玉米考种自动化流水线机构设计与仿真

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (4): 913-919.

• 仿真技术应用 • 上一篇

玉米考种自动化流水线机构设计与仿真

肖伯祥, 王传宇, 郭新宇^*, 吴升, 杜建军

北京农业信息技术研究中心, 北京 100097

收稿日期:2014-01-03 修回日期:2014-04-28 发布日期:2020-08-20
作者简介:肖伯祥(1981-),男,河北,博士,副研究员,研究方向为计算机辅助设计、计算机动画;郭新宇^*(通信作者1973-),男,内蒙古,蒙古族,博士,研究员,研究方向为农业信息技术。
基金资助:
基金名称:农业部行业科技专项(201203026);北京市农林科学院自主创新项目(KJCX201204007)

Automatic Pipelining Mechanism Design for Maize Ear Analysis

Xiao Boxiang, Wang Chuanyu, Guo Xinyu^*, Wu Sheng, Du Jianjun

Beijing Research Center for Information Technology in Agriculture, Beijing 100097, China

Received:2014-01-03 Revised:2014-04-28 Published:2020-08-20

摘要/Abstract

摘要： 针对玉米考种过程中的果穗性状信息自动化采集的要求,设计了一种玉米考种自动化流水线机构,主要包括果穗自动称重和果穗图像采集两个环节,以流水线的方式实现批量玉米果穗的重量数据采集和不同位面图像采集。在此基础上对机构的运动特性进行了分析,并利用三维虚拟仿真技术开发了应用系统对系统的主要部件进行了虚拟建模和仿真,探讨了该玉米果穗考种流水线设计方案的可行性,为实现高精度、高效率的玉米考种作业提供实用工具和技术参考。

关键词: 玉米, 考种, 流水线, 图像

Abstract: Aiming at automatic character information acquisition for maize ear analysis, a pipelining mechanism was designed including two main modules: weight measurement and images collection. The system supported automatic collection of weight data and images in batches. And then, the system was analyzed in mechanical properties by kinematic parameters. A three-dimensional simulation system was developed by use of computer graphics technologies to evaluate the performance of the presented pipelining mechanism. The feasibility of the design for maize ear analysis was discussed, which can support high precise and efficient maize ear analysis as a practical tool and technical references.

Key words: maize, ear analysis, pipelining mechanism, image

中图分类号:

TP391

肖伯祥, 王传宇, 郭新宇, 吴升, 杜建军. 玉米考种自动化流水线机构设计与仿真[J]. 系统仿真学报, 2015, 27(4): 913-919.

Xiao Boxiang, Wang Chuanyu, Guo Xinyu, Wu Sheng, Du Jianjun. Automatic Pipelining Mechanism Design for Maize Ear Analysis[J]. Journal of System Simulation, 2015, 27(4): 913-919.

参考文献

[1] Augustine S Langyintuo, Wilfred Mwangi, Alpha O.Diallo, et al. Challenges of the Maize Seed Industry in Eastern and Southern Africa: A Compelling Case for Private-public Intervention to Promote Growth[J]. Food Policy (S0306-9192), 2010, 35(4): 323-331.
[2] 杨虎. 20世纪中国玉米种业发展研究 [D]. 南京: 南京农业大学, 2011.
[3] 张世煌. 我国玉米种业现状与发展战略[J]. 种子科技, 2006, 24(6): 9-12.
[4] 佟屏亚. 中国玉米种业形势和发展前景[J]. 玉米科学, 2012, 20(2): 144-148.
[5] 吕永春, 马钦, 李绍明, 等. 基于背景板比例尺的玉米果穗图像特征测量[J]. 农业工程学报, 2010, 26(s2): 43-47.
[6] Shyu C R, Gree J M, Lun D P K, et al. Image Analysis for Mapping Immeasurable Phenotypes in Maize[J]. IEEE Signal Processing Magazine, 2007, 24(3): 115-118.
[7] 曹婧华, 冉彦中, 郭金城. 玉米考种系统的设计与实现[J]. 长春师范学院学报(自然科学版), 2011, 30(4): 38-41.
[8] Ma Qin, Jiang Jingtao, Zhu Dehai, et al. Rapid Measurement for 3D Geometric Features of Maize Ear Based on Image Processing[J]. Transactions of the Chinese Society of Agricultural Engineering (S1002-6819), 2012, 28(s2): 208-212.
[9] 北京金色农华种业科技有限公司. 玉米多功能考种尺: 中国, 201653389U [P].2010-04-13.
[10] 北京农业智能装备技术研究中心. 基于机器视觉的玉米考种装置: 中国, 101933417A [P].2010-07-06.
[11] 北京农业信息技术研究中心. 一种滚动式玉米考种装置: 中国, 202889908U [P].2012-11-13.
[12] 北京农业信息技术研究中心. 一种便携式多果穗玉米考种装置: 中国, 202998804U [P].2012-12-20.
[13] Pioneer Hi-Bred International, Inc. Method and System for Digital Image Analysis of Maize: WO [P]. International: WO2009023110(A1), 2009-02-19.
[14] Pioneer Hi-Bred International, Inc. Method and System for Digital Image Analysis of Ear Traits: US [P]. International: US 8073235(B2), 2007-08-13.
[15] 荀一, 鲍官军, 杨庆华, 等.粘连玉米籽粒图像的自动分割方法[J]. 农业机械学报, 2010, 41(4): 163-167.
[16] 杨锦忠, 郝建平, 杜天庆, 等. 基于种子图像处理的大数目玉米品种形态识别[J]. 作物学报, 2008, 34(6): 1069-1073.
[17] 赵春明, 韩仲志, 杨锦忠, 等. 玉米果穗DUS 性状测试的图像处理应用研究[J]. 中国农业科学, 2009, 42(11): 4100-4105.
[18] 李晶, 张东兴, 刘宝. 苹果分级机输送与翻转机构设计[J]. 农业机械学报, 2009, 40(5): 157-161.
[19] 徐惠荣, 应义斌, 盖玲. 双锥式滚子水果输送翻转机构的研究[J]. 农业机械学报, 2003, 34(6): 100-103.
[20] D Shreiner, M Woo, J Neider, et al. OpenGL Programming Guide: the Official Guide to Learning OpenGL[M]. USA: Addison-Wesly, 2004.

玉米考种自动化流水线机构设计与仿真

Automatic Pipelining Mechanism Design for Maize Ear Analysis

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周培培, 侯幸林. 一种用于图像融合的无监督深度神经网络[J]. 系统仿真学报, 2022, 34(6): 1267-1274.
[2]	袁彬淦, 钟铭恩, 倪晶鑫. 线束端子压接后外观缺陷的视觉检测算法研究[J]. 系统仿真学报, 2022, 34(5): 1152-1159.
[3]	张立峰, 王会忍. 基于卷积神经网络及有限元仿真的电容层析成像图像重建[J]. 系统仿真学报, 2022, 34(4): 712-718.
[4]	林士琪, 王纪凯, 裴浩渊, 赵皓, 陈宗海. 基于物体关系描述的单目语义SLAM方法[J]. 系统仿真学报, 2022, 34(2): 278-284.
[5]	胡蕾, 王足根, 陈田, 张永梅. 一种改进的SRGAN红外图像超分辨率重建算法[J]. 系统仿真学报, 2021, 33(9): 2109-2118.
[6]	陈立家, 王凯, 李世刚, 田延飞. 基于航空影像的航海模拟器视景快速建模方法[J]. 系统仿真学报, 2021, 33(7): 1565-1573.
[7]	李新利, 邹昌铭, 杨国田, 刘禾. 基于生成式对抗网络的发票图像超分辨率研究[J]. 系统仿真学报, 2021, 33(6): 1307-1314.
[8]	仝卫国, 庞雪纯, 朱赓宏. 基于卷积神经网络的气液两相流流型识别方法[J]. 系统仿真学报, 2021, 33(4): 883-891.
[9]	王坤, 吉尧, 刘沛伦, 王力. 基于Otsu和改进易经占卜进化算法的红外图像分割[J]. 系统仿真学报, 2021, 33(2): 421-433.
[10]	刘轩, 李向阳, 何芳, 赵建伟, 张峰干. 基于空谱特征融合的高光谱RX异常检测方法[J]. 系统仿真学报, 2021, 33(12): 2891-2900.
[11]	冯晓, 张辉, 周蕊, 乔璐, 魏东, 李丹丹, 张玉尧, 郑国清. 基于深度学习和籽粒双面特征的玉米品种识别[J]. 系统仿真学报, 2021, 33(12): 2983-2991.
[12]	孙国栋, 何其昌. 螺钉机工艺智能化设计与仿真方法研究[J]. 系统仿真学报, 2021, 33(1): 62-73.
[13]	房施东, 陈栋, 宁全利, 张杰, 李泳. 图像自寻的火箭弹侵彻航母仿真分析[J]. 系统仿真学报, 2020, 32(9): 1771-1779.
[14]	蔡兴泉, 杨哲, 蔡润博, 葛亚坤, 杨波. 基于漫水填充的图像骨架提取方法[J]. 系统仿真学报, 2020, 32(8): 1455-1464.
[15]	汤雯洁, 李若桐, 邓雪松, 司伟鑫, 王琼. ICP优化下的B样条四维CT图像弹性配准方法[J]. 系统仿真学报, 2020, 32(7): 1301-1311.