автореферат диссертации по процессам и машинам агроинженерных систем, 05.20.02, диссертация на тему:Электронно-оптический способ компьютерной оценки морфологических параметров листьев картофеля при сортосопровождении

Российская академия сельскохозяйственных наук

Л*.

Всероссийский научно-исследовательский институт электрификации сельского хозяйства (ГНУВИЭСХ)

На правах рукописи

I

СОРОКОТЯГА Александр Алексеевич

ЭЛЕКТРОННО-ОПТИЧЕСКИЙ СПОСОБ КОМПЬЮТЕРНОЙ ОЦЕНКИ МОРФОЛОГИЧЕСКИХ ПАРАМЕТРОВ ЛИСТЬЕВ КАРТОФЕЛЯ ПРИ СОРТОСОПРОВОЖДЕНИИ

Специальность 05.20.02 - Электротехнологии и электрооборудование в

сельском хозяйстве

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва - 2005

Работа выполнена во Всероссийском научно-исследовательском институте электрификации сельского хозяйства (ГНУ ВИЭСХ)

Научный руководитель: доктор технических наук,

ВАШИ ЛОВ Алексей Михайлович

Официальные оппоненты: доктор технических наук, профессор СВЕНТИЦКИЙ Иван Иосифович

кандидат технических наук, доцент АНДРЕЕВ Владимир Константинович

Ведущая организация: Всероссийский научно-исследовательский институт картофельного хозяйства (ВНИИКХ)

Защита диссертации состоится "ЛО" 2005г. в час на

заседании Диссертационного совета Д 006.037.01 во Всероссийском научно-исследовательском институте электрификации сельского хозяйства (ГНУ ВИЭСХ) по адресу: 109456, Москва, 1-й Вешняковский проезд, дом 2.

С диссертацией можно ознакомиться в библиотеке ВИЭСХа.

Телефон: (095) 171-19-20 Телефакс: (095) 170-51-01 E-mail: viesh@dol.ru

Автореферат разослан "

i" ¿г^А^и 2005г.

Ученый секретарь диссертационного совета, кандидат технических наук старший научный сотрудник ( А. И. Некрасов

Xeob-b

2/tMM

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Наша страна занимает второе место в мире по количеству площадей, задействованных для возделывания картофеля, однако остается на одном из последних мест по урожайности данной культуры. Средний уровень урожайности в 9 - 11 т/га, против средней урожайности в 34,6 т/га в странах ЕС, характерен для всех категорий хозяйств и регионов как с благоприятными, так и с неблагоприятными условиями возделывания. Одной из причин низкой урожайности является использование на посадку несертифицированно-го, низкокачественного, вырожденного семенного материала. При многолетней вегетации в сортовом картофеле накапливается вирусная инфекция, что приводит к вырождению сорта, снижению качественных характеристик семенного материала и, как следствие, к уменьшению урожайности на 30 - 40%.

Своевременное выявление вырождения сорта и проведение сортообновле-ния способно предотвратить снижение урожая. В связи с этим в период вегетации растений семенного картофеля проводится инспекция полей, отбор листьев и визуальная оценка их морфологических параметров по методике испытаний на отличимость, однородность и стабильность (ООС), разработанной международным союзом по охране новых сортов (UPOV). Визуальная оценка является субъективной и малоинформативной, что сказывается на правильности и своевременности определения вырождения семенного картофеля.

В решении этой проблемы важное значение имеет разработка более совершенного информационно-аналитического способа оценки морфологических параметров листьев картофеля на базе цифровых систем технического зрения (СТЗ). Среди работ с применением СТЗ в агротехнологиях, можно выделить исследования зарубежных ученых D. С. Slaughter, R. G. Curley, P. Chen и др. по созданию видео-цифровой системы идентификации растений по их листовой поверхности, а также исследования отечественных ученых И. Ф. Бородина, Н. И. Кирилина, А. М. Башилова, С. А. Родикова и др. по созданию электронно-оптических систем сортировки плодов по качеству, С. Г. Денисюка и др. по созданию телевизионно-компьютерной установки для автоматизированной оценки степени поражения растений листовыми болезнями.

Поэтому, разработка электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля на базе оптического цифрового устройства при сортоиспытаниях и сортосопровождении в период вегетации растений является актуальной научной и народнохозяйственной задачей.

Цель работы. Исследование и разработка электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля, обеспечивающего выявление отличимости, однородности и стабильности сорта при сортоиспытании и сортосопровождении в период вегетации растений.

Задачи исследований: 1. Обосновать целесообразность разработки электронно-оптического способа

компьютерной оценки морфологических параметров листьев картофеля для сортоиспытаний и сорторазведения.

2. Разработать структурную схему информационно-аналитического сопровождения агротехнологии возделывания картофеля данными о параметрах сорта при сортоиспытании и сорторазведении.

3. Экспериментально исследовать электронно-оптические характеристики морфологических параметров листьев сортообразцов картофеля для определения эффективности обработки данных способом компьютерной оценки.

4. Разработать алгоритмы компьютерной оценки морфологических параметров листьев картофеля по изображениям на базе пакетной версии программы по обработке цифровых цветных изображений.

5. Реализовать электронно-оптический способ компьютерной оценки морфологических параметров листьев картофеля с использованием современного оптического сканирующего устройства и компьютерного программного обеспечения.

6. Провести производственные испытания и определить экономическую эффективность от применения электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля при испытании сортов и сортосопровождении семенного материала.

Методика исследования: В решении поставленных задач использовались метод цифровой и аналоговой обработки изображений, теории вероятностей и математической статистики, планирования эксперимента, распознавания образов, оптико-электронных приборов, математической обработки и компьютерного моделирования (Excel, Adobe Photoshop CS и др.). В работе применялось современное компьютерное оборудование.

Научная новизна работы заключается в:

- разработке структурной схемы обеспечения процессов сортоиспытания и сорторазведения едиными информационно-аналитическими данными о параметрах ООС листьев картофеля;

- разработке электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля в период вегетации растений;

- реализации электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля на базе оптического сканирующего устройства, электронной вычислительной техники и разработанных алгоритмов по обработке изображений для агротехнологии возделывания картофеля.

Практическая ценность. Разработанный электронно-оптический способ компьютерной оценки морфологических параметров листьев картофеля создает основу для дальнейшего развития и совершенствования технологических процессов сортоиспытания и сортосопровождения в период вегетации растений, Применение данного способа в процессе испытаний сортов картофеля на сортоиспытательных станциях и при сортосопровождении в семеноводческих хозяйствах может повысить эффективность агротехнологий за счет снижения

трудозатрат и предупреждения возможных потерь от ухудшения качественных характеристик сорта.

Внедрение результатов работы. Электронно-оптический способ компьютерной оценки, реализованный на базе компьютера Intel Pentium IV применен в технологическом процессе испытания сортов картофеля на предприятии Егорьевская сортоиспытательная станция - филиал ФГУ «Госсорткомиссия РФ по испытанию и охране селекционных достижений» Московской области и ГНУ «Елецкая опытная станция по картофелю» Липецкой области.

Апробация работы. Основные положения диссертационной работы доложены и одобрены на 3-й Международной научно-технической конференции (14 - 15 мая 2003 года, Москва, ГНУ ВИЭСХ), 4-й Международной научно-технической конференции (12-13 мая 2004 года, Москва, ГНУ ВИЭСХ), международной научно-технической конференции (29 - 30 сентября 2004 года, г. Углич), на заседаниях отдела и секции «Автоматизация АПК и электромеханизация животноводства» (2003 - 2004 гг.).

Публикации. Основные положения диссертации изложены в 8 печатных работах, в том числе получено положительное решение о выдаче патента РФ.

На защиту выносятся:

- структурная схема информационно-аналитического сопровождения процессов сортоиспытания и сорторазведения при производстве семенного картофеля в период вегетации растений;

- электронно-оптический способ компьютерной оценки морфологических параметров листьев сортообразцов картофеля по методике ООС в период вегетации растений;

- блок-схемы алгоритмов компьютерной обработки цифровых изображений для определения морфологических параметров листьев картофеля;

- результаты производственных испытаний электронно-оптического способа оценки параметров листьев, реализованного на оптическом сканирующем устройстве, подтверждающие эффективность способа компьютерной оценки по отношению к существующему способу экспертных оценок в процессах сортоиспытания и сортосопровождения.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, основных результатов и выводов, списка литературы и 5 приложений. Ее содержание изложено на 164 стр., включая 24 таблицы, 68 рисунков и библиографию из 93 наименований, в т. ч. 9 иностранных.

Работа выполнена в соответствии с концепцией развития электрификации сельского хозяйства на 2002 - 2005 г.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Введение содержит обоснование актуальности работы, цели и задач исследований, а также краткое изложение работы, результатов исследований, сформулированных основных положения, выносимых на защиту.

В первой главе рассмотрен процесс организации производства семенного картофеля. Выделены основные этапы, на которых осуществляется визуальный контроль за состоянием растений в посадках и оценка морфологических параметров листьев картофеля. Обозначены процедуры оценки параметров листьев в период вегетации растений при сортовой идентификации и при решении вопросов сортообновления. Выявлены недостатки существующего экспертного способа, связанные с недостаточной объективностью в оценках морфологических параметров листьев картофеля при сортоиспытаниях и сортосопровожде-нии. Представлен способ повышения точности экспертных оценок, заключающийся в применении современной компьютерной техники при определении морфологических параметров листьев картофеля. Поставлена цель и определены задачи исследований.

Схема процесса организации производства семенного картофеля приведена на рис. 1.

Рис. 1. Схема процесса производства семенного картофеля

Экспертиза морфологических параметров листьев картофеля на ООС в настоящее время проводится визуально-планиметрическим способом. Решение вопросов, связанных с недостаточной объективностью экспертиз заключается в:

- повышении точности экспертной оценки морфологических параметров листовых проб;

- повышении информативности данных о сортовых особенностях листьев испытуемых сортов картофеля;

- создании возможности сбора и накопления информации об исследуемых объектах и о результашх проведенных по ним анализа;

- получение возможности тиражирования, обмена и распространения накопленной информации между профилирующими организациями по средствам

Основные этапы получения сортового семенного картофеля

Селекция

Семеноводство

Производство

современных телекоммуникационных систем.

Анализ применения СТЗ в растениеводстве, а именно в процессах, требующих непрерывного наблюдения за состоянием растений, выявил тенденцию к использованию видео-цифровых компьютерных комплексов при распознавании растений по листовой поверхности. Обычно в разработках определялись следующие группы признаков: геометрические (формы, размеры, площади поверхностей листьев), структурные (границы листа и его боковых долей), цветовые (разделение группы растений на классы по цветовым параметрам их листьев).

Для совершенствования экспертизы листовых проб необходима разработка электронно-оптического способа определения морфологии листьев, базирующегося на современном компьютерном оборудовании, применение которого специалистом позволить значительно повысить точность экснсршых оценок при сортоиспытании различных сортов картофеля и своевременно обнаружить вырождение сорта при сортосопровождении в производстве семенного материала.

Во второй главе рассмотрена схема процесса информационного управления производством семенного картофеля, включающая в себя процедуры сортоиспытания сортового картофеля и последующее многолетнее сортосопрово-ждение для контроля качества производимого семенного материала. Рассмотрены схемы информационных связей между процессом производства и процессами сортоиспытания и сортосопровождения картофеля. Проведены исследования оценки морфологических параметров листьев картофеля экспертным и электронно-оптическим компьютерным способами по цифровым изображениям. Определены факторы, показывающие преимущества компьютерной оценки по сравнению с грубой экспертной оценкой параметров листьев.

Процесс многолетнего информационного сортосопровождения семенного картофеля представляет собой биологический конвейер, который организован таким образом, чтобы поток сертифицированного семенного материала был непрерывным и удовлетворял требованиям ГОСТа для сортового картофеля с целью получения качественных семян на производство продовольственного картофеля (рис. 2).

Уа АЩ Щ Щ Щ,

Рис. 2. Схема процесса информационного управления производством семенного картофеля:

■»•- поток картофеля;---► - поток информации; Э - элита; Уср - информа-

формация о соответствии морфологических параметров используемого сорта требованиям ООС (UPOV) на каждом цикле репродукции; С0- объем сертифицированных семян картофеля, приобретаемых у владельца сортовой элиты для производства семенного картофеля; W¡,W2,...,W1,...,Wrl - объем семенного картофеля, получаемого соответственно при 1, 2,. , г, .., п цикле воспроизводства; AW}, ДW2,...,AWi,..., Wn - объем семенного картофеля, включающий отбраковку и предназначенного для реализации на производство продовольственного картофеля; С'о - объем сертифицированных семян картофеля, закупаемых для сор-тообновления вырожденного семенного материала (будем считать, что С0 = , т. е. проводиться полное сортообновление); П- продолжительность использования сорта.

В установившемся режиме репродуктирования семенного картофеля объем семян, необходимых для непрерывной репродукции определяется как:

С0 = [W{ - ДЖ,}Улш1 = [W2 - Ш2]Укш1 = ■ ■ ■ = [W, - AfV, ]У--1 = • • • =

вуют требованиям ООС (сорт вырожден, необходимо сортообновление). Продолжительность использования сорта определяется:

Информационное управление производством семенного картофеля разделяется на два этапа:

- этап сортоиспытания заявленных сортов;

- этап сортосопровождения семенного материала.

Схема процесса информационного обмена при сортоиспытании картофеля изображена на рис. 3.

ция о сортах, прошедших испытания и допущенных к использованию; Ус

(2)

где Трп. время репродуктирования, Трп - 0,5год; N - жизненный цикл сорта, N ж 5 -г 10 лет.

Рис. 3. Схема информационной связи заявителя сортовой элиты с экспертами сортоиспытательной станции: С - число сортов, заявленных на сортоиспытание; Р - число сортов, прошедших испытания по методике ООС и допущенных к использованию; В- число сортов, не прошедших испытания по методике ООС; ИУ - испытательный участок; ЦУ- центр управления испытаниями; П Р - область принятия решения по результатам испытаний.

0, (3)

где Уср = 1 - сорт прошел испытания по методике ООС и допущен к использованию;

Уср = 0 - сорт не прошел испытания и забракован.

Схема информационного сортосопровождения при производстве семенного картофеля для ('-ого цикла репродукции приведена на рис. 4.

Рис. 4. Схема информационного сортосопровождения одного цикла репродукции картофеля

цг\С0+А¥1,приУсс=\ ' Щ , при Усс = 0 <4)

Оценка морфологических параметров листьев картофеля проводится в центре управления испытаниями (блок ЦУ на рис. 3 и 4). Схема оценки параметров листьев визуально-планиметрическим способом экспертных оценок изображена на рис. 5а, а схема оценки параметров листьев предлагаемым компьютерным способом - на рис. 56.

лист

лист

Инспекционный стол + измерительные приборь

Визуальная оценке параметров

а)

Компьютер+ сканер программы обработки

Оценка параметров по числовым данным

б)

Рис. 5. Схема анализа морфологических параметров листьев картофеля

Основным критерием, определяющим эффективность оценки параметров ООС сорта при испытаниях и сортосопровождении является вероятность при-няшя правильного решения но результатам проведенных исследований ^„.которая в общем виде запишется как:

Р =Р -Р m

* п па ПК! ly,/

где Р„„ - вероятность принятия правильного решения в период вегетации;

Р„к - верояшоегь принятия правильного решения при клубневом анализе. Пели клубневой анализ проводится безошибочно, то Рт = 1.

'Гак как при экспертной оценке решение принимается на основании визуального осмотра экспертом выборки листьев, то вероятность принятия правильного решения в период вегетации данным способом оценки запишется как:

?т = /(0,П,3,И), (6)

где О - 01шг эксперта; П - профессионализм эксперта; 3 - зрительное восприятие объекта человеком - экспертом; И — информационная пропускная способность человека эксперта.

В связи с т ем, что опыт и профессионализм эксперта, принимающего решение досшючно высок, то основными факторами, влияющими на правильность принятия решения по оценке морфологических параметров листьев картофеля будут параметры 3 и И.

Человек-эксперт зрительно воспринимает и оценивает цветовые параметры лиси т,ев. Правильность оценки в этом случае зависит от способности человеческого глаза различить цветовые опенки листовой поверхности. Человеческий итз физически может различить от 126 до 130 различных цветовых оттенков Орадаций цвета). Однако, современные цветные ПЗС магрицы способны регистрировав оптические цветовые характеристики объектов в системе RGB с Шубиной цветопередачи более 24 бит, т.е. более 8 бит на каждый цвет или 256*256*256 цветовых ¡радаций (16,7 млн. цветовых оттенков), что значительно превосходи! возможности человеческого глаза.

На рис 6 приведены сравнительные линейки с 96 и 256 градациями оттенков cepoi о цвета, различимые (а) и неразличимые (б) человеческим глазом.

96 оттенков серого цвета

б)

Рис. 6. Сравнительные линейки с разными градациями оттенков ссрохо циста, различимые (а) и неразличимые (6) глазом человека

Как видно из рис. 6, различение цветовых оттенков глазом человека ограничено. Это говорит о том, что восприятие цветовых характеристик листьев картофеля человеком не полноценно.

Таким образом выражение (6) примет вид,

Р =Р (Ъ

т вип > V' /

где Рт,п - вероятность восприятия информации без потерь. В свою очередь:

рвт=ятсс}=рш-рт> (8)

где }(0 - поток информации; а - объем выборки листьев;

Рт - вероятность восприятия без потерь единицы информации; Р,„ - вероятность при многократном повторении анализа единицы информации. Для обеспечения надежной и безошибочной работы человека-эксперта необходимо, чтобы поступающий поток информации удовлетворял условию:

ЛО^-Ш, (9)

где •/<) (0 - максимально допустимый поток информации, воспринимаемый человеком без потерь, /ДО = 10бит/с.

Реальный поток информации, воспринимаемый экспертом при существующем способе оценки морфологических параметров листьев картофеля определяется следующим образом:

/(0 = /Д0+/*,Д0, (10)

где ./„(0 - поток информации о морфологических параметрах лис)т.ев; /»ДО - поток информации от работы с документами. Поток информации от работы с документами необходимо учитывать, т. к. согласно методике ООС эксперт должен кодировать степень выраженности

И

морфологических параметров листьев картофеля в индексную форму. При этом для правильной оценки параметров листьев тестер ту необходимо совместно с исследуемым образцом листа иметь эталонный образец листа данного сорта. Поток информации о параметрах листьев картофеля определяется:

Л(0 = *•/•*, (и)

где к - общее число морфологических параметров одного листа, к = \ 1; / - частота измерения параметра экспертом, / = 1/Т = 0,25 [1/с]; Т - время осмотра одного параметра, Т = 4 [с];

I - среднее количество информации, содержащееся в одном параметре.

/ = -1о Г, (12)

где <$о - число параметров, воспринимаемых экспертом при однократном осмотре, 30 = 1;

Г - число параметров одного класса признаков, Г - 4. Кроме того, г для потоков информации от оценки параметров листьев и от работы с документами будет одинаковым, т. к. согласно методике ООС одному параметру листа соответствует один индекс классификации, т. е.

Реальный поток информации, принимаемый экспертом будет равен ./(?) = 16,5 \бит/с], что превышает допустимый уровень. Таким образом, вероятность восприятия без потерь единицы информации человеком-экспертом он-

рэ у10 _п,п, ределится как: 1т ~ _16~5 Это свидетельствует о грубой экс-

пертной оценке параметров одного листа.

Компьютерная система способна воспринимать поток информации, превосходящий расчетный в несколько сотен раз, поэтому можно принять Р<£ ~ ^ •

При оценке морфологических параметров одного сорта картофеля оценивается выборка объемом а. В таком случае, вероятность анализа листа данного сорта при многократном повторении, на основании формулы Пуассона определяется как:

(и)

где бсном - стандартизированный объем выборки листьев в зависимости от размера исследуемого участка с растениями картофеля.

На рис. 7 приведены графики зависимости вероятности принятия правильного

решения при оценке параметров листьев электронно-оптическим ( ) и экспертным ( ) способами.

р (Р )

пв V вип'

у~—лтг <*

Рис. 7. Зависимость вероятности принятия правильного решения при оценке параметров листьев от объема выборки различными способами

Из рис. 7 видно, что вероятность принятия правильного решения по результатам компьютерной оценки морфологических параметров листьев картофеля в среднем на 39,4% выше, чем существующим экспертным способом.

Способ компьютерной оценки морфологических параметров листьев картофеля предусматривает реализацию двух операций (рис. 8): Ох - операция получения цифровых цветных изображений листьев, Ог - операция обработки изображений и оценки морфологических параметров листьев картофеля но изображения»^_____ _ ___

Лист \ ( Визуализацияоценок ^

картофеля

Размещение листа на планшет« сканера

Выбор параметров сканирования

Получение цифрового изображения

Визуализацияоценок уорфологическихпараметровлистр/

о,

Л

Оценка структурных параметров

Оценка цветовых параметров

т.

Преобразование

цветного изображения в полутоновое, обработка дан ны >

т,

ТТрёобраз ование цветового пространства изображения, обра боткад а_1 ж ы х

Рис. 8. Блок-схема способа компьютерной оценки параметров листьев картофеля

13

Лисп,я картофеля относятся к классу плоских неоднородных объектов. Морфологическое строение листа позволяет использовать для получения его цифрового изображения сканер - устройство регистрации двумерных изображений. Сканирующая система исключает появление оптических искажений на изображениях, что делает его приоритетным при выборе устройства получения цифровых цветных изображений исследуемых листьев картофеля.

Высокая вероятность восприятия экспертом информации без потерь при обработке и анализе ее совместно с компьютерной системой достигается за счет:

- устранения или снижения влияния помех на получение высококачественных оптических цифровых изображений листа картофеля на каждом шаге операции;

- выделения наиболее информативных признаков па изображении листа, последующая их обработка и оценка визуализированных результатов.

В трет ьей I лаве представлена разработка алгоритмов способа компьютерной оценки морфологических параметров листьев картофеля по цифровым изображениям. В программу эксперимента входили исследования операции получения цифровых цветных изображений листьев картофеля с помощью сканера и операции обработки изображений и оценки морфологических параметров листьев картофеля по изображениям; исследования цветовых характеристик картофельных листьев в цветовой системе HSV. Были получены цветовые координаты по каждому параметру листа и произведена проверка достоверности полученных интервалов построением закона распределения измеряемой вели-чииы и вычислением вероятности совпадения полученного закона распределения с теоретическим, используя теорию вероятностей и математическую статистику.

Операция получения цифровых цветных изображений листьев картофеля проводилась но алгоритму ~1Ъ (рис. 8). Выбранные образцы последовательно но одному укладывались лицевой стороной листа (поверхность листа, обращенная к солнцу) на рабочий планшет сканера. Затем проводилось предварительное сканирование листа и одновременно с этим в компьютерной системе автоматически запускалась программа управления параметрами сканера. С ее помощью вручную устанавливались параметры сканирования, характеризующие качество будущего изображения. Далее проводилось основное сканирование. Полученные цветные изображения в формате RGB сохранялись в памяти компьютера.

Операция обработки изображений и оценки морфологических параметров листьев картофеля но изображениям проводилась согласно процедурам т1 -тг и тъ-тА, (рис. 8). Блок-схема алгоритма определения геометрических, топологических и текстурных параметров листьев картофеля (процедуры Щ - т2) приведена на рис. 9.

Изображение листа в системе ИвВ »Л*, У)

г

Выделение канала В

г

Контрастирование DK(x,y) = a-D°(x,y) + b

< Г

Линейная фильтрация сглаживанием Da(x,y) = DK(x,y)\c=M

^ Г

Повышение резкости В(х,у)~ (1 + q)-nK(x,y)~qDa(x,y)

Пороговое разделение (бинаризация)

(О, при(х,у)^<1„

£>Ьт{х,у) =

1, при (х,у) t d0

Определение границ текстуры объекта

Dv, (х,.у) =| D(x +1,у) + D(x -1 ,у) +

+ D(x + ),y) + D(x-l,y)-4D(x,y)\

Оценка геометрических и топологических параметров з листа

Оценка текстурных параметров листа

Рис. 9. Блок-схема алгоритма оценки структурных параметров листа картофеля; 1 - черешок; 2 - конечный листочек; 3 - боковые листочки; 4 - вторичные листочки; 5 - внешняя граница листа; 6 - прожилки боковых листочков; 7 - центральная жилка.

Данный алгоритм позволяет определить геометрические размеры листа, его боковых и вторичных листочков, определить количество вторичных листочков и выделить силуэт листа, проявить систему сосудистых пучков и оценить глубину жилок листовой поверхности.

Для определения погрешности измерения неметрических параметров листьев компьютерным способом были проведены измерения восьми отсканированных и обработанных изображений одного и того же листа сорта «Сатурна».

С учетом расчета и введения в программу обработки изобретений поправочного коэффициента, преобразующего разрешение изображения в метриче-

скую систему измерения за величину систематической ошибкой измерения была принята погрешность линейки равная 6 = 0,5 (мм). Результаты измерений приведены в табл. 1.

Таблица 1

№ Я,, мм Я, -Я, мм (Я, - Я)2, мм

1 269,5 2,3125 5,347656

2 268,7 1,5125 2,287656

3 265,1 -2,0875 4,357656

4 269,7 2,5125 6,312656

5 266,6 -0,5875 0,345156

6 264,2 -2,9875 8,925156

7 268,8 1,6125 2,600156

8 264,9 -2,2875 5,232656

Е 2137,5 - 35,40875

я, ,(мм) длина измеряемого листа картофеля; / - порядковый помер измерения. Среднее арифметическое значение измерений длины листаЯ:

—=267,1875 (мм),

II-

где ({ общее количество измерений.

Среднеквадратичная ошибка среднего арифметического:

(14)

-нг

■■ 0,795172 (мм).

(15)

Задавшись надежностью Р = 0,99 по таблице коэффициентов Стьюдента для восьми измерений находим и - 3,499. Абсолютную ошибку определяется:

ДЯ-Яи =2,782 (мм). (16)

Сравниваем случайную и систематическую ошибки АН/3 - 5,565, следовательно 8-=0,5(мм) можно не учитывать.

Окончательно, результат измерения длины листа примет вид Нр = (267,187 ± 2,782) мм при Р — 0,99. Относительная погрешность результата измерения определиться:

■^•100% „ 1,041%. Я

(17)

Таким образом, относительная погрешность компьютерного способа оценки геометрических параметров листьев постоянна для любых измерений дан-

ным способом.

Блок-схема алгоритма определения цветовых параметров листьев (процедуры тъ - т4) приведена на рис. 10.

/Изображение листа в системе RGB Dd(x,y) = {R^GiB} J

H = arccos

Преобразование RGB - »-HSV

2R -G - В

- хь с® - xf

5=1- 3 min( R,G,B) V = R + G + В

Выделение

канала H Я

H + S + V

Выделение канала S

S

s - ■

Определение параметров цветового тона

H + S + V

Определение параметров насыщенности цвета

Выделение канала V

__V__

V" П + Эл V

Определение параметров яркости цвета

Оценка цветовых параметров листа у

Рис. 10. Блок-схема алгоритма определения цветовых параметров листа

Данный алгоритм позволяет количественно оценить цветовые координаты исследуемых параметров листьев картофеля.

Статистические результаты эксперимента по оценке цветовых параметров листьев картофеля были обработаны с помощью вероятностно-статистического метода теории вероятности и математической статистики. По результатам измерений определялись:

- математическое ожидание (МО) (среднее арифметическое значение)

ТП,

:2Х

W

(18)

где х, - значение измеряемого параметра в г - ом разряде;

м> - число проведенных измерений, по каждому параметру и> ~ 50. - статистическое среднее квадратичное отклонение (СКО)

Iи\ (19)

Были построены экспериментальные законы распределения для каждо1 о из измеряемых параметров и определены меры расхождения данных законов распределения с теоретическим. В качестве теоретического был принят нормальный закон распределения (закон распределения Гаусса).

Мера расхождения оценивалась с помощью критерия согласия хи-квадрат:

=*£(/?•-3)7Р,, (20)

м

где к - число разрядов;

Р* - статистическая вероятность;

Р, - вероятность собы тия, соответствующая нормальному закону распределения.

По значениям %г и г (г- число степеней свободы), рассчитанным для каждого диапазона цветовых параметров, по таблице были определены вероятности расхождения экспериментального и теоретического законов распределения по каждому параметру (рн,р$и Ру)- Результаты приведены в табл. 2.

Таблица 2

Количественная оценка цветовых параметров листа картофеля.

Цветовой параметр Количественная оценка Вероятности расхождения

Н,град 8,% V, % Рн(%) \рв(%) Ру(%)

Зеленая окраска листа

светло-зеленая 86-96 40-53 34-63 60,5 47 82

средне-зеленая 91 - 99 53-67 34-63 86 24 82

темно-зеленая 92-101 67 — 82 34-63 57 68 82

Лнтоциановая окраска центральной жилки листа

очень слабая 65-82 62 - 73 34 - 63 66 54 82

слабая 60-73 51-62 34-63 81 58 82

средняя 40-54 36-50 34-63 70 69,5 82

сильная 22-37 21-35 34-63 63 64 82

очень сильная 11-28 10-21 34-63 88 50 82

Окраска листочков верхушечной розетки

окрашена антоцианом 62-77 57-71 34-63 44 74,5 8?

желто-зеленая 82 - 91 62 - 70 34-63 50 87 82

зеленая 91-99 53-61 34-63 30,5 69 82

темно-зеленая 92 101 42 - 53 34 - 63, 54 45 ь 82

Ангоциановая (красная) (аббревиатура ЦРОУ) окраска центральной жилки

- отклонение от обычного нормального зеленого цвета листа. Проведенный анализ показал достоверность экспериментально определенных диапазонов параметров Н, S и V с принятой доверительной вероятностью 95%.

Алгоритмы выполнения процедур щ - т4 разрабатывались и проверялись в программе по обработке изображений Adobe Photoshop CS. По разработанным алгоритмам созданы подпрограммы обработки изображений. Работа подпрограмм с цифровыми изображениями листьев показала работоспособность алгоритмов для решения задач выделения и измерения морфологических параметров листьев картофеля, набор операций является оптимально необходимым и достаточным, время обработки одного изображения составляет 60 - 90 секунд с учетом операции получения цифровых цветных изображений.

В четвертой главе представлены результаты практических испытаний электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля, приведена инфраструктура используемого оборудования, оценены вероятности правильного принятия решения по оценке морфологических параметров листьев с помощью существующего способа экспертной оценки и компьютерным способом, рассчитана надежность компьютерного устройства и экономический эффект от практического применения электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля.

Схема оптического сканирующего устройства приведена на рис. 11.

Устройство документирования

Устройство-отбражения (монитор)

Рис. 11. Структурная схема оптического сканирующего устройства

На рис. 12 изображен лабораторный образец компьютерног о устройства, реа-пмтивдщлй электронно-оптический способ оценки параметров листьев.

Рис. 12. Компькиерное уетрожлво оценки морфолог ических параметров лист ьев картофеля

Компьютерное устройство позволяет в режиме реального времени производить оценку сортовых параметров листьев картофеля.

Принцип работы устройства заключается в следующем:

¡.Отобранные листья поочередно размещаются в сканере и сканированием вводятся в память компьютера в виде цифровых цветных изображений.

2. Далее изображения загружаются в программу по обработке изображений Adobe Photoshop CS, где они обрабатываются по разработанным алгоритмам, а затем результаты сохраняются в памяти компьютера и анализируются экспертом.

С помощью разработанного устройства был накоплен банк изображений листьев различных сортов картофеля, объемом 200 штук. Производственные испытания по оценке морфологических параметров листьев данной выборки проводились на Егорьевской сортоиспытательной станции - филиалу ФГУ «Госсорткомиссия РФ по испытанию и охране селекционных достижений» и государственном научном учреждении «Елецкая опытная станция по картофелю» двумя способами - существующим способом экспертных оценок и разработанным электронно-оптическим способом компьютерной оценки. Вероятность принятия правильного решения по оценкам параметров листьев на практике определялась по формуле:

т т

^П^ПЬ'ЛД (21)

1 1

где Рт- вероятность правильной оценки одного параметра листа, т- число морфологических параметров листа, ат- число правильно оцененных параметров листьев из выборки а„ом. Результаты испытаний приведены в табл. 3.

Таблица 3

Морфологические параметры листьев картофеля Способ оценки

№ Экспертный, % Компьютерный, %

1. 2. Структурные параметры листьев 1.1. Геометрические параметры 1.2. Топологические параметры 1.3. Текстурные параметры Цветовые параметры листьев 88.5 98,3 98,7 91,2 73.6 94,3 98,9 97,5 97,8 98,7

Вероятность принятия правильного решения 65,12 93,08

Как видно из табл. 3, значения вероятностей правильного принятия решения экспертным и компьютерным способами близки к расчетным теоретическим значениям (рис. 7). Это доказывает, что электронно-оптический способ

компьютерной оценки на базе оптического сканирующего устройства эффективнее способа экспертных оценок при определении морфологических параметров листьев картофеля и на практике составляет 27,96%.

Предполагаемый экономический эффект от применения электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля при сортоиспытаниях на сортоиспытательной станции заключается в экономии затрат труда, составляющих 2186,38 рублей, при годовой экономии - 1640,75 рублей и сроке окупаемости - 2,4 года, а в семеноводческое хозяйство площадью до 45 га для многолетнего сортосопровождения заключается в предупреждении потерь, связанных с использованием вырожденного сорта и составляет 218,9 тыс. руб. на пятилетнем интервале сортосопровождения и сроком окупаемости 0,7 года.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Анализ информационного сортосопровождения семенного картофеля показал целесообразность разработки электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля и он может быть положен в основу развития и совершенствования полевой инспекции сортов.

2. Для процессов сортоиспытания и сорторазведения разработана структурная схема информационно-аналитического сопровождения агротехнологии возделывания картофеля, предусматривающая получение, обработку, накопление и распространение информации о параметрах возделываемого сорта электронно-оптическим компьютерным способом.

3. Проведенные теоретические исследования информационных потоков в процессах сортоиспытания и сорторазведения позволили:

- установить факторы (информационная пропускная способность, спектральная чувствительность, объем листовой выборки), влияющие на процедуру оценки морфологических параметров листьев картофеля экспертным и компьютерным способами;

- определить аналитические зависимости влияния данных факторов на вероятность принятия правильного решения по оценке параметров листьев;

- установить преимущество электронно-оптического способа над экспертным по фактору информационно-пропускной способности в 39,4%.

4. Экспериментальные исследования электронно-оптических характеристик морфологических параметров листьев картофеля показали, что:

- восприятие электронно-оптической информации компьютерным способом осуществляется с разрешающей способностью в 300 dpi, что позволяет масштабировать (увеличивать) отдельные фрагменты (прожилки) листьев на изображениях;

- глубина цвета цифровых изображений в 24 бит (16,7 млн. цветов) позво-

ляет четко разделить границы цветовых параметров листьев картофеля;

- обработку и анализ электронной информации компьютерным способом эффективно проводить в пакетной версии программы по обработке изображений Adobe Photoshop CS.

5. Разработанные на основании теоретических и экспериментальных исследований алгоритмы компьютерной оценки обеспечивают надежное определение:

- структурных параметров листьев картофеля (геометрические размеры, силуэты, параметры системы сосудистых пучков листьев картофеля) с относительной погрешностью 1,041%;

- цветовых параметров листьев картофеля, реализуемого в нелинейном цветовом пространстве HSV (зеленый цвет поверхности, цвет антоциановой окраски центральной жилки и верхушечной розетки листьев картофеля) с доверительной вероятностью 95%.

6. Электронно-оптический способ компьютерной оценки морфологических параметров листьев картофеля, реализованный с помощью оптического сканирующего устройства, состоящего из персонального компьютера на базе процес-copa lntel Pentium IV 2100 МГц, устройства ввода изображений (сканера) и специализированного программного обеспечения но обработке изображений способен последовательно обрабатывать выборку листьев в режиме реального времени.

7. Проведенные производственные испытания на Егорьевской сортоиспытательной станции-филиале ФГУ «Госсоргкомиссия РФ по испытанию и охране селекционных достижений» и государсгвенном научном учреждении «Елецкая опытная станция но картофелю» подтвердили эффективность электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля выборкой в 200 штук. При этом время обработки одного листа компьютерным способом составляет 60-90 сек, с учетом операции сканирования, экспертным способом - около 2 мин.

8. Предполагаемый экономический эффект от применения электронно-оптического способа компьютерной оценки при сортоиспытаниях составил 1640,75 рублей в год за счет снижения трудозатрат и при сортосопровождении в семеноводческом хозяйстве на площади в 45 га составил 43,78 тыс. рублей в год за счет своевременного выявления вырождения сорта семенного картофеля, проведения сортообновления и сохранения урожайности на уровне, характерном для используемого сорта.

Основное содержание диссертации изложено в следующих работах:

1.Сорокотяга А. А., Котов А. И. Разработка многоканального дискретного и аналогового устройства ввода-вывода, сопрягаемого с IBM PC. // Вестник ЛГТУ - ЛЭГИ. - Липецк, 2001, № 1(7), с. 122 - 127.

2.Сорокотяга А. А., Башилов А. М., Покидов О. В. Анализ области применения систем контроля качества агропродукции за рубежом. // Вестник МГАУ. - М., 2003, №3, с. 106-112.

3.Сорокотяга А. А., Башилов А. М. Системы автоматизированного видеоцифрового наблюдения сельскохозяйственных культур в посадках. // Вестник МГАУ. - М., 2003, №3, с. 101-105.

4.Сорокотяга А. А., Башилов А. М. Определение степени дифференцированного развития листовой поверхности растений по их изображениям. // Труды 3-й Международной научно-технической конференции (14 - 15 мая 2003 года, Москва, ГНУ ВГОСХ). - М., 2003, Ч. 2, с. 99 - 103.

5.Сорокотяга А. А. Компьютерное распознавание как ресурсосберегающий способ сортовой идентификации растений. // Труды 4-й Международной научно-технической конференции (12 - 13 мая 2004 года, Москва, ГНУ ВИ-ЭСХ). - М., 2004, Ч. 2, с. 310 - 316.

6. Сорокотяга А. А. Видео-цифровые информационно-измерительные системы в сельском хозяйстве. // Сборник докладов международной научно-технической конференции (29 - 30 сентября 2004 года, г. Углич). -М., 2004, Ч. 2, с. 103-108.

7. Сорокотяга А. А., Башилов А. М. Применение цифровой техники для сортовой идентификации сельскохозяйственных культур. // Автоматизация и информатизация электрифицированного сельскохозяйственного производства: Науч. труды ВИЭСХ, т. 89. -М., 2004, с. 149-157.

8.Заявка 2003136180 на Патент РФ. Способ самоорганизующейся реализации технологии производства агропродукции. /Башилов А. М., Покидов О. В., Сорокотяга А. А. и др. 17.12.2003. // Положительное решение о выдаче Патента РФ 19.05.05.

Подписано в печать 07.06.2005г. Тираж 120 экз.

Формат 60х84\16

Уч. - изд. л. 1.5 Заказ № 21

Отпечатано в ОО и ВП ОАО «РОСЭП» 111395, г. Москва, Аллея Первой Маевки,!5

)

»

1158 8 2

РНБ Русский фонд

2006^4 11172

ВВЕДЕНИЕ.

• Глава 1. АНАЛИЗ ПРОБЛЕМЫ СОРТОСОПРОВОЖДЕНИЯ СЕМЕННОГО КАРТОФЕЛЯ.

1.1. Практическое значение контроля за сортовым семенным картофелем.

1.2. Применение систем технического зрения в различных отраслях производства.

1.3. Анализ применения цифровых электронных систем в агротехнологиях.

1.4. Использование оптического цифрового технического зрения в растениеводстве.

1.5. Цель и задачи исследования.

Глава 2. ТЕОРЕТИЧЕСКОЕ ИССЛЕДОВАНИЕ СПОСОБА КОМПЬЮТЕРНОЙ ОЦЕНКИ МОРФОЛОГИЧЕСКИХ ПАРАМЕТРОВ ЛИСТЬЕВ КАРТОФЕЛЯ.

2.1. Схема информационного управления производством семенного картофеля.

2.2. Операция получения цифровых цветных изображений листьев картофеля.

2.3. Операция обработки изображений и оценки морфологических параметров листьев картофеля по изображениям.

2.3.1. Последовательность шагов обработки изображений для оценки структурных параметров листьев картофеля.

2.3.2. Последовательность шагов обработки изображений для определения цветовых параметров листьев картофеля.

Глава 3. РАЗРАБОТКА АЛГОРИТМОВ СПОСОБА КОМПЬЮТЕРНОЙ ОЦЕНКИ МОРФОЛОГИЧЕСКИХ ПАРАМЕТРОВ ЛИСТЬЕВ

КАРТОФЕЛЯ ПО ИЗОБРАЖЕНИЯМ.

3.1. Порядок выборки и обработки образцов листьев картофеля.

3.2. Алгоритм операции получения цифровых цветных изображений.

3.3. Алгоритмы операции обработки изображений и оценки морфологических параметров листьев картофеля по изображениям

3.3.1. Алгоритмы оценки структурных параметров листьев картофеля

3.3.2. Алгоритм оценки цветовых параметров листьев.

3.4. Визуализация и представление результатов обработки и оценки морфологических параметров листьев картофеля.

Глава 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ЭЛЕКТРОННО-ОПТИЧЕСКОГО СПОСОБА КОМПЬЮТЕРНОЙ ОЦЕНКИ МОРФОЛОГИЧЕСКИХ ПАРАМЕТРОВ ЛИСТЬЕВ КАРТОФЕЛЯ.

4.1. Инфраструктура оптического сканирующего устройства для оценки морфологических параметров листьев картофеля.

4.2. Экспериментальное исследование способа компьютерной оценки морфологических параметров листьев картофеля.

4.3. Расчет надежности оптического сканирующего устройства компьютерной оценки морфологических параметров листьев картофеля.

4.4 Оценка эффективности компьютерного способа оценки морфологических параметров листьев картофеля с помощью оптического сканирующего устройства.

4.5. Оценка экономической эффективности.

Актуальность работы.

Наша страна занимает лидирующее положение в ежегодном производстве и потреблении картофеля. Россия стоит на втором месте по количеству посевных площадей, задействованных для выращивания данной культуры. Средний уровень урожайности в 9 - 10 т/га, против средней урожайности в 34,6 т/га в странах ЕС, характерен для всех категорий хозяйств и регионов как с благоприятными, так и с неблагоприятными условиями возделывания [8], [61]. Практика показывает, что одной из причин низкой урожайности картофеля является использование на посадку несертифицированного семенного материала низкого качества. [61]. Это обусловлено тем, что при многолетней вегетации в сортовом картофеле накапливается вирусная инфекция, приводящая к вырождению сорта, снижению качественных характеристик семенного материала и, как следствие, к уменьшению урожайности на 30 - 40% [70], [93].

Своевременное выявление вырождения сорта и проведение сортообновления способно предотвратить снижение урожая. Служба агромониторинга, в состав которой входят государственные сортоиспытательные станции, семенные инспекции и другие организации, имеющие аккредитацию для проведения инспекции сортов, осуществляют в течение вегетационного периода контроль за состоянием растений, степенью ^ инфицирования возбудителями болезней, проводят полевые обследования с целью взятия листовых проб для определения сортовой чистоты выращиваемой культуры, визуально оценивают их морфологические параметры и полученные данные сравнивают с данными о морфологических параметрах листьев элиты возделываемого сорта, которые получают при сортоиспытании по методике испытаний на отличимость, однородность и стабильность (ООС), разработанной международным союзом по охране новых сортов (UPOV) [62]. ф В практической работе госинспекторов в настоящее время возникают трудности из-за отсутствия современных приспособлений и инструментов, необходимых для определения качественных характеристик различных категорий и классов семенного картофеля. В связи с этим остро стоит задача в разработке технического документооборота и создании новейшего оборудования, необходимого для проведения полевых инспекций, включающего в себя отбор листовых проб, доставку их в лабораторию, описание морфологии отобранных образцов, анализ и оценку степени выраженности сортовых параметров листьев испытуемого сорта картофеля, документирование проведенного анализа. В частности, для выдачи протокола испытания (результата анализа) листовых проб на соответствие исходного материала требованиям действующих стандартов (ГОСТ 29267-01 [5] и ГОСТ 29268-91 [6]) определение сортовых параметров листьев картофеля осуществляется способом экспертной оценки визуально, оценка выраженности сортовых параметров оценивается в баллах, оперирование полученной информацией проводится в виде бумажного документооборота.

В решении этой проблемы особенно важное значение имеет разработка на базе передовых технических цифровых систем современного информационно-аналитической способа оценки морфологических параметров листьев картофеля при проведении полевых инспекций в период вегетации растений для сортоиспытаний и сортосопровождения семенного материала, который должен гарантировать безусловное соблюдение стандартов, действующих положений и правил, а также повышение оперативности документооборота, создание возможности накопления, хранения и обмена информацией. В связи с этим, разработка электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля является актуальной научной и народнохозяйственной задачей.

В нашей стране и за рубежом уже имеется положительный опыт использования информационных систем в сельскохозяйственной науке и практике [73]. Огромный вклад в развитие и применение видео-цифрового технического зрения в сельском хозяйстве внесли ученые из США штата Калифорния David С. Slaughter, Robert G. Curley, Pictiaw Chen [81], которые разработали и воплотили в жизнь роботизированный культиватор на базе цифровой видеосистемы для автоматического позиционирования рабочих органов относительно культивируемых рядков растений. Среди российских разработок в области видео-цифрового компьютерного зрения можно выделить работы, проводимые в МГАУ, ВИЭСХе и ЕОИИКХ под руководством Бородина И. Ф., Кирилина Н. И., Пшеченкова К. А., Башилова А. М. по созданию электронно-оптических систем контроля и управлением качества производства картофеля [7], в МичГАУ под руководством А. С. Гордеева по созданию автоматизированных систем по сортированию плодов [87], а также группы ученых (Денисюк С. Г. и др.) из СибФТИ СО РАСХН, которые разработали экспериментальный телевизионно-компьютерный комплекс "Биоспекл" для регистрации и обработки изображений пораженной листовой поверхности растений в видимом диапазоне длин волн [71]. Анализ вышеприведенных работ показал, что перспективным направлением автоматизации сельского хозяйства является использование компьютерных устройств как совместно с существующими технологиями, так и отдельно, заменяя имеющиеся устаревшие технологические операции. Однако проблема совершенствования способа контроля сортовых параметров листьев картофеля при сортоиспытании и сорторазведении в период вегетации растений с помощью электронно-оптического информационно-аналитического способа оценки параметров до настоящего момента не решалась. ф Разработка электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля проводилась в соответствии с концепцией развития электрификации сельского хозяйства России, одобренной Президиумом РАСХН (протокол № 134 от 20 декабря 2001 г.) [1], в которой одним из перспективных направлений электрификации села является автоматизация и информатизация электрифицированного сельскохозяйственного производства. Согласно данной концепции, будут развиваться автоматизированные информационно-управляющие системы контроля режимов и качества продукции, основанные на широком использовании оптических приборов и баз статистических данных о возделывании, темпах уборки, обработке и хранении продукции.

Работа выполнялась в лаборатории автоматизации электроприводов и поточных линий ГНУ ВИЭСХ в соответствии с планом НИР ВИЭСХ на 2003 год по фундаментальным и приоритетным прикладным исследованиям, этап 03.02.14 «Разработать информационно-аналитический метод анализа и управления автоматизированными сельскохозяйственными технологиями с использованием электронных средств контроля и обработки информации» и с планом НИР ВИЭСХ на 2004 год по фундаментальным и приоритетным прикладным исследованиям, этап 03.02.02 «Разработать методы построения и расчета компьютерных информационно-управляющих систем высокоточного интенсивного ведения животноводства, управления автоматизированными сельскохозяйственными технологиями, процессами и установками».

Цель работы.

Исследование и разработка электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля, обеспечивающего выявление отличимости, однородности и стабильности сорта при сортоиспытании и сортосопровождении в период вегетации растений.

В работе приведен анализ существующих технологий, базирующихся на использовании видео-цифровых оптических систем. Обосновано преимущество применения цифровых оптических систем по сравнению с другими электронными технологиями.

Рассмотрена структурная схема управления производством семенного картофеля, представляющая собой биологический конвейер, который организован таким образом, чтобы поток сертифицированного семенного материала был непрерывным и удовлетворял требованиям ГОСТа для сортового картофеля с целью получения качественных семян на производство продовольственного картофеля.

Представлена схема информационного сортосопровождения для технологии возделывания картофеля в процессах сортоиспытания и при последующем многолетнем репродуктировании семенного картофеля.

Произведены экспериментальные исследования способа компьютерной оценки морфологических параметров листьев картофеля, включившие в себя получение цифровых цветных изображений образцов листьев и разработку алгоритмов и программ обработки полученных изображений.

Электронно-оптический способ компьютерной оценки морфологических параметров листьев картофеля реализован на базе оптического сканирующего устройства. Проведены производственные испытания данного устройства. Рассчитана надежность работы устройства и экономическая эффективность применения его для автоматизированной оценки сортовых параметров листьев картофеля при сортоиспытании и сортосопровождении.

Диссертация состоит из введения, четырех глав, основных результатов и выводов, списка литературы и приложений.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Анализ информационного сортосопровождения семенного картофеля показал целесообразность разработки электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля и он может быть положен в основу развития и совершенствования полевой инспекции сортов.

2. Для процессов сортоиспытания и сорторазведения разработана структурная схема информационно-аналитического сопровождения агротехнологии возделывания картофеля, предусматривающая получение, обработку, накопление и распространение информации о параметрах возделываемого сорта электронно-оптическим компьютерным способом.

3. Проведенные теоретические исследования информационных потоков в процессах сортоиспытания и сорторазведения позволили:

- установить факторы (информационная пропускная способность, спектральная чувствительность, объем листовой выборки), влияющие на процедуру оценки морфологических параметров листьев картофеля экспертным и компьютерным способами;

- определить аналитические зависимости влияния данных факторов на вероятность принятия правильного решения по оценке параметров листьев;

- установить преимущество электронно-оптического способа над экспертным по фактору информационно-пропускной способности в 39,4%.

4. Экспериментальные исследования электронно-оптических характеристик морфологических параметров листьев картофеля показали, что: восприятие электронно-оптической информации компьютерным способом осуществляется с разрешающей способностью в 300 dpi, что позволяет масштабировать (увеличивать) отдельные фрагменты (прожилки) листьев на изображениях;

- глубина цвета цифровых изображений в 24 бит (16,7 млн. цветов) позволяет четко разделить границы цветовых параметров листьев картофеля;

- обработку и анализ электронной информации компьютерным способом эффективно проводить в пакетной версии программы по обработке изображений Adobe Photoshop CS.

5. Разработанные на основании теоретических и экспериментальных исследований алгоритмы компьютерной оценки обеспечивают надежное определение:

- структурных параметров листьев картофеля (геометрические размеры, силуэты, параметры системы сосудистых пучков листьев картофеля) с относительной погрешностью 1,041%;

- цветовых параметров листьев картофеля, реализуемого в нелинейном цветовом пространстве HSV (зеленый цвет поверхности, цвет антоциановой окраски центральной жилки и верхушечной розетки листьев картофеля) с доверительной вероятностью 95%.

6. Электронно-оптический способ компьютерной оценки морфологических параметров листьев картофеля, реализованный с помощью оптического сканирующего устройства, состоящего из персонального компьютера на базе процессора Intel Pentium IV 2100 МГц, устройства ввода изображений (сканера) и специализированного программного обеспечения по обработке изображений способен последовательно обрабатывать выборку листьев в режиме реального времени.

7. Проведенные производственные испытания на Егорьевской сортоиспытательной станции-филиале ФГУ «Госсорткомиссия РФ по испытанию и охране селекционных достижений» и государственном научном учреждении «Елецкая опытная станция по картофелю» подтвердили эффективность электронно-оптического способа компьютерной оценки морфологических параметров листьев картофеля выборкой в 200 штук. При этом время обработки одного листа компьютерным способом составляет 60-90 сек, с учетом операции сканирования, экспертным способом - около 2 мин.

8. Предполагаемый экономический эффект от применения электронно-оптического способа компьютерной оценки при сортоиспытаниях составил 1640,75 рублей в год за счет снижения трудозатрат и при сортосопровождении в семеноводческом хозяйстве на площади в 45 га составил 43,78 тыс. рублей в год за счет своевременного выявления вырождения сорта семенного картофеля, проведения сортообновления и сохранения урожайности на уровне, характерном для используемого сорта.

1. Концепция развития электрификации сельского хозяйства России /РАСХН/

2. UPOV TG\23\5 GUIDELINES FOR THE CONDUCT OF NESTS FOR DISTINCTNESS, HOMOGENEITY AND STABILITY.

3. ГОСТ 27.002 83. Надёжность в технике. Термины и определения. — М.: Издательство стандартов, 1983.

4. ГОСТ 7001-91. Картофель семенной. Технические условия. М.: Издательство стандартов, 1991.

5. ГОСТ 29267-91. Картофель семенной. Оздоровленный исходный материал. Приёмка и методы анализа. М.: Издательство стандартов, 1991.

6. ГОСТ 29268-91. Картофель семенной. Оздоровленный исходный материал. Технические условия. — М.: Издательство стандартов, 1991.

7. Старовойтов В.И., Башилов A.M., Андержанов A.JI. Автоматизация контроля качества картофеля, овощей и плодов. М.: Агропромиздат, 1987. — 197 с.

8. Контроль качества и сертификация семенного картофеля (Практическое руководство) / Под ред. А.В. Коршунова, Б.В. Анисимова/ М., 2003.-316 с.

9. Писарев Б.А. Сортовая агротехника картофеля. М.: Агропромиздат, 1990.-208 с.

10. Краусп В. Р. Комплексная автоматизация в промышленном животноводстве. — М.: Машиностроение, 1980. 214 с.

11. Краусп В. Р. Автоматизация послеуборочной обработки зерна. М.: Машиностроение, 1975. - 277 с.

12. Бульба: Попул. энцикл. справ, по биологии, возделыванию, хранению и использ. картофеля в кулинарии / Беларус. Энцыкл.; Гл. ред. "Беларус. Энцыкл.": Б.И. Саченко (гл. ред.) и др. БелЭн, 1994. - 350 с.

13. Селекция и распознавание на основе локационной информации / A.JI. Горелик, Ю.Л. Барабаш, О.В. Кривошеев, С.С. Эпштейн / Под ред. А.Л. Горелика. М.: Радио и связь, 1990. - 240 с.

14. Шарыгин М.Е. Сканеры и цифровые камеры. / Под ред. О.В. Колесниченко, И.В. Шишигина. СПб.: БХВ - Санкт-Петербург; Арлит, 2000. -384 с.

15. Гинзбург А., Милчев М., Солоницын Ю. Периферийные устройства. — СПб.: Питер, 2001. 448 с.

16. Смирнов В.Д. Цифровые фотоаппараты. Базовые модели и основы теории. СПб.: Изд - во "Петербургский ин - т печати", 2002. - 192 с.

17. Узилевский В. А. Передача, обработка и воспроизведение цветных изображений. -М.: Радио и связь, 1981. 174 с.

18. Роуз А. Зрение человека и электронное зрение. М.: Мир, 1977. - 165 с.

19. Копылов П. М., Тачков Л. Н. Телевидение и голография. М.: Связь, 1976.- 143 с.

20. Костыков Ю. В. Прикладное телевидение. М.: Энергия, 1980. - 138 с.

21. Патрик Э. Основы теории распознавания образов: Пер с англ. / Под ред. Б.Р. Левина. М.: Сов. радио, 1980. - 408 с.

22. Фу К. Последовательные методы в распознавании образов и обучении машин: Пер. с англ. / Под ред. Л. А. Мееровича и Я.З. Цыпкина. М.: Наука, 1971.-256 с.

23. Красильников Н.Н. Цифровая обработка изображений. М.: Вузовская книга, 2001.-320 с.

24. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ.; -М.: Мир, 1976.-511 с.

25. Кривошеев М.И., Ку старев А.К. Цветовые измерения. М.: Энергоатомиздат, 1990. — 240 с.

26. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учебное пособие. -М.: Высш. шк., 1983. -295 с.

27. Абламейко С.В., Лагуновский Д.М. Обработка изображений: технология, методы, применение. Мн.: Амалфея, 2000. - 303 с. ф 28. Перегудов Ф.И. Тараеенко Ф.П., Основы системного анализа,

28. Томск: Изд-во НТЛ, 2001.-396 с.

29. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974.

30. Методы компьютерной обработки изображений. / Под ред. А.В. Сойфера/ М.: ФИЗМАТ ЛИТ, 2003 -784 с.

31. Сигеру Омату. Нейроуправление и его приложения. Кн. 2. : Пер. с англ. / Под ред. А.И. Галушкина, В.А. Птичкина. М.: ИПРЖР, 2000. - 272 с.

32. Письменный Г.В., Михайлов Б.Б, Корнеев А.Ю. Системы технического зрения в робототехнике. -М.: Машиностроение, 1991. 88 с.ф 33. Фор А. Восприятие и распознавание образов / Пер. с фр. А.В.

33. Серединского; под ред. Г.П. Катыса. М.: Машиностроение, 1989. - 272 с.

34. Линдли К. Практическая обработка изображений на языке Си: Пер. с англ. -М.: Мир, 1996. 512 с.

35. Гринберг А.Д., Гринберг С. Цифровые изображения: Практическое руководство / Пер. с англ.; Мн.: ООО "Попурри", 1997. - 400 с.

36. Растригин Л.А., Эренштейн Р.Х. Метод коллективного распознавания.- М.: Энергоиздат, 1981. 80 с.

37. Форсайт Д.А., Понс Ж. Компьютерное зрение. Современный подход.: ^ Пер. с англ. М.: Издательский дом "Вильяме", 2004. - 928 с.

38. Пономаренко С. И. Adobe Photoshop CS в подлиннике. СПб.: БХВ — Петербург, 2004. - 928 е.: ил.

39. Петров М. Н. Эффективная работа с Photoshop CS. СПб.: Питер, 2004.- 845 е.: ил.

40. Ким Н.В. Обработка и анализ изображений в системах технического зрения. Учебное пособие. М.: Изд - во МАИ, 2001. - 164 с.

41. Егорова С.Д., Колесник В.А. Оптико электронное цифровое ^ преобразование изображений. - М.: Радио и связь, 1991. - 208 с.

42. Культин Н. Б. Основы программирования в Delphi 7. СПб.: БХВ -Петербург, 2003. - 608 е.: ил.

43. Фаронов В. В. Программирование баз данных в Delphi 7. Учебный курс. СПб.: Питер, 2004. - 464 е.: ил

44. Вентцель Е. С., Овчаров JI. А. Теория вероятностей и ее инженерные приложения. Учебное пособие для втузов. 2-е изд., стер. — М.: Высш. шк., 2000.-480 е.: ил.

45. Кузнецов В.А., Ялунина Г.В. Основы метрологии. М.: Издательство стандартов, -1995. - 279 с.

46. Селиванов М.Н., Фридман А.Э., Кудряшова Ж.Ф. Качество измерений. Метрологическая справочная книга. Л.: Лениздат, -1987. - 295 с.

47. Закорюкин В.Б. Надёжность устройств автоматики: Учебное пособие / Московский государственный институт радиотехники, электроники и автоматики (технический университет) М., 2000. - 111 с.

48. Горелик А.В., Ермакова О.П. Надёжность информационных систем. Основы надёжности устройств ЖАТС. Курс лекций М.: РГОТУПС, 2003. - 89 с.

49. Карева B.C., Никитин Г.А., Едренкин Э.Д. Надёжность устройств автоматики и телемеханики: Учебное пособие / Под ред. В.В. Макарова. — Челябинск: ЧГТУ, 1993. 57 с.

50. Водянников В.Т. Экономическая оценка энергетики АПК: Учебное пособие для студентов высших учебных заведений. М.: ИКФ "ЭКМОС", 2002. — 304 с.

51. Котик М. А. Курс инженерной психологии. 2-е изд. исп. и доп. - Таллин: Валгус, 1978. -364 с.

52. Вентцель Е. С. Исследование операций: задачи, принципы, методология. М.: Наука, Главная редакция физико - математической литературы, 1980. -208 с.

53. Тульчеев В. В. Формирование и эффективное функционирование агропромышленного комплекса Российской Федерации в рыночных условиях. М.: ФГНУ "Росинформагротех", 2004. - 272 с.

54. Методические рекомендации по технико экономической оценке автоматизированных технологических процессов животноводства. — М.: ВИЭСХ, 2003.-44 с.

55. Энергетика и электромеханизация сельского хозяйства. М.: ВИЭСХ, 2000.-С. 114-126.

56. Автоматизация и информатизация электрифицированного сельскохозяйственного производства. Научные труды. Том 89. М.: ВИЭСХ, 2004. - С. 35 -52.

57. Морзеев Ю. Зачем компьютеру зрение ч.1 // Компьютер пресс. 2002. № 5.-с. 20-25.

58. Морзеев Ю. Технологии машинного зрения. Сделано в России ч.2 // Компьютер пресс. 2002. № 7. - с. 50 - 58.

59. Ширко С. Популярно о сканерах // Компьютерные вести. 2003. № 3. -с. 5-6.

60. Грузинов Е. Сканеры: Новые технологии // http://www.nightsnipers/board/. 2004.

61. Анисимов Б.В. Сертификация семенного картофеля: организационная структура и приоритетные направления // Картофель и овощи. 2002. №2. — с. 23,24.

62. Усков А.И. О системе сертификации семенного материала // Картофель и овощи. 2002. №2. - с. 25,26.

63. Cho S., Ki N. Standalone prompting of a spray of high-speed performance, using Computer Vision and an indistinct logic network // Applied engineering in Agriculture, 1995, v. 19, №1, p. 146- 149.

64. Jang C.-C., Prasher S. O., Landry J., Ramaswamy S. Manifestation of Neural Networks for recognition of a weed in fields of a grain. // Transactions of the ASAE, 2001, v. 48, №2, p. 218- 223.

65. Wang Z., Heinemann P. H., Walker P. N., Heuser C. Automated Micropropagated Sugarcane Shoot Separation by Machine Vision. // Transactions of the ASAE, 1999, v. 42, №1, p. 247- 254.

66. Tumbo S. D., Wagner D. G. The hyperspectral neural network to predict a condition of a chlorophyll in a grain // Transactions of the ASAE, 1998, v. 41, №1, p. 242- 249.

67. D. C. Slaughter External identification by Computer Vision of a field of sprouts tomato for automated struggle with weedy plants // Applied engineering in Agriculture, 1998, v. 21, №2, p. 123- 128.

68. Tumbo S. D., Salyani M., Whitev J. D., Wheaten T. A., Miller W. M. Investigation of Laser and Ultrasonic Ranging Sensor for Measurements of Citrus Canopy Volume. // Applied Engineering in Agriculture, 2002, v. 18, №3, p. 367 - 372.

69. Joret G., Malterre H. Les effets de la degenerescence sur les rendements et la composition de la pomme de terre. // Comptes rendus hebdomadaires des seances de L'Academie d'Agriculture de France, 1945, v. 31, №10, s. 503 504.

70. Сорокотяга А. А., Котов А. И. Разработка многоканального дискретного и аналогового устройства ввода-вывода, сопрягаемого с IBM PC. // Вестник ЛГТУ ЛЭГИ. - Липецк - 2001. - № 1(7). - с. 122 - 127.

71. Сорокотяга А. А., Башилов А. М., Покидов О. В. Анализ области применения систем контроля качества агропродукции за рубежом. // Вестник МГАУ. Москва - 2003. -№3.-с. 106-112.

72. Сорокотяга А. А., Башилов А. М. Системы автоматизированного видеоцифрового наблюдения сельскохозяйственных культур в посадках. // Вестник МГАУ. Москва - 2003. -№3.-с. 101 - 105.

73. Сорокотяга А. А. Компьютерное распознавание как ресурсосберегающий способ сортовой идентификации растений. // Труды 4-й Международной научно-технической конференции (12 13 мая 2004 года, Москва, ГНУ ВИЭСХ). - Москва - 2004. - Ч. 2. - с. 310 - 316.

74. Сорокотяга А. А. Видео-цифровые информационно-измерительные системы в сельском хозяйстве. // Сборник докладов международной научно-технической конференции (29 30 сентября 2004 года, г. Углич). - Москва -2004.-Ч. 2.-с. 103- 108.

75. Пат. № 4 609 108, США. Метод и аппарат для сортировки листьев табака / V. N. Hristozov и другие, 1986, В07С 5/342.

76. Пат. №4 823 268, США. Метод и аппарат для определения листвы растения и картографии и контроля применяемых материалов / D. К. Giles и другие, 1989, В07С 5/342.

77. Пат. № 5 442 552, США. Роботизированный культиватор / D. С. Slaughter и другие, 1995, В07С 5/342.

78. Пат. № 2 132 569, Россия. Способ идентификации подлинности контролируемого объекта / Богданов В. Н. и другие, 1998, В07С 5/342.

79. Пат. № 2 163 394, Россия. Способ идентификации материальных объектов / Меденников П. А., Павлов Н. И., 1999, В07С 5/342.

80. Башилов A.M. Исследование процесса и разработка устройства оптико механического отделения твёрдых примесей и загнивших клубней картофеля: Дис. на соиск. учён, степени канд. техн. наук. М.: 1982. — 136 с.

81. Каверин В.А. Исследование условий применения и обоснование конструктивных параметров контейнеров для транспортирования томатов с полей на перерабатывающие предприятия: Автореф. дис. на соиск. учён, степени канд. техн. наук. М., 1971.

82. Алиханов Д.М. Разработка оптико электронного устройства для сортирования семенных клубней картофеля по морфологическим признакам: Автореф. дис. на соиск. учён, степени канд. техн. наук. М., 1983.