研究了一种基于机器视觉的条播排种器性能检测方法,其输出结果为排种量、排种量标准差、排种均匀性变异系数、排种稳定性系数、帧种子数、帧种子数频数和频率等,实现了便捷快速、无接触、无损伤、无污染、高效率和高精度检测。利用Visual C++软件开发了条播排种器性能机器视觉检测方法的程序系统,研究结果主要包括:○1 按照三原色的线性组合模型把含有明度和彩度的真彩色样本图像变换成灰度图像;○2 根据灰度统计分布规律在整个图像序列中挑选合适的点对背景进行恢复,并采用与恢复场景背景差分的方法来去除背景;○3 采用快速中值滤波法来去除噪声,既达到去噪目的,又保持了图像边缘信息,提高了图像处理速度;○4 帧图像的种子区域分割采用并行区域分割技术,编程叠代求出最佳分割阈值,并消除假种子区域,同时对帧种子数进行统计并显示输出最终的检测结果,得到大量数据。按照二次回归正交旋转组合设计制定试验方案并组织实施,采集了小麦条播试验的视觉检测样本,以备检测方法的研究和测试。根据排种器排种特性和CCD 摄像机成像原理,排种过程和拍摄过程均被看作平稳随机过程,以此提出基本假设:在一个试验里,每粒种子彼此独立地被CCD 摄像机捕捉,且被捕捉到的概率相同,即所有种子在图像上出现的概率相同,或说每粒种子具有同等机会被CCD 摄像机捕捉。由基本假设推论:①型孔种子数频率、排种量频率均具有稳定性,对于既定样本有确定的值;②样本容量足够大条件下,图像上统计识别的型孔种子数频率与客观的型孔种子数频率基本相同,图像上统计的排种量频率与客观的排种量频率基本相同。因此,型孔种子数频率和排种量频率的统计值与CCD 摄像机拍摄的频率无关,即具有不变性。排种均匀性或稳定性指标的辨识,建立在种子数样本排种模式的确立上。