Abstract: In recent years, because of lay particular stress on a large number of elements in the process of soybean production of nitrogen application of phosphorus fertilizer, organic fertilizer applied gradually reduce, trace elements(such as manganese, boron, zinc, molybdenum)fertilizers more far did not cause enough attention, causing the soil nutrient imbalance, serious lack of trace elements. Combining with micronutrient fertilizer on soybean production status at home and abroad research method, test method and its application research how to implement the soybean growth environment for the growth process of real-time detectionmethods, to improve quality and yield soybean has important research significance, and points out the future research direction.

Key words： soybean   Image recognition   Single chip microcomputer   Trace elements

【中图分类号】TP391.413 【文献标识码】B  文章编号1606-5123（2018）08-0000-00

1 引言

中国每年净进900万吨左右的食用植物油，其中100万吨左右是大豆油。而且，中国大豆贸易的这种进出口格局在相当长的一段时期内不会改变。为改变中国大豆贸易的国际格局且受限于大豆种植面积的限制，应当将提高国产大豆单产、提高大豆高蛋白品质作为下一步发展的重点。本文研究基于图像识别的大豆微生长环境智能车检测系统，通过智能车移动采集大豆外观信息，进而判断大豆的健康状况，具有一定的应用价值。

2 方案设计

本系统为大豆叶片检测系统，由硬件系统和软件系统组成，硬件由飞思卡尔C型车，K60单片机，线性CCD摄像头，驱动模块组成。软件部分由作者在IAR环境下自行编写。

大豆叶片检测系统主要分为主控单元模块、实现图像采集的线性CCD摄像头模块及运动状态控制的驱动电路等部分组成。

2.1 主控单元模块

主控单元模块，由单片机、晶振电路以及复位电路构成。如图1所示。

2.2  线性CCD摄像头模块

CCD，英文全称：Charge-coupled Device，中文全称：电荷耦合元件，是一种半导体器件，能够把光学影像转化为数字信号。线性CCD摄像头模块电原理如图2所示。

CCD广泛应用在数码摄影、天文学，尤其是光学遥测技术、光学与频谱望远镜和高速摄影技术如Lucky imaging。CCD采集点阵数列，即包括x、y两个方向用于摄取平面图像。将采集到的点阵数列上传到上位机后，程序将把大豆叶片上不正常颜色所对应的点阵数字标记出来，一次来快速辨别大豆叶片的健康与否。

2.3 驱动电路

驱动电路(Drive Circuit)，位于主电路和控制电路之间，用来对控制电路的信号进行放大的中间电路(即放大控制电路的信号使其能够驱动功率晶体管)，称为驱动电路。如图3所示。

驱动电路主要功能是接入电源为7.2V的电池，经K60的PWM调节后输出合适的电流进入智能车电动机，以维持一个合适的速度。

3 控制软件设计

控制系统由主程序、行驶程序、图像采集程序、图像信息分析程序组成。

3.1 行驶程序范例

3.3 图像信息分析

(1)将采集到的像素点数值上传至上位机后，将人为规定正常叶片像素范围与非正常叶片像素范围。

(2)将采集到的像素点数值全部输入由程序输入到一个新建文本，并将处于非正常像素范围的数值进行标记，让叶片健康状况简单由数字表现出来。

4 结束语

本文研究基于图像识别的大豆微生长环境智能车检测系统。该系统主要由硬件系统和软件系统组成，硬件由主控单元模块，线性CCD摄像头及驱动模块组成；软件部分由由主程序、行驶程序、图像采集程序、图像信息分析程序组成。系统通过智能车移动采集大豆外观图像信息，进而通过软件判断大豆的健康状况，能够提升大豆检测的智能化水平，具有一定的实际应用价值。

参考文献

[1]曹敏.基于图像处理技术的大豆植株氮素测定研究[D].吉林大学.2005.

[2]李妍.玉米大豆水稻图像识别方法研究[D].黑龙江八一农垦大学.2017.

[3]黄绍祥，杨传民，常淑英等.喷涂参数及带速对大豆蛋白液喷涂平均密度的影响[J].包装工程，2016,(23)：78-82.

[4]胡维炜，张武，刘连忠等.利用图像处理技术计算大豆叶片相对病斑面积[J].江苏农业学报，2016,(4)：774-779.

[5]孙玮璘．大豆外观品质与蛋白质含量的相关性分析[D].东北农业大学.2016.

[6]杨森森．基于DSP与ARM的大豆籽粒视觉分级系统[D].东北农业大学.2016.

作者简介

高保阳 （1995-） 工学学士在读  研究方向：工业自动化专业

蒋善超，男，博士讲师，主要从事检测技术及其工程应用方面的研究。