玉米品質(zhì)性狀計(jì)算機(jī)視覺(jué)識(shí)別與評(píng)價(jià)研究進(jìn)展

周志強(qiáng),郭帥超,成軍虎

(1.河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院,河南鄭州 450001;2.河南工業(yè)大學(xué)糧油食品學(xué)院,河南鄭州 450052)

玉米品質(zhì)性狀計(jì)算機(jī)視覺(jué)識(shí)別與評(píng)價(jià)研究進(jìn)展

周志強(qiáng)1,郭帥超2,成軍虎2

(1.河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院,河南鄭州 450001;2.河南工業(yè)大學(xué)糧油食品學(xué)院,河南鄭州 450052)

計(jì)算機(jī)視覺(jué)技術(shù)是計(jì)算機(jī)科學(xué)和人工智能的重要分支,它作為一種無(wú)損檢測(cè)技術(shù)在農(nóng)業(yè)領(lǐng)域有著廣泛的應(yīng)用前景.綜述了計(jì)算機(jī)視覺(jué)技術(shù)在玉米品質(zhì)識(shí)別與評(píng)價(jià)中的研究進(jìn)展,為計(jì)算機(jī)視覺(jué)技術(shù)精確測(cè)量玉米籽粒特征,建立玉米的特征信息與其品質(zhì)的相關(guān)性,實(shí)現(xiàn)對(duì)玉米品質(zhì)檢測(cè)提供了參考,同時(shí)提出了利用計(jì)算機(jī)視覺(jué)技術(shù)并結(jié)合紅外、微波、核磁共振等技術(shù)進(jìn)行農(nóng)產(chǎn)品內(nèi)部品質(zhì)的視覺(jué)信息提取與檢測(cè)、研究快速并行圖像處理算法等作為今后的發(fā)展趨勢(shì).

玉米品質(zhì);計(jì)算機(jī)視覺(jué);特征提取;純度;應(yīng)力裂紋

0 前言

計(jì)算機(jī)視覺(jué)技術(shù)是計(jì)算機(jī)科學(xué)和人工智能的重要分支,它所研究的是從圖像中提取信息,實(shí)現(xiàn)三維景物的識(shí)別、定位和描述,從而使機(jī)器具備與人相似的視覺(jué)功能.隨著計(jì)算機(jī)技術(shù)的發(fā)展與進(jìn)步,計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)領(lǐng)域有著廣泛的應(yīng)用前景.國(guó)外在利用計(jì)算機(jī)視覺(jué)進(jìn)行農(nóng)產(chǎn)品檢測(cè)方面的研究取得了較快發(fā)展,利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)農(nóng)產(chǎn)品表面缺陷與損傷、尺寸和表面顏色等農(nóng)產(chǎn)品重要品質(zhì)特征的檢測(cè),不僅可以排除主觀因素干擾,而且還能對(duì)這些指標(biāo)進(jìn)行定量描述,具有人工檢測(cè)所無(wú)法比擬的優(yōu)越性[1-2].把計(jì)算機(jī)視覺(jué)技術(shù)、農(nóng)業(yè)傳統(tǒng)方法與現(xiàn)代新方法 (神經(jīng)網(wǎng)絡(luò)、并行算法、遺傳算法、模糊技術(shù)、人工智能、圖像形態(tài)學(xué)、分形學(xué)、小波變換和多光譜技術(shù)等)有效結(jié)合起來(lái)可以有效促進(jìn)我國(guó)農(nóng)業(yè)科技水平的發(fā)展.作者重點(diǎn)綜述了國(guó)內(nèi)外利用計(jì)算機(jī)視覺(jué)技術(shù)研究玉米品質(zhì)檢測(cè)的進(jìn)展情況,為計(jì)算機(jī)視覺(jué)技術(shù)如何精確測(cè)量農(nóng)產(chǎn)品特征,如何建立農(nóng)產(chǎn)品的特征信息與農(nóng)產(chǎn)品品質(zhì)的相關(guān)性,如何實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)農(nóng)產(chǎn)品群體的品質(zhì)檢測(cè)等提供了參考.

1 計(jì)算機(jī)視覺(jué)技術(shù)在玉米品質(zhì)性狀中的識(shí)別與評(píng)價(jià)研究

1.1 計(jì)算機(jī)視覺(jué)技術(shù)在玉米籽粒特征提取中的應(yīng)用

玉米是世界三大作物之一,其籽粒的胚部特征是重要農(nóng)藝性狀之一,不同品種的玉米胚部特征有較大差別,因此,在玉米育種、栽培及新品種測(cè)試等科研實(shí)踐中準(zhǔn)確檢測(cè)玉米胚部的顏色、形狀、紋理等特征非常重要[3-4].目前主要通過(guò)手工方法進(jìn)行測(cè)量.為了實(shí)現(xiàn)通過(guò)機(jī)器視覺(jué)圖像處理的方法進(jìn)行玉米胚部特征的自動(dòng)檢測(cè),韓仲志等[5]提出了一種基于獨(dú)立分量分析 ICA的玉米胚部測(cè)量方法,并建立了檢測(cè)模型.和手工檢測(cè)結(jié)果相比,面積誤差為 0.7%,決定系數(shù)達(dá) 0.984.與前人的基于顏色模型區(qū)域生長(zhǎng)的檢測(cè)結(jié)果比較,檢測(cè)準(zhǔn)確度有明顯提高.表明采用基于 ICA的方法檢測(cè)的結(jié)果準(zhǔn)確可靠,能夠用于玉米胚部的自動(dòng)檢測(cè).張杰[6]分別利用 Roberts算子、Sobel算子、Prewitt算子、LoG算子和 Canny算子對(duì)玉米圖像進(jìn)行邊緣檢測(cè),通過(guò)比較檢測(cè)結(jié)果,最終采用Canny算子對(duì)玉米圖像進(jìn)行邊緣檢測(cè).剔除兩側(cè)輪廓線,得到玉米籽粒應(yīng)力裂紋的圖像.分析應(yīng)力裂紋的圖像,通過(guò)搜索二維邏輯矩陣,統(tǒng)計(jì)出了裂紋的條數(shù).史智興等[7]通過(guò)對(duì)不同品種玉米籽粒數(shù)字圖像信息的分析對(duì)比,發(fā)現(xiàn)玉米籽粒白色部分 (胚部)與黃色部分 (冠部)的面積、顏色等信息可以作為識(shí)別玉米品種的特征.采用基于支持向量機(jī)的遺傳算法結(jié)合 SPSS統(tǒng)計(jì)軟件進(jìn)行試驗(yàn)驗(yàn)證,得出玉米籽粒白色部分與黃色部分的面積比例、黃色部分的藍(lán)色分量與飽和度在玉米品種識(shí)別方面具有顯著價(jià)值.Zayas等[8]借助于一系列形態(tài)學(xué)參數(shù)從破損的玉米籽粒中提取出完整的籽粒,用 SAS程序中的統(tǒng)計(jì)學(xué)判別函數(shù)來(lái)進(jìn)行外形判別分析.結(jié)果表明,玉米籽粒的形態(tài)學(xué)參數(shù)能夠準(zhǔn)確地將完整玉米從破損玉米中分離出來(lái).但采用這些技術(shù)只有在時(shí)間極少限制或沒(méi)有限制的情況下才是可行的.Ruiz-Altisenta等[9]借助于圖像處理技術(shù)研究了玉米的色澤和質(zhì)構(gòu)的變化,提出了檢測(cè)玉米物理特性的無(wú)損檢測(cè)方法.Liao等[10]借助于人工神經(jīng)網(wǎng)絡(luò)分類器的方法,從二值化圖像中簡(jiǎn)化出一維數(shù)字信號(hào)來(lái)描述玉米外形,通過(guò)分析玉米外形來(lái)選擇形狀參數(shù),并輸入到機(jī)器學(xué)習(xí)算法中來(lái)訓(xùn)練完整籽粒相對(duì)于破損籽粒的形狀成員函數(shù).試驗(yàn)表明,對(duì) 720粒完整扁平玉米的分類準(zhǔn)確率達(dá) 99%,對(duì) 720粒破損玉米的分類準(zhǔn)確率達(dá) 96%,而對(duì)圓形玉米則分別是 91%和 95%.Panigrahi等[11]為了精確快速地測(cè)量玉米籽粒的尺寸,提出了一種從背景中分割玉米籽粒圖像的閾值自動(dòng)選擇技術(shù),并利用機(jī)器視覺(jué)測(cè)定了玉米籽粒的最大長(zhǎng)度、最大寬度和沿長(zhǎng)度方向每 5 mm測(cè)量一次所得的連續(xù)寬度,三者與所測(cè)結(jié)果的相關(guān)性分別為 0.998、0.997和 0.970.Ni等[12]研究了利用機(jī)器視覺(jué)可以不考慮籽粒放置的方向獨(dú)立測(cè)量籽粒的大小.獲得了玉米籽粒三維信息,根據(jù)不同形狀的玉米籽粒其圖像灰度曲線有明顯差異,有效的將凸形冠頂、光滑凹形冠頂和非光滑凹形冠頂玉米籽粒區(qū)分開.周紅等[13]介紹了利用數(shù)字圖像處理技術(shù)(灰度變換、圖像增強(qiáng)、基于直方圖的閾值分割、輪廓提取與跟蹤)快速準(zhǔn)確地提取玉米種子外形輪廓,為玉米種子等級(jí)的評(píng)定作了前期準(zhǔn)備工作.根據(jù)玉米種子外形輪廓,可以進(jìn)一步進(jìn)行玉米種子外形尺寸、式樣、匹配度等的識(shí)別,從而為玉米種子等級(jí)的分類提供有效的方法.

1.2 計(jì)算機(jī)視覺(jué)技術(shù)在玉米品種識(shí)別中的應(yīng)用

王瑤[14]利用計(jì)算機(jī)視覺(jué)技術(shù)從玉米籽粒的大小、飽滿度、健康度、破損率和含雜率這 5個(gè)特征來(lái)考慮玉米種子的品質(zhì).通過(guò)專家的經(jīng)驗(yàn)選用面積、矩形度、顏色、邊緣、紋理這 5個(gè)特征參數(shù)和含雜率作為相應(yīng)的評(píng)價(jià)指標(biāo).對(duì)于每一個(gè)評(píng)價(jià)指標(biāo),建立了相應(yīng)的隸屬函數(shù).權(quán)龍哲等[15]利用圖像標(biāo)記法,實(shí)現(xiàn)了在含有眾多散放玉米籽粒的圖像中對(duì)單個(gè)籽粒的有效拾取,分析并設(shè)計(jì)了單個(gè)籽粒圖像的形心及邊緣曲線的提取方法,研究了利用 coif5小波來(lái)識(shí)別玉米籽粒尖頂?shù)姆椒?提高了識(shí)別的準(zhǔn)確率及精度.閘建文等[16]用基于外部特征參數(shù)的計(jì)算機(jī)自動(dòng)識(shí)別方法來(lái)替代目前廣泛使用的品種形態(tài)鑒定法,以提高玉米品種識(shí)別效率和精度;并利用數(shù)理統(tǒng)計(jì)和模糊數(shù)學(xué)知識(shí)建立了反映玉米品種間特征參數(shù)相似程度的特征貼近度、品種貼近度計(jì)算公式和品種判別準(zhǔn)則;基于 3類 11個(gè)外部特征參數(shù)構(gòu)造出成本低、使用簡(jiǎn)便的玉米品種計(jì)算機(jī)識(shí)別系統(tǒng).在 5個(gè)品種 50次實(shí)驗(yàn)檢測(cè)中,正確率達(dá) 96%,品種正確識(shí)別率達(dá) 88%.熊凱等[17]研究了一種基于玉米外觀形態(tài)和顏色特征進(jìn)行的玉米品種的特征主分量分析及 BP神經(jīng)網(wǎng)絡(luò)識(shí)別方法.試驗(yàn)結(jié)果表明,方法對(duì) 11個(gè)品種 550個(gè)籽粒的品種檢出率為 92%以上,得到了較好的識(shí)別效果.為實(shí)現(xiàn)外觀相似的不同玉米品種的有效識(shí)別,權(quán)龍哲等[18]提出了 K-L變換與最小二乘支持向量機(jī)相結(jié)合的籽粒品種鑒別方法.采用標(biāo)記算法及多尺度小波分析方法獲得玉米單籽粒圖像,應(yīng)用 K-L變換技術(shù)提取籽粒圖像的特征數(shù)據(jù),設(shè)計(jì)了二叉樹型多類 LS-SVM分類器,實(shí)現(xiàn)了對(duì)特征數(shù)據(jù)的有效分類.通過(guò)試驗(yàn)分析,確定了較為合理的狀態(tài)空間維數(shù) (L=3),正確識(shí)別率可達(dá) 95.3%.宋韜等[19]應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)選擇并獲得了 11個(gè)玉米粒形態(tài)參數(shù),采用 BP沖量算法,建立了一個(gè)三層前饋神經(jīng)元網(wǎng)絡(luò),實(shí)現(xiàn)了一幅多顆粒任意放置玉米粒的完整與破損的在線自動(dòng)識(shí)別,對(duì) 175粒完整及 175粒破損玉米粒的識(shí)別試驗(yàn)顯示,正確率為 93%.王玉亮等[20]研制了玉米品種識(shí)別硬件系統(tǒng)和軟件系統(tǒng).針對(duì)玉米種子及種子圖像的特點(diǎn),對(duì)玉米種子品種識(shí)別技術(shù)與算法進(jìn)行了深入地研究和探索,提出了一種基于多對(duì)象有效特征提取和主成分分析優(yōu)化神經(jīng)網(wǎng)絡(luò)的玉米種子品種識(shí)別方法,提取了玉米種子的幾何特征和顏色特征參數(shù),優(yōu)化了基于機(jī)器視覺(jué)的玉米種子圖像處理策略和品種識(shí)別算法,提高了玉米品種識(shí)別的速度和準(zhǔn)確率.Neethirajan等[21]借助于計(jì)算機(jī)視覺(jué)技術(shù)研究了玉米生蟲后的部位和營(yíng)養(yǎng)物質(zhì)的損失情況,很直觀地分析了玉米品質(zhì)的變化.Del Fiore[22]利用計(jì)算機(jī)光譜成像技術(shù)能夠有效區(qū)分完好玉米顆粒與病變顆粒.與傳統(tǒng)檢測(cè)方法相比,這種方法可以快速準(zhǔn)確的檢測(cè)出被真菌毒素污染過(guò)的玉米顆粒[23].

1.3 計(jì)算機(jī)視覺(jué)技術(shù)在玉米應(yīng)力裂紋檢測(cè)中的應(yīng)用

裂紋率是影響干燥后玉米品質(zhì)的一個(gè)重要指標(biāo),應(yīng)力裂紋的存在嚴(yán)重影響玉米的品質(zhì):一是在后續(xù)輸送和加工過(guò)程中易產(chǎn)生破碎;二是裂紋玉米使玉米濕法加工淀粉得率降低;三是裂紋玉米在貯存過(guò)程中易吸濕、霉變和產(chǎn)生病蟲害;四是食品加工中 (如玉米片的加工)不能使用有裂紋的玉米;五是有裂紋玉米降低玉米等級(jí);六是裂紋玉米會(huì)降低種子發(fā)芽率[24].因此,研究玉米應(yīng)力裂紋的檢測(cè)方法具有重要意義.常規(guī)的玉米裂紋檢測(cè)方法主要有光照法、化學(xué)法、射線法等.這些方法過(guò)程復(fù)雜、耗時(shí),而且化學(xué)法、射線法等是破壞性檢測(cè),不適于對(duì)所有樣品進(jìn)行檢測(cè).近年來(lái),數(shù)字圖像處理技術(shù)已經(jīng)廣泛用于各類產(chǎn)品的質(zhì)量檢測(cè)和控制,同時(shí)也逐漸成為物體表面裂紋檢測(cè)的一種有效辦法并得到了廣泛應(yīng)用[25-28].

張杰[6]利用圖像分析方法對(duì)玉米應(yīng)力裂紋圖像進(jìn)行識(shí)別,結(jié)果發(fā)現(xiàn):重度裂紋玉米的識(shí)別效果最佳,其識(shí)別準(zhǔn)確率為 100%;無(wú)裂紋玉米的識(shí)別效果次之,其識(shí)別準(zhǔn)確率為 97%;而輕度裂紋玉米和中度裂紋玉米的識(shí)別準(zhǔn)確率分別為 91%和 88%.朱文學(xué)等[29]利用掃描電子顯微鏡觀察玉米籽粒的應(yīng)力裂紋,分析了裂紋在胚乳中擴(kuò)展的情況以及對(duì)胚乳結(jié)構(gòu)產(chǎn)生的影響.張俊雄等[30]采用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)了對(duì)玉米種子表面裂紋的識(shí)別和檢測(cè).試驗(yàn)結(jié)果表明:識(shí)別準(zhǔn)確率分別為 94%和 90%,基本滿足玉米種子表面裂紋檢測(cè)的精度要求.Bhandarkar等[31]研究了采用計(jì)算機(jī)視覺(jué)的玉米種子表面裂紋圖像識(shí)別方法,對(duì)玉米籽粒圖像先通過(guò)邊緣提取再利用籽粒的形態(tài)學(xué)特征實(shí)現(xiàn)了裂紋的自動(dòng)提取和測(cè)量,對(duì)于玉米裂紋的檢測(cè)具有一定的理論意義和工程實(shí)用價(jià)值.

1.4 計(jì)算機(jī)視覺(jué)技術(shù)在玉米種子純度鑒定中的應(yīng)用

純度是種子最主要的質(zhì)量指標(biāo),純度低將明顯影響作物的產(chǎn)量.隨著種子市場(chǎng)的放開,種子的質(zhì)量受到了嚴(yán)重的威脅,出現(xiàn)了許多以次充好、以假充真的坑農(nóng)和害農(nóng)現(xiàn)象.因此,玉米種子純度鑒定技術(shù)是當(dāng)前我國(guó)種子檢驗(yàn)工作的重點(diǎn)與難點(diǎn)之一,也是種子管理工作中迫切需要解決的問(wèn)題.目前鑒定玉米雜交種子純度的方法有籽粒形態(tài)鑒定法、幼苗形態(tài)鑒定法、田間種植鑒定法及分析生化指標(biāo)的電泳分析法等[32].籽粒形態(tài)鑒定法只有對(duì)雜交種子及親本自交系十分熟悉的專家才適用,且有些雜交種無(wú)法依此方法鑒定.幼苗形態(tài)鑒定法只適于鑒定少數(shù)品種.田間種植鑒定是現(xiàn)在國(guó)際采納的方法,準(zhǔn)確可靠,但周期長(zhǎng),且消耗大量人力、財(cái)力.電泳法分析生化指標(biāo)檢驗(yàn)種子純度快捷、成本低,易于普及且結(jié)果較可靠[33-34].將計(jì)算機(jī)圖像識(shí)別與處理技術(shù)與種子純度檢測(cè)方法相結(jié)合,可以快速準(zhǔn)確地檢驗(yàn)種子純度[35-37].司秀麗等[38]利用計(jì)算機(jī)圖像識(shí)別與處理技術(shù)處理 2種不同品種玉米,對(duì)通過(guò)蛋白質(zhì)凝膠電泳獲取的譜帶進(jìn)行計(jì)算機(jī)圖像識(shí)別與處理,并將玉米種子純度計(jì)算機(jī)圖像識(shí)別結(jié)果與人工測(cè)定結(jié)果進(jìn)行對(duì)比研究.試驗(yàn)結(jié)果表明:圖像識(shí)別與處理系統(tǒng)對(duì)玉米種子純度鑒定最低準(zhǔn)確度為 90%,平均準(zhǔn)確度達(dá)99.5%.利用計(jì)算機(jī)進(jìn)行玉米種子純度的檢測(cè)在理論和方法上可行.

1.5 計(jì)算機(jī)視覺(jué)技術(shù)在玉米種子精選與質(zhì)量分級(jí)中的應(yīng)用

玉米種子的質(zhì)量分級(jí)是收獲后加工的重要環(huán)節(jié)之一,利用機(jī)器視覺(jué)技術(shù)對(duì)玉米種子進(jìn)行質(zhì)量分級(jí)具有無(wú)損、分級(jí)精度高、速度快等優(yōu)點(diǎn),可代替大量的、重復(fù)性的人工勞動(dòng).楊杰[39]利用圖像處理算法提取玉米種子的周長(zhǎng)、面積、圓形度、矩形度、伸長(zhǎng)度、色度這 6個(gè)特征值,并對(duì)其進(jìn)行統(tǒng)計(jì)分析.從大小、形狀、飽和度、顏色等多角度對(duì)實(shí)現(xiàn)種子的質(zhì)量分級(jí),并使用MATLAB進(jìn)行了算法的軟件實(shí)現(xiàn)和試驗(yàn)驗(yàn)證,并分別采用基于隸屬函數(shù)的玉米種子分級(jí)和基于 BP神經(jīng)網(wǎng)絡(luò)的玉米種子分級(jí)的方法進(jìn)行試驗(yàn)對(duì)比,試驗(yàn)表明基于 BP神經(jīng)網(wǎng)絡(luò)的玉米種子分級(jí)的方法更有利于實(shí)時(shí)處理.從而證明了利用計(jì)算機(jī)視覺(jué)代替人力來(lái)實(shí)現(xiàn)玉米種子自動(dòng)分級(jí)的可行性.蔡衛(wèi)國(guó)等[40]基于形態(tài)學(xué)信息并結(jié)合計(jì)算機(jī)視覺(jué)技術(shù)的精選種子實(shí)時(shí)分級(jí)裝置可將種子分為 4級(jí),分級(jí)準(zhǔn)確率可達(dá)90%以上.吳繼華等[41]開發(fā)了基于機(jī)器視覺(jué)的種子品種實(shí)時(shí)檢測(cè)系統(tǒng),該系統(tǒng)每隔 2 s停止 1次,由 CCD攝像機(jī)采集圖像,經(jīng)圖像處理分析后提取品種的特征參數(shù),系統(tǒng)識(shí)別 100粒種子的時(shí)間為5 s.Wan等[42-43]研制了一套谷物動(dòng)態(tài)識(shí)別與分類系統(tǒng),采用機(jī)器視覺(jué)方式,拍攝谷物圖像并將處理結(jié)果發(fā)送給可編程邏輯控制器 (PLC),由 PLC控制相應(yīng)電磁閥的開閉,實(shí)現(xiàn)谷物籽粒的吹離.W inter等[44]開發(fā)了谷物品種識(shí)別與品質(zhì)分析系統(tǒng).宋鵬等[45]設(shè)計(jì)了動(dòng)態(tài)玉米籽粒品質(zhì)檢測(cè)分級(jí)系統(tǒng),利用玉米籽粒的形態(tài)特征將種子分為 4級(jí),利用顏色特征將種子分為 3級(jí),分級(jí)合格率分別為81.8%和 93.04%;設(shè)計(jì)了玉米籽粒品種識(shí)別系統(tǒng),利用基于貝葉斯準(zhǔn)則的分類器和基于支持向量機(jī)的模式識(shí)別方法,可實(shí)現(xiàn) 5個(gè)玉米品種的識(shí)別,平均識(shí)別準(zhǔn)確率為 92%;研制了玉米單倍體籽粒分揀系統(tǒng),根據(jù)其顏色特征及模式識(shí)別技術(shù)進(jìn)行玉米單倍體識(shí)別后使用二自由度并聯(lián)機(jī)器人機(jī)構(gòu),采用氣吸方式進(jìn)行分揀,分揀精度為 80%.

2 結(jié)束語(yǔ)

近幾年計(jì)算機(jī)視覺(jué)圖像處理技術(shù)在國(guó)外農(nóng)業(yè)工程中得到了應(yīng)用,相應(yīng)地出現(xiàn)了許多新的方法和理論與之相融合,也取得了一些成果.如水果品質(zhì)動(dòng)態(tài)檢測(cè)系統(tǒng),自動(dòng)收獲機(jī)器人技術(shù)等,但由于我國(guó)在這方面起步很晚,與國(guó)外相比仍存在很多不足.首先,在動(dòng)態(tài)圖像處理系統(tǒng)中,由于動(dòng)態(tài)圖像處理需要很高的幀速,這勢(shì)必減少攝像機(jī)在拍攝每幀圖像時(shí)的進(jìn)光量,導(dǎo)致圖像質(zhì)量下降.在試圖采用提高鏡頭折射率和增大輔助光源強(qiáng)度的方法解決這一問(wèn)題的同時(shí),還可以考慮結(jié)合其他硬件或圖像增強(qiáng)軟件等方法以彌補(bǔ)進(jìn)光量的不足.其次,農(nóng)業(yè)工程中的圖像由于受生物多樣性、氣候和環(huán)境等因素的影響,相對(duì)于工業(yè)圖像處理要復(fù)雜得多.

如何將相對(duì)成熟的工業(yè)動(dòng)態(tài)圖像處理技術(shù)應(yīng)于農(nóng)業(yè)工程,許多關(guān)鍵技術(shù)有待解決.但是,隨著傳感技術(shù)的發(fā)展,人們對(duì)農(nóng)業(yè)物料特性認(rèn)識(shí)的深入,出現(xiàn)了紅外、近紅外圖像處理的研究,使計(jì)算機(jī)視覺(jué)技術(shù)從單純的外觀視覺(jué)向物料的性狀、組成和成分分布等品質(zhì)內(nèi)部特性方向發(fā)展,并逐步建立了以計(jì)算機(jī)視覺(jué)技術(shù)為主導(dǎo)部件的檢測(cè)分級(jí)系統(tǒng).雖然該技術(shù)目前還存在許多需要解決的問(wèn)題,但隨著社會(huì)和科學(xué)水平的發(fā)展,積極探索新的理論和方法,研究適合我國(guó)國(guó)情的農(nóng)產(chǎn)品視覺(jué)自動(dòng)識(shí)別和分級(jí)系統(tǒng),并結(jié)合紅外、微波、核磁共振等技術(shù)進(jìn)行農(nóng)產(chǎn)品內(nèi)部品質(zhì)的視覺(jué)信息提取與檢測(cè)、研究快速并行圖像處理算法等作為今后的發(fā)展趨勢(shì).

[1] Zheng C X,Sun D W,Zheng L Y.Recent applications of i mage texture for evaluation of food qualities—a review[J].Trends in Food Science and Technology,2006,17:113-128.

[2] Sun D W.Computer vision—an objective,rapid and non-contact quality evaluation tool for the food industry[J].Journal of Food Engineering,2004,61:1-2.

[3] DubeyB,Bhagwat S G,Shouehe S P,et al.Potential of artificial neural networks in varietals identifications using morphomet of wheat grains[J].Biosystems Engineering,2006,95(1):61-67.

[4] Venora G,Grillo O,Shahin M A,et al.I-dentification of sicilian landraces and canadian cultivars of lentil using an i mage analysis system[J].Food Research International,2007,40(1):161-166.

[5] 韓仲志,趙友剛,楊錦忠.基于籽粒 RGB圖像獨(dú)立分量的玉米胚部特征檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2010,26(3):222-226.

[6] 張杰.基于聲學(xué)和圖像分析的玉米應(yīng)力裂紋檢測(cè)方法研究 [D].長(zhǎng)春:吉林大學(xué),2007.

[7] 史智興,程洪,李江濤,等.圖像處理識(shí)別玉米品種的特征參數(shù)研究[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(6):193-195.

[8] Zayas I,Converse H,Steele J.Discrimination of whole from broken corn kernels with image analysis[J]. Trans of the ASAE,1990,33(5):1642-1646.

[9] Neethirajan S,Karunakaran C,Jayas D S,et al.Detection techniques for stored-product insects in grain[J].Food Control,2007,18(2):157-162.

[10]Liao K,PaulsenM R,Reid J F,et al.Corn kernel breakage classification by machine vision using a neural network classifier[J].Transof the ASAE,1993,36 (6):1949-1953.

[11]Panigrahi S,MisraM K,Bern,et al.Background segmentation and di mensional measurement of corn ger mplasm[J].Trans of the ASAE,1995,38(1):291-297.

[12]Ni B,Paulsen M R,Reid J F.Corn kernel crown shape identification using image processing[J].Trans of the ASAE,1997,40(3):833-838.

[13]周紅,劉光蓉,管庶安.數(shù)字圖像處理技術(shù)在玉米種子輪廓檢測(cè)中的應(yīng)用[J].種子,2004,23(9):90-92.

[14]王瑤.種子分類與檢測(cè)的圖像分割與識(shí)別[D].長(zhǎng)春:吉林大學(xué),2007.

[15]權(quán)龍哲,馬小愚.基于小波分析的玉米籽粒圖像正形研究[J].農(nóng)機(jī)化研究,2006(2):154-156.

[16]閘建文,陳永艷.基于外部特征的玉米品種計(jì)算機(jī)識(shí)別系統(tǒng) [J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2004,35(6):115-118.

[17]熊凱,李向紅,李言照,等.基于 ANN和PCA的玉米品種特征分析與識(shí)別研究[J].糧油食品科技,2010,18(4):1-5.

[18]權(quán)龍哲,祝榮欣,雷溥,等.基于 K-L變換與LS-SVM的玉米品種識(shí)別方法 [J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,41(4):168-172.

[19]宋韜,曾德超.基于人工神經(jīng)網(wǎng)絡(luò)的玉米粒形態(tài)識(shí)別方法的研究[J].農(nóng)業(yè)工程學(xué)報(bào),1996,12(1):177-181.

[20]王玉亮,劉賢喜,蘇慶堂.多對(duì)象特征提取和優(yōu)化神經(jīng)網(wǎng)絡(luò)的玉米種子品種識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2010,26(6):199-204.

[21]Del Fiore A,ReverberiM,Ricelli A,et al.Early detection of toxigenic fungi on maize by hyperspectral imaging analysis[J].International Journal of Food Microbiology,2010,144:64-71.

[22]Xavier P Burgos-Artizzu,Angela Ribeiro,Alberto Tellaeche,et al.Analysisof natural images processing for the extraction of agricultural elements[J].I mage and Vision Computing,2010,28:138-149.

[23]Ruiz-Altisenta M,Ruiz-Garcia L,Moreda G P,et al.Sensors for product characterization and quality of specialty crops—A review[J].Computers and Electronics in Agriculture,2010,74:176-194.

[24]張玉榮,成軍虎,周顯青,等.高水分玉米微波干燥特性及對(duì)加工品質(zhì)的影響[J].河南工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2009(6):1-4.

[25]Iyer S,Sinha S K.A robust approach for automatic detection and segmentation of cracks in underground pipe-line images[J].I mage and Vision Computing,2005,23(10):921-933.

[26]Sinha S K,Fieguth P W.Automated detection of cracks in buried concrete pipe i mages[J].Automation in Construction,2006,15(1):58-72.

[27]Ammouche A,Riss J,Breysse D,et al.I mage analysis for the automated study ofmicrocracks in concrete[J].Cement and Concrete Composites,2001,23:267-278.

[28]李玉蘭,林緒虹,劉桂雄.正交設(shè)計(jì)方法在優(yōu)化空瓶檢測(cè)圖像處理參數(shù)中應(yīng)用[J].光學(xué)精密工程,2005,13:207-211.

[29]朱文學(xué),曹崇文.玉米應(yīng)力裂紋的顯微分析[J].農(nóng)業(yè)工程學(xué)報(bào),1998,14(2):98-202.

[30]張俊雄,荀一,李偉.基于形態(tài)特征的玉米種子表面裂紋檢測(cè)方法 [J].光學(xué)精密工程,2007,15(6):951-956.

[31]Bhandarkar S M,Luo X,Daniels R,et al.Detection of cracks in computer tomography images of corns[J].Pattern Recognition Letters,2005,26(14):2282-2294.

[32]朱迎春.玉米種子純度檢測(cè)最有效的幾種方法[J].雜糧作物,2003,23(2):75-77.

[33]劉燕德,應(yīng)義斌,成芳.機(jī)器視覺(jué)技術(shù)在種子純度檢驗(yàn)中的應(yīng)用 [J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2003(5):161-163.

[34]劉玉欣,王萬(wàn)雙,劉會(huì)靈.蛋白質(zhì)凝膠電泳與田間種植鑒定玉米種子純度的相關(guān)性研究[J].農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究,2000,16(1):74-75.

[35]趙新子,吳巍,司秀麗.玉米種子活力圖像識(shí)別與處理技術(shù)研究[J].吉林農(nóng)業(yè)大學(xué)學(xué)報(bào),2004,26(5):572-576.

[36]王璽,張寶石.玉米種子純度鑒定技術(shù)研究進(jìn)展 [J].種子,2002(1):43-45.

[37]任東.種子純度與活力的快速測(cè)定的人工智能圖像識(shí)別與處理系統(tǒng)[D].長(zhǎng)春:吉林農(nóng)業(yè)大學(xué),2003.

[38]司秀麗,吳巍,趙新子,等.玉米種子純度的計(jì)算機(jī)圖像識(shí)別 [J].吉林農(nóng)業(yè)大學(xué)學(xué)報(bào),2005,27(6):694-697.

[39]楊杰.基于數(shù)字圖像處理的玉米種子質(zhì)量分級(jí)方法研究 [D].武漢:武漢理工大學(xué),2009.

[40]蔡衛(wèi)國(guó),李偉,荀一.種子精選分級(jí)裝置自動(dòng)控制方法研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2005,36(8):90-92.

[41]吳繼華,劉燕德,歐陽(yáng)愛(ài)國(guó).基于機(jī)器視覺(jué)的種子品種實(shí)時(shí)檢測(cè)系統(tǒng)研究[J].傳感技術(shù)學(xué)報(bào),2005,18(4):742-744.

[42]Wan YN.Kernel handling performance of an automatic grain quality inspection system[J].Trans of the ASAE,2002,45(2):369-378.

[43]Pearson T C.Low-cost bi-chromatic image shorting device for grains[C].In:2006 ASABE Meeting Presentation.Portland:ASABE,2006:63-85.

[44]W inter Philip,Shahab Sokhansanj,Wood Hugh.Machineision methods for use in grain variety discrimination and uality analysis[J].Proceeding of SPIE,1996,29(7):230-240.

[45]宋鵬,張俊雄,荀一,等.玉米種子自動(dòng)精選系統(tǒng)開發(fā)[J].農(nóng)業(yè)工程學(xué)報(bào),2010,26(9):124-127.

RESEARCH PROGRESS IN COMPUTER V ISI ON IDENTIFICATI ON AND EVALUATI ON OFMA IZE QUAL ITY

ZHOU Zhi-qiang1,GUO Shuai-chao2,CHENG Jun-hu2
(1.School of Infor m ation Science and Engineering,Henan University of Technology,Zhengzhou450001,China;2.School of Food Science and Technology,Henan University of Technology,Zhengzhou450052,China)

Computer vision is an important branch of computer science and artificial intelligence,and haswide application in the agriculture field as a non-destructive testing technology.This paper reviewed the research progress in the computer vision technology in the identification and evaluation ofmaize quality,and provided a reference for the accurate measurement of characteristics of maize kernels,the construction of correlation between the feature information and quality ofmaize,and the maize quality detection.The paper also proposed the application of the computer vision technology in the vision information extraction and detection of agricultural products,and in the study of quick and parallel image treatment algorithms in combination with IR,microwave and magnetic resonance techniqueswas the future development trend.

maize quality;computer vision;feature extraction;purity;stress crack

TS210

A

1673-2383(2011)01-0083-06

2010-11-26

周志強(qiáng) (1977-),男,河南駐馬店人,講師,碩士,研究方向?yàn)橛?jì)算機(jī)科學(xué)技術(shù)在糧油食品檢測(cè)中的應(yīng)用.