随着我国农业信息化产业的不断发展,计算机视觉技术在各领域的研究中应用逐渐增多,计算机图像处理技术得以广泛地应用于农业的生产工作中。本文将计算机视觉领域的三维重建智能处理技术应用于农产品无损检测生产领域,适应了我国科学技术和社会经济发展的需要,本文所提出的通过稻种图像重建稻种三维形态,然后利用稻种三维形态特征快速无损地识别稻种品种的新方法,与我国全面开展的农业现代化建设中培育良种的计划相关,其研究成果具有良好的市场应用前景,为提高种子质量,强化种子市场,增强种子竞争力做出贡献。本文以实现稻种形态三维重建,测量稻种三维形态特征值以及基于该特征值的稻种品种无损识别检测为目的,搭建了三维立体视觉稻种检测实验平台,深入研究了稻种三维重建中点云生成,特征分析及点云配准等相关的算法,包括序列图像聚焦测度DFF算法、点云特征分析FPFH算法,点云配准随机采样一致性RANSAC算法和精确迭代配准ICP算法,四面体体积算法,三角面片面积算法,提出了基于特征块融合的三维点云快速配准算法。设计并实现了稻种三维重建及特征值测量系统,测量精度达到了微米级,同时运用神经网络算法建立训练模型,实现了基于稻种三维特征值的品种识别。主要研究内容与结论如下:1、构建了稻种机器视觉三维重建系统实验平台。以稳定可靠、精度高、响应快、易于控制为目标设计了实验平台,实验平台主要包括硬件设备和软件系统两部分。硬件设备包括:光学平台,垂直升降模块,相机镜头模块,光源控制模块和数据通信总线;软件系统包括:图像采集模块,图像预处理模块,三维点云生成模块,点云特征提取模块,点云配准模块以及点云特征值测量及稻种品种识别模块。2、实现对相机的标定和镜头的畸变矫正,从3套采集设备组合方案中,选择图像采集模块硬件。相机标定的研究,通过分析摄像机成像面像素坐标坐标与空间点世界坐标变换的关系,给出单目相机标定的实验方法,通过标定实验求取相机的内外参数;研究在高精度测量时的径向和切向畸变校正策略,通过计算畸变参数,应用崎变校正算法对采集图片进行处理,调整其测量精度以达到要求;对于硬件平台视觉采集模块,分别选用了工业相机结合远心镜头、数码相机结合定焦微距镜头和数码相机结合定焦微距变倍镜头3套视觉采集方案进行对比研究,实验结果表明,远心镜头更适合微小物体低畸变测量的需要,确定三维重建中的采集设备为工业相机配合远心镜头的方案,测量绝对误差值均值为0.003mm,绝对误差范围为0.001-0.010mm,其测量相对误差均值为0.05%,相对误差范围为0.02%-0.15%,3、提出了单目视觉DFF算法应用于稻种三维点云重建的方法。空间三维点的确定一般采用多目视觉的方法来实现,本文通过研究对比,提出采用序列图像聚焦测度(DFF)算法,利用单目视觉的采集设备,实现了稻种序列图像数据计算稻种三维点云数据的全过程。首先,在稻种序列图像预处理的基础上,确定稻种点云区域和二维坐标值,确定二维图像中的点聚焦亮度值,根据改进拉普拉斯算子(SML)得到每个不同亮度点的聚焦测度值;然后,在规定的区域窗口内对大于某个阈值T的聚焦侧度值进行汇总,汇总值符合高斯分布的特性,可以拟合聚焦测度的精确值;最后,在这个值的基础上,计算三维空间点实际的深度精确值,并通过去除离群点,下采样压缩和点云平滑等后续操作对点云进行优化。本文中,对点云提取的统计窗口、统计阈值进行了对比实验,针对0-10之间的阈值下SML高斯拟合曲线进行选择,实验结果表明,统计区域窗口选择5×5,阈值选择7进行汇总,点云的分布具有高斯分布特性,对点云优化后测量的绝对误差可以达到±5μm,相对误差为0.07%。4、提出了基于特征块融合的快速点云配准算法。对于传统点云配准算法进行改进,在初始配准阶段,针对稻种形态可分片的特点,提出基于点云随机采样一致性算法(RANSAC)的上下片特征块融合快速配准算法。这种算法中,分别从上下180度的两个角度进行稻种点云提取,即只需要通过DFF算法根据序列图像计算上下两片点云数据,接着,在两个分片点云中,根据其四个明显特征分块点特征值,得到相互关联的特征匹配点对,利用这个匹配点对估算稻种分片点云的初始对应关系,完成初始配准。最后,在已经完成初始配准对齐的点云分片上,采用ICP精确配准算法迭代5次,可以在小于60秒的时间内得到μm级迭代准确度的完整稻种点云数据。5、设计并实现了稻种三维重建及特征值测量系统。通过稻种图像序列中提取到的二维和三维数据,通过相关算法获得10个用于标识稻种的外形、大小及形态的关键特征值,采用了传统算法四面体法计算稻种的体积,提出快速估计分层点云区域累加法计算稻种体积,与手工测量方法及四面体法进行对比;采用了三角面片的方法计算稻种表面积,与传统手工测量方法进行对比。在此测量数据基础上,初步规划并实现了稻种神经网络品种识别。在神经网络的实验分析中,通过对11种BP神经网络识别算法的识别率对比实验,证明BP神经网络中的弹性BP算法在五种稻种样品中的特征识别率达到最高,识别率可以达到80%～100%之间。