發(fā)布時間：2020-12-06 10:26

　　論文選題源于國家自然科學基金資助項目（項目編號:51405078）、黑龍江省歸國留學基金項目（項目編號:LC2018019）、東北農業(yè)大學學術骨干項目（項目編號:17XG01）,旨在利用電磁振動理論、自動控制技術和深度學習技術來設計優(yōu)化玉米籽粒精選系統(tǒng),以達到玉米籽粒品質批量精選與分級的目的。該文以玉米籽粒品質精選系統(tǒng)的自動控制和視覺分選算法為研究對象,從玉米粒群的整列分離、電磁控制、分選控制和在線視覺分選系統(tǒng)設計方面進行研究,以實現玉米籽粒品質的自動精選。基于上述內容該文主要工作如下:（1）試驗樣機速度差異式整列分離裝置、控制和視覺系統(tǒng)的分析與設計。以傳送軌道上玉米籽粒的運動形式和運動狀態(tài)為研究對象,為實現玉米粒群的逐漸分離,結合電磁振動理論設計速度差異式電磁振動傳輸分離裝置。以料槽配重、安裝傾角及系統(tǒng)振幅為因素,粘連率和正向率為指標進行正交試驗,通過正交試驗得到系統(tǒng)較優(yōu)參數組合:配重、安裝傾角和系統(tǒng)振幅分別為0.3 kg、0°和0.36 mm,機械系統(tǒng)粘連率和定向率分別為9.40%和92.60%,可使玉米粒群在電磁振動系統(tǒng)的驅動下實現逐漸轉化分離為單籽粒的整列輸送。并結合自動控制技... 

【文章來源】：東北農業(yè)大學黑龍江省 211工程院校

【文章頁數】：90 頁

【學位級別】：碩士

【文章目錄】：
摘要
英文摘要
1 引言
    1.1 研究目的與意義
    1.2 國內外研究概況及現狀
        1.2.1 國外研究現狀
        1.2.2 國內研究現狀
    1.3 主要研究內容和方法
        1.3.1 研究內容
        1.3.2 研究方法
    1.4 技術路線
2 基于電磁振動的玉米籽粒精選機械系統(tǒng)搭建
    2.1 精選系統(tǒng)結構和工作流程設計
    2.2 速度差異式電磁振動系統(tǒng)結構設計
        2.2.1 玉米籽粒運動學建模與分析
        2.2.2 玉米籽�；�行及拋擲運動臨界條件分析
    2.3 系統(tǒng)試驗結果與討論
        2.3.1 試驗設計
        2.3.2 試驗方案與分析
    2.4 玉米籽粒精選控制系統(tǒng)設計
        2.4.1 傳輸控制方案設計
        2.4.2 分選控制方案設計
    2.5 恒定光強視覺系統(tǒng)設計
        2.5.1 光源設計
        2.5.2 圖像采集裝置設計
        2.5.3 玉米品質精選軟件設計
    2.6 本章小結
3 玉米籽粒數據集設計制作
    3.1 玉米籽粒數據集總體設計
    3.2 玉米籽粒數據集樣本及其圖像采集
    3.3 基于顏色特征的玉米籽粒圖像分割
    3.4 基于形態(tài)學處理的玉米籽粒圖像去噪
    3.5 基于RGB顏色空間的玉米籽粒類別和位置標定
    3.6 本章小結
4 基于卷積神經網絡的玉米品質精選視覺系統(tǒng)研究
    4.1 深度學習相關理論和基本模型分析
        4.1.1 深度置信網絡
        4.1.2 自編碼神經網絡
        4.1.3 卷積神經網絡及在玉米檢測領域的優(yōu)勢
    4.2 玉米籽粒品質精選檢測網絡
        4.2.1 玉米籽粒品質精選檢測網絡方案設計
        4.2.2 RPN網絡優(yōu)化
    4.3 玉米籽粒品質精選檢測網絡設計
        4.3.1 基于稀疏交互的卷積參數量壓縮
        4.3.2 基于參數共享的網絡參數量壓縮與加速
        4.3.3 玉米籽粒品質精選檢測網絡的等變表示
    4.4 玉米品質精選檢測網絡結構設計
        4.4.1 共享卷積層設計
        4.4.2 探測層非線性設計
        4.4.3 池化層增強與降維
        4.4.4 全連接層及輸出分類層
    4.5 玉米籽粒品質精選檢測網絡的訓練機制
        4.5.1 精選檢測網絡過擬合控制
        4.5.2 精選檢測網絡梯度優(yōu)化
        4.5.3 精選檢測網絡分步訓練策略
    4.6 玉米籽粒精選視覺系統(tǒng)結果與討論
        4.6.1 評價標準
        4.6.2 玉米籽粒精選視覺系統(tǒng)預訓練試驗
        4.6.3 玉米籽粒精選視覺系統(tǒng)多分類檢測結果
        4.6.4 玉米籽粒精選視覺系統(tǒng)整體訓練效果評估
        4.6.5 玉米籽粒精選視覺系統(tǒng)可視化結果與分析
    4.7 本章小結
5 基于卷積神經網絡的玉米籽粒精選系統(tǒng)樣機試驗結果與討論
    5.1 評價標準
    5.2 精選系統(tǒng)樣機試驗結果與討論
    5.3 本章小結
6 結論與展望
    6.1 結論
    6.2 展望
致謝
參考文獻
攻讀碩士學位期間發(fā)表的學術論文


【參考文獻】：
期刊論文
[1]基于深度學習的森林蟲害無人機實時監(jiān)測方法[J]. 孫鈺,周焱,袁明帥,劉文萍,駱有慶,宗世祥.  農業(yè)工程學報. 2018(21)
[2]基于卷積神經網絡的花生籽粒完整性識別算法及應用[J]. 趙志衡,宋歡,朱江波,盧雷,孫磊.  農業(yè)工程學報. 2018(21)
[3]基于深度置信網絡的農用地基準地價評估模型[J]. 王華,羅平,趙志剛,聶可.  農業(yè)工程學報. 2018(21)
[4]基于卷積神經網絡與遷移學習的油茶病害圖像識別[J]. 龍滿生,歐陽春娟,劉歡,付青.  農業(yè)工程學報. 2018(18)
[5]基于卷積網絡和哈希碼的玉米田間雜草快速識別方法[J]. 姜紅花,王鵬飛,張昭,毛文華,趙博,齊鵬.  農業(yè)機械學報. 2018(11)
[6]自然環(huán)境下多類水果采摘目標識別的通用改進SSD模型[J]. 彭紅星,黃博,邵園園,李澤森,張朝武,陳燕,熊俊濤.  農業(yè)工程學報. 2018(16)
[7]基于多特征融合和深度置信網絡的稻田苗期雜草識別[J]. 鄧向武,齊龍,馬旭,蔣郁,陳學深,劉海云,陳偉烽.  農業(yè)工程學報. 2018(14)
[8]基于自適應判別深度置信網絡的棉花病蟲害預測[J]. 王獻鋒,張傳雷,張善文,朱義海.  農業(yè)工程學報. 2018(14)
[9]基于卷積神經網絡的玉米根莖精確識別與定位研究[J]. 楊洋,張亞蘭,苗偉,張鐵,陳黎卿,黃莉莉.  農業(yè)機械學報. 2018(10)
[10]基于卷積神經網絡的溫室黃瓜病害識別系統(tǒng)[J]. 馬浚誠,杜克明,鄭飛翔,張領先,孫忠富.  農業(yè)工程學報. 2018(12)

博士論文
[1]基于色彩聚類的玉米種子純度識別算法研究[D]. 劉雙喜.山東農業(yè)大學 2018
[2]玉米種子高光譜圖像品種檢測方法研究[D]. 魏利峰.沈陽農業(yè)大學 2017
[3]玉米種子的圖像精選定向定位方法及裝置研究[D]. 王僑.中國農業(yè)大學 2017
[4]玉米種子內部機械裂紋特征與識別研究[D]. 張新偉.沈陽農業(yè)大學 2012
[5]農作物籽粒的圖像處理和識別方法研究[D]. 楊蜀秦.西北農林科技大學 2012
[6]中國玉米國際競爭力研究[D]. 齊濤.西北農林科技大學 2011
[7]基于機器視覺的谷物外觀品質檢測技術研究[D]. 凌云.中國農業(yè)大學 2004
[8]稻種質量的機器視覺無損檢測研究[D]. 成芳.浙江大學 2004

碩士論文
[1]馬鈴薯干式低損清選分級機的設計與清選試驗研究[D]. 張恒.內蒙古農業(yè)大學 2018
[2]基于機器視覺的動態(tài)馬鈴薯外部品質無損檢測研究[D]. 劉馨陽.寧夏大學 2018
[3]基于深度學習的交通視頻檢測及車型分類研究[D]. 楚翔宇.哈爾濱工業(yè)大學 2017
[4]基于機器視覺與光譜成像技術的玉米種子品質檢測與分選[D]. 王超鵬.西北農林科技大學 2017
[5]基于機器視覺的馬鈴薯薯形與外部缺陷算法研究[D]. 崔勝春.中國礦業(yè)大學 2017
[6]基于機器視覺的大米外觀品質判別研究[D]. 馬麗霞.哈爾濱理工大學 2016
[7]便攜式動態(tài)玉米種子純度識別儀的研制[D]. 孟凡榮.山東農業(yè)大學 2015
[8]玉米籽粒數字化考種關鍵技術研究[D]. 汪珂.華中農業(yè)大學 2015
[9]玉米質量指標機器視覺技術研究[D]. 王偉宇.河南工業(yè)大學 2015
[10]基于圖像處理的大米品質檢測系統(tǒng)研究[D]. 崔雯雯.吉林大學 2015



本文編號：2901218