不孕棉籽的清选设计与试验

张洪洲，刘媛杰，王宪磊，李 勇，周 丹,苏海飞，郑 浩，肖豪杰

(塔里木大学 机械电气化工程学院，新疆 阿拉尔 843300)

0 引言

近年来，新疆由于其地域特征，农业发展迅速，棉花的种植面积大幅度增加。同时，作为棉花生产的重要生产资料的棉籽品质问题凸显。在棉花生产过程中，棉籽作为副产品[1-15]。棉花扎花之后的棉籽中含有大量的不孕棉籽，这些不孕棉籽混淆在棉籽中，直接影响棉籽的整体品质；不论种用棉籽，还是油用棉籽，含有不孕棉籽都会影响到棉籽的合理利用。棉籽的纯度和真实性是衡量棉籽质量的重要指标[8-24]。因棉籽质量问题造成的损失是巨大的，并且这种损失是不可弥补不可逆的。而传统的棉籽鉴别主要根据棉籽的物理特性和机械特性等，这些技术已经不能够满足生产的需要。随着电子技术、传感器技术、自动化控制技术和人工智能的迅速发展，这些技术在农业生产以及农产品清选鉴定方面的应用越来越广泛。

传感器技术是信息技术的三大支柱之一。按照信息论的凸性定理，传感器的功能与品质决定了传感系统获取自然信息的信息量和信息质量，是高品质传感技术系统的构造第一个关键。传感器技术与自动控制技术等融合应用于农产品的品质鉴定领域，其系统集成化程度高，硬件电路设计容易，控制内核软件部分易于实现。另外，BP神经网络在种子的品质鉴定方面应用越来越多，国内外学者对该领域的研究越来越多。在玉米种子训练识别研究方面，BP网络被证明了其可行性，并进行识别鉴定试验，建立了BP网络模型；BP网络在小麦穗部特征因素识别，并对其溯源鉴定研究等方面都有不可或缺的意义。因此，利用现代测试技术融合BP神经网络模型对农副产品进行鉴定识别研究是很有前景的[25-30]。

本文利用传感器技术、自动控制技术融合BP神经网络模型对棉籽中的不孕棉籽进行识别并剔除。以中棉56号、新陆早26号、惠远730棉籽为原料，在自行设计的棉籽识别装置进行识别试验的基础上，从影响识别效果的棉籽外部颜色信息的色调分量值H、饱和度分量值S、强度分量值I3个因素入手，利用BP神经网络预测棉籽识别模型，确定棉籽识别的HSI模型，为实际生产中进一步研究剔棉籽中的不孕籽提供一个理论依据。

1 材料与方法

1.1 材料与装置

原料为利用中棉56号、新陆早26号及惠远730棉籽。

棉籽的不孕籽识别装置系统框图如图1所示。棉籽的不孕籽识别装置示意图如图2所示。该装置主要由HSI信息采集装置、棉籽位置调整装置、气流发生及控制装置、速度控制装置、参数显示装置、显示装置及电源等组成。其中，HSI信息采集装置采用CCD采集棉籽的三基色，再转换成HIS分量值。不孕籽识别试验时，待检测棉籽单列放置于输送带上，传送带将棉籽送到信息采集装置正下方时，棉籽位置调整装置启动调整棉籽处于最佳位置，便于HIS采集装置进行数据采集；待采集完数据后，经归一化处理后，确定该棉籽是否为不孕棉籽。若为不孕棉籽，单片机做出决策，控制气流机产生强气流将不孕棉籽吹入回收箱；若为正常棉籽，则传送带将其送至优质棉籽箱体内。

图1 不孕籽识别系统框图Fig.1 Block diagram of distinguish system of infertility cottonseed

1.输送带 2.CCD支架 3.CCD 4.气流机 5.电机 6.CPU 7.控制器及数显 8.优质棉籽回收箱 9.不孕籽回收箱 图2 不孕棉籽清选装置示意图Fig.2 Diagrammatic diagram of distinguish system of infertility cottonseed

1.2 系统软件设计

不孕棉籽识别系统软件部分包括HIS信息采集控制、棉籽位置控制控制、速度控制、气流调控及键盘显示等模块，如图3所示。

1.3 试验方法

取3种棉籽各900粒，每个品种棉籽混入同品种的不孕棉籽100粒，使正常棉籽和不孕籽均匀混合。

图3 识别系统软件流程图Fig.3 Distinguish system software flow chart

将混合后的3种棉籽分别在不孕籽识别装置上进行识别试验，测定识别率。试验所用的棉籽外部颜色信息的色调分量值H、饱和度分量值S、强度分量值I3个参数的详细指标，如表1所示。

表1 主要参数指标Table 1 Main parameter index

2 BP网络模型设计

不孕棉籽识别的主控因素是棉籽外部颜色信息的色调分量值H、饱和度分量值S、强度分量值I，以此作为BP的输入量，即输入层的节点数3。根据BP神经网络设计规则可知，当输入层节点数为X时，隐层节点数为Y，因此输入层与隐层之间的关系为Y=2X+1，此时训练效果最好。在本文的不孕棉籽识别设计中，隐层节点数为7，共3层，因此3层模型的结构为3-7-1。

选取色调分量值H、饱和度分量值S、强度分量值I3个关键因素作为BP网络的输入量，选取不孕籽识别率为BP网络模型的输出量，将3个主控因素做归一化处理后，进行网络训练。最后得到最优解。

3 结果分析

按照3个主控因素分别对3个品牌棉籽依次做试验，相同指标下试验做5次，取5次平均值作为样本数据，在三因素四水平下组合试验，每次试验测定不孕棉籽的识别率，得到组合数据64组，如表2所示。

表2 不孕棉籽识别率样本数据Table 2 Sample data of distinguish rate

由表2可知：以色调分量值H、饱和度分量值S、强度分量值I为神经网络的输入因子，以不孕棉籽识别率为神经网络的输出因子，随机抽取出54组数据作为不孕棉籽识别的BP网络模型的训练样本，剩余10组数据作为进一步验证BP网络的测试数据，经迭代收敛后得到BP神经网络的最优解。

利用MatLab7.0编程，得到BP网络输入层与隐层以及隐层与输出层之间的权值和阈值，如表3所示。

表3 BP网络各参数的系数Table 3 Coefficients of various parameters of BP

通过预测值和实测值进行对比。经回归分析得到BP的预测值和实测值相关系数为0.932 68。

4 结论

建立了一个用于识别不孕棉籽的BP网络模型，验证了其有效性。通过组合试验，实现了不孕棉籽的有效识别和剔除，为棉籽的清选分级提供了参考。

[1] 张若宇,坎杂,江英兰,等.基于RGB 模型脱绒棉种质量与颜色特征的相关性分析[J].石河子大学学报,2008,12(6):750-753.

[2] 邵鲁浩，坎杂，李景彬，等．基于形状特征的脱绒棉种品种识别[J]．农业工程学报，2011，12(S2)：86-89．

[3] 王丽红，坎杂，张晓海，等．棉种介电分选的试验研究[J]．农机化研究，2009，31(10)：143-146．

[4] 郏东耀，丁天怀． 棉花中异性纤维的多光谱检测[J]． 清华大学学报：自然科学版，2005，45(2)：193-196．

[5] 瞿鑫，丁天怀．皮棉中异性纤维骨架快速提取算法[J]．农业机械学报，2010，41(6)：177-181．

[6] 张馨，李道亮，杨文柱，等．高分辨率棉花异性纤维彩色图像的快速分割方法[J]．农业机械学报，2011，42(1)：159-164．

[7] 郭俊先，应义斌，成芳，等．皮棉表面多类异性纤维的高光谱图像检测[J]．农业工程学报，2010，26(10)：355-360．

[8] 张宏，马岩，李勇，等．基于遗传BP神经网络的核桃破裂功预测模型[J]．农业工程学报，2014，18(30)：78-84．

[9] 赵旎，张华鹏．基于机器视觉的皮棉异性剔除系统设计[J]．农机化研究，2008(8)：90-93．

[10] 石庚尧．一种新型的异性纤维检测清除系统[J]．北京纺织，2001，22(6)：51-52．

[11] 张海荣．棉花异性纤维挑拣技术研究[D]．合肥：合肥工业大学，2006．

[12] 郑文秀．棉花异性纤维的动态识别技术研究[D]．泰安：山东农业大学，2009．

[13] 刘向新，周亚立，赵岩．棉花异性纤维清理机械发展的现状及展望[J]．江苏农业科学，2011，9(2)：505-506．

[14] 管世锋，李红军，邢伟峰，等．新型异性纤维清理设备[J]．中国棉花加工，2009(1)：10-11．

[15] 王泽武．籽棉异纤清理机的开发[J]．中国棉花加工，2009(3)：6-7．

[16] 坎杂，郭文松，张若宇．网状滚筒式机采籽棉残膜分离机的设计[J]．农业工程学报，2011，27(6)：95-99．

[17] 张洪洲.南疆机采棉除杂现状分析及发展趋势探究[J].农机化研究, 2015,37(1):242-245.

[18] 张洪洲,张风旗,张亚江,等.机采棉荷电系统优化控制[J].江苏农业科学, 2014,42(7):409-410.

[19] 张洪洲,张亚江,张风旗,等.基于单片机的机采棉除杂系统优化喂料控制[J].江苏农业科学, 2014,42(6):387-388.

[20] 张洪洲,白建国,张风旗,等.机采棉除杂机的稳压电源设计与试验[J].江苏农业科学, 2014,42(12):448-449.

[21] 李碧丹,丁天怀,郏东耀.皮棉异性纤维剔除系统设计[J].农业机械学报,2006,37(1):107-110.

[22] 赵海军,史建新.残膜回收工艺探讨[J].中国农机化,2004(6):68-71.

[23] 汪海涛,朱邦太,李勋.基于机器视觉技术的棉纺异性清除系统[J].河南科技大学学报:自然科学版,2009, 3(1):14-17.

[24] 周功明,周陈琛.基于AT89S51 单片机的数控电源设计[J].绵阳师范学院学报,2012,31(5):18-23.

[25] 朱贵宪.基于单片机的数控稳压电源设计[J].自动化与仪表,2011(6):50-53.

[26] 祝敏.直流数控可调稳压电源的设计[J].电子元器件应用,2008,10(4):62-64.

[27] 许艳惠.一种智能化高精度数控直流电源的设计与实现[J].微计算机信息,2007,32(11-2):136-138.

[28] 邓坚,杨燕翔,齐刚.数控直流稳压电源设计[J].计算机测量与控制,2007(12):1991-1993.

[29] 赫建国,郑燕,薛延霞.单片机在电子电路设计中的应用[M].北京:清华大学出版社,2006.

[30] 蔡振江.单片机原理及应用[M].北京：电子工业出版社,2011.