在閱讀此文前，為了友善您進行讨論和分享，麻煩您點選一下“關注”，可以給您帶來不一樣的參與感，感謝您的支援。
文/少時李白
編輯/少時李白
前言
玉米是保障食品安全的重要作物，優質種子能保證好收成。玉米種子發芽率是玉米産業最重要的資訊，它可以通過種子發芽試驗獲得。決定發芽率的一個重要階段是播種。目前的種子種植過程是完全人工的，勞動強度大，成本高，并且需要開發一種自主播種機。
采用層次分析法為三個評價名額配置設定權重，并對各種因素組合進行評分。鋪沙機獲得了令人滿意的結果，開口尺寸為10.8毫米，傳感器距離為9厘米，傳送帶速度為5.1厘米/秒。
在确定了最令人滿意的因素後，該機器表現出了哪些優異的性能？後期是否能夠更好地滿足實際應用呢？
介紹
玉米生産在確定全球糧食安全方面發揮着至關重要的作用，中國是世界第二大玉米生産國種子的發芽率非常重要，因為它直接影響總産量，是種子品質的重要名額。
在中國的種子生産行業，标準GB/T 5243.4用于确定種子發芽率，包括種子種植和幼苗計數過程。雖然計算機視覺已經在各種研究中用于自動幼苗計數，種子種植仍然是一個完全手工的過程。
人工播種程式包括幾個不同的步驟。該過程從操作者準備托盤開始。
首先，他們用沙子覆寫托盤，然後将其壓平，形成一個光滑的表面。接下來，操作員将種子均勻地分布在托盤的沙面上。
為了幫助發芽，他們向種子噴水(步驟2)。為了確定種子生長的最佳條件，然後在種子頂部添加另一層沙子，提供額外的保護和支援(步驟3)。最後，将準備好的托盤放入培養箱中，該培養箱創造了促進種子發芽的合适環境(步驟4）。
如果沒有适當的展平，當種子被釋放到沙地上時，它們就有可能從預定的位置滾走，破壞預定的均勻模式。
這種幹擾可能會給準确計數和評估林分帶來挑戰，因為多個種子可能會在很近的地方發芽。是以，保持平坦的沙面至關重要，因為這可以確定種子成功分布和發芽所需的均勻性。
沙表面的平整程度直接影響種子的萌發。在研究人員的一項研究中，比較了不同覆土壓實裝置，并對土壤形态、壓實等因素進行了評價。徐等人開發了一個數學模型來描述土壤産量、覆寫圓盤深度和覆寫圓盤螺旋葉片之間的關系
材料和方法
自動玉米播種機，如所示圖1，進行了創新設計。它包括傳送帶和四個獨立操作的不同子產品:(1)鋪沙，(2)播種，(3)澆水，和(4)覆寫沙子。
圖一
玉米自動播種裝置:(1)鋪沙裝置；(2)排種器；(3)澆水裝置；(4)覆砂裝置；(5)用于運輸托盤的輸送機；(6)噴壺；(7)用于清掃種子的滾筒刷；(8)用于監控托盤位置的紅外傳感器；和(9)用于種子發芽試驗的空托盤。
是以，鋪沙裝置的功效對于確定成功的種子配置設定和随後的幼苗監測是至關重要的。
鋪沙裝置
該鋪沙裝置(圖2)具有297 mm × 290 mm × 400 mm的尺寸，底闆具有45°的斜度，這将自動地将沙子向下移動到托盤。閘門的開啟和關閉由24V DC電機控制，最大線速度為180毫米/秒，行程為100毫米。
這促使Arduino向繼電器發送信号為了開閘。相反，當托盤移出傳感器的視野時，測量的距離從不到10厘米增加到超過10厘米，通過觸發繼電器向Arduino發出關閉大門的信号。
圖二。新開發的鋪沙裝置: (a)電路圖；（b)鋪沙裝置；（c)閘門處于關閉模式；以及(d)閘門處于開啟模式。
實驗步驟
采用全因子實驗設計來評估因子的顯著性并探索因子水準的所有可能組合。這種方法可以全面比較不同因素組合對機器性能的影響。檢查的第一個因素是傳送帶速度，它影響托盤在砂門下方移動的持續時間，進而影響砂面的平整度。
第二個因素是閘門開口的大小，它直接決定了沙子填充的速度。最後，傳感器到填砂閘門的相對距離作為第三個因素被檢查。
這三個因素各有三個水準:(1)輸送機速度為0.13、0.51和0.65米/秒；(2)閘門開口尺寸為7.2、9.0和10.8毫米；以及(3)相對于40.0、70.0和90.0 mm的防砂閘門的傳感器位置(相對距離通過初步實驗确定)。總共有27個不同的設定，每個設定重複三次，總共運作81次。
圖3。确定新研制的玉米自動播種機最佳鋪沙參數的全過程。
2.4.1.深度資訊
沙面的平整度是本研究中比較重要的課題之一。然而，直接測量沙面存在挑戰。在這項研究中，利用RGB-D資訊來測量平坦度。在利用深度資訊來評估沙子均勻度之前，進行校準過程以確定準确的傳感器資料。
發現測量誤差在0.1毫米以内圖4視覺上展示了明顯的樓梯模式，台階之間有明顯的3毫米高度差。這表明深度資料分辨率可以達到1 mm的水準，使其适合于評估沙面的均勻度。
圖4。使用A4紙階梯進行深度資訊的RGB-D相機校準。
RGB圖像校準
除了校準深度資訊之外，有必要檢查所收集的RGB圖像的失真，将A4紙放置在傳送帶上，并收集RGB圖像(圖5).一個MATLAB工具，顔色門檻值器，用于分離A4紙并提取掩模圖像。
圖5。RGB圖像和分割: (a)原圖；（b2)門檻值處理後的相應二值圖像；以及(c)二值圖像的四個頂點相連。
從這些觀察，可以推斷出相機捕捉的圖像顯示出最小的失真。對應于像素的實際面積可以通過計算圖像N中白色像素的數量來計算(圖5c)。對應于像素的面積在下面的研究中被用作需要測量的沙子的實際體積。已知A4紙的尺寸為210毫米× 297毫米。
0.19毫米的數值2計算後獲得的“面積”表示由等式(1)确定的對應于一個像素的面積。
=210×297(1)
RGB-D錄影機安裝在傳送帶上方0.51米處，使用兩個led燈(RS-40；中國深圳深圳瑞瑟柯基)。在每次實驗運作之前，重量1測量空托盤的體積，在托盤中裝滿沙子後，通過傳送帶将其傳送到RGB-D錄影機的視野中進行資料采集。
圖像預處理
Telea (2004)開發的快速行進法圖像校正方法，就是為此目的而雇用的。如在中所見圖6與以前的修複算法相比，這種修複方法展示了産生更好結果的潛力。
在這項研究中，托盤中沙子的重量、傳送帶上(托盤外)沙子的體積以及沙子表面的平整度是用來确定最佳因素組合的三個參數。
圖6。(a)原圖（b)HSV顔色空間中的原始圖像；（c)高光修複後的圖像；以及(d)高光修複後HSV顔色空間中的圖像
托盤中沙子的重量
沙子的重量在填砂過程中起着至關重要的作用，并對種子萌發有着重要的影響18].在實驗中使用電子秤直接測量。通過稱量空托盤的重量并在鋪沙過程完成後重新稱量托盤的重量來确定每個實驗中所用的沙子的重量。
兩次測量的內插補點代表托盤中沙子的重量。較高的沙重通常確定種子萌發的有利環境，是以是優選的。
在去除高光之後應用顔色門檻值來隔離圖像中的特定顔色(圖7).在這項研究中，HSV格式用于顔色門檻值。
HSV顔色空間比RGB顔色空間更符合人類的視覺感覺，因為它有效地将強度與色調(H)分開[19].然而，由于實驗環境中光照條件的輕微變化，圖像之間存在顔色差異，導緻顔色門檻值處理的結果不理想，如所示圖7(b2)。
在仔細檢查沙子特性後，發現沙子仍然可以成功地從背景中區分和分離出來。
圖7。
從輸送機分割沙子區域: (a)初步預處理後的圖像；（b1,b2)第一次顔色門檻值處理後的結果；（c1,c22)在用不同的分割方法進行顔色門檻值處理之後，生成二值圖像；以及(d1,d2)降噪後的圖像。
最後，獲得漏到托盤外面的沙子的面積(圖7(d1，d2))在采取這些步驟之後。已處理圖像中每個像素的面積是在前面章節描述的預處理步驟中确定的。清點人數具有白色像素(值為1)的圖像對于确定區域是必不可少的漏出托盤外并通過的沙子(等式(2))。
=0.19⋅(2)
為了生成具有掩模的深度資訊表(稱為BWD ),二進制圖像(頻帶寬度(Band Width))表示處理後溢出托盤外的沙子需要與深度資訊表進行點積(D).此外，計算深度相機和傳送帶之間的距離也至關重要。由于每次實驗期間傳送帶和裝置的移動會有輕微的振動，深度相機和傳送帶之間的距離可能會有微小的變化。
最後，音量(V洩漏到托盤外部的沙子的量可以使用等式(3)來計算。
⊙=(3)
沙面平整度
為了計算沙子的平整度，需要定位沙子的區域。然而，定位該區域可能是一項具有挑戰性的任務，主要是由于金屬托盤壁引起的鏡像效應。這種效果會産生非常類似沙子本身外觀的噪聲。
是以，本研究在HSV顔色空間中執行分割并生成掩模圖像。在相應地屏蔽掉邊緣的非目标區域之後，可以獲得闆和砂的整體區域。MATLAB中的内置函數用于填充二進制圖像并移除少于500個像素的區域(圖8c)。
圖8。平整度工藝
:a)RGB圖像；（b2)顔色門檻值分割後的圖像；（c)邊緣被掩蔽的圖像；（d)邊緣檢測；（e)膨脹和侵蝕；（f)對兩幅圖像進行按位或運算得到的圖像；以及(g)目标區域。
最後一步，獲得沙地區域的二值圖像。然後，通過取二值圖像和深度點雲資訊的點積，可以獲得托盤中沙子的相應深度資訊(等式(4))。在對點雲資訊進行去噪之後，計算标準偏差以從相應的圖像确定托盤中沙子的平整度。
⊙=(4)
。确定令人滿意的因素組合
本實驗使用層次分析法(AHP)發現了三個因素(即托盤中的沙子重量、傳送帶上剩餘的沙子體積和沙子表面平整度)的良好組合。AHP是一種基于成對比較和專家評估對決策進行優先排序的技術。
使用層次分析法的主要過程如下:(1)資料規範化；(2)建立判斷矩陣；(3)一緻性分析；(4)計算權重；以及(5)計算每個因素水準組合的分數。作為第一步，必須進行标準化，以說明三個評估名額之間資料量的顯著差異。
=−minmax−min (5)
=max−max−min (6)
使用Saaty的評分方法建立了一個判斷矩陣來比較每一對名額，相應的評分标準如所示表1。
在1到9的範圍内，體積對重量的重要性被評定為3，而平整度被評定為1/4。此外，重量對體積和平整度的重要性分别為1/3和1/7。判斷矩陣可以構造如下。
=⎡⎣⎢⎢1370.33140.140.251⎤⎦⎥⎥ (7)
判斷矩陣的最大特征值為max=3.032。可以發現是0.58，由Saaty的AHP方法提供。使用等式(8)，一緻性指數()可以使用等式(9)來計算，并且一緻性比率()可以計算。
=max−−1 (8)
= (9)
=0.0311<0.1 (10)
如果小于0.1，則認為通過了本實驗中的一緻性檢查(等式(10))。然後，可以使用算術平均法計算權重，權重如所示表2。
通過利用從AHP方法得到的權重，等式(11)可以用于計算所有可能的條件組合的得分。
=0.086×+0.213×+0.701× (11)
實驗重複了三次相同的因子水準組合，以防止資料的随機性。來自三次重複的重量、體積和平坦度名額的平均值用于該因子水準組合中的那些名額。表3顯示了實驗因素和水準。
結論
這項研究集中于開發一種自動播種機，它包括四個不同的階段:鋪沙，種子定位，澆水和沙覆寫。機器的性能受三個因素的影響:傳送帶速度、閘門開口尺寸和傳感器與砂閘門的水準距離。
為了評估其性能，考慮了三個參數:托盤中沙子的重量、托盤外部沙子的體積以及沙子的平整度。運用層次分析法，通過探索三個評價名額之間的關系，确定最優組合。
本實驗中檢驗的撒沙裝置是一個獨立的子產品，具有應用于各種相關領域的潛力。這種成本效益高且簡單的裝置為公司提供了降低費用和提高盈利能力的可能性。是以，它為需要精确和均勻的沙子或顆粒材料分布的各種行業帶來了希望。
此外，本研究采用的方法和評價裝置可以推廣到更大型、更複雜的撒沙機械，為推進精準農業的發展提供有價值的參考價值。
參考文獻：
1、倪，c；王博士；羅宇勝河；霍姆斯，m；基于深度卷積神經網絡的玉米籽粒自動檢測機。生物學家。英語。 2019,178, 131–144.[谷歌學術] [交叉引用]
2、2021/2022年世界各國玉米産量份額。
如果你也喜歡我的文章，不妨點個“關注”吧！小生在此謝過了！
END