮藏条件（温度0～2℃，相对湿度80%～90%）保存于SPX智能型生化培养箱。试验前依据国家行业标准（GH/T 1029—2002）6.1.1感官检验法，从中随机选出色泽好且着色均匀一致的70粒作为1级板栗；着色不均，有块状斑点的70粒作为2级板栗；暗晦、霉变的70粒为3级板栗。自行构建基于机器视觉技术的板栗分级检测系统，由计算机、试验箱、摄像头（scA1390-17fc，德国Baseler）、镜头（M1214-MP）、图像采集卡（Meteor2-139）等部件构成。样本图像采集在带环形发光二极管光源、背景为白色的试验箱（270 mm×270 mm×350 mm）内进行。确定最佳焦距和样品位置作为固定参数，采集的图像数据通过图像采集卡传输到计算机。图像消噪分别采用中值滤波、均值滤波和维纳滤波法对获取的板栗图像进行滤波处理，维纳滤波的效果较优。图像分割过程为：先直接对RGB图像中噪声含量少、边缘保存较完整的B分量进行处理，利用graythresh函数求取灰度阈值，再根据所确定的灰度阈值把B分量灰度图转换为二值图像，然后通过膨胀、腐蚀等形态学滤波去除冗余信息，同时对板栗的边缘进行平滑和形态学上的闭合操作，再经填充得到板栗区域图像。将此图像作为模板分别和维纳滤波后的R、G、B分量进行运算，最后经合成运算得到从背景中分割出来的彩色板栗图像，较好地保留了其颜色、纹理和轮廓等特征信息。获取板栗图像各像素点的颜色和纹理参数值，并取均值作为整粒板栗的特征参数。结果：颜色特征值提取以L*a*b*颜色模型为板栗分类识别参数。提取的3类板栗的L*、a*、b*颜色分量均值，通过数据分析可以看出，3类板栗随表面颜色和色泽的改变，各颜色分量的值也发生着明显的变化，L*、a*、b*各分量逐渐减小。纹理特征值选用了角二阶矩、对比度、熵、逆差矩和相关5个参数来表征板栗图像的纹理特征，由于1级和3级板栗的色泽均匀，纹理较规则，因此熵和逆差矩特征值近似，但和2级板栗的差别明显；3类板栗的角二阶距、对比度以及相关差别明显，对板栗图像具有较好的描述能力，较好地反应了板栗表面的纹理特征。BP神经网络隐含层神经元采用S型正切传递函数tansig，输出层采用S型对数传递函logsig，网络训练函数为trainlm。输入层为提取的图像特征值确定的主成分因子数。输出层为2个单元，分别用0和1表示，其中（0，1）、（1，0）、（1，1），分别对应于1级板栗、2级板栗和3级板栗，期望误差为0.0001。随机选取150粒作为训练样本，剩余的60粒作为测试样本，对训练集数据进行归一化处理，模型的中间层节点数通过训练来确定。由图像特征数据，通过主成分分析，提取不同数目的主成分因子作为网络输入来建立BP判别模型。以识别率作为衡量模型优劣的指标，当主成分数增加到3时，累计方差贡献率为94.83%，这3个主成分因子几乎能表征全部图像特征信息。此时模型对训练集中样品的识别率为100%，对测试集中样品的识别率为91.67%。其后模型在训练集和测试集的识别率随主成分数的增加而下降。故确定图像特征信息的最佳主成分因子数为3，以其为输入建立BP神经网络模型。当中间层节点数为12时，模型训练效果最好，模型训练的识别率达到了100%；模型预测的总体识别率为91.67%。其中，2个1级样本误判为2级，1个2级样本误判为1级，1个2级样本误判为3级，1个3级样本误判为2级。结论：（1）研究了采用机器视觉技术对合格和缺陷板栗进行分级检测的方法，构建了板栗图像采集系统，通过对获取的板栗图像进行分析处理，利用graythresh函数求取灰度阈值，结合形态学处理，实现板栗与背景准确区分；提取板栗图像的颜色特征L*、a*、b*及纹理特征角二阶矩、对比度、熵、逆差矩等参数可有效地表征3类板栗在色泽、纹理等方面的差异。（2）以主成分分析法提取的各特征参数作为输入，创建了网络结构为3-12-2的3层BP神经网络模型来识别缺陷板栗，该模型对3个级别的板栗识别准确率达91.67%。

来源出版物：农业工程学报, 2010, 26(4): 327-331

入选年份：2015

利用地形和遥感数据预测土壤养分空间分布

张素梅，王宗明，张柏，等

摘要：目的：土壤的有效管理和土地利用的科学规划均依赖于精确的土壤特性空间分布信息。东北平原是中国重要的农业区，其主要的土壤类型如黑土、草甸土等具有良好的物理、化学和生物特性，是优良的耕作土壤，研究其土壤养分空间分布是调整管理措施、获得最大经济收益的前提，也是实施精准农业实践的理论基础。该文通过分析东北平原典型农业县-农安县耕地土壤有机质、全氮的空间分布规律，为有效地指导农业生产提供科学依据。方法：兼顾代表性和均匀性，在主要农业用地上进行采样，采样点总数为471个。对于旱田、水田、菜地，分别在0～20 cm土层、0～15 cm土层和0～25 cm土层取样。所有土壤样品在充分混合后，测定土壤有机质（采用重铬酸钾容量法），全氮（采用半微量开氏法）。土壤养分空间分布通过回归克里金方法得到。数据处理软件SPSS用于统计分析，GS+用于克里金插值采用，ArcGIS用于GIS空间分析和插值分布图制作。结果：（1）11个环境因子中，相对高程、坡度、地形起伏度、坡度变率、NDVI与土壤有机质和全氮含量均具有显著相关性。地面粗糙度和地形湿度指数与有机质有显著相关性，而与全氮的相关性不显著。（2）土壤有机质和全氮最优多元回归模型决定系数分别为0.22和0.19，表明环境因子可以预测土壤有机质和全氮空间分布22%和19%的部分，其中相对高程、地面粗糙度、NDVI是预测土壤养分分布的最优因子，参与了有机质和全氮空间分布的预测。除此，河流动能指数对全氮的空间分布较为重要，而坡度对有机质则比较重要。（3）有机质、全氮在研究区内的分布呈渐变趋势，由东南向西北逐渐减少。两种土壤养分的空间分布并不完全相同，全氮空间分布逐渐过渡性更强一些，而有机质在渐变趋势下还有一些突变的区域。（4）相对于反距离加权和简单克里金预测方法，回归克里金方法对土壤养分空间分布预测精度均显著提高，其中对全氮的预测精度提高的更多一些，提高了90%以上，对有机质的预测精度分别提高31.56%和45.2%，提高幅度也是非常显著的。结论：土壤养分空间分布受到众多环境因素的影响，相关分析表明相对高程、坡度、地表起伏度、坡度变率与土壤养分呈显著负相关，地形湿度指数、NDVI与土壤养分为正相关。表明地势低、坡度缓、湿度大、植被条件好的地方，土壤养分相对充足。对土壤养分分布产生影响的环境因子中，相对高程、坡度、地形湿度指数、河流动能指数4个地形因子和NDVI植被因子可以很好反映土壤要素的空间分布，能够用于预测地理要素的空间分布。回归克里金方法对土壤养分空间分布的预测精度相对参考方法得到大幅度提高，该方法是提高土壤养分空间分布预测精度的有效方法。并且随着GIS和遥感技术的发展，DEM和遥感数据的精度会不断提高，将进一步提高回归克里金方法预测的精度。

来源出版物：农业工程学报, 2010, 26(5): 188-194

入选年份：2015

典型生物质颗粒燃料燃烧特性试验

罗娟，侯书林，赵立欣，等

摘要：目的：生物质颗粒燃料的灰分、碱金属含量较高，燃烧时易出现结渣、碱金属及氯腐蚀、设备内飞灰严重等问题，目前国内对生物质颗粒燃料的燃烧特性及污染物排放特性缺乏详细的研究，国外的研究多以木质颗粒燃料为主。该文选择了棉秆、麦秸秆、玉米秸秆、含添加剂玉米秸秆、落叶松、红松、混合木质、木质与秸秆混合颗粒等8种典型的生物质颗粒燃料进行了试验研究，深入分析生物质颗粒燃料的点火特性、燃烧效率、污染物排放以及燃烧后的灰渣特性。方法：采用工业分析、元素分析及发热量测定方法得到生物质颗粒燃料的理化特性。以从瑞典引进的PelleX生物质颗粒燃料自动燃烧器为试验装置，进行燃烧试验，试验结束后，称量底灰及渣块质量，分析灰渣的灰熔融特性和化学成分。（1）点火特性，主要测定点火时间，利用秒表记录；（2）燃烧及污染物排放特性，采用综合烟气分析仪（KM9106）进行实时分析和记录；（3）底灰结渣率，以灰渣中粒度大于6 mm的渣块占总灰渣质量的百分数为该燃料的底灰结渣质量率。结果：（1）点火特性。生物质颗粒燃料所需的点火时间与挥发分大致呈线性关系，挥发分越高，点火时间越短；点火时间与水分含量大致呈指数关系，水分含量越高，点火时间越长。（2）燃烧特性。生物质颗粒燃料的燃烧过程可分为启动、预运行、运行和停止4个阶段。在运行阶段，麦秸和棉秆的CO排放质量浓度达到365.94和555.37 mg/m3，其他颗粒均不高于120 mg/m3。（3）SO2、NOx排放。绝大部分颗粒燃料的SO2排放浓度基本为0，只有棉秆的SO2排放浓度相对较高；木质类颗粒NOx排放浓度普遍低于秸秆类颗粒；NOx排放质量浓度与原料的N含量基本成正比关系。（4）灰分对燃烧的影响。生物质颗粒的灰分含量、底灰结渣率对燃烧器的正常运行时间有显著影响，灰分含量过大（如棉秆21.69%）、结渣率过高（如红松57.81%、玉米秸48.94%）均会导致燃烧器无法持续运行。（5）结渣特性。根据灰渣的外观形状、颜色和尺寸不同，可分为不结渣（落叶松）、中度结渣（棉秆、含添加剂的玉米秸秆）和严重结渣（麦秸秆、玉米秸秆、红松等）3种。灰熔融特性对燃料结渣率有较大影响，对大多数颗粒燃料来说，软化温度越高，结渣率越低，当软化温度达到一定数值时，燃料不会发生结渣，如落叶松（软化温度为1389℃）；Si元素含量越高，碱金属含量越高，越易于结渣；碱土金属含量越大，越抗结渣，玉米秸中Si的质量分数为27.70%，底灰结渣率达到48.84%，落叶松中Si的质量分数仅为9.76%，不结渣；使用添加剂后的玉米秸底灰结渣率降低了22.77%。结论：（1）生物质颗粒燃料所需的点火时间与燃料的挥发分、水分含量密切相关，挥发分越高，水分含量越低，点火时间越短。（2）生物质颗粒燃料正常燃烧时的SO2、NOx等污染物排放浓度远低于国家标准，但部分生物质颗粒燃料存在灰分含量过大、结渣严重等问题；NOx的生成方式主要为燃料型反应机制，而非热力型反应机制。（3）生物质颗粒的灰分含量对结渣基本上没有趋势性影响，灰熔融特性对结渣率有较大影响。（4）影响生物质颗粒燃料结渣趋势的元素主要有Si、碱金属和碱土金属；适当的添加剂可有效改善燃料的结渣性能。建议在生产生物质颗粒燃料时添加适当的添加剂，以降低结渣率，改善运行工况；同时，建议对国外引进的燃烧器进行优化改进，及时排出灰渣，保证连续运行，以适应中国的国情。

来源出版物：农业工程学报, 2010, 26(5): 220-226

入选年份：2015