农业机械学报

作者：赵泽华，王庆艳，陈俊杰，黄文倩

单位：新疆农业大学;北京市农林科学院,北京市农林科学院;国家农业智能装备工程技术研究中心,北京市农林科学院;国家农业智能装备工程技术研究中心,北京市农林科学院;国家农业智能装备工程技术研究中心,

关键词：西瓜考种;表型数据;糖度可视化;机器视觉;高光谱成像

基金：国家重点研发计划项目（2022YFD2002202）和财政部和农业农村部：国家西甜瓜产业技术体系项目（CARS-25-2024-G23）

传统的西瓜考种方式存在效率低、工作量大、主观性强，易导致不同育种工作人员对相同品质性状的瓜评价不统一等问题。为此，提出了一种基于机器视觉与高光谱成像技术的西瓜考种系统。设计了西瓜图像自动采集装置，包含一台GigE视觉相机和一个称量平台来获取西瓜的表型数据，并对西瓜切面选择了10个不同的感兴趣区域（ROI）进行糖度建模，利用高光谱成像技术实现西瓜切面各个位置糖度分布可视化。通过最小外接矩形法对西瓜的横径和纵径做出测量，得到最小外接矩形的长和宽即为西瓜的横径和纵径。应用Canny边缘检测算法实现对瓜皮轮廓的提取，并取瓜皮轮廓的瓜蒂、瓜脐和两个中间位置，这4处瓜皮厚度的平均值作为皮厚真实值。采用卷积平滑（SGS）算法分别结合多元散射校正（MSC）、标准正态变换（SNV）、单位矢量归一化（UVN）3种算法对光谱数据进行预处理，对经过最佳预处理后的光谱数据采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）和一次组合降维算法（CARS+SPA）进行特征波长筛选，最后用筛选后的光谱数据建立偏最小二乘回归（PLSR）模型并进行分析比较。研究结果表明，该系统对西瓜横径、纵径、瓜皮厚度的测量值与人工测量值相比准确率最高分别为98.68%、98.82%、93.81%，均方根误差分别为2.43、2.08、1.63mm。对西瓜糖度检测效果最好的模型为（SGS+UVN）-CARS-PLSR，其检测相关系数Rc和Rp分别为0.9204和0.9127，均方根误差RMSEC和RMSEP分别为0.3760°Brix和0.4668°Brix，残差预测偏差RPD为2.4900。

来源：2025年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第12期