基于機(jī)器視覺(jué)技術(shù)檢測(cè)裂紋玉米種子

　　摘要:種子的質(zhì)量對(duì)于增產(chǎn)豐收具有重要的意義。為了準(zhǔn)確檢測(cè)玉米種子是否有機(jī)械損傷裂紋，基于機(jī)器視覺(jué)技術(shù)提出了一種能自動(dòng)提取玉米種子，并自動(dòng)識(shí)別裂紋種子的方法。首先，采用最大類(lèi)間方差法、數(shù)學(xué)形態(tài)學(xué)處理和區(qū)域?qū)傩远攘亢瘮?shù)提取單粒玉米種子圖像;進(jìn)而，采用基于模糊集和浮雕算法的圖像增強(qiáng)方法與基于小波變換模極大值的邊緣檢測(cè)算法凸顯玉米種子的裂紋區(qū)域;最后，采用圖像相乘運(yùn)算和數(shù)學(xué)形態(tài)學(xué)處理等方法去除種子的輪廓與種子區(qū)域的噪聲，并提取出玉米種子的裂紋區(qū)域。以“鄭單958”玉米種子為例，選取了160粒經(jīng)機(jī)械脫粒后外部輪廓形態(tài)基本完整的裂紋和無(wú)裂紋種子，對(duì)320幅胚面和胚乳面圖像的識(shí)別結(jié)果表明:該方法對(duì)胚面和胚乳面裂紋檢測(cè)的準(zhǔn)確率分別為94．4%和86．9%，平均準(zhǔn)確率為90．6%。本研究為基于機(jī)器視覺(jué)技術(shù)檢測(cè)裂紋玉米種子，保證種子的質(zhì)量，提高出苗率提供了技術(shù)支持。

　　關(guān)鍵詞:機(jī)器視覺(jué);圖像處理;機(jī)械損傷裂紋;玉米種子;檢測(cè)

　　引言

　　種子是作物生產(chǎn)最基本的生產(chǎn)資料，是農(nóng)業(yè)生產(chǎn)的關(guān)鍵。種子質(zhì)量的高低直接影響農(nóng)作物的產(chǎn)量和品質(zhì)。玉米是我國(guó)最主要和重要的糧食作物之一，把控好玉米種子的品質(zhì)檢測(cè)工作，對(duì)于保障后期玉米的種植收獲具有重要的意義［1］。隨著農(nóng)業(yè)機(jī)械化程度的不斷提高，農(nóng)業(yè)生產(chǎn)多采用機(jī)械化作業(yè)，但機(jī)械化作業(yè)通常會(huì)造成農(nóng)產(chǎn)品的損傷［2－3］。玉米種子在收獲、干燥、機(jī)械脫粒等過(guò)程中，都難免受到機(jī)械損傷［4］，尤其對(duì)于田間收獲或采收后未充分干燥的含水率較高的玉米［5］，機(jī)械損傷的概率較大。以脫粒為例，在機(jī)械脫粒的過(guò)程中，種子會(huì)受到脫粒機(jī)的擠壓、撞擊、揉搓、沖擊和剪切等外力作用［6］，從而導(dǎo)致玉米種子發(fā)生機(jī)械損傷［7］。玉米種子的含水率越高，造成的損傷就越嚴(yán)重［8－9］。機(jī)械損傷的一種主要形式是種子出現(xiàn)裂紋。出現(xiàn)裂紋的種子在運(yùn)輸過(guò)程中易發(fā)生破碎，在儲(chǔ)藏過(guò)程中易吸濕、霉變和產(chǎn)生病蟲(chóng)害［10］，也不利于營(yíng)養(yǎng)物質(zhì)的儲(chǔ)存［11］，最終導(dǎo)致種子的發(fā)芽率降低［12－13］。在機(jī)械化玉米播種技術(shù)，尤其是單穴單粒播種技術(shù)下，損傷會(huì)影響種子的田間出苗率、玉米植株收稿日期:2018－11－23基金項(xiàng)目:陜西省重點(diǎn)研發(fā)計(jì)劃(農(nóng)業(yè)領(lǐng)域)項(xiàng)目(2017ZDXM－NY－060);楊凌示范區(qū)協(xié)同創(chuàng)新項(xiàng)目(2016CXY－20)作者簡(jiǎn)介:閆彬(1994－)，男，西安人，碩士研究生，(E－mail)yanbin@nwafu．edu．cn。通訊作者:郭文川(1969－)，女，陜西臨潼人，教授，博士，(E－mail)guowenchuan69@126．com。的整個(gè)生長(zhǎng)發(fā)育過(guò)程及最終的產(chǎn)量［14］。

　　1材料與方法

　　1．1實(shí)驗(yàn)材料

　　實(shí)驗(yàn)對(duì)象為“鄭單958”玉米種子。在玉米穗收獲后的24h內(nèi)對(duì)玉米苞葉進(jìn)行人工剝除，并將玉米穗在陽(yáng)光下進(jìn)行適當(dāng)晾曬后使用輸出功率為4．2kW的高效玉米脫粒機(jī)(萬(wàn)豐商貿(mào)有限公司制造)對(duì)試驗(yàn)樣品進(jìn)行機(jī)械脫粒操作;在脫粒后的玉米籽粒堆中隨機(jī)選擇外部輪廓形態(tài)基本完整的機(jī)械損傷裂紋種子與無(wú)破損種子共160粒(含320個(gè)面)作為實(shí)驗(yàn)的樣本。

　　1．2圖像采集設(shè)備

　　圖1是采集玉米種子圖像的系統(tǒng)示意圖。該系統(tǒng)由以下幾部分組成:圖像采集暗箱，表面為白色的載物臺(tái)，一個(gè)18W的環(huán)形節(jié)能燈，攝像頭分辨率為3456×4608的智能手機(jī)(MI5型，小米科技有限公司)。環(huán)形節(jié)能燈作為光源安裝于暗箱內(nèi)頂部，攝像頭與白色載物臺(tái)的距離設(shè)置為22cm，攝像頭的曝光時(shí)間為1/250s。實(shí)驗(yàn)用的玉米種子均勻平放于載物臺(tái)上。在MatLabＲ2010a(MathWorks公司，美國(guó))下處理采集的圖像。

　　2檢測(cè)機(jī)械損傷裂紋種子的算法

　　2．1單粒玉米種子的自動(dòng)提取

　　2．1．1顏色空間轉(zhuǎn)換與閾值分割采集玉米種子圖像時(shí)，將種子放置于載物臺(tái)上，種子之間互不接觸，且種子朝向攝像頭的一面隨機(jī)放置。圖2(a)為采集到的一幅包含有多粒玉米種子的ＲGB圖像。要對(duì)圖像中包含的每粒玉米種子進(jìn)行機(jī)械損傷裂紋的檢測(cè)，首先需要確定每粒種子的位置并將種子分別提取出來(lái)。經(jīng)過(guò)對(duì)采集到的ＲGB圖像的Ｒ、G、B分量和轉(zhuǎn)換為HSV圖像后的H、S、V分量，共2個(gè)顏色空間6個(gè)分量下的圖像進(jìn)行分析，發(fā)現(xiàn)在H分量下玉米種子區(qū)域與背景區(qū)域的灰度值差異最大。H分量下的圖像如圖2(b)所示。因此，在H分量下使用最大類(lèi)間方差法自動(dòng)確定閾值，從而對(duì)玉米種子區(qū)域與背景區(qū)域進(jìn)行分割處理。對(duì)分割后的二值圖像求反，結(jié)果如圖2(c)所示，即玉米種子區(qū)域的二值圖像。圖2包含多粒種子的ＲGB圖像、H分量圖像及二值圖像Fig．2TheＲGBimage，Hcomponentimageandbinaryimagecontainingseveralseeds

　　2．1．2數(shù)學(xué)形態(tài)學(xué)處理與種子自動(dòng)提取為了確保完整地剪切出每粒玉米種子，使得在二值圖中每粒種子區(qū)域所占面積略大于實(shí)際種子占據(jù)的面積，對(duì)圖2(c)得到的種子二值圖像進(jìn)行膨脹操作，然后利用區(qū)域?qū)傩远攘亢瘮?shù)對(duì)二值圖中的各個(gè)連通域進(jìn)行標(biāo)記，并使用黑色矩形框在原始圖像中進(jìn)行框選，結(jié)果如圖3(a)所示?；谒鶚?biāo)記的各矩形框的位置信息，對(duì)單粒玉米種子分別自動(dòng)進(jìn)行裁剪，裁剪結(jié)果如圖3(b)(胚面裂紋種子)、圖3(c)(胚乳面裂紋種子)所示。

　　2．2圖像增強(qiáng)與邊緣檢測(cè)

　　2．2．1基于模糊集與浮雕算法的圖像增強(qiáng)要實(shí)現(xiàn)玉米種子機(jī)械損傷裂紋的提取，在檢測(cè)算法的前期處理中，應(yīng)當(dāng)對(duì)圖像進(jìn)行增強(qiáng)處理以突出裂紋部分，本文采用基于模糊集的圖像增強(qiáng)方法對(duì)剪切后的單粒玉米種子的灰度圖像進(jìn)行圖像增強(qiáng)。首先，將圖3(b)所示玉米種子的ＲGB圖像進(jìn)行灰度化，結(jié)果如圖4(a)所示;再對(duì)圖4(a)所示的灰度圖像進(jìn)行模糊集圖像增強(qiáng)，結(jié)果如圖4(b)所示?？梢钥闯?經(jīng)過(guò)基于模糊集的圖像增強(qiáng)處理后的圖像與原灰度圖像相比，其玉米種子中非裂紋區(qū)域的灰度值變化范圍縮小，裂紋部位得到一定的凸顯。

　　2．2．2基于小波變換模極大值的邊緣檢測(cè)現(xiàn)有的針對(duì)玉米種子裂紋檢測(cè)的研究中多采用傳統(tǒng)的邊緣檢測(cè)算法對(duì)裂紋進(jìn)行提取，其邊緣檢測(cè)的結(jié)果往往存在較多的噪聲。基于小波變換的邊緣檢測(cè)算法是目前邊緣檢測(cè)領(lǐng)域中的研究熱點(diǎn)［20－21］。當(dāng)圖像的信噪比比較低以至于傳統(tǒng)的邊緣檢測(cè)方法無(wú)法準(zhǔn)確高效地檢測(cè)出有用信息時(shí)，小波變換邊緣檢測(cè)算法具有傳統(tǒng)邊緣檢測(cè)算法無(wú)可比擬的優(yōu)勢(shì)，它能夠在有效抑制噪聲的基礎(chǔ)上較準(zhǔn)確地檢測(cè)出圖像中的邊緣［22］。因此，采用基于小波變換模極大值的邊緣檢測(cè)算法［23］對(duì)浮雕化后的種子圖像進(jìn)行邊緣檢測(cè)，檢測(cè)結(jié)果如圖5(b)所示。與圖5(a)相比，可以看到圖5(b)中的裂紋區(qū)域更加明顯，裂紋周?chē)脑肼曒^少。

　　3結(jié)果與分析

　　利用上述檢測(cè)算法對(duì)圖2(a)中的多粒玉米種子分別自動(dòng)進(jìn)行機(jī)械損傷裂紋的檢測(cè)，并將最終檢測(cè)到的含有機(jī)械損傷裂紋的種子在原始圖像中使用黑色矩形框進(jìn)行標(biāo)記。檢測(cè)結(jié)果如圖8所示。

　　4結(jié)論

　　1)基于機(jī)器視覺(jué)與數(shù)字圖像處理技術(shù)，在H顏色分量下使用最大類(lèi)間方差法從一幅包含多個(gè)玉米種子的圖像中分割出種子區(qū)域，并結(jié)合數(shù)學(xué)形態(tài)學(xué)處理與區(qū)域?qū)傩远攘亢瘮?shù)分別對(duì)每粒種子進(jìn)行自動(dòng)裁剪。采用基于模糊集和浮雕算法的圖像增強(qiáng)方法，并使用基于小波變換模極大值的邊緣檢測(cè)方法凸顯了玉米種子的裂紋區(qū)域。通過(guò)構(gòu)造種子的掩膜圖像并結(jié)合圖像的相乘運(yùn)算去除了種子的輪廓。利用數(shù)學(xué)形態(tài)學(xué)處理結(jié)合對(duì)二值圖像中連通域的篩選，去除了種子區(qū)域的噪聲并較完整地提取出了種子的裂紋區(qū)域。對(duì)圖像中所有種子的機(jī)械損傷裂紋檢測(cè)結(jié)束后，自動(dòng)綜合每粒種子的檢測(cè)結(jié)果并將檢測(cè)到的含有裂紋的玉米種子在原始圖像中框選標(biāo)記。

　　2)對(duì)“鄭單958”品種的玉米種子進(jìn)行了機(jī)械損傷裂紋的檢測(cè)，平均檢測(cè)準(zhǔn)確率為90．6%。檢測(cè)結(jié)果表明:該算法對(duì)于玉米種子的機(jī)械損傷裂紋檢測(cè)效果明顯。本研究為裂紋玉米種子的自動(dòng)化識(shí)別提供了一種方法，對(duì)于提高玉米種業(yè)的質(zhì)量具有重要的意義。

　　參考文獻(xiàn):

　?。?］潘霞，譚會(huì)君．計(jì)算機(jī)視覺(jué)技術(shù)在玉米種子自動(dòng)檢測(cè)中的應(yīng)用［J］．農(nóng)機(jī)化研究，2019，41(3):228－231．

　?。?］劉洪偉．玉米種子的機(jī)械損傷對(duì)其發(fā)芽率的影響研究［J］．農(nóng)民致富之友，2016(1):87．

　?。?］郝付平，陳志．國(guó)內(nèi)外玉米收獲機(jī)械研究現(xiàn)狀及思考［J］．農(nóng)機(jī)化研究，2007(10):206－208．

　　［4］牛海華，趙武云，史增錄．玉米籽粒力學(xué)特性的研究進(jìn)展及應(yīng)用［J］．中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2011(2):101－104．

《基于機(jī)器視覺(jué)技術(shù)檢測(cè)裂紋玉米種子》

上一篇：農(nóng)產(chǎn)品貿(mào)易經(jīng)濟(jì)全球化論文

下一篇：基于機(jī)器視覺(jué)的穴盤(pán)苗檢測(cè)試驗(yàn)研究