文章信息
- 姚敏, 李毅念, 杜世伟, 翟雪, 丁启朔, 何瑞银
- YAO Min, LI Yinian, DU Shiwei, ZHAI Xue, DING Qishuo, HE Ruiyin
- 基于杂交水稻种子下落撞击特性的裂颖籽粒识别方法研究
- Research on recognition method of hybrid crack-glume rice seeds based on falling impact characteristics
- 南京农业大学学报, 2019, 42(5): 946-955
- Journal of Nanjing Agricultural University, 2019, 42(5): 946-955.
- http://dx.doi.org/10.7685/jnau.201903020
-
文章历史
- 收稿日期: 2019-03-14
水稻原产中国, 是世界主要粮食作物之一。杂交水稻存在着较严重的裂颖现象, 这是不育系的一种遗传特征[1]。在储藏过程中, 裂颖种子易受环境的影响而使其生活力迅速衰退, 导致发芽势、发芽率及成秧率迅速降低, 随着种子储藏时间的延长, 种用价值将大大降低[2-4]。
目前裂颖种子识别方法主要有水选法、机器视觉技术和声学法。水选法只能应用于将要播种的水稻种子, 不利于提高种子的储藏性能[5]。机器视觉技术通过采集种子图像, 进行图像处理以检测出裂颖种子, 但采集图像过程中须保证裂颖一侧正对照相设备, 对拍摄环境、拍摄角度、设备等的要求都比较高, 对图像不同的处理方法, 得到的识别效果差异比较明显, 动态识别效果较差, 且成本较高[6-9]。声学特性检测方法操作简单, 但是极易受到外部噪声的干扰, 因此对装备以及环境的要求较高, 成本也较高[10]。
农产品品质与其振动特性直接相关[11]。准确、无损检测农产品的振动特性, 对农产品品质的评估具有重要的意义。胡生喜[12]采用振动频谱法对西瓜成熟度进行研究, 发现所有成熟瓜对200 Hz以上的激振均不敏感, 响应甚微; 而未熟瓜对200~300 Hz的激振均有较明显的响应。Jancsók等[13]和Cherng等[14-16]分别针对长啤梨、萝卜、甜瓜等非球形果蔬进行振动模态分析, 发现农产品的果形影响模态的频率分配, 并尝试改进原有的评估指标以提高果蔬硬度评估精度。Gómez等[17]研究了敲击共振法与其他物理测定法在梨质地状况检测上的相关性。赵正强等[18]结合有限元模态和试验模态分析方法, 研究了香梨果形对不同振动模态频率的影响, 并基于模态频率建立适于不同果形香梨硬度评估的指标。姜瑞涉等[19]采用敲击振动的动力学方法来检测鸡蛋的裂纹, 提出了检测鸡蛋裂纹的主要参数, 检测正确率可达到96%。潘磊庆等[20]通过在鸡蛋不同部位施加机械冲击, 分析壳裂鸡蛋和完好鸡蛋的响应频率差异, 根据赤道四点特征响应频率变异系数, 建立初步分级算法, 使得裂纹鸡蛋检出率达到91%, 整批鸡蛋的分级准确率达到87%。陈子超等[21]采用物理中的振动原理设计鸡蛋品质检测仪, 将鸡蛋放置在一个可以自由振动的Y型支架上, 依据不同品质的鸡蛋使支架振动幅度的衰减速率不同来对鸡蛋的品质进行判别。
直接使待测农产品振动进行检测, 或通过农产品对其他物体产生振动进而间接检测, 均可看出农产品品质与其振动特性直接相关。由于裂颖水稻种子外壳开裂, 造成种子结构特性发生改变, 因此正常水稻种子与裂颖水稻种子振动特性存在差异。本文通过水稻种子下落撞击悬臂梁金属板产生振动信号, 对信号进行分析, 实现水稻的正常籽粒与裂颖籽粒的识别。
1 材料与方法 1.1 试验样品与设备试验水稻品种:‘川优6203’和‘中1优188’, 四川华丰种业有限责任公司生产, ‘荃优123’, 安徽荃银高科种业股份有限公司生产, ‘珍稻’, 湖北省蕲春县选育。
选取‘珍稻’正常、裂颖种子各100粒进行单因素试验; 选取‘珍稻’正常、裂颖种子各120粒进行正交试验; 选取‘珍稻’‘川优6203’‘荃优123’‘中1优188’4个品种的水稻种子, 正常、裂颖各500粒作为非样本数据来进行验证。
仪器设备:压电式加速度传感器J14236, 测量范围±50 g, 频率范围1~10 kHz, 灵敏度100 mV·g-1, 质量1.86 g, IEPE电压输出, 上海北智电子技术有限公司; 恒流电压源61000, 上海北智电子技术有限公司; 数据采集卡USB-1608FS, NI-Measurement Computing Corporation; 电子天平FA2204B, 上海精密科学仪器有限公司; 电子数显卡尺C14896, 桂林量具刃具有限责任公司; 鼓风干燥箱DHG9075, 上海一恒科学仪器有限公司。
1.2 物理特性测试指标与种子发芽试验 1.2.1 裂颖率测试将每个品种的水稻种子随机抽取100粒, 人工选出裂颖种子并计算出所占比例为裂颖率。每个品种重复5次取平均值。
1.2.2 尺寸测试每个品种的水稻种子人工选出正常、裂颖各50粒, 用电子数显卡尺测量籽粒的长、宽、厚。
1.2.3 百粒质量测试从每个品种的水稻种子中随机选取正常、裂颖种子各100粒用电子天平称量, 每个品种重复3次取平均值。
1.2.4 含水率测试根据ASAE Standard方法[22]对4个水稻品种种子进行含水率试验。每个品种各取10 g, 将其放入鼓风干燥箱中, 在130 ℃温度下烘干19 h, 从而得到每个水稻品种的含水率。含水率以湿基表示, 每个品种重复3次取平均值。
1.2.5 种子发芽试验及幼苗生长指标测试根据GB/T 3543.4—1995[23]进行杂交水稻正常种子与裂颖种子的发芽试验。超纯水浸种24 h, 选择直径20 cm、高8 cm的培养皿进行培养。每个品种用正常种子和裂颖种子为样本分别进行发芽试验, 每个样本重复3次(皿)。发芽试验第5天记录发芽种子数量计算发芽势, 第14天记录发芽种子数量计算发芽率, 并在每个样本中随机选取5~10株幼苗测试幼苗生长指标:根数、平均根长、茎长、叶数、叶长(完全叶平均值)。
数据用Excel 2007进行初步整理, 采用SPSS 22创建数据库进而对数据进行统计分析, 并用独立样本t检验分析差异显著性。
1.3 撞击振动测试系统测试分析系统示意图如图 1所示。
|
图 1 检测系统结构简图
Fig. 1 Structural sketch of the detection system
1.压电式加速度传感器Piezoelectric acceleration sensor; 2.振动给料机Vibrating feeder; 3.计算机Computer; 4.数据采集卡Data acquisition card; 5.金属薄板Steel plate; 6.恒流电压源Constant current voltage source. H:种子下落高度Height of seed falling; B:钢板厚度Thickness of steel plate; L:钢板长度Length of steel plate. |
金属薄板材料选用65Mn弹簧钢, 钢板一端固定另一端悬空, 成悬臂梁状态, 传感器用万能胶固定在钢板自由端下表面。种子在一定的高度(H)自由下落, 撞击钢板随后弹出, 钢板产生振动。振动给料机安装在高度可调节的支撑台上, 并在出料口加设一段溜槽, 确保种子每次撞击钢板的位置都在同一范围内。裂颖种子通常在头部颖壳开裂较大并与内部糙米分离, 而正常种子颖壳勾合紧贴内部糙米, 因此为保证种子下落时头部撞击钢板, 按头朝前胚朝后的方向将种子放入振动给料机螺旋槽中, 这样振动给料机在出种时种子则会沿着溜槽头朝下胚朝上竖直下落。为保证种子撞击钢板后随即弹出, 使钢板自由端向下倾斜一定角度(约10°)。检测的核心部件为压电式加速度传感器J14236, 恒流电压源61000一端接加速度传感器为传感器提供恒流电压, 另一端接数据采集卡将传感器的信号传递到采集卡上。通过LabVIEW 2014 SP1软件将电压信号转换为数字信号并存储, 再通过MATLAB R2014a软件进行信号的特征分析, 振动信号数据处理流程如图 2所示。将采集到的信号先进行预处理, 再进行时域、频域分析进而提取特征参数, 将正常种子及裂颖种子撞击钢板产生的振动信号的各特征参数进行对比, 进而选定阈值进行识别分类。
|
图 2 振动数据处理流程图 Fig. 2 Flow chart of vibration data processing |
钢板在处于悬臂梁状态时, 板越长, 板越薄, 种子下落高度越大, 振动幅度就越大, 而板的宽度对振动幅度影响较小, 因此设定板宽为25 mm, 选择板长、板厚、种子下落高度为因素进行单因素试验, 研究其对裂颖水稻种子检测系统识别率的影响。
1) 板厚:设定下落高度为200 mm, 钢板长200 mm, 测试板厚为0.25、0.50、1.00、1.50 mm时裂颖水稻种子的识别率。
2) 板长:设定下落高度为200 mm, 钢板厚0.50 mm, 测试板长为100、150、200、250、300 mm时裂颖水稻种子的识别率。
3) 种子下落高度:设定钢板长200 mm、厚0.50 mm, 测试下落高度为100、150、200、250、300 mm时裂颖水稻种子的识别率。
1.4.2 正交试验设计根据单因素试验结果, 板长设置为150、200、250 mm时识别率较高, 种子下落高度设置为150、200、250 mm时识别率较高, 而板厚设置为0.25、0.50、1.00 mm时钢板厚度越小识别率越高。进一步进行正交试验确定最佳组合, 选取板厚、板长、种子下落高度为因素设计L9(34)正交试验, 因素水平选取如表 1。
| 水平 Level |
因素Factors | ||
| 板厚(A)/mm Thickness of plate |
板长(B)/mm Length of plate |
下落高度(C)/mm Falling height |
|
| 1 | 1.00 | 250 | 150 |
| 2 | 0.50 | 200 | 200 |
| 3 | 0.25 | 150 | 250 |
分别测试正常水稻种子和裂颖水稻种子撞击钢板产生的振动信号, 去除异常信号后有效的正常种子信号数量为Mn、裂颖种子信号数量为Mc, 分析并提取每个信号的特征参数(如电压极差、均方根等), 按某一种特征值(如电压极差可记作特征a)从低到高排序, 选定合适的阈值来区分正常种子和裂颖种子, 如选定阈值为电压极差x, 正常种子中电压极差大于等于x的有M′n粒, 裂颖种子中小于x的有M′c粒, 则:
正常种子识别率为:
|
(1) |
裂颖种子识别率为:
|
(2) |
综合识别率为:
|
(3) |
选取4个品种杂交水稻进行基本物理特性与发芽试验, 其物理特性结果如表 2所示, 种子发芽试验结果及幼苗生长指标如表 3所示。
| 品种 Varieties |
裂颖率/% Rate ofcrack-glume |
类型 Type |
长度/mm Length |
宽度/mm Width |
厚度/mm Thickness |
百粒质量/g 100-grainweight |
含水率/% Rate ofwater |
| 川优6203 Chuanyou 6203 |
70.8±6.9 | 正常Normal 裂颖Crack-glume |
11.60±0.55a | 1.93±0.24b | 1.89±0.07a | 2.18±0.02a | 12.29±0.02 |
| 11.43±0.75a | 2.58±0.37a | 1.87±0.10a | 1.84±0.08b | ||||
| 荃优123 Quanyou 123 |
27.2±3.3 | 正常Normal 裂颖Crack-glume |
9.74±0.48a | 2.64±0.20b | 2.10±0.14a | 2.79±0.05a | 12.37±0.09 |
| 9.30±0.55b | 3.04±0.29a | 2.10±0.08a | 2.28±0.08b | ||||
| 中1优188 Zhongyiyou 188 |
67.6±7.6 | 正常Normal 裂颖Crack-glume |
11.71±0.69a | 1.92±0.19b | 1.89±0.06a | 2.16±0.02a | 12.71±0.11 |
| 11.45±0.91b | 2.49±0.35a | 1.89±0.09a | 1.87±0.09b | ||||
| 珍稻 Zhendao |
38.6±3.2 | 正常Normal 裂颖Crack-glume |
11.92±0.58a | 2.00±0.26b | 1.91±0.05a | 2.45±0.07a | 12.85±0.10 |
| 11.20±0.80b | 2.46±0.37a | 1.89±0.10a | 2.24±0.03b | ||||
| 注:同一品种同列数据后带相同小写字母者在0.05水平差异不显著。下同。 Note:There was no significant difference at 0.05 level between the same cultivar and the same column data with the same lowercase letters. The same as follows. |
|||||||
| 品种 Varieties |
类型 Type |
发芽势/% Germination-energy |
发芽率/% Germination-rate |
根数 Number ofroots |
根长/mm Rootlength |
叶数 Number ofleaves |
叶长/mm Leaflength |
茎长/mm Stemlength |
| 川优6203 Chuanyou 6203 |
正常Normal 裂颖Crack-glume |
89.33±1.53a | 91.67±1.53a | 5.76±2.04a | 27.84±5.18a | 2 | 33.91±6.41a | 36.90±5.90a |
| 71.67±0.58b | 73.00±1.00b | 3.25±1.44b | 23.85±7.78a | 2 | 31.80±8.14a | 29.63±2.88b | ||
| 荃优123 Quanyuo 123 |
正常Normal 裂颖Crack-glume |
90.33±2.52a | 94.33±2.08a | 5.53±2.52a | 27.51±6.81a | 2 | 36.00±8.11a | 36.40±4.30a |
| 58.33±3.06b | 61.33±5.03b | 4.69±1.92a | 26.87±4.66a | 2 | 34.33±5.15a | 29.36±7.09b | ||
| 中1优188 Zhongyiyou 188 |
正常Normal 裂颖Crack-glume |
90.67±1.53a | 91.33±1.53a | 5.59±2.35a | 30.19±5.86a | 2 | 39.18±7.10a | 34.91±7.06a |
| 67.00±4.00b | 68.67±3.51b | 3.88±1.78b | 22.34±3.20b | 2 | 31.10±6.59b | 30.20±5.35a | ||
| 珍稻 Zhendao |
正常Normal 裂颖Crack-glume |
87.67±3.05a | 88.67±3.21a | 6.00±2.06a | 26.97±9.36a | 2 | 36.08±5.70a | 35.38±5.29a |
| 59.33±2.08b | 61.33±3.51b | 4.00±1.63b | 24.69±4.06a | 2 | 33.10±5.17a | 28.60±5.87b |
由表 2可见:4个品种的水稻种子中, ‘川优6203’和‘中1优188’的裂颖率分别为70.8%和67.6%, 裂颖情况非常严重; ‘珍稻’裂颖率为38.6%, 裂颖情况较严重; ‘荃优123’裂颖率最低, 为27.2%。由表 3可以看出:各品种的裂颖种子发芽势、发芽率明显低于正常种子。幼苗生长状况除了叶数外, 每个品种的裂颖种子发芽出苗后, 其根数、根长、叶长、茎长均小于正常种子。试验过程中还发现, 同一品种水稻种子发芽过程中, 裂颖种子及其培养皿比正常种子更容易滋生霉菌, 且随着幼苗的生长, 部分裂颖种子的幼苗在试验后期逐渐变黄, 说明裂颖种子易受有害病菌侵染和发生小苗畸形。从种子尺寸上看, 同一品种的水稻种子, 正常粒的长度均大于裂颖粒, 宽度均小于裂颖粒, 厚度上正常种子与裂颖种子差异不显著。从种子质量上看, 正常种子的百粒质量显著大于裂颖粒的百粒质量(表 2)。水稻种子在产生裂颖后, 种子颖壳会沿宽度方向裂开, 宽度增大, 并且裂颖种子多形成于水稻生长发育过程中, 颖壳裂开后, 在灌浆过程中, 内部糙米易失水老化、发育速度放缓甚至停止[2], 导致种子长度、粒质量降低。
2.2 振动信号分析及特征值选取
|
(4) |
式中:x为振幅(m); t为时间(s); F为脉冲力(N); m为冲击物体的质量(kg); ζ为阻尼比; ωn为系统无阻尼振动的固有频率(Hz); ωd为系统阻尼振动的固有频率(Hz), 
设定采样频率为8kHz, 对采集的信号进行零均处理、多项式趋势项去除、小波去噪、有效段截取等预处理后, 可得水稻种子撞击钢板产生的典型振动信号电压时域波形图(图 3)。
|
图 3 杂交水稻种子撞击钢板振动信号预处理前、后波形图 Fig. 3 Waveforms before and after pretreatment of hybrid rice seed impacting 65Mn steel plate |
对每粒杂交水稻种子下落撞击振动信号进行分析并提取特征值, 进而选取阈值进行分类。常用的振动信号特征参数在时域上主要有电压最大值、最小值、绝对值最大值(简称为最值)、极差、均值、均方根, 能量、斜度、峰度等。在钢板厚度为0.50 mm、长度200 mm以及种子下落高度为200 mm的条件下, 正常种子与裂颖种子撞击钢板产生的振动信号的各种特征情况如图 4所示。
|
图 4 水稻种子撞击钢板振动信号特征参数比较 Fig. 4 Comparison of characteristic parameters of vibration signals of hybrid rice seed falling and impacting steel plate A.最大值Maximum; B.最小值Minimum; C.绝对值最大值(最值) Absolute maximum; D.极差Range; E.均值Mean; F.均方根Root-mean-square(RMS); G.能量Energy; H.斜度Angle of deflection; I.峰度Kurtosis. |
由图 4可看出, 除均值和斜度外, 正常种子和裂颖种子的其余7个特征参数分布呈2个层次, 仅少部分的2种籽粒信号混合在一起。将除了均值和斜度的7种特征参数选定阈值(最大值:0.58 V; 最小值-0.54 V; 最值:0.56 V; 极差:1.00 V; 能量:2.47 V2; 均方根:0.033 V; 峰度:0.000 23)进行比较并计算识别率, 由表 4可知, 可以选取这7个特征参数作分类, 且以能量为标准识别效果最好。
| 指标 Item |
最大值 Maximum |
最小值 Minimum |
最值 Absolute maximum |
极差 Range |
能量 Energy |
均方根 RMS |
峰度 Kurtosis |
| 正常种子识别率/% Normal seeds recognition rate |
74.16 | 75.83 | 75.83 | 78.33 | 80.00 | 79.17 | 77.50 |
| 裂颖种子识别率/% Crack-glume seeds recognition rate |
73.33 | 72.50 | 74.17 | 79.17 | 80.83 | 77.50 | 78.33 |
选取信号能量作为区分标准计算裂颖水稻种子的综合识别率, 由图 5-A可知, 在板长和种子下落高度一定的情况下, 板厚越小综合识别率越高, 但当悬臂梁的长、宽一定, 厚度越小, 惯性矩越小, 梁截面弯曲刚度越小, 同种受力情况下在自由端的挠度越大, 钢板受撞击后回零平稳时间越长, 因此板厚不能过小, 最低为0.25 mm。故选择0.25、0.50、1.00 mm的厚度作为正交试验的考察水平。由图 5-B可知, 在板厚和种子下落高度一定的情况下, 随着板长的增加, 裂颖水稻种子综合识别率先上升后下降, 并且在板长为200 mm时综合识别率最高, 因此选择板长150、200、250 mm作为正交试验的考察水平。由图 5-C可知, 在板长和板厚一定的情况下, 裂颖种子综合识别率随种子下落高度的增加, 先上升后下降, 在200 mm时识别率最高, 因此选择150、200、250 mm的种子下落高度作为正交试验的考察水平。
|
图 5 单因素试验结果 Fig. 5 Results of single factor experiment |
由图 6可知:同种因素水平下, 以能量作为区分标准, 识别率大多比其他特征值作为区分标准要高。由图 4-G可知同一品种的杂交水稻, 正常种子撞击钢板产生的能量普遍高于裂颖种子。出现这种现象主要有2个原因:一是裂颖种子多为不饱满种子, 由表 2可知裂颖种子的质量多数比正常种子要小, 因此在相同高度下裂颖种子的重力势能比正常种子的小。二是水稻种子颖壳有一定的弹性, 相对籽粒而言较柔软, 正常种子多数比较饱满, 籽粒与颖壳间的间隙很小, 下落时相当于籽粒头部直接撞击钢板, 颖壳的缓冲作用小, 种子的重力势能几乎全部转化为钢板的弹性势能; 而裂颖种子多数颖壳在头部裂开成2部分, 与籽粒之间的空隙较大, 下落时颖壳首先撞击钢板起到一定的缓冲作用, 并吸收一部分振动能量, 导致撞击转化钢板的弹性势能要小。因此, 与正常种子相比裂颖种子撞击钢板产生的能量较小。
以能量作为区分标准计算综合识别率, 正交试验结果与分析如表 5所示, 正交试验方差分析如表 6所示。
| 序号 No. |
因素Factors | 空列 Null columns |
综合识别率/% Comprehensive recognition rate |
||
| A | B | C | |||
| 1 | 1 | 1 | 1 | 1 | 64.90 |
| 2 | 1 | 2 | 2 | 2 | 73.49 |
| 3 | 1 | 3 | 3 | 3 | 72.01 |
| 4 | 2 | 1 | 2 | 3 | 72.21 |
| 5 | 2 | 2 | 3 | 1 | 75.83 |
| 6 | 2 | 3 | 1 | 2 | 70.55 |
| 7 | 3 | 1 | 3 | 2 | 74.79 |
| 8 | 3 | 2 | 1 | 3 | 83.27 |
| 9 | 3 | 3 | 2 | 1 | 76.19 |
| K1j | 70.13 | 70.63 | 72.91 | 72.31 | |
| K2j | 72.86 | 77.53 | 73.96 | 72.94 | |
| K3j | 78.08 | 72.92 | 74.21 | 75.83 | |
| Rj | 7.95 | 6.90 | 1.30 | 3.52 | |
| 注:Kij(i=1, 2, 3;j=A, B, C, 空列)表示第j列因素在i水平下试验指标的数据和, 可根据Kij的大小判断出最优组合; Rj为第j列因素的极差, 即因素各水平下指标值的最大值与最小值之差, Rj越大则第j列因素对试验指标的影响越大。 Note:Kij(i=1, 2, 3;j=A, B, C, null columns)represents the sum of the test index of the factor in column j under the level of i, the optimum combination of factors and levels can be judged according to Kij; Rj is the extreme difference of the factor in column j, that is, the difference between the maximum and minimum of the index values at each level of the factor. The larger the Rj is, the greater the influence of the j column factors on the test indexes is. |
|||||
| 变异来源 Source of variation |
平方和 SS |
自由度 DF |
均方 MS |
F | Fα(n1, n2) |
| A | 97.904 | 2 | 48.952 | 8.149 | F0.05(2, 4)=6.94 |
| B | 74.060 | 2 | 37.030 | 6.164 | F0.1(2, 4)=4.325 |
| C | 2.876 | 2 | 1.438 | ||
| 误差(e)Error | 21.152 | 2 | 10.576 | ||
| 误差(e△)Error | 24.028 | 4 | 6.007 | ||
| 总和Total | 196.172 | 8 | |||
| 注:由于SSC远小于SSe, 因此将因素C归入误差项中, 与原误差e一起组成新的误差e△, 以误差e△计算因素A、B的F值。 Note:Because SSC is much smaller than SSe, factor C is included in the error term and form a new error e△ with the original error e. The F values of factors A and B are calculated by error e△. |
|||||
由表 5可知, 各因素对识别率的影响程度依次为板厚(因素A)、板长(因素B)、下落高度(因素C)。正交试验优化出的最优组合为A3B2C3, 即板厚0.25 mm, 板长200 mm, 种子下落高度为250 mm。由表 6正交试验方差分析可知:FA>F0.05>FB>F0. 1, 说明板厚对识别率的影响显著, 板长的改变对识别率有一定影响, 种子下落高度对识别率影响最小。
对最优组合A3B2C3进行非样本验证试验, 结果如图 7所示:在组合为A3B2C3, 以能量作为标准, ‘珍稻’的综合识别率为85.10%;‘川优6203’的综合识别率为85.50%;‘荃优123’的综合识别率为84.40%;‘中1优188’的综合识别率为83.40%。
|
图 7 A3B2C3因素水平下4个品种水稻种子裂颖检测综合识别率 Fig. 7 Comprehensive recognition rate of four varieties of hybrid crack-glume rice seeds detection under A3B2C3 factor level |
通过测试杂交水稻种子下落撞击金属悬臂梁薄板振动信号的方法对裂颖种子籽粒进行区分试验, 试验结果发现:当板厚为0.25 mm、板长为200 mm, 种子下落高度为250 mm时识别率最高。在此组合下, 采样频率为8 000 Hz时, 有效采样点数平均为1 800左右, 从开始振动到信号波动趋于稳定大约需要0.23 s, 因此, 理论上单通道1 s可检测4~5粒种子信号。由于测试系统对外界环境要求较小, 且若设置成多通道则通道间几乎无相互干扰, 因此可设置多路通道同时工作, 以增加工作效率。因此, 杂交水稻种子下落撞击金属悬臂梁薄板的振动信号可以进行裂颖籽粒和正常籽粒的区分。
目前杂交水稻裂颖种子的识别方法主要有机器视觉和声学。机器视觉方法的研究又多为静态检测识别, 而目前已设计出的动态在线检测系统对正常种子和裂颖种子的平均正确识别率在80%左右, 处理速度为4粒·s-1[9]; 声学识别检测方法[10]对隔音效果要求高, 为避免噪音对识别效果的影响, 相对而言本研究测试系统结构较简单, 外界环境噪音无影响, 并且识别效果更稳定。因此本研究的杂交水稻裂颖种子识别方法与前两者相比均有一定优势。
在给料设备上, 目前本研究在检测前需人工把种子样品头部朝前排列在振动给料机的振动盘上, 否则可能识别精度会受到影响, 因此给料设备还需继续改进。俞亚新等[26-27]根据水稻种子表面特性及惯性特性设计出了带有导向板的振动式排种器, 实现了稻种胚胎定向排列。因此可根据目前的已有研究对给料设备进行设计改造, 使其实现水稻种子头部朝前自动定向排列功能, 同时进一步对定向排列与振动给料组合的工作效率进行试验验证。
| [1] |
王豪书, 杨建菊. 杂交水稻种子裂颖研究[J]. 种子, 1991(3): 19-22. Wang H S, Yang J J. A study on glume-open in seeds of hybrid rice[J]. Seed, 1991(3): 19-22 (in Chinese with English abstract). |
| [2] |
杨建菊. 杂交水稻种子的裂颖及其危害[J]. 杂交水稻, 2006, 21(1): 57-60. Yang J J. Glume dehiscence of hybrid rice seeds and its harmfulness[J]. Hybrid Rice, 2006, 21(1): 57-60 (in Chinese with English abstract). DOI:10.3969/j.issn.1005-3956.2006.01.025 |
| [3] |
袁世礼. 裂颖杂交稻种的特点及其应注意的问题[J]. 作物杂志, 2000(2): 20-21. Yuan S L. Characteristics of crack-glume hybrid rice and some problems to be noticed[J]. Crops, 2000(2): 20-21 (in Chinese). DOI:10.3969/j.issn.1001-7283.2000.02.008 |
| [4] |
王菁, 靳晓全, 张春桂. 裂颖导致杂交稻种子发芽率降低及其原因分析[J]. 中国种业, 2004(2): 36-37. Wang J, Jing X Q, Zhang C G. Reduction of hybrid rice seeds germination rate caused by crack-glume and its analysis of causes[J]. China Seed Industry, 2004(2): 36-37 (in Chinese). DOI:10.3969/j.issn.1671-895X.2004.02.026 |
| [5] |
杨建菊. 杂交稻制种基地应推广水选法[J]. 种子世界, 1992(10): 17. Yang J J. Hybrid rice seed production base should promote water selection method[J]. Seed World, 1992(10): 17 (in Chinese). |
| [6] |
成芳, 应义斌. 基于Matlab平台的稻种图像分析系统[J]. 浙江大学学报(农业与生命科学版), 2004, 30(5): 572-576. Cheng F, Ying Y B. Image analysis system of rice seed based on Matlab platform[J]. Journal of Zhejiang University(Agric & Life Sci.), 2004, 30(5): 572-576 (in Chinese with English abstract). DOI:10.3321/j.issn:1008-9209.2004.05.022 |
| [7] |
成芳.稻种质量的机器视觉无损检测研究[D].杭州: 浙江大学, 2004. Cheng F. Nondestructive quality inspection of rice seeds with machine vision[D]. Hangzhou: Zhejiang University, 2004(in Chinese with English abstract). |
| [8] |
王艳平.基于计算机视觉技术对杂交水稻裂颖种子的识别研究[D].长沙: 湖南农业大学, 2007. Wang Y P. The research on the seeds with broken glumes of hybrid rice based on the computer vision technology[D]. Changsha: Hunan Agricultural University, 2007(in Chinese with English abstract). |
| [9] |
龚朝勇.基于机器视觉裂颖稻种在线双面识别与剔除系统研究[D].杭州: 浙江大学, 2016. Gong C Y. The research of unclosed-glume rice seed on-line double-sided identification and eliminate system based on machine vision[D]. Hangzhou: Zhejiang University, 2016(in Chinese with English abstract). |
| [10] |
李毅念, 魏昌成, 丁为民, 等. 基于声学特性的裂颖杂交水稻种子检测方法研究[J]. 农业机械学报, 2016, 47(5): 263-269. Li Y N, Wei C C, Ding W M, et al. Detection method for hybrid crack-glume rice seeds based on acoustic characteristics analysis[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(5): 263-269 (in Chinese with English abstract). |
| [11] |
Murayama H, Konno I, Terasaki S, et al. Nondestructive method for measuring fruit ripening of 'La France' pears using a laser Doppler vibrometer[J]. Journal of the Japanese Society for Horticultural Science, 2006, 75(1): 79-84. DOI:10.2503/jjshs.75.79 |
| [12] |
胡生喜. 利用振动响应频谱测定西瓜成熟度的可行性探讨[J]. 八一农学院学报, 1991, 14(2): 73-76. Hu S X. A feasibility study on determination of watermelon maturity by means of responsing rumble spectrum[J]. Journal of August 1st Agricultural College, 1991, 14(2): 73-76 (in Chinese with English abstract). |
| [13] |
Jancsók P T, Clijmans L, Nicolaó B M, et al. Investigation of the effect of shape on the acoustic response of 'conference' pears by finite element modelling[J]. Postharvest Biology and Technology, 2001, 23: 1-12. DOI:10.1016/S0925-5214(01)00098-9 |
| [14] |
Cherng A P. Vibration modes of melons of ellipsoidal shapes[J]. Transactions of the ASAE, 2000, 43(5): 1185-1193. DOI:10.13031/2013.3011 |
| [15] |
Cherng A P. Development of a frequency-based firmness index for solid fruits and vegetables of ellipsoidal shape[J]. Engineering in Agriculture, Environment and Food, 2009, 2(1): 7-13. DOI:10.1016/S1881-8366(09)80021-9 |
| [16] |
Cherng A P, Ouyang F. A firmness index for fruits of ellipsoidal shape[J]. Biosystems Engineering, 2003, 86(1): 35-44. DOI:10.1016/S1537-5110(03)00096-5 |
| [17] |
Gómez A H, Wang J, Pereira A G. Impulse response of pear fruit and its relation to Magness-Taylor firmness during storage[J]. Postharvest Biology and Technology, 2005, 35(2): 209-215. DOI:10.1016/j.postharvbio.2004.07.006 |
| [18] |
赵正强, 吴杰, 王志鹏, 等. 香梨振动模态分析及硬度评估指标构建[J]. 农业工程学报, 2015, 31(23): 277-284. Zhao Z Q, Wu J, Wang Z P, et al. Vibration modal analysis of Korla pear and establishment of stiffness evaluation index[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(23): 277-284 (in Chinese with English abstract). DOI:10.11975/j.issn.1002-6819.2015.23.037 |
| [19] |
姜瑞涉, 王俊, 陆秋君, 等. 鸡蛋敲击响应特性与蛋壳裂纹检测[J]. 农业机械学报, 2005, 36(3): 75-78. Jiang R S, Wang J, Lu Q J, et al. Eggshell crack detection by frequency analysis of dynamic resonance[J]. Transactions of the Chinese Society for Agricultural Machinery, 2005, 36(3): 75-78 (in Chinese with English abstract). DOI:10.3969/j.issn.1000-1298.2005.03.022 |
| [20] |
潘磊庆, 屠康, 赵立, 等. 敲击振动检测鸡蛋裂纹的初步研究[J]. 农业工程学报, 2005, 21(4): 11-15. Pan L Q, Tu K, Zhao L, et al. Preliminary research of chicken egg crack detection based on acoustic resonance analysis[J]. Transactions of the Chinese Society of Agricultural Engineering, 2005, 21(4): 11-15 (in Chinese with English abstract). DOI:10.3321/j.issn:1002-6819.2005.04.003 |
| [21] |
陈子超, 刘敏, 张文昭, 等. 振动法鸡蛋品质无损检测仪的设计[J]. 湖南科技学院学报, 2009, 30(12): 11-14. Chen Z C, Liu M, Zhang W Z, et al. Design of non-destructive detection device for eggs quality based on vibration method[J]. Journal of Hunan University of Science and Engineering, 2009, 30(12): 11-14 (in Chinese with English abstract). DOI:10.3969/j.issn.1673-2219.2009.12.004 |
| [22] |
Physical Properties of Agricultural Products Committee. Moisture measurement-unground grain and seeds: ASAE Standards S352.2[S]. St. Joseph, USA: ASABE, 2017: 1-3.
|
| [23] |
中华人民共和国农业部.农作物种子检验规程: 发芽试验: GB/T 3543.4-1995[S].北京: 中国标准出版社, 1995: 1-20. Ministry of Agriculture of the People's Republic of China. Rules for agricultural seed testing: germination test: GB/T 3543.4-1995[S]. Beijing: Standards Press of China, 1995: 1-20. |
| [24] |
高建民, 郝磊斌, 张刚, 等. 谷粒冲击压电力敏元件数值模拟与试验[J]. 农业机械学报, 2009, 40(6): 63-66, 93. Gao J M, Hao L B, Zhang G, et al. Numerical simulation and test of grain impact piezoelectric yield sensor[J]. Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(6): 63-66, 93 (in Chinese with English abstract). |
| [25] |
高建民, 张刚, 喻露, 等. 联合收割机清选损失传感器谷粒冲击信号的混沌检测[J]. 农业工程学报, 2011, 27(9): 22-27. Gao J M, Zhang G, Yu L, et al. Chaos detection of grain impact at combine cleaning loss sensor[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(9): 22-27 (in Chinese with English abstract). DOI:10.3969/j.issn.1002-6819.2011.09.005 |
| [26] |
俞亚新, 赵匀, 张斌, 等. 基于稻种胚胎定向排列的排种器及参数优化[J]. 江苏大学学报(自然科学版), 2008, 29(3): 194-197. Yu Y X, Zhao Y, Zhang B, et al. Seed metering device based on orienting ordered arrangement in embryo and parameter optimization[J]. Journal of Jiangsu University(Natural Science Edition), 2008, 29(3): 194-197 (in Chinese with English abstract). |
| [27] |
俞亚新, 林佳辉, 赵匀, 等. 基于单轴对称特性的稻种定向排序仿真与试验[J]. 农业机械学报, 2013, 44(10): 62-67, 74. Yu Y X, Lin J H, Zhao Y, et al. Simulation and test on rice seed orientation based on single axisymmetric properties[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(10): 62-67, 74 (in Chinese with English abstract). DOI:10.6041/j.issn.1000-1298.2013.10.011 |