玉米高通量自动考种装置设计与试验

宋 鹏，张 晗，王 成※，罗 斌，路文超，侯佩臣（1. 北京农业智能装备技术研究中心，北京 100097；2. 国家农业智能装备工程技术研究中心，北京 100097；3. 农业部农业信息技术重点实验室，北京 100097）

玉米高通量自动考种装置设计与试验

宋 鹏1,2,3，张 晗1,2,3，王 成1,2,3※，罗 斌1,2,3，路文超1,2,3，侯佩臣1,2,3
（1. 北京农业智能装备技术研究中心，北京 100097；2. 国家农业智能装备工程技术研究中心，北京 100097；3. 农业部农业信息技术重点实验室，北京 100097）

考种是玉米育种的重要环节，针对现有考种方法分别进行玉米果穗或玉米籽粒考种参数测量，难以满足玉米商业化育种过程大量样本自动考种需求的现状，该文设计了一种玉米高通量自动考种装置，主要包括玉米果穗考种单元、自动脱粒单元、玉米籽粒考种单元、后处理单元及系统控制单元，可实现玉米果穗考种、自动脱粒、籽粒考种、籽粒提升、籽粒封装、标签打印等全过程的自动化。依据设计方案进行原理样机试制及试验，结果表明：该装置可实现玉米穗质量、果穗长宽、穗行数、行粒数、秃尖区域、籽粒厚度、籽粒长、籽粒宽、穗粒数等考种参数的实时测量，且对果穗长、宽的平均测量精度分别为99.13%，99.25%、对籽粒数量的平均测量精度为99.39%。样机对单个玉米考种时耗时约为27.2 s，连续考种作业时处理速度达4穗/min。该研究为玉米高通量自动考种装备的实现提供了参考。

测量；设计；试验；高通量；玉米考种；籽粒考种；图像处理；自动控制

0 引 言

玉米是中国主要粮食作物之一，育种是玉米生产过程的关键环节，是影响玉米质量和产量的重要因素，考种结果直接决定了育种材料的优劣评定和取舍[1]。玉米考种包括玉米果穗及籽粒考种，涉及果穗的果穗质量、穗长、穗宽、穗行数、行粒数等以及脱粒后玉米籽粒的粒数、粒长、粒宽、粒型、粒色、水分、容重等多种性状参数的测量、记录、统计及分析[2]，考种效率和精度是制约育种效率的关键因素之一。

随着信息技术的发展，机器视觉及数字图像处理技术在农产品检测、识别分级方面的应用日益广泛[3-7]。针对玉米果穗或玉米籽粒的参数提取方法和应用开展了大量研究工作[8-17]，也有学者研究并设计了适用于玉米果穗或玉米籽粒的自动化考种装置[18-22]，汪珂等[23]设计了一种玉米籽粒考种装置，通过线阵相机实现了玉米籽粒总粒数、长轴、短轴、长宽比的测量，该装置平均测量效率为5穗/min；肖伯祥等[24]设计了一种玉米考种自动化流水线机构，并进行了虚拟建模和仿真，探讨了玉米果穗考种流水线的可行性；吴刚等[25]设计了一种玉米果穗自动考种系统，实现了玉米果穗的自动上料、排序、图像采集分析和质量自动称量功能。

现有玉米考种装置及方法主要针对果穗或是玉米籽粒，无法同时实现果穗及籽粒考种，难以满足育种过程大批量育种材料快速考种的需求。本文设计的玉米高通量自动考种装置，实现了单穗玉米从果穗到籽粒所涉及考种参数的快速、全面、自动获取，大大降低了考种人力成本，提高育种效率，对提升中国育种技术水平具有重要意义。

1 系统总体方案设计

玉米高通量自动考种装置需实现玉米果穗及籽粒考种参数的快速、自动、实时测量。为尽可能满足上述要求，采用模块化思路和方法，设计了玉米高通量自动考种装置，该装置包括果穗考种单元、果穗脱粒单元、籽粒考种单元、籽粒后处理单元及系统控制单元，从而可实现玉米果穗考种参数提取、自动脱粒、玉米籽粒考种参数提取、籽粒提升、自动封装、标签打印等全过程的自动化。其工作原理如图1所示。

果穗考种单元采用多摄像头获取果穗图像并进行分析，结合称重传感器进行果穗考种参数提取后，将果穗卸料至脱粒单元脱粒并除杂，脱粒后的玉米籽粒进行振动以避免大面积粘连及堆积现象，并分析籽粒图像，获取粒数、粒长、粒宽、粒型、籽粒颜色等考种参数。籽粒后处理单元包括气吸式提升、自动封装和二维码标签打印，用于将考种后的玉米籽粒提升到一定高度后进行封装并打印二维码标签，该二维码标签包含所测得的对应果穗所有考种信息。系统控制单元根据各环节的传感信息控制相应控制部件动作，确保整个考种装置的有序、稳定、自动运行。

图1 玉米高通量自动考种装置原理Fig.1 Principle of high throughput automatic measuring device for corn

根据上述设计方案和思路，对玉米高通量考种装置进行结构设计，如图2所示。装置整体设计尺寸（长×宽×高）为2 300 mm×1 450 mm×1 850 mm。

图2 玉米高通量自动考种装置结构示意图Fig.2 Structure diagram of high throughput automatic measuring device for corn

2 关键单元设计

本文所设计的玉米高通量自动考种装置主要包括玉米果穗考种单元、自动脱粒单元、玉米籽粒考种单元、后处理单元及系统控制单元。其中自动脱粒单元选用加拿大Agriculex SCS-2型单穗玉米脱粒机，该脱粒机脱粒效率为3～5 s/穗，且具有破损率低、脱净率高的特点，满足高通量考种过程脱粒需求，增加控制信号对该型号脱粒机的启停进行控制并在脱粒出料口增加光电传感器以检测脱粒卸料状况，集成到高通量玉米考种装置中。后处理单元中的提升机构选用AL-300G型真空吸料机，吸附电机功率为1 100 W，静风压为11 800 Pa，输送能力达350 kg/h，可确保提升过程无籽粒遗漏现象，增加控制信号对该型号吸料机的启停进行控制并集成到本装置中。本装置的关键单元主要包括果穗考种单元、籽粒考种单元及系统控制单元。

2.1 果穗考种单元设计

玉米果穗考种参数包括果穗质量、穗长、穗宽、穗型、穗行数、行粒数、秃尖长度、平均粒厚、穗颜色等。需设计一种果穗考种单元不但能够适应不同形态玉米果穗检测需求，且可兼顾高通量考种过程果穗考种的速度和精度。

果穗考种单元结构如图3所示，主要包括称重传感器、摄像头、光源、果穗承载机构等部件。果穗承载机构由承载支架及果穗承载装置组成，完全置于称重传感器上方，其中果穗承载装置采用两根平行安装，间隔距离可调，直径为1.5 mm的高硬度钨钢丝，钢丝长度设计为30 cm，可适用于不同尺寸果穗样本且不会对果穗图像获取造成较大影响。由于待考种果穗的质量范围通常为50～400 g，为保证测量精度，果穗承载机构选用规格为2020的铝型材搭建，整个果穗承载机构质量为1.8 kg，本装置选用量程为0～5 kg，最小测量分度为0.1 g的称重传感器。工作时将待测果穗置于两根钢丝上方进行成像和果穗质量测量。

图3 果穗考种单元结构示意图Fig.3 Structure diagram of corn ear parameters measuring unit

为保证果穗考种效率，采用4个高分辨率彩色摄像机（中国大恒（集团）有限公司北京图像视觉技术分公司生产的DH-HV5051Ux-M系列高分辨率彩色CMOS工业数字相机和Computar公司生产的焦距为5 mm的镜头），以90°间隔均匀分布于果穗周围，同时获取玉米果穗4个方向图像，摄像头安装于距待检测果穗中心距离30 cm处。4只12 V条形LED白光光源分布于相邻摄像头中间位置，保证光照均匀性。

果穗考种单元的上料传感器和卸料传感器型号为E18-D80NK（集红外发射与接收功能于一体的漫反射式红外光电传感器），上料后，果穗反射的红外光会使上料传感器的输出信号状态发生改变，从而触发四只摄像头采集果穗图像，同时记录果穗质量。随后通过直线推杆电机，其最大行程为100 mm，速度为80 mm/s，推动果穗承载装置绕轴旋转，果穗在重力作用下经卸料口滑至脱粒单元后，卸料电机复位，承载装置随卸料电机复位至初始位置，等待下一果穗上料。卸料传感器安装于卸料口位置，在检测到玉米果穗成功卸料后，启动脱粒装置进行脱粒。

2.2 籽粒考种单元设计

脱粒除杂后的玉米籽粒，在重力作用下随机散落于籽粒考种单元，易产生严重粘连甚至堆积情况，直接获取图像进行处理，难以保证籽粒考种参数获取精度。

为解决上述问题，设计的籽粒考种单元包括3个部分：1）图像获取装置，用于采集籽粒的图像信息；2）自动摊种机构，降低籽粒粘连及堆积情况，辅助获取高质量籽粒图像；3）籽粒卸料机构，考种参数测量结束后，籽粒卸料进入下一作业环节。籽粒考种单元结构如图4所示。

图4 籽粒考种单元结构Fig.4 Structure of corn kernels parameters measuring unit

籽粒图像获取装置选用MER-500-7UC型号CMOS工业数字相机（中国大恒（集团）有限公司北京图像视觉技术分公司），其CMOS尺寸为10.16 mm，成像分辨率为2 592×1 944像素。经多次测试，将籽粒托板尺寸设计为50 cm×40 cm，不但可以提高相机像素利用率，且能满足不同尺寸玉米的测量需求。结合籽粒考种单元的物理尺寸，选择Computar公司生产的H0514-MP型号镜头，摄像头安装高度为600 mm。籽粒考种单元采用4组12 V线性LED白光光源，分两组对称分布在灯箱内壁上，确保摊种平面光照均匀。

自动摊种机构在籽粒考种之前辅助进行籽粒平摊，以消除籽粒堆积、降低籽粒粘连程度。目前通过传送带方式或振动方式分散籽粒[26-28]，结合高通量快速考种需求，通过系统运行试验比较不同摊种方式的摊种效果，最终选用回旋振动方式进行籽粒摊种，将振动平台的回旋速度设为2.9 r/s，回旋振动时间设置为4.5 s，可完全消除籽粒堆积现象[29]，满足高通量在线检测需求。

2.3 系统控制方法设计

选用昆仑通态TPC7062K工控平板与MODBUS继电器输入输出模块作为系统控制硬件。所选的继电器输入输出模块基于RS485/RS232 MODBUS RTU标准通讯协议，具有16路光电隔离开关量输入16路光电隔离继电器输出通道。

为实现玉米果穗上料后，果穗图像采集、分析、卸料、脱粒、籽粒摊种、籽粒图像采集、分析、提升、封装等流程的自动化进行。在果穗考种单元安装有果穗上料及果穗卸料传感器，在脱粒单元出口安装脱粒检测传感器，在籽粒考种单元出口安装籽粒卸料传感器，传感器输出信号均为开关量，将其作为输入信号，按照系统设计的逻辑及时序进行考种装置相应控制。控制系统整体设计如图5所示。

该装置共使用了4个输入信号端和12个输出信号端，另设置3组机械开关，分别为系统上电，控制系统启停，系统急停断电。控制模块输入输出信号端配置如表1所示。

表1 控制模块输入输出信号端配置Table 1 I/O ports configuration of control module

上电后，系统自动进行初始化并等待果穗上料。检测到果穗上料信息后判断上一果穗的籽粒卸料状态，若已经卸料，读取果穗质量并触发4个相机采集果穗图像，若尚未卸料则等待直至卸料完成，以避免相邻果穗间籽粒混合。对采集的果穗图像进行处理获取果穗考种参数的同时进行果穗卸料，卸料结束后果穗称重传感器清零。当果穗卸料传感器检测到果穗即将进入脱粒机时，启动脱粒机，此时开始振动摊种直至脱粒结束，随后触发采集籽粒图像进行处理，同时籽粒完成卸料，并通过气吸式提升装置将卸料后的籽粒提升到指定高度后进行封装。封装结束，系统自动打印二维码，并将所提取的对应果穗及籽粒考种参数写入二维码中。系统控制流程如图6所示。

图6 系统控制流程Fig.6 Flow chart of system control

3 试验及分析

根据以上设计思路搭建了玉米高通量自动考种装置样机，样机实物如图7所示，采用辽宁东亚种业有限公司东亚海南育种基地收获的实际待考种玉米作为样本，在样机上运行试验，验证玉米高通量自动考种装置的运行效率及主要考种参数实时获取精度。

图7 玉米高通量自动考种装置样机Fig.7 Prototype of high throughput automatic measuring device for corn

3.1 考种效率试验

玉米育种过程通常需要对大批量果穗进行考种。为验证本装置连续运行时的考种效率，通过人工连续上料，即上一玉米果穗卸料完成后随即上料。记录每组试验样本从第一个果穗上料开始直至最后一个果穗籽粒封装完成所耗费的总时间。则系统连续运行时单个玉米果穗考种平均耗时

式中T为每组样本测试总耗时，s；Δt为单穗全过程耗时，指单个玉米果穗实现人工上料、果穗考种、自动脱粒、籽粒考种、籽粒提升、籽粒封装、标签打印等全过程所耗费的总时间，s。Δt通过随机选取多个果穗样本测量统计后得出，统计结果表明本装置对单个玉米果穗进行考种的平均耗时tΔ为27.2 s；N为样本总数。

随机选取30、50、70穗玉米果穗开展3组试验，按照上述方法计算本装置连续运行时的考种效率，结果如表3所示。

表3 连续运行时考种效率Table 3 Processing efficiency at continuous operating mode

结果表明，本装置连续运行时，处理速度达到4穗/min，可极大提高考种效率。

3.2 果穗考种试验

由于本装置的考种参数均是实时测量并保存在控制端PC机中，为验证本装置对果穗考种参数的提取效果，随机选取10个玉米果穗并进行编号，在用本装置进行处理之前，通过人工方式统计各种考种参数后，依照编号顺序依次置于高通量自动考种装备上进行自动考种，对比系统测量的数据与人工测量数据差异。本装置采用4个2 592×1 944像素的彩色相机，从4个不同角度获取果穗的原始图像，为提高果穗处理效率，仅获取每幅图像中包含果穗的固定区域，所获得的4副果穗原始图像如图8a~8d所示。对原始图像在HSV空间进行背景去除和秃尖区域提取，并在G通道采用OSTU分割法提取籽粒区域后，对果穗中间区域进行籽粒跟踪，获取本图像中的穗行数，图8a的处理过程及效果如图8e~8h所示。

果穗考种单元采用4个相机分别进行玉米果穗图像参数提取，最终测得的果穗考种参数由4副图像提取的参数综合计算得出。果穗长、宽为4副图像中玉米果穗最小外接矩形长、宽的平均值；果穗行数通过计算每幅图像有效行数及其所占弧度，累计4幅图像，根据投影法换算得出后通过四舍五入法校准为偶数。本装置实时测量的果穗长、宽、穗行数如表4所示。

由测试结果可知，本装置可实现果穗多种考种参数的快速提取。对于一般形状果穗，本装置对果穗长、宽、穗行数等参数的测量具有较高精度，满足考种测量需求。

图8 果穗图像及处理结果Fig.8 Original images of corn ear and processing results

表4 果穗考种试验结果Table 4 Results for corn ear parameters measuring

3.3 籽粒考种试验

考种装置运行时，脱粒后的籽粒经振动摊种装置摊开后，获取玉米籽粒原始图像，背景去除后，通过改进分水岭分割方法将粘连的玉米籽粒进行分割成单个籽粒[30-31]，构建单个玉米籽粒区域的最小外接矩形，将最小外接矩形的长与宽作为每个单独籽粒的长与宽，实现籽粒数量、粒长、粒宽等考种参数的测量。由自动考种装置获取的原始籽粒图像及籽粒分割结果如图9所示。

随机选取10个果穗样本进行自动考种，由于本装置考种结束后各果穗上的籽粒会自动封装，通过人工计算每个封装袋中籽粒数量，对比本装置自动测量获取的籽粒数量，结果如表5所示。结果表明，本装置在自动化考种过程可实现玉米考种参数的提取，且对籽粒数量的平均测量精度为99.39%。

图9 玉米籽粒图像及处理结果Fig.9 Image of corn kernels and processing result

表5 籽粒数量测量结果Table 5 Results of maize kernel number measuring

4 结 论

1）设计并构建了一种玉米高通量自动考种装置，该装置可实现玉米果穗考种、自动脱粒、籽粒考种、自动封装、二维码生成及打印等全过程的自动化。该装置连续考种时，处理速度可达4穗/min，可大大提高考种效率。

2）设计了基于四摄像头的玉米果穗考种参数提取装置，实现果穗质量及果穗长、宽、果穗行数等考种参数的测量，对果穗长、宽的平均测量精度分别为99.13%，99.25%。

3）设计了玉米籽粒考种参数提取装置，通过回旋振动避免脱粒后的籽粒大面积堆积粘连，结合视觉方式，实现籽粒数量、籽粒长、宽等考种参数的测量，对籽粒数量的平均测量精度为99.39%。

[1] 柳冠伊，杨小红，白明，等. 基于线阵扫描图像的玉米果穗性状检测技术[J]. 农业机械学报，2013，44(11)：276-280. Liu Guanyi, Yang Xiaohong, Bai Ming, et al. Detecting techniques of maize ear characters based on line scan image[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(11): 276-280. (in Chinese with English abstract)

[2] 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. Cao Jinghua, Ran Yanzhong, Guo Jincheng. The design and realization of corn test system[J]. Journal of Changchun Normal University: Natural Science, 2011, 30(4): 38-41. (in Chinese with English abstract)

[3] Nayak R K, Mishra D, Rath A K. A naive SVM-KNN based stock market trend reversal analysis for Indian benchmark indices[J]. Applied Soft Computing, 2015, 35: 670-680.

[4] 刘长青，陈兵旗，张新会，等. 玉米定向精播种粒形态与品质动态检测方法[J]. 农业机械学报，2015，46(9)：47-54. Liu Changqing, Chen Bingqi, Zhang Xinhui, et al. Dynamic detection of corn seeds for directional precision seeding[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(9): 47-54. (in Chinese with English abstract)

[5] Igathinathane C, Pordesimo L O, Batchelor W D. Major orthogonal dimensions measurement of food grains by machine vision using image[J]. Food Research International, 2009, 42: 76-84.

[6] 曹维时，张春庆，王金星，等. 离散小波变换和BP神经网络识别玉米种子纯度[J]. 农业工程学报，2012，28(增刊2)，253-258. Cao Weishi, Zhang Chunqing, Wang Jinxing, et al. Purity identification of maize seed based on discrete wavelet transform and BP neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(Supp.2): 253-258. (in Chinese with English abstract)

[7] Zapotoczny P. Discrimination of wheat grain varieties using image analysis and neural networks. Part I. Single kernel texture[J]. Journal of Cereal Science, 2011, 54: 60-80.

[8] 马钦，江景涛，朱德海，等. 基于图像处理的玉米果穗三维几何特征快速测量[J]. 农业工程学报，2012，28(增刊2)，208-212. 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 (Transactions of the CSAE), 2012, 28(Supp.2), 208-212. (in Chinese with English abstract)

[9] 刘长青，陈兵旗. 基于机器视觉的玉米果穗参数的图像测量方法[J]. 农业工程学报，2014，30(6)：131-138. Liu Changqing, Chen Bingqi. Method of image detection for ear of corn based on computer vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(6): 131-138. (in Chinese with English abstract)

[10] 王慧慧，孙永海，张婷婷，等. 鲜食玉米果穗外观品质分级的计算机视觉方法[J]. 农业机械学报，2010，41(8)：156-159，165. Wang Huihui, Sun Yonghai, Zhang Tingting, et al. Appearance quality grading for fresh corn ear using computer vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(8): 156-159, 165. (in Chinese with English abstract)

[11] Liang X, Wang K, Huang C, et al. A high-throughput maize kernel traits scorer based on line-scan imaging[J]. Measurement, 2016, 90: 453-460.

[12] 王传宇，郭新宇，吴升，等. 采用全景技术的机器视觉测量玉米果穗考种指标[J]. 农业工程学报，2013，29(24)：155-162. Wang Chuanyu, Guo Xinyu, Wu Sheng, et al. Investigate maize ear traits using machine vision with panoramic photograyphy[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2013, 29(24): 155-162. (in Chinese with English abstract)

[13] 张帆，李绍明，刘哲，等. 基于机器视觉的玉米异常果穗筛分方法[J]. 农业机械学报，2015，46(增刊)：45-49. Zhang Fan, Li Shaoming, Liu Zhe, et al. Screening method of abnormal corn ears based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(Supp.): 45-49. (in Chinese with English abstract)

[14] 周金辉，马钦，朱德海，等. 基于机器视觉的玉米果穗产量组分性状测量方法[J]. 农业机械学报，2015，46(3)：221-227．Zhou Jinhui, Ma Qin, Zhu Dehai, et al. Measurement method for yield component traits of maize based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 221-227. (in Chinese with English abstract)

[15] 杨锦忠，张洪生，郝建平，等. 玉米果穗图像单一特征的品种鉴别力评价[J]. 农业工程学报，2011，27(1)：196-200. Yang Jinzhong, Zhang Hongsheng, Hao Jianping, et al. Identifying maize cultivars by single characteristic of ears using image analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(1): 196-200. (in Chinese with English abstract)

[16] Han Z Z, Li Y Z, Zhang J P, et al. Counting ear rows in maize using image process method[C]//ICIC 2010-3rd International Conference on Information and Computing, 2010: 329-332.

[17] 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(14)：43-47. Lü Yongchun, Ma Qin, Li Shaoming, et al. Image features measurement of maize ear based on background plate scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(14): 43-47. (in Chinese with English abstract)

[18] 王刚. 基于机器视觉的玉米千粒重快速检测仪的研制[D].长春：吉林大学，2012. Wang Gang. Development of 1000-kernel Corn Weight Detector based on Machine Vision[D]. Changchun: Jilin University, 2012. (in Chinese with English abstract)

[19] 何有根. 基于图像识别的千粒重仪研究[D]. 西安：西北农林科技大学，2007. He Yougen. Research on the Instrument of the Mass of 1000 Based on Image Recognition[D]. Xi’an: Northwest A&F University, 2007. (in Chinese with English abstract)

[20] 肖伯祥，郭新宇，王传宇，等. 一种滚动式玉米考种装置：202889908U[P]. 2012-11-13．

[21] 肖伯祥，郭新宇，吴升，等. 一种便携式多果穗玉米考种装置：202998804U[P]. 2012-12-20．

[22] 赵春江，肖伯祥，陈立平，等. 高通量玉米考种流水线装置及方法：CN103355026A[P]. 2013-10-23.

[23] 汪珂，梁秀英，宗力，等. 玉米籽粒性状高通量测量装置设计与实现[J]. 中国农业科技导报，2015，17(2)：94-99. Wang Ke, Liang Xiuying, Zong Li, et al. Design and realization of a high-throughput maize kernel trait extraction system[J]. Journal of Agricultural Science and Technology, 2015, 17(2): 94-99. (in Chinese with English abstract)

[24] 肖伯祥，王传宇，郭新宇，等. 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, et al. Automatic pipelining mechanism design for maize ear analysis[J]. Journal of System Simulation, 2015, 27(4): 913-919. (in Chinese with English abstract)

[25] 吴刚，陈晓琳，谢驾宇，等. 玉米果穗自动考种系统设计与试验[J]. 农业机械学报，2016，47(增刊)：433-441.Wu Gang, Chen Xiaolin, Xie Jiayu, et al. Design and experiment of automatic variety test system for corn ear[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(Supp.): 433-441. (in Chinese with English abstract)

[26] 王侨，陈兵旗，朱德利，等. 基于机器视觉的定向播种用玉米种粒精选装置研究[J]. 农业机械学报，2017，48(2)：27-37. Wang Qiao, Chen Bingqi, Zhu Deli, et al. Machine vision-based selection machine of corn seed used for directional seeding[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(2): 27-37. (in Chinese with English abstract)

[27] 刘长青，陈兵旗，张新会，等. 玉米定向精播种粒形态与品质动态检测方法[J]. 农业机械学报，2015，46(9)：47-54. Liu Changqing, Chen Bingqi, Zhang Xinhui, et al. Dynamic detection of corn seeds for directional precision seeding[J]. 2015, 46(9): 47-54. (in Chinese with English abstract)

[28] 刘举，白鹏博，凡凤仙，等. 竖直振动下颗粒物质的行为模式研究进展[J]. 化工进展，2016，35(7)：1956-1962. Liu Ju, Bai Pengbo, Fan Fengxian, et al. Research progress on behavior mode of granular matter under vertical vibration[J]. Chemical Industry and Engineering Progress, 2016, 35(7): 1956-1962. (in Chinese with English abstract)

[29] 宋鹏，张晗，王成，等. 玉米籽粒考种信息获取装置及方法[J/OL]. 农业机械学报，2017(11)[2017-07-07]. http://kns. cnki.net/kcms/detail/11.1964.s.20170707.1538.004.html. Song Peng, Zhang Han, Wang Cheng, et al. Maize kernel traits acquisition device and method[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2017(11) [2017-07-07]. http://kns.cnki.net/kcms/detail/11.1964.s.2017-0707.1538.004.html. (in Chinese with English abstract)

[30] 缪慧司，梁光明，刘任任，等. 结合距离变换与边缘梯度的分水岭血细胞分割[J]. 中国图象图形学报，2016，21(2)：192-198. Miao Huisi, Liang Guangming, Liu Renren, et al. Watershed algorithm using edge gradient combined with distance transformation for segmentation of blood cells[J]. Journal of Image and Graphics, 2016, 21(2): 192-198. (in Chinese with English abstract)

[31] 王开义，张水发，杨锋，等. 基于分水岭和改进MRF的马铃薯丁粘连图像在线分割[J]. 农业机械学报，2013，44(9)：187-192. Wang Kaiyi, Zhang Shuifa, Yang Feng, et al. Online segmentation of clustering diced-potatoes using watershed and Improved MRF algorithm[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(9): 187-192. (in Chinese with English abstract)

Design and experiment of high throughput automatic measuring device for corn

Song Peng1,2,3, Zhang Han1,2,3, Wang Cheng1,2,3※, Luo Bin1,2,3, Lu Wenchao1,2,3, Hou Peichen1,2,3
(1. Beijing Research Center of Intelligent Equipment for Agriculture, Beijing, 100097; 2. National Research Center of Intelligent Equipment for Agriculture, Beijing, 100097; 3. Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing, 100097)

Corn parameters measuring are an important step in corn breeding. Currently, researchers measure corn parameters manually or with the help of machine vision technology. The existing corn parameters measuring and methods mainly aim at corn ears or kernels rather than measuring them at the same time, which is difficult to meet the demand of rapidly measuring a large amount of breeding materials in the breeding process. To solve this problem, in this paper, a high throughput automatic measuring device for corn was designed and a prototype was developed. This device mainly included corn ear parameter measuring unit, automatic threshing unit, corn kernels parameter measuring unit, post-processing unit, and system control unit, which can realize the whole process such as ear parameters measuring, ear threshing, kernel parameters measuring, kernel lifting, kernel packaging and label printing automatically. A weighting sensor and four high-resolution color cameras were evenly distributed around the ear with the interval of 90 degrees to get the corn ear images in four directions to acquire corn ear parameters such as ear weight, ear length, ear width, ear rows, bare tip, et al. at the corn ear parameter measuring unit. The average measurement accuracy for ear length and ear width was up to 99.13% and 99.21%. The Canadian Agriculex SCS-2 single ear corn thresher was chosen for automatic threshing unit. Efficiency of the thresher was up to 3-5 s/ear, which can meet the acquirements of high throughput processing. Corn kernels parameters such as kernel number, kernel average length, average width, kernel shape, et al. were obtained in corn kernel parameters measuring unit, which was designed and had three parts: 1) image acquisition device used for kernel images acquisition; 2) automatic spreading mechanism used for reducing kernel adhesion and accumulation, so as to obtain high-quality kernel images; and 3) kernel discharging mechanism used for ensuring the smooth implementation of high-throughput assembly line operation and letting the kernels discharged. The average accuracy of kernel number reached 99.39%. Post-processing unit can lift kernels from corn kernels parameter measuring unit to a fixed height and pack it with a printed QR code label which contained all corn ear and corn kernel parameters. A Kunluntongtai TPC7062K industrial control tablet and MODBUS relay control input-output module with 16 photoelectric isolating switch input channels and 16 photoelectric isolating relay output channels were chosen for the system control unit to receive sensing information and feedback to control the device. The results of experiment showed that the prototype can obtain information both for corn ear and corn kernels automatically. The average time consuming of the prototype for single corn processing was about 27.2 s, and the average efficiency was up to 4 ear/minute during continuous operation mode, which greatly improved the efficiency of corn breeding processes.

measurements; design; experiments; high throughput; corn ear parameters measure; corn kernel parameters measure; image processing; automatic control

10.11975/j.issn.1002-6819.2017.16.006

TP271+.4；TP391.4

A

1002-6819(2017)-16-0041-07

宋 鹏，张 晗，王 成，罗 斌，路文超，侯佩臣. 玉米高通量自动考种装置设计与试验[J]. 农业工程学报，2017，33(16)：41-47.

10.11975/j.issn.1002-6819.2017.16.006 http://www.tcsae.org

Song Peng, Zhang Han, Wang Cheng, Luo Bin, Lu Wenchao, Hou Peichen. Design and experiment of high throughput automatic measuring device for corn[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(16): 41-47. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.16.006 http://www.tcsae.org

2017-03-04

2017-07-25

北京市科技计划项目（D151100004215002）；国家博士后基金项目（2015M581019）

宋 鹏，男，高级工程师，博士，主要从事农业信息技术及装备研究。北京 北京农业智能装备技术研究中心，100097。

Email：songp@nercita.org.cn

※通信作者：王 成，男，研究员，博士，主要从事农业信息化、农业智能装备及仪器研究。北京 北京农业智能装备技术研究中心，100097。

Email：wangc@nercita.org.cn