蔬菜穴盤苗自動補苗試驗臺穴孔定位與缺苗檢測系統

王永維，肖璽澤，梁喜鳳，王 俊，武傳宇，徐健康

（1.浙江大學生物系統工程與食品科學學院，杭州310058；2.中國計量大學機電工程學院，杭州310018；3.浙江理工大學機械與自動控制學院，杭州310018；4.永康市質量技術監督檢測中心，永康321300）

0 引 言

中國是世界最大的蔬菜生產國，2015年全國蔬菜播種面積2 200萬hm2[1]，占世界蔬菜播種總面積的43%[2]。蔬菜種植方式主要有直接播種、育苗移栽，由于育苗移栽具有氣候補償、提早成熟和增加產量等綜合效益[3-7]，全球大約60%蔬菜品種采用育苗移栽進行種植[8-9]，因此移栽是蔬菜種植的重要環節。蔬菜移栽機是實現蔬菜機械化種植的重要機具，按其自動化程度可分為半自動和全自動2種。半自動移栽機受人工取苗、投苗速度限制，單行移栽頻率一般小于40株/min，作業效率低[10]；全自動移栽機的取苗、投苗、開穴、栽苗、覆土等工序自動完成，作業效率高，因此國內外研究人員普遍認為作物移栽機械化向全自動移栽方向發展[11]。為了保證全自動移栽機作業質量，需要為其提供無空穴、高質量的穴盤苗。但當前國家標準對蔬菜種子發芽率要求大于85%[12]，同時受播種機性能、育苗環境等影響，穴盤苗的空穴率將超過15%，大量的空穴嚴重影響全自動移栽機的作業效果。因此，在育苗階段對穴盤空穴補入同齡缽苗是提高全自動移栽機作業質量的有效途徑之一。

為了解決由于穴盤苗空穴造成的移栽缺苗問題，國內外學者在穴盤苗缺苗識別、補苗方面進行了探索。在幼苗圖像獲取方法方面，Onyango等[13]研究了一種結合顏色和作物的行列特征提高分割成功率的分割算法，作物識別成功率最高為96%，最低為82%；陳曉光等[14]利用圖像處理技術提取蔬菜苗莖葉面積的大小和葉子的數量等特征參數，準確識別出蔬菜苗輪廓線及苗的位置坐標等特征量；任燁等[15-16]研究了基于機器視覺技術的番茄幼苗的識別和位置檢測，對于50孔穴盤番茄幼苗識別準確率為98.7%，對于72孔穴盤幼苗識別準確率為98.14%。在育苗期稀植、補苗方面，Tai等[17]開發了機器視覺輔助的機器人移栽機，對高密度苗移植至低密度穴盤進行空穴檢測，準確率達95%；Ryu等[18]設計了具有機器視覺裝置的苗床移栽機，用于子葉期苗齡為13 d的黃瓜苗和苗齡26 d番茄苗的穴盤苗空穴檢測移植，識別成功率均高于95%；Albertus等[19]發明了自動移缽機，通過視覺識別系統為補苗和移栽提供信息；郁玉峰[20]設計了三維平移并聯移栽機器人，其機器視覺系統能夠識別穴盤中的綠色植物秧苗并獲得秧苗中心坐標；胡飛等[21]設計了一套機器視覺系統，用于實時測量各穴孔中幼苗葉片面積、判斷是否適合移栽作業、確定適合移栽幼苗的抓取位置；賀磊盈等[22]基于貪心遺傳算法對穴盤空穴補苗時的補栽路徑規劃進行了研究；童俊華等[23-25]針對溫室內缽苗稀植移栽利用貪心遺傳算法、遺傳算法進行了優化穴盤苗移栽路徑研究。在成苗移栽過程補苗方面，劉姣娣等[26]開發了自動補苗裝置并通過PID控制實現了大田移栽時缺苗的補苗；金鑫[27]開發的自動識別取苗系統通過對幼苗莖桿進行識別，通過光電傳感器獲取穴格苗的信息并判斷穴盤穴格有無苗；吳儉敏等[28]設計了穴盤缽苗自動識別及控制裝置可使移栽機漏栽率降低12%。上述通過圖像處理進行幼苗識別、空穴檢測的研究成果，幼苗識別準確率在82%～98%，仍不能實現幼苗100%準確識別，且隨著苗齡增加葉片出現重疊時幼苗識別成功率降低，而成苗移栽定植時通過增加補苗裝置減少漏栽又增加了自動移栽機的復雜性。因此，在育苗早期幼苗葉片多集中在穴孔區域，幼苗識別成功率高，是進行穴盤缺苗檢測、補苗的最佳時期；為了提高缺苗檢測的準確性，缺苗的檢測方法也有待進一步研究。另外，現有研究成果是通過圖像處理獲得的幼苗位置或秧苗中心坐標，未進行穴孔邊界信息獲取研究，以幼苗位置或秧苗中心確定的取苗中心一般與穴孔中心不一致，但育苗早期補苗要求將備用同齡穴盤苗的基質與幼苗整體取出以避免損傷幼苗[1]，如果以幼苗位置或中心坐標作為補苗時取苗中心點，取苗機構與穴盤的穴格將產生干涉，甚至難以取出缽苗；未獲取待補苗穴盤空穴的邊界信息，不能為補苗機械手取出待補苗穴孔中的無苗基質、補入同齡穴盤苗提供精確的穴孔位置，補苗難以自動完成。因此，通過圖像處理準確確定穴盤苗的幼苗圖像信息、穴孔邊界并進行缺苗檢測是自動補苗的基礎。

為了進一步提高穴盤苗識別的成功率、穴孔空穴的檢測成功率并同步獲得其穴孔邊界，該文研制了蔬菜穴盤苗缺苗檢測與自動補苗試驗臺，將僅對其幼苗識別、缺苗檢測性能和穴孔定位技術進行試驗研究，為蔬菜穴盤苗自動補苗提供穴盤苗信息和精確的穴孔邊界信息。

1 蔬菜穴盤苗自動補苗試驗臺

1.1 硬件組成

蔬菜穴盤苗自動補苗試驗臺由缺苗檢測系統、補苗系統組成，如圖1所示。

圖1 蔬菜穴盤苗自動補苗試驗臺Fig.1 Test-bed of automatic seedling supplementing for vegetable plug seedlings

缺苗檢測系統由工業相機、計算機、控制器組成，工業相機安裝在機架中央上方，為JHSM300E型CMOS工業相機，300萬有效像素，具有AN006外觸發接口，配合相應的CameraApp程序能夠實現圖像采集。工業相機觸發拍照由計算機通過發送命令給控制器的單片機來實現。補苗系統由橫向滑臺、縱向滑臺、垂直滑臺、補苗末端執行器組成，控制器接收計算機信號控制補苗系統各部件工作，使補苗末端執行器到達指定預定穴盤穴孔位置并由穴孔取出無苗基質或備用同齡缽體苗，或將已取出的備用同齡缽體苗補入等補苗的目標穴孔[29-30]。

1.2 缺苗檢測軟件設計

MATLAB軟件具有十分豐富的圖形控件，能夠解決圖像識別的常見應用問題[31-32]。缺苗檢測圖像處理程序在MATLAB環境下編寫，使用的MATLAB 7.0圖像處理工具箱（image processing toolbox）提供的函數有imread，graythresh，imbw，imerode，imdilate，bwlabeln，regionprops，分別用于從指定文件讀取圖像、Otsu方法計算圖像閾值、圖像閾值分割、形態學腐蝕運算、形態學膨脹運算、標記單連通域、統計連通域的特征。利用上述函數對所采集的圖像進行處理，提取出幼苗特征信息與穴盤框架信息，統計各孔穴中幼苗像素葉面積，計算缺苗孔穴的坐標位置。穴盤缺苗圖像處理、分析流程見圖2。

圖2 穴盤缺苗圖像處理與分析流程圖Fig.2 Flowchart for image processing and analysis for seedling shortage in plug tray

1)利用imread函數讀取由工業相機拍攝的原始RGB圖像。RGB圖像即彩色圖像，是利用R、G、B3個分量標識1個像素的顏色，R、G、B分別代表紅、綠、藍3個顏色分量。讀取彩色圖像后按圖像像素位置和顏色通道將圖像數值化為n×m×3矩陣，表示為I(i,j,c)，其中i為像素縱坐標，i=1,2,……n，n為像素數組的列數；j為像素橫坐標，j=1,2,……m，m為像素數組的行數；c為R、G、B的顏色通道，c=1,2,3。

2)針對將要提取的幼苗或穴盤圖像，對R、G、B顏色分量采用不同的線性變換實現灰度化處理，獲得灰度圖；

3)對幼苗灰度圖進行閾值分割、去噪聲處理（即對圖形進行形態學腐蝕運算與膨脹運算，然后標記單連通域、統計連通域的特征，去除孤立的小面積區域），獲得幼苗特征圖像；對穴盤灰度圖閾值分割后去除幼苗特征圖像處理，再進行去噪處理，并根據穴盤表面圖像在橫縱方向連續區域與有穴孔區域像素值不同以及穴盤的規格化結構，獲得穴孔邊界與中心位置；

4)綜合穴盤穴孔位置與幼苗特征圖像，對穴孔內幼苗特征圖像的像素進行統計，獲得每一穴孔內幼苗的像素統計值；

5)設定不同苗齡時是否有苗的像素閾值，判斷是否有苗，并記錄無苗穴孔位置；然后判斷剩余穴孔數N是否為0即是否檢測完所有穴孔，依次判定每個穴孔是否有苗，直到檢測完成所有穴孔。

2 穴盤苗幼苗、穴盤特征提取與缺苗判定

對蔬菜穴盤苗圖像處理主要包括圖像獲取、圖像增強、圖像分割、特征提取等，通過對穴盤苗圖像處理獲得幼苗特征圖像、穴孔邊界信息，并依據穴孔邊界內幼苗特征圖像像素統計值進行空穴判定。

2.1 圖像獲取與數字化

因不同幼苗在育苗早期葉片多以綠色為主，且葉片基本分布在穴孔區域，故以實驗室正在培養的擬南芥幼苗作為圖像采集對象。擬南芥采用32孔標準穴盤育苗，穴盤規格為540 mm×280 mm，穴孔上口徑為55 mm×55 mm。圖像采集于2016年4月15日、25日進行，在自然光線條件下利用工業相機采集苗齡分別為25、35 d的擬南芥穴盤苗的彩色圖像各6幅，因同齡幼苗形態差異較小，僅以典型的每種苗齡1幅彩色圖像進行分析，如圖3所示。

圖3 不同苗齡擬南芥穴盤苗彩色圖像Fig.3 Color image of Arabidopsis plug seedling with different seedling age

缺苗檢測軟件讀取采集的穴盤苗彩色圖像，并將彩色圖像按圖像像素坐標建立像素值的三維矩陣I(i,j,c)，實現圖像數字化。

2.2 幼苗特征圖像提取

幼苗特征圖像提取過程主要有灰度化處理、灰度閾值分割、噪聲去除。因不同苗齡幼苗圖像處理方法相同，僅以苗齡25 d的擬南芥幼苗圖像為例進行分析。

2.2.1 灰度化處理

擬南芥穴盤苗彩色圖像中，土壤基質、穴盤區域有較大R、B值，其G值小于幼苗區域的G值，為了區別綠色植物與非植物背景，對彩色圖像利用特定灰度化因子放大G分量的影響，對圖像進行灰度化處理，突出植物的綠色特征。對苗齡25 d的擬南芥穴盤苗彩色圖像的矩陣I(i,j,c)中每一元素分別進行3I(i,j,2)-I(i,j,1)-I(i,j,3)、2I(i,j,2)-I(i,j,1)-I(i,j,3)變換處理，即采用灰度化因子3G(i,j)-R(i,j)-B(i,j)、2G(i,j)-R(i,j)-B(i,j)灰度化，得到超綠特征的灰度圖像如圖4所示。

圖4 不同灰度因子下苗齡25 d擬南芥穴盤幼苗灰度圖像Fig.4 Gray image of Arabidopsis plug seedlings with seedling age of 25 d under different grays cale factors

2.2.2 灰度閾值分割

灰度圖像的閾值化分割算法是圖像分割中應用最多的方法，灰度圖像取單閾值分割后可以得到1幅二值圖像。Otsu算法是圖像分割中閾值選取的常用算法之一，能夠把圖像的灰度數按灰度級分成2個部分，使得2部分之間的灰度值差異最大，每部分之間的灰度差異最小，不受圖像亮度和對比度影響[33]。因此，采用Otsu閾值分割算法函數，對所獲得的穴盤苗灰度圖進行閾值分割，結果如圖5所示。

圖5 不同灰度因子下苗齡25 d擬南芥穴盤幼苗二值圖像Fig.5 Binary image of Arabidopsis plug seedling with seedling age of 25 d under different gray scale factors

由圖5知，選取3G(i,j)-R(i,j)-B(i,j)灰度化因子的灰度圖采用Otsu法閾值分割后，二值圖像中包含除幼苗葉片外的其他像素點，穴盤正上方反光處被錯誤分類。而選取2G(i,j)-R(i,j)-B(i,j)因子灰度化再進行Otsu法閾值分割，可以消除幼苗以外區域的大部分其他圖像點，分割效果較好，即選取該因子灰度化再利用Otsu閾值分割算法，在較寬范圍光照條件下，能夠滿足捕捉幼苗“綠色”特征的要求。

2.2.3 噪聲去除

通過閾值分割后的穴盤苗二值圖像還包含噪聲，對后續的處理造成干擾，甚至影響結果的正確率，因此去除噪聲是圖像二值化后的必要環節。在二值圖像處理中，常用的噪聲去除方法包括以腐蝕、膨脹為基礎的開運算、閉運算。觀察圖5b二值圖像可以看出，與幼苗區域相比，噪聲多為分散的小面積單連通區域，故以像素點為單位計算所有的單連通區域面積，然后設定閾值，再將所有面積值小于此閾值的區域像素值置0，以去除此類噪聲。經試驗，采用‘disk’2×2型結構元素對所得的二值圖像進行開運算，平滑幼苗區域邊緣，再計算各單連通區域面積，設定面積閾值去除孤立的小面積噪聲區域，能夠達到較好的去除效果，結果如圖6，基本完全消除了幼苗以外的其他圖像信息。

圖6 苗齡25 d擬南芥穴盤幼苗去噪后二值圖像Fig.6 Binary images after de-noising of Arabidopsis plug seedlings with seedling age of 25 d

2.3 穴盤特征圖像提取與穴格邊界確定

2.3.1 穴盤特征圖像提取

穴盤特征圖像提取過程包括灰度化處理、閾值分割、去除幼苗圖像、噪聲去除，主要處理結果如圖7所示。因穴盤苗圖像的穴盤部分具有相同的灰度值，所以采用與幼苗圖像處理同樣的灰度閾值分割方法提取穴盤特征信息。選取適當的灰度閾值能夠有效地分離穴盤灰度圖像的土壤基質與穴盤，分割結果如圖7a所示。

圖7 穴盤二值圖像Fig.7 Binary images of plug tray

由圖7a知，灰度閾值分割后的穴盤二值圖像仍有幼苗的圖像信息，為了不影響后期穴盤與穴孔基質的準確區分、穴孔邊界的精確確定，綜合上述處理獲得的幼苗特征圖像，在圖7a中去除圖6所示幼苗區域的特征圖像，結果如圖7b所示。由圖7b知，去除幼苗圖像信息的穴盤二值圖像基本顯示出穴盤表面和大部分孔穴的邊界，但由于穴盤表面部分區域存在基質，另外土壤基質的灰度值與穴盤灰度值有重疊部分，穴盤表面包含了大量表示基質的區域，穴孔邊界仍模糊不清。觀察圖7b發現，二值圖像中穴盤部分連續，而穴孔中基質具有該灰度值的區域多呈現分散的點狀。為了消除這些點狀區域對判斷精度影響，采用腐蝕與面積閾值去除的方法，對圖7b的圖像進行去噪處理，得到較清晰的穴盤表面特征圖像如圖7c所示。

2.3.2 穴孔邊界確定

由圖7c圖像結果已可以確定多數穴孔的位置，但存在部分穴孔邊界不清楚問題，不能準確判定穴孔邊界與中心位置，不能為補苗末端執行器提供精確的位置信息，故還需進一步精確確定穴孔的邊界。因穴孔具有標準結構且在穴盤上呈方陣排列，穴孔間的穴盤表面部分的圖像在橫向、縱向呈連續條狀，所以可以利用穴盤圖像像素統計值隨橫坐標、縱坐標變化的規律確定穴孔邊界。對圖7c每一列、每一行分別統計像素值得到穴盤表面像素統計值與隨行、列像素坐標的變化關系如圖8所示。

圖8 穴盤二值圖像各行、列像素統計值Fig.8 Row and column pixel statistical value of binary images of plug tray frame area

由圖8知，橫向、縱向波峰兩側與穴孔邊界一一對應，波峰兩側坐標即為該穴孔邊對應像素點的坐標，根據行、列像素統計值的波峰橫坐標與峰寬度、波峰兩側的橫縱像素坐標，同時結合穴盤穴孔的規格化結構，即可準確地確定每個孔穴邊界及其中心坐標位置，既為穴孔是否缺苗判定時統計幼苗像素提供了明確的邊界，也為補苗末端執行器提供精確的位置信息。

2.4 缺苗判斷

現代工廠化育苗均采用精量播種，穴盤穴孔填加基質后經壓穴工序，使穴孔中的基質表面呈錐孔，播種后種子基本位于穴孔中心，因此幼苗在育苗早期子葉、真葉一般在穴孔區域內。缺苗判斷原理：在幼苗特征的二值圖像中，白色部分為幼苗，像素值設為1，其余黑色部分為非幼苗區域，其像素值設為0；根據上述確定的穴孔邊界，對每穴孔邊界內的幼苗圖像素進行統計，如果像素統計值之和大于設定閾值即為有苗，反之缺苗。

對試驗采集的苗齡為25、35 d的擬南芥穴盤苗各6幅彩色圖像均按照上述方法進行了幼苗與穴盤特征圖像提取、穴格邊界確定、穴孔內幼苗圖像像素統計，然后對穴孔是否缺苗進行判定。因同齡幼苗長勢基本一致，其子葉及真葉的面積相差較小，同齡穴盤苗圖像處理結果、幼苗像素統計結果類似，故僅以圖3中苗齡為25、35 d擬南芥穴盤苗的處理結果為例進行分析。圖3中苗齡為25、35 d的擬南芥穴盤苗各穴孔幼苗像素統計值如表1所示。

表1 擬南芥穴盤苗各穴孔幼苗投影面像素統計值Table 1 Pixel statistical value of plug hole projection planes of Arabidopsis plug seedlings

由表1知，苗齡為25、35 d擬南芥穴盤苗，有苗穴孔的幼苗像素統計值分別為1895～4572、3386～8710，而無苗穴孔的幼苗像素統計值均為0，有苗穴孔與無苗穴孔的像素統計值差異極顯著；對照苗齡25、35 d的擬南芥穴盤苗彩色圖像知，缺苗檢測結果與穴盤穴孔有無幼苗的實際情況完全相符，因此，可以通過圖像識別的方法進行穴盤苗缺苗檢測并確定穴孔位置。另外，幼苗像素統計值與其葉的投影面積相對應，表1中顯示同齡幼苗葉片投影響面積有較大差異，其值直接反應幼苗的長勢，在實際補苗過程中，可以根據幼苗在不同生長階段設定合適的面積閾值，對與小于設定閾值的幼苗檢測時判斷為發育不良幼苗，對缺苗、發育不良苗的穴孔統一補入同齡且面積閾值達到要求的健康苗，從而為全自動移栽提供長勢一致、無空穴的穴盤苗。

為了進一步驗證系統對缺苗檢測的效果，對苗齡為25、35 d擬南芥穴盤苗各6盤分別進行缺苗檢驗，并計算空穴和有苗穴檢測的準確率，結果如表2，缺苗檢測系統對空穴、有苗穴的判定正確率均為100%。可見，缺苗檢測系統對育苗早期不同苗齡穴盤苗缺苗檢測具有良好的適應性。但對不同種類和不同規格穴盤的幼苗其檢測方法與效果還有待進一步研究。

表2 32穴標準穴盤擬南芥苗缺苗檢測結果Table 2 Results of seedling shortage detection for Arabidopsis seedlings in standard plug tray with 32 holes

3 結論

由于種子質量、育苗環境等因素造成蔬菜穴盤苗空穴多的問題，為了消除穴盤苗空穴，研制了以缺苗檢測系統、補苗系統為核心部件的蔬菜穴盤苗自動補苗試驗臺，缺苗檢測系統由CMOS工業相機、控制器、計算機組成的圖像獲取硬件系統和在MATLAB環境下編寫的圖像處理軟件系統組成，能夠自動完成穴盤苗圖像采集與處理。

1）通過對穴盤苗彩色圖像的R、G、B3個顏色分量采用不同的線性變換獲得幼苗和穴盤的灰度圖，對幼苗灰度圖進行閾值分割、去噪處理能夠有效提取出幼苗特征圖像；穴盤灰度圖經閾值分割、去除幼苗特征信息、降噪處理得到穴盤特征圖像，并根據穴盤特征圖像像素在行列統計值峰值與峰寬以及穴盤規格化結構，能夠準確地確定每個穴孔的邊界，為缺苗檢測提供了幼苗圖像特征信息所在穴孔的范圍。

2）對苗齡為25、35 d的擬南芥穴盤苗各192穴進行缺苗檢測，結果表明：穴孔邊界內有苗穴孔與無苗穴孔的幼苗像素統計值差異極顯著，以幼苗圖像像素統計值判斷穴盤的空穴、有苗穴正確率均為100%；幼苗像素統計值與其莖葉投影面積相對應，可以通過幼苗生長期設定健康苗閥值并去除發育不良的幼苗。

[1]梁喜鳳，肖璽澤，朱宇豪，等.子葉期缽苗補苗末端執行器設計與試驗[J].農業工程學報，2018，34(9)：49－57.Liang Xifeng,Xiao Xize,Zhu Yuhao,et al.Design and experiment on pot-seedling supplementing end-effector for vegetables in cotyledon phase[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2018,34(9):49－57.(in Chinese with English abstract)

[2]陳清，云建，陳永生，等.國內外蔬菜移栽機械發展現狀[J].蔬菜，2016(8):76－79

[3]Parish R L. Current developments in seeders and transplanters for vegetable crops[J].Hort Technology,2005,15(2):346－351.

[4]王永維，何焯亮，王俊，等.旱地蔬菜缽苗自動移栽機栽植性能試驗[J].農業工程學報,2018,34(3):19－25.Wang Yongwei,He Zhuoliang,Wang Jun,et al.Experiment on transplanting performance of automatic vegetable pot seedling transplanter for dry land[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2018,34(3):19－25.(in Chinese with English abstract)

[5]于曉旭，趙勻，陳寶成，等.移栽機械發展現狀與展望[J].農業機械學報,2014,45(8):44－53.Yu Xiaoxu,Zhao Yun,Chen Baocheng,et al.Current situation and prospect of transplanter[J].Transactions of the Chinese Society for Agricultural Machinery,2014,45(8):44－53.(in Chinese with English abstract)

[6]梁喜鳳，蔡陽陽，王永維.番茄缽苗自動移栽缽體物理機械特性試驗[J].浙江大學學報：農業與生命科學版，2015，41(5):616－622.Liang Xifeng,Cai Yangyang,Wang Yongwei.Experiment on physical and mechanical properties of tomato seedling pot for automatic vegetable transplanter[J].Journal of Zhejiang University：Agric&Life Sci,2015,41(5):616－622.(in Chinese with English abstract)

[7]倪有亮，金誠謙，劉基.全自動移栽機取送苗系統的設計與試驗[J].農業工程學報,2015,31(23):10－19.Ni Youliang,Jin Chengqian,Liu Ji.Design and experiment of system for picking up and delivering seedlingsin automatic transplanter[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2015,31(23):10－19.(in Chinese with English abstract)

[8]王永維，唐燕海，王俊，等.蔬菜缽苗高速移栽機吊杯式栽植器參數優化[J].農業機械學報，2016，47(1):91－100.Wang Yongwei,Tang Yanhai,Wang Jun,et al.Parameters’optimization forthe dibble-type planting apparatusof vegetable pot seedling transplanter in high-speed condition[J].Transactions of the Chinese Society for Agricultural Machinery,2016,47(1):90－100.(in Chinese with English abstract)

[9]金鑫，李樹君，楊學軍，等.蔬菜缽苗取苗機構運動分析與參數優化[J].農機化研究，2014，36(7)：13－17.Jin Xin,Li Shujun,Yang Xuejun,et al.Motion analysis for vegetable potted seedling pick-up mechanism with double crank geared linkages[J]. Journal of Agricultural Mechanization Research,2014,36(7):13－17.(in Chinese with English abstract)

[10]韓長杰，楊宛章，張學軍，等.穴盤苗移栽機自動取喂系統的設計與試驗[J].農業工程學報,2013,29(8):51－61.Han Changjie,Yang Wanzhang,Zhang Xuejun.Design and test of automatic feed system for tray seedlings transplanter[J].Transactions ofthe Chinese Society of Agricultural Engineering(Transactions of the CSAE),2013,29(8):51－61.(in Chinese with English abstract)

[11]李華，曹衛彬，李樹峰，等.2ZXM-2型全自動蔬菜穴盤苗鋪膜移栽機的研制[J].農業工程學報,2017,33(15):23－33.Li Hua,Cao Weibin,Li Shufeng,et al.Development of 2ZXM-2 automatic plastic film mulching plug seedling transplanter for vegetable[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2017,33(15):23－33.(in Chinese with English abstract)

[12]瓜菜作物種子 第3部分:茄果類：GB 16715.3-2010[S].

[13]Onyango C M,Marchant J A.Segmentation of row crop plants from weeds using colour and morphology[J].Computers and Electronics in Agriculture,2003,39(3):141－155.

[14]陳曉光，周云山，盧賢繼.圖象處理技術在蔬菜栽培中的應用[J].農業工程學報,1994,10(4):131－136.Chen Xiaoguang,Zhou Yunshan,Lu Xianji.The application of image processing technology in vegetable cultivating[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),1994,10(4):131－136.(in Chinese with English abstract)

[15]任燁.基于機器視覺設施農業內移栽機器人的研究[D].杭州：浙江大學，2007.Ren Ye.DevelopmentofTransplantingrobotin Facility Agriculture Based on Machine Vision[D].Hangzhou:Zhejiang University,2007.(in Chinese with English abstract)

[16]蔣煥煜，施經揮，任燁，等.機器視覺在幼苗自動移缽作業中的應用[J].農業工程學報,2009,25(5):127－131.Jiang Huanyu,Shi Jinghui,Ren Ye,et al.Application ofmachine vision on automatic seedling transplanting[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2009,25(5):127－131.(in Chinese with English abstract)

[17]Tai Y W,Ling P P,Ting K C.Machine vision assisted robotic seedling transplanting[J].Transactions of the ASAE,1994,37(2):661－667.

[18]Ryu K H,Kim G,Han J S.Development of a robotic transplanter for bedding plants[J]J Agric.Engng Res,2001,78(2):141－146

[19]Albertus J V V. Multiple transplanting apparatus:US20040020110A1[P].2004-02-05.

[20]郁玉峰.三平移并聯移栽機器人及其視覺系統研究[D].鎮江：江蘇大學.2007.Yu Yufeng.Three Translations Parallel Transplant Robot and It’s Machine Vision System [D].Zhenjiang:Jiangsu University,2007.(in Chinese with English abstract)

[21]胡飛，尹文慶，陳彩蓉，等.基于機器視覺的穴盤幼苗識別與定位研究[J].西北農林科技大學學報：自然科學版,2013,41(5):183－188.Hu Fei,Yin Wenqing,Chen Cairong,et al.Recognition and localization of plug seedling based on machine vision[J].Journal of Northwest A&F University:Natural Science Edition,2013,41(5):183－188.(in Chinese with English abstract)

[22]賀磊盈，楊太瑋，武傳宇，等.基于貪心遺傳算法的穴盤苗補栽路徑優化[J].農業機械學報,2017,48(5):36－43.He Leiying,Yang Taiwei,Wu Chuanyu,et al.Optimization ofreplugging tourplanning based on greedy genetic algorithm[J].Transactions ofthe Chinese Society for Agricultural Machinery,2017,48(5):36－43.(in Chinese with English abstract)

[23]童俊華，蔣煥煜，武傳宇.基于貪心算法的溫室缽苗稀植移栽路徑優化[J].農業機械學報,2016,47(3):8－13.Tong Junhua,Jiang Huanyu,Wu Chuanyu.Optimization of seedlings lower density transplanting path based on greedy algorithm[J].Transactions ofthe Chinese Society for Agricultural Machinery,2016,47(3):8－13.(in Chinese with English abstract)

[24]童俊華，蔣煥煜，周鳴川.基于遺傳算法的穴盤苗自動移缽路徑優化[J].農業機械學報,2013,44(4):45－49,26.Tong Junhua,Jiang Huanyu,Zhou Mingchuan.Optimization of seedling transplanting path based on genetic algorithm[J].Transactions of the Chinese Society for Agricultural Machinery,2013,44(4):45－49,26.(in Chinese with English abstract)

[25]童俊華.蔬菜缽苗穴盤間移栽執行器設計、移栽信息檢測與路徑規劃[D].杭州：浙江大學.2014 Tong Junhua.End-effectDesign,Seedling Information Inspection and Path Planning for Transplanting between Vegetable Seedling Trays[D]. Hangzhou: Zhejiang University,2007.(in Chinese with English abstract)

[26]劉姣娣，曹衛彬，許洪振，等.自動補苗裝置精準定位自適應模糊PID控制[J].農業工程學報,2017,33(9):37－44.Liu Jiaodi,Cao Weibin,Xu Hongzhen,et al.Adaptive fuzzy-PID control of accurate orientation for auto-detect seedling supply device[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2017,33(9):37－44.(in Chinese with English abstract)

[27]金鑫.蔬菜穴盤苗自動移栽技術與裝置的研究[D].北京：中國農業大學，2014.Jin Xin.Research on Automatic Transplanting Technology and Device for Vegetable Plug Seedling[D].Beijing:China Agricultural University,2014.(in Chinese with English abstract)

[28]吳儉敏，張小超，金鑫，等.穴盤缽苗自動識別及控制裝置的設計與試驗[J].農業工程學報,2015,31(1):47－52.Wu Jianmin,Zhang Xiaochao,Jin Xin,et al.Design and experiment on transplanter pot seedling disk conveying and positioning control system[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2015,31(1):47－52.(in Chinese with English abstract)

[29]肖璽澤，王永維，王俊，等.穴盤苗包裹式補苗專用機械爪及補苗方法：201610709136.9[P].2017-02-01.

[30]王俊，任奇鋒，謝盧鑫.自動補苗機構械作業裝置:201510051121.3[P].2015-02-01.

[31]求是科技.MATLAB7.0從入門到精通[M].北京:人民郵電出版社，2006:393－395.

[32]胡小峰，趙暉.Visual C++與MATLAB圖像處理與識別實用案例精選[M].北京:人民郵電出版社， 2004:93－95.

[33]付忠良.圖像閾值選取方法-Otsu方法的推廣[J].計算機應用， 2000， 20(5)： 37－39.