機器采摘棉花 視覺系統關鍵技術獲突破

    作為世界產棉大國，與其他國家相比，我國的棉花種植地域遼闊，生產規(guī)模呈現多元化格局，棉花品種多、收獲期長、蟲害多、地膜碎片多，因此，運用當今世界上普遍使用的機械式采摘技術，盡管能提高工效，但是容易造成棉花優(yōu)劣并收的尷尬局面。然而，若使用常規(guī)的手工采棉，則又面臨著勞動強度大，勞動費用高的問題，同時，由于一些農民質量意識淡薄，使采摘的棉包一致性差，不具備價格導向性。長期的實踐證明，機械式采摘依然是我國采棉業(yè)發(fā)展的方向，但如何讓采摘機器人正確地判斷出棉花的品級、保證棉花的質量，則是主要的制約因素。

    “長期以來，我國棉花采摘、收購以感官檢驗為主、儀器測試為輔，為了解決棉花機械式采摘質量問題，我們開始了此項技術的研究。”王玲副教授說，自2005年起，她和團隊便開始了這項“基于圖像特征選擇識別田間籽棉品級”的研究，此項研究也是國家“863”計劃項目。研究主要使用CCD數碼相機采集早、中、晚三期“蘇棉12”1~7級籽棉的正面圖像共計350幅。首先，用顏色閾值法將籽棉從復雜的背景中分割出來，并用一組同心圓對其進行切割；其次，研究者提取了反映籽棉白度、黃度和雜質量的14個紋理特征以及反映棉瓣大小、結構的16個形狀特征；*后，研究者以類可分性準則為過濾器的評價函數啟發(fā)式搜索了有效特征。研究結果表明，籽棉圖像分割算法快速、準確；30個紋理、形狀特征能夠區(qū)分籽棉的品級；混合過濾器/封裝器和浮動搜索的特征選擇算法效率高、效果好，有效特征為3個白色、黃色紋理特性和4個形狀結構特征，并獲得了88.4%的識別率。

　　作為此項技術應用實現的載體，王玲副教授說，采摘機器人能夠以較大的時空自由度模擬人工實時采摘并分級，能夠適應棉花品種的多樣性，降低生產成本，提高棉花等級相符率，減少異型纖維問題、摻雜使假事件和包一致性差現象，使高、中、低檔棉花品質結構趨于合理。此項技術的突破，也將使我國的棉花質量檢測由收獲后檢測轉變?yōu)槭斋@前檢測，通過采摘機器人，在采摘前就能知道，哪片地里的棉花質量好，哪片地里的棉花質量差，從而避免了重復和無謂的勞動，實現采棉作業(yè)的精細化。

　　據悉，目前我國還沒有完全符合國情的棉花定級儀器，為此，此項面向采摘機器人視覺系統的籽棉朝向、成熟度和品級表征研究的深入開展，也將有利于符合國情的棉花定級儀器的早日問世，填補空白。