陈 满 倪有亮 金诚谦 徐金山 张光跃

(农业农村部南京农业机械化研究所， 南京 210014)

0 引言

大豆是我国主要种植作物之一，在我国粮食作物中占有重要地位[1]。机械化生产是大豆规模化、集约化种植的基础，但收获机械参数不适当、无法进行快速调整，则会导致杂质和破碎籽粒等物质的存在，最终影响粮仓内的谷物质量[2-3]。脱粒滚筒转速过高会使大豆表面出现裂纹，或被分成两个或多个部分；而风机转速过低则无法将秸秆和豆荚分离出来，导致含杂过高[4]。现阶段，大豆联合收获机作业质量的鉴定与检测普遍停留在人工分离检测上，其工作繁琐、效率低[5]；在大豆机械化收获过程中，驾驶员了解收获质量时需要停机，依靠肉眼进行判断，由于缺少实时破碎含杂率的数据支撑，因此不能及时发现收获过程存在的问题，导致收获质量参差不齐，影响经济效益。这种鉴定与检测方式还将制约联合收获机参数自适应调控技术发展，从而影响联合收获机智能化水平。

近年来，随着机器视觉和人工智能技术的发展，国内外研究者尝试利用图像处理技术评估谷物的品质，并开展了相关研究工作，如堆叠、粘连谷物图像分割方法研究[6-8]、谷物图像特征信息提取研究[9-11]和谷物成分识别模型研究[12-14]等。随着基础理论研究的深入，克拉斯公司推出了“谷物质量相机”，实现了机械化作业过程中谷物作业质量的实时监测与预警[15]；CARMEN等[16-17]研制了自动监测小麦籽粒、杂质的传感器；……