基于主動熱紅外成像的馬鈴薯與雜質分類方法

孫衛(wèi)孝 劉發(fā)英 楊振宇 韓夢杰 李學強 魏忠彩

摘要：為解決入庫馬鈴薯中石塊、土塊等雜質剔除的問題，提出一種基于主動熱紅外成像的馬鈴薯與雜質分類方法。建立基于集總參數(shù)法的馬鈴薯和雜質的傳熱模型，獲得影響受熱效果與導致溫度差異的因素為材料熱物性、風速、風向角度、風溫；利用有限元法分析馬鈴薯和雜質在外部熱風激勵下的熱像圖，馬鈴薯表面溫度顯著高于石塊與土塊，并對風速、風向角度、風溫分別進行四水平單因素仿真試驗，得出馬鈴薯與雜質的表面溫度差異大小在一定時間內與風速、風向角度和風溫呈非線性正相關。在試驗平臺上對馬鈴薯和雜質進行分類試驗，結果表明：最佳圖像識別處理條件為風速4m/s、風溫為40℃、風向角度為90°，識別成功率為97%。為馬鈴薯收獲—倉儲過程中除雜提供技術參考。

關鍵詞：馬鈴薯；熱激勵；熱紅外成像；雜質剔除

中圖分類號：S226.5

文獻標識碼：A

文章編號：20955553 （2024） 02014308

收稿日期：2022年7月8日 ?修回日期：2022年9月29日

基金項目：山東省科技型中小企業(yè)創(chuàng)新能力提升工程項目（2021TSGC1420）；山東省農業(yè)重大應用技術創(chuàng)新項目（SD2019NJ010）； 國家自然科學基金項目（52105266）；中國博士后科學基金面上資助項目（2021M701801）

第一作者：孫衛(wèi)孝，男，1998年生，江蘇連云港人，碩士研究生；研究方向為農業(yè)機器人與機器人視覺技術。Email： 5921028@qq.com

通訊作者：楊振宇，男，1973年生，江西宜春人，博士，副教授，碩導；研究方向為農業(yè)機器人與機器人視覺技術。Email： 05338@163.com

Classification of potato and impurities based on active thermal infrared imaging

Sun Weixiao1， Liu Faying2， Yang Zhenyu1， 3， Han Mengjie1， Li Xueqiang3， Wei Zhongcai4

（1. School of Mechanical Engineering， Shandong University of Technology， Zibo， 255000， China; 2. School of

Electrical and Electronic Engineering， Shandong University of Technology， Zibo， 255000， China; 3. Shandong Provincial

Intelligent Engineering and Technology Research Center of Potato Production Equipment， Dezhou， 253600， China;

4. School of Agricultural Engineering and Food Science， Shandong University of Technology， Zibo， 255000， China）

Abstract：

Aiming at the problem of removing impurities such as rocks and clods from stored potatoes， a classification method of potato and impurities based on active thermal infrared imaging was proposed. Firstly， the heat transfer model of potato and impurity was established based on lumped parameter method， and the factors affecting the heating effect and leading to temperature difference were obtained as material thermal properties， wind speed， wind direction angle and wind temperature. Then， using the finite element method （FEM） to analyze the thermal image of potatoes and impurities under the hot air excitation， the potato surface temperature was significantly higher than that of rocks and clods， and four level single factor simulation experiment was carried out for the wind speed， wind direction angle and wind temperature respectively， and it was concluded that the difference in surface temperature of potatoes and impurities was nonlinear and positively related to the wind speed， wind direction Angle and wind temperature in a certain period of time. Finally， potatoes and impurities were classified on the test platform. The experimental results showed that the optimal image recognition conditions were wind speed of 4m/s， wind temperature of 40℃?and wind direction angle of 90°， and the recognition success rate was 97%. It can provide technical reference for potato removal in harvestingstorage process.

Keywords：

potato; thermal excitation; thermal infrared imaging; impurity removal

0 引言

我國是馬鈴薯生產大國，種植面積與產量均居世界第一位［12］。隨著我國“馬鈴薯主糧化”政策的實施，馬鈴薯產業(yè)發(fā)展規(guī)模得到進一步擴大。馬鈴薯收獲環(huán)節(jié)是馬鈴薯產業(yè)的重要組成部分，現(xiàn)階段馬鈴薯收獲方式一般為機械化收獲，收獲過程中不可避免地會摻雜土塊與石塊等雜質。摻雜的雜質不僅在收獲輸送過程中會造成馬鈴薯表面擦傷破損，影響馬鈴薯品質，而且會占用馬鈴薯入庫空間，浪費存儲資源。

目前，土塊與石塊分揀主要由人工完成，不僅影響收獲效率，同時增加收獲成本［34］。馬鈴薯收獲過程中的雜質剔除對馬鈴薯收獲效率有著直接的影響，因此，對收獲過程中夾雜的土塊、石塊進行剔除有著非常重要的意義。為了提高馬鈴薯的除雜效率，必須提供有效可靠的除雜檢測方法。耿金鳳［5］利用馬鈴薯、土塊、石塊在光照下的結構差異產生的散射差，對馬鈴薯中異物進行檢測分類。馮志新等［6］獲取原棉RGB圖像，采用Gamma校正方法調整圖像，實現(xiàn)原棉中雜質檢測。陳培俊等［7］對去除陰影后的茶葉與雜質圖像采用霍夫直線變換進行檢測。Meinlschmidt等［8］基于材料熱導率的差異情況，采用熱像儀對巧克力和櫻桃等進行識別檢測。Senni等［9］通過熱成像技術采集被石頭，塑料等污染的餅干圖像，對雜質與餅干衰變曲線的熱發(fā)射率進行比較分析，實現(xiàn)異物檢測。Varith等［10］采用熱紅外成像技術對蘋果瘀傷進行識別。宋子祺［11］提出一種基于熱紅外技術與深度學習的奶牛乳房炎檢測方法。

熱紅外成像技術具有能夠精準迅速采集物體表面溫度的特點［1214］，但由于收獲過程中的馬鈴薯、石塊、土塊，表面溫差極小，在沒有外部熱激勵的情況下，無法通過采集的紅外圖像進行有效分類。本文采用熱風作為外部熱激勵，提出一種主動熱紅外成像的馬鈴薯雜質剔除方法。首先，建立基于集總參數(shù)法的馬鈴薯、土塊、石塊的傳熱模型，獲得影響傳熱效果與導致溫度差異的因素為材料熱物性、風速、風向角度、風溫。再通過fluent仿真試驗分析馬鈴薯、土塊、石塊在外部熱激勵后的表面溫度差異圖像，獲取合適試驗條件和參數(shù)區(qū)間。最后，搭建試驗臺，通過實際試驗進行驗證分析。

1 傳熱模型建立與傳熱影響因素分析

1.1 基于集總參數(shù)法的傳熱模型建立

一般有三種方式能夠實現(xiàn)熱量的傳遞，分別為熱傳導、熱對流、熱輻射［1516］。熱傳導是指物體內部不發(fā)生相對位移，通過分子、原子等微觀粒子的熱運動實現(xiàn)能量交換或傳遞。熱對流為流體的運動，發(fā)生相對位移或冷熱流體相互作用實現(xiàn)熱量的傳遞。自然界中任意物體高于絕對零度時，都會向外散發(fā)輻射，在一定波長范圍內的電磁輻射稱為熱輻射。熱傳導與熱對流都需要進行接觸傳熱，而熱輻射為非接觸方式傳熱。

通過熱紅外成像采集物體表面溫度差異信息，在試驗中可忽略物體內部溫差的非穩(wěn)態(tài)導熱過程，采用集總參數(shù)法來求解物體的溫度與傳熱量。熱風溫度Ta高于馬鈴薯、土塊、石塊溫度，即Ta＞Tp=Ts=Tr（Tp表示馬鈴薯溫度，Ts表示石塊溫度，Tr表示土塊溫度），馬鈴薯、土塊、石塊被加熱，則任意時刻馬鈴薯、土塊、石塊表面與周圍熱風對流換熱的熱流量

Q=αA（Ta-T物）

（1）

式中：

α——

物體表面?zhèn)鳠嵯禂?shù)，W/（m2·℃）；

A——物體的換熱表面積，m2；

T物——物體溫度，℃。

其中表面?zhèn)鳠嵯禂?shù)與熱風的流動狀態(tài)、熱風的物性、傳熱表面的形狀尺寸等有著緊密的聯(lián)系，可用數(shù)學方法表示為

α=f（v，l，pa）

（2）

式中：

v——熱風速度，m/s；

l——

馬鈴薯、石塊、土塊表面特征尺寸，m；

pa——熱風密度，kg/m3。

此時馬鈴薯、土塊、石塊的內能增加量

Q內=d（cpVT）dt=cpVdTdt

（3）

式中：

c——物體比熱容，J/（kg·℃）；

p——物體密度，kg/m3；

V——物體體積，m3。

基于能量平衡原理，馬鈴薯、土塊、石塊單位時間內內能的增加量等于與熱風的換熱量，可得

cpVdTdt=αA（Ta-T物）

（4）

令馬鈴薯、土塊、石塊與熱風之間的溫差f=T物-Ta，則

dff=-αAcpVdt

（5）

設置馬鈴薯、土塊、石塊三者的初始溫度相同。初始時間t=0時，f0為初始溫度，即f（0）=T0-Ta=f0。對式（6）中的時間變量t從0到t積分，可得

ln（f-f0）=-αAcpVt

（6）

再將其化簡可得

f=f0e-αAcpTt

（7）

式（7）表明馬鈴薯、土塊、石塊在熱風作用下，與熱風的溫差會隨著受熱時間（t）的增加而減小，且馬鈴薯、土塊、石塊的升溫速度與受熱面積、密度、比熱容、熱風溫度、表面?zhèn)鳠嵯禂?shù)密切相關，可根據(jù)該式求出任意時刻馬鈴薯、土塊、石塊的溫度。

1.2 傳熱影響因素分析

馬鈴薯、石塊、土塊在外部熱風作用下屬于強迫對流換熱，在換熱過程中，熱流密度的大小受熱風與馬鈴薯、石塊、土塊之間的溫度差影響，進而影響到傳熱量，溫差越大，即熱風溫度越高，傳熱量越大。

表面?zhèn)鳠嵯禂?shù)α代表馬鈴薯、石塊、土塊與熱風之間的換熱能力。換熱能力的強弱受熱風的速度影響，速度變大，熱風流體與物體之間的速度邊界層與溫度邊界層厚度就會隨之減小，從而會增強熱風與馬鈴薯、石塊、土塊之間的換熱，增大傳熱量。

熱風流體與馬鈴薯、石塊、土塊的換熱量也與熱風作用的角度相關。在熱風與物體對流換熱界面中，對流換熱強度不僅僅取決于熱風的速度與溫度，同時取決于速度場與溫度梯度場之間的夾角，即熱風的作用角度。減小速度矢量與溫度梯度之間的夾角是強化對流換熱的有效措施，所以不同的風向角度會使得熱風流體紊流狀態(tài)強度產生明顯差異，從而造成換熱量差異，進而影響到物體表面溫度。

根據(jù)上述的傳熱影響因素進行單因素仿真試驗，得出馬鈴薯、石塊、土塊在熱風作用下的表面溫度情況。然后結合馬鈴薯、石塊、土塊表面溫度熱像圖與溫度曲線，確定合適進口條件與參數(shù)區(qū)間。最后搭建試驗臺，通過實際試驗驗證分析。

2 仿真試驗與結果分析

2.1 仿真模型

模型采用SolidWorks與WorkBench自帶組件進行參數(shù)化建模，由熱風、底板、馬鈴薯、石塊、土塊五個部分組成，模型尺寸（長×寬×高）為800 mm×500 mm×500 mm。通過改變熱風的進口角度來實現(xiàn)不同熱風作用角度，同時通過改變風速、風溫來實現(xiàn)對這3個傳熱影響因素水平的仿真試驗，仿真模型如圖1所示。

1.熱風出口

2.熱風不同角度進口

3.底板

4.土塊

5.石塊

6.馬鈴薯

考慮到網(wǎng)格適應能力與填充復雜形狀效果，采用四面體網(wǎng)格劃分方式，整體域網(wǎng)格基本尺寸為10 mm，對馬鈴薯、石塊、土塊進行加密處理，加密尺寸為3 mm。網(wǎng)格圖如圖2所示。

2.2 仿真設置

收獲時，由于馬鈴薯、石塊和土塊在潮濕土壤作用下含水率偏高，進而影響馬鈴薯、石塊和土塊的熱物性。根據(jù)傳熱仿真分析需要，設置馬鈴薯、石塊和土塊的密度、導熱系數(shù)、比熱容和熱擴散率的參數(shù)如表1所示。

設置熱風入口速度分別為2 m/s、4 m/s、6 m/s、8 m/s，溫度為30℃、40℃、50℃、60℃，風向角度入口為15°、30°、60°、90°，熱風出口為壓力出口。其中設置風向角度為90°，風速2 m/s進行風溫單因素試驗；設置風向角度為90°，風溫40℃進行風速單因素試驗；設置風速2 m/s，風溫40℃進行風向角度單因素試驗。由于馬鈴薯、石塊、土塊與熱風相互作用，故將外表面都設置成耦合邊界條件?？紤]到馬鈴薯收獲時的季節(jié)溫度，設置馬鈴薯、石塊、土塊初始溫度為15℃。

仿真設定的熱風進口風速與熱風在不同溫度下的運動粘度可由式（8）判斷此時流體雷諾數(shù)Re是否大于臨界雷諾數(shù)。具體熱風雷諾數(shù)參數(shù)如表2所示。

Re=vdγ>Rea

（8）

式中：

Rea——臨界雷諾數(shù)，Rea=2320；

d——進口面當量直徑，m；

γ——運動粘度，m2/s。

由表2可知，熱風在模型中的流動狀態(tài)都為湍流。熱風在流動過程中與馬鈴薯、土塊、石塊會有熱量交換，打開Fluent中的能量方程設置選項。考慮到標準kε模型用于流向有曲率變化或彎曲流線流動時，模擬效果欠缺，故湍流模型選用realizable kε模型。根據(jù)試驗中馬鈴薯、石塊、土塊溫度會隨著熱風作用時間的增加而提高的情況，將傳熱過程按瞬態(tài)傳熱計算。

2.3 模擬結果與分析

根據(jù)上述進口條件進行仿真，設置迭代時間步數(shù)300步，時間步長為1 s，每一個時間步內迭代次數(shù)為5，進行迭代收斂計算。為清楚表現(xiàn)馬鈴薯、石塊和土塊受傳熱因素影響所造成的溫度差異，選定不同溫度區(qū)間的熱像圖。得到的馬鈴薯、石塊、土塊表面溫度熱像圖如圖3所示，其中圖3（a）～圖3（d）為風速單因素試驗熱像圖，溫度區(qū)間為24℃～30℃；圖3（e）～圖3（h）為風向角度單因素試驗熱像圖，溫度區(qū)間為23℃～30℃；圖3（i）～圖3（l）為風溫單因素試驗熱像圖，溫度區(qū)間為20℃～35℃。

以風速2 m/s、風溫40℃、風向角度90°作為進口條件的馬鈴薯、石塊和土塊試驗為例，其表面溫度曲線與正常溫度區(qū)間的表面溫度熱像圖如圖4、圖5所示。

（a） 風速2 m/s

（b） 風速4 m/s

（c） 風速6 m/s

（d） 風速8 m/s

（e） 角度15°

（f） 角度30°

（g） 角度60°

（h） 角度90°

（i） 溫度30℃

（j） 溫度40℃

（k） 溫度50℃

（l） 溫度60℃

由圖4和圖5可知，在40℃的熱風作用300 s后，馬鈴薯表面溫度顯著高于土塊、石塊，這種現(xiàn)象是由于馬鈴薯、石塊、土塊的熱物性不同所造成的熱擴散率差異。當馬鈴薯、石塊、土塊收到熱風帶來的熱量時，馬鈴薯熱擴散率小，向內部傳遞的熱量小，容易積聚表面形成高溫狀態(tài)，從而與石塊、土塊形成溫度差。

熱紅外成像是將物體表面溫度轉化為可見的圖像，并以不同的顏色顯示物體表面溫度分布，即物體之間的溫度差越大，熱像圖顏色差異就越明顯，更容易應用到識別處理中［1719］。由于試驗結果中石塊與土塊表面溫度相近，取馬鈴薯與石塊進行溫度對比。在風速單因素試驗中，得到的馬鈴薯與石塊在不同速度熱風作用下的溫度差曲線如圖6所示。

由圖3和圖6可知，熱風風向角度與溫度一定時，風速越大，在一定時間內馬鈴薯與石塊溫差大，而隨著熱風作用時間的增加，風速過大會使得熱風與馬鈴薯、石塊熱作用劇烈，兩者之間溫度相近，溫度差異小，效果不佳。同時需要考慮到風速過大會使得馬鈴薯失水嚴重，造成塊莖失重與失鮮，影響馬鈴薯品質。綜合選取熱風風速2～4 m/s作為實際試驗區(qū)間。

在風向角度單因素試驗中，得到的馬鈴薯與石塊在不同角度熱風作用下的溫度差曲線如圖7所示。由圖3和圖7可知，熱風速度與溫度一定時，角度越大，馬鈴薯與石塊之間溫差越大，熱像圖顏色差異效果越好，即最佳風向角度為90°。

在風溫單因素試驗中，得到的馬鈴薯與石塊在不同溫度熱風作用下的溫度差曲線如圖8所示。由圖3和圖8可知，熱風風向角度與速度一定時，熱風溫度越高，馬鈴薯與石塊溫差越大。但考慮到溫度過高會影響馬鈴薯生物組織，造成后期儲存腐爛現(xiàn)象，并結合馬鈴薯通過水浴處理降低病毒侵染風險實例［20］，選擇30℃～50℃作為實際試驗的熱風溫度區(qū)間。

3 試驗驗證

3.1 試驗材料和設備

選用山東滕州地區(qū)種植的馬鈴薯“希森3號”作為試驗對象，搭建基于主動熱紅外成像技術的馬鈴薯與雜質分類試驗裝置，如圖9所示，主要包括支架、風扇、發(fā)熱源、紅外熱像儀（FLIR-A655sc菲力爾，美國）、計算機、測溫測速儀（希瑪AR866A，中國）以及馬鈴薯、土塊、石塊。

（a） 示意圖

（b） 實物圖

1.電腦

2.紅外相機

3.風扇

4.石塊

5.土塊

6.馬鈴薯

其中紅外熱像儀具體參數(shù)如下：波長范圍為7.5～14 um，熱靈敏度＜0.01℃，溫度測量范圍為-40℃～800℃，圖像分辨率為640像素×480像素，幀率25幀/s，該設備通過HTTP協(xié)議與計算機通信，實現(xiàn)圖像采集與溫度數(shù)據(jù)傳輸。

3.2 試驗結果分析

綜合仿真試驗得出的最佳風向角度為90°，對熱風的風速水平（2～4 m/s）、風溫水平（30℃～50℃）進行實際組合試驗。通過FLIR Tools軟件采集灰度型熱紅外圖像（由左到右分別為土塊、石塊、馬鈴薯），熱像圖中顏色由黑到白代表物體溫度由低到高，結果如圖10所示。

（a） v：2 m/s，Ta：30℃

（b） v：3 m/s，Ta：30℃

（c） v：4 m/s，Ta：30℃

（d） v：2 m/s，Ta：40℃

（e） v：3 m/s，Ta：40℃

（f） v：4 m/s，Ta：40℃

（g） v：2 m/s，Ta：50℃

（h） v：3 m/s，Ta：50℃

（i） v：4 m/s，Ta：50℃

與圖5的有限元模擬熱像圖對比，可以判斷出實際試驗結果與有限元模擬結果相符，馬鈴薯表面溫度顯著高于石塊、土塊。

對采集的熱像圖進行土塊、石塊識別，讀取熱像圖，將圖像進行二值化處理并反色，設定面積閾值將圖中非相關小面積區(qū)域去除，保留石塊、土塊部分。將圖像反色處理求出二者質心坐標用于后續(xù)抓取剔除，二值化處理、面積求解、質心求解原理公式如式（9）～式（11）所示。

σ2=max［m1（u1－u）2+m2（u2－u）2］

（9）

式中：

u1——

大于閾值T的像素均值；

u2——小于閾值T的像素均值；

u——圖像全局均值；

m1——

像素被分為大于閾值T的概率；

m2——

像素被分為小于閾值T的概率。

當σ2為最大值時，可確定T為最佳閾值。

∮LPdx+Qdy=DQx－Pydxdy

（10）

式中：

P（x，y）、Q（x，y）——

連通區(qū)域D上的連續(xù)函數(shù)且有連續(xù)一階偏導數(shù)；

L——區(qū)域D的邊界曲線。

x0=∑mi=1∑nj=1g（i，j）×i

∑mi=1∑nj=1g（i，j）

y0=∑mi=1∑nj=1g（i，j）×i

∑mi=1∑nj=1g（i，j）

（11）

式中：

m、n——

圖像i、j兩個方向上像素的數(shù)量，個；

g（i，j）——

像素點（i，j）處的灰度值；

x0、y0——質心的橫縱坐標，像素。

不同風速和風溫狀態(tài)下的二值化圖像處理結果如圖11所示。過高的風速、風溫會導致石塊邊緣溫度升高從而產生與馬鈴薯表面相同的白色邊緣輪廓，在圖像提取時會與實際石塊形狀大小產生偏差，進而影響質心坐標準確性。同時，過低的風速、風溫會使得熱像圖中馬鈴薯表面殘留泥土面積過大，與石塊、土塊面積相近，增大區(qū)域閾值去除難度。

由圖10和圖11可知，當風速為4m/s、風溫為40℃、風向角度為90°時，熱像圖成像和圖像處理的效果最好，可應用于石塊和土塊的分類剔除。石塊和土塊的分類結果和質心，如圖12所示，質心坐標為石塊和土塊的機器人剔除提供坐標數(shù)據(jù)，其中石塊質心坐標為（178， 345），土塊質心坐標為（400， 309）。按以上石塊和土塊的分類方法采集500張熱紅外圖像，石塊和土塊的分類成功率為97%。

（a） v：2 m/s，Ta：30℃

（b） v：3 m/s，Ta：30℃

（c） v：4 m/s，Ta：30℃

（d） v：2 m/s，Ta：40℃

（e） v：3 m/s，Ta：40℃

（f） v：4 m/s，Ta：40℃

（g） v：2 m/s，Ta：50℃

（h） v：3 m/s，Ta：50℃

（i） v：4 m/s，Ta：50℃

（a） 石塊

（b） 土塊

4 結論

1） 本研究建立馬鈴薯、石塊、土塊在熱風作用下的瞬態(tài)傳熱模型，利用Fluent有限元模擬軟件模擬馬鈴薯、石塊、土塊在熱風作用下的溫度分布情況，且發(fā)現(xiàn)表面?zhèn)鳠嵯禂?shù)會對馬鈴薯、石塊、土塊受熱激勵效果產生影響，從而建立起表面溫度分布與熱風風速、風溫、風向角度之間的關系。

2） 搭建了基于熱風激勵方式的馬鈴薯、石塊、土塊熱紅外成像試驗平臺，對有限元模擬結果進行驗證，試驗結果與仿真模擬結果相符，表明有限元仿真模擬可以應用于熱紅外成像技術的研究中，為基于熱紅外成像技術的馬鈴薯除雜方法研究提供數(shù)學模型。

3） 根據(jù)理論分析的傳熱影響參數(shù)進行仿真與實際試驗，驗證了熱風溫度、作用角度、速度會對馬鈴薯、石塊、土塊受熱激勵效果產生影響，當風速為4m/s、風溫為40℃、風向角度為90°時，熱像圖成像效果最佳，石塊、土塊等雜質的識別成功率為97%，可為馬鈴薯收獲—倉儲過程中除雜提供技術參考。

參 考 文 獻

［1］楊紅旗， 王春萌. 中國馬鈴薯產業(yè)制約因素及發(fā)展對策［J］. 種子， 2011， 30（5）： 100-103.

Yang Hongqi， Wang Chunmeng. Main restrictive factors and countermeasures of potato industry development in China ［J］. Seed， 2011， 30（5）： 100-103.

［2］羅其友， 劉洋， 高明杰， 等. 中國馬鈴薯產業(yè)現(xiàn)狀與前景［J］. 農業(yè)展望， 2015， 11（3）： 35-40.

Luo Qiyou， Liu Yang， Gao Mingjie， et al. Status quo and prospect of Chinas potato industry ［J］. Agricultural Outlook， 2015， 11（3）： 35-40.

［3］李紫輝， 溫信宇， 呂金慶， 等. 馬鈴薯種植機械化關鍵技術與裝備研究進展分析與展望［J］. 農業(yè)機械學報， 2019， 50（3）： 1-16.

Li Zihui， Wen Xinyu， Lü Jinqing， et al. Analysis and prospect of research progress on key technologies and equipments of mechanization of potato planting ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2019， 50（3）： 1-16.

［4］王相友， 李晏興， 楊振宇， 等. 基于改進YOLO v4模型的馬鈴薯中土塊石塊檢測方法［J］. 農業(yè)機械學報， 2021， 52（8）： 241-247， 262.

Wang Xiangyou， Li Yanxing， Yang Zhenyu， et al. Detection method of clods and stones from impurified potatoes based on improved YOLO v4 algorithm ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2021， 52（8）： 241-247， 262.

［5］耿金鳳. 含雜馬鈴薯中土塊和石塊的激光背向散射成像檢測方法研究［D］. 杭州： 浙江大學， 2019.

Geng Jinfeng. Detection of clods and stones from impurified potatoes using laser backscattering imaging ［D］. Hangzhou： Zhejiang University， 2019.

［6］馮志新， 安浩平， 吳順麗. 基于RGB顏色模型棉花雜質檢測算法［J］. 計算機與現(xiàn)代化， 2013（4）： 99-102.

Feng Zhixin， An Haoping， Wu Shunli. Cotton impurity rate detection system design based on machine vision ［J］. Computer and Modernization， 2013（4）： 99-102.

［7］陳培俊， 伍鐵軍. 去除陰影后利用霍夫直線變換檢測茶葉中的雜質［J］. 機械工程與自動化， 2014（5）： 63-65.

Chen Peijun， Wu Tiejun. Detect impurities in tealeaves by Hough line transform after removing image shadow ［J］. Mechanical Engineering & Automation， 2014（5）： 63-65.

［8］Meinlschmidt P， Maergner V. Detection of foreign substances in food using thermography ［C］. Thermosense Xxiv. SPIE， 2002， 4710： 565-571.

［9］Senni L， Ricci M， Palazzi A， et al. Online automatic detection of foreign bodies in biscuits by infrared thermography and image processing ［J］. Journal of Food Engineering， 2014， 128： 146-156.

［10］Varith J， Hyde G M， Baritelle A L， et al. Noncontact bruise detection in apples by thermal imaging ［J］. Innovative Food Science & Emerging Technologies， 2003， 4（2）： 211-218.

［11］宋子琪. 基于熱紅外圖像的奶牛乳房炎檢測方法研究［D］.楊凌： 西北農林科技大學， 2021.

Song Ziqi. Detection of dairy cow mastitis based on thermal infrared image ［D］. Yangling： Northwest A & F University， 2021.

［12］劉元林， 梅晨， 唐慶菊， 等. 紅外熱成像檢測技術研究現(xiàn)狀及發(fā)展趨勢［J］. 機械設計與制造， 2015（6）： 260-262， 266.

Liu Yuanlin， Mei Chen， Tang Qingju， et al. Research status and development trend of infrared thermal imaging detection technology ［J］. Machinery Design ＆ Manufacture， 2015（6）： 260-262， 266.

［13］魏嘉呈， 劉俊巖， 何林， 等. 紅外熱成像無損檢測技術研究發(fā)展現(xiàn)狀［J］. 哈爾濱理工大學學報， 2020， 25（2）： 64-72.

Wei Jiacheng， Liu Junyan， He Lin， et al. Recent progress in infrared thermal imaging nondestructive testing technology ［J］. Journal of Harbin University of Science and Technology， 2020， 25（2）： 64-72.

［14］戴景民， 汪子君. 紅外熱成像無損檢測技術及其應用現(xiàn)狀［J］. 自動化技術與應用， 2007（1）： 1-7.

Dai Jingmin， Wang Zijun. Infrared thermography nondestructive testing technology and its applications ［J］. Techniques of Automation and Applications， 2007（1）： 1-7.

［15］邱旭， 鐘舜聰， 朱志彬， 等. 聚乙烯管道缺陷的紅外熱成像模擬及實驗研究［J］. 機電工程， 2014， 31（12）： 1513-1517.

Qiu Xu， Zhong Shuncong， Zhu Zhibin， et al. Infrared thermography simulation and experiments of polyethylene pipe defects ［J］. Journal of Mechanical & Electrical Engineering， 2014， 31（12）： 1513-1517.

［16］張強， 孫紹安， 張坤， 等. 基于主動紅外激勵的煤巖界面識別［J］. 煤炭學報， 2020， 45（9）： 3363-3370.

Zhang Qiang， Sun Shaoan， Zhang Kun， et al. Coal and rock interface identification based on active infrared excitation ［J］. Journal of China Coal Society， 2020， 45（9）： 3363-3370.

［17］Gowen A A， Tiwari B K， Cullen P J， et al. Applications of thermal imaging in food quality and safety assessment ［J］. Trends in Food Science & Technology， 2010， 21（4）： 190-200.

［18］王斐， 吳德軍， 翟國鋒， 等. 側柏衰弱木和蛀干害蟲受害木的熱紅外成像檢測［J］. 光譜學與光譜分析， 2015， 35（12）： 3410-3415.

Wang Fei， Wu Dejun， Zhai Guofeng， et al. Diagnosing low health and wood borer attacked trees of chinese arborvitae by using thermography ［J］. Spectroscopy and Spectral Analysis， 2015， 35（12）： 3410-3415.

［19］李小龍， 王庫， 馬占鴻， 等. 基于熱紅外成像技術的小麥病害早期檢測［J］. 農業(yè)工程學報， 2014， 30（18）： 183-189.

Li Xiaolong， Wang Ku， Ma Zhanhong， et al. Early detection of wheat disease based on thermal infrared imaging ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2014， 30（18）： 183-189.

［20］楊瑞瑞. 熱水處理對馬鈴薯塊莖愈傷的促進及其MYB轉錄調控機制［D］. 蘭州： 甘肅農業(yè)大學， 2021.

Yang Ruirui. Promotion of potato tuber wound healing by hot water treatment and its MYB transcription regulation mechanism ［D］. Lanzhou： Gansu Agricultural University， 2021.