基于LabVIEW的超級(jí)稻秧盤播種質(zhì)量檢測(cè)技術(shù)研究①

周海波， 李洪波， 王桂蓮， 劉冠喬

(佳木斯大學(xué)機(jī)械工程學(xué)院，黑龍江 佳木斯 154007)

0 引言

超級(jí)稻與常規(guī)水稻(雜交稻和常規(guī)稻)在種植上的不同之處在于秧盤育秧播種技術(shù)的要求由原來的常規(guī)水稻大于3粒/穴(取秧面積)的精少量播種，提升為2±1粒/穴(取秧面積)的精量播種[1－2].目前精密播種的理想目標(biāo)是 2 ～ 3 粒/穴(取秧面積)，而現(xiàn)有的機(jī)械化播種技術(shù)達(dá)不到此要求，且單粒率和空穴不可避免[3].因此，針對(duì)目前水稻秧盤育秧播種均存在空穴的情況和超級(jí)稻種植的要求，使得超級(jí)稻秧盤播種質(zhì)量檢測(cè)的研究變得非常重要.該研究是今后補(bǔ)種工作不可缺少的步驟，也是提高水稻單產(chǎn)、實(shí)現(xiàn)農(nóng)業(yè)增效和農(nóng)民增收的主要途徑.

1 缽體秧盤圖像處理及算法研究

為了消除圖像中無關(guān)的信息(如圖像的背景)，將所需要的信息予以還原，需要對(duì)圖像進(jìn)行預(yù)處理，其主要目的是最大限度地簡(jiǎn)化數(shù)據(jù)，增強(qiáng)相關(guān)信息的可檢測(cè)性，以便于提高后續(xù)圖像處理的可靠性，為此本文針對(duì)缽體秧盤圖像特點(diǎn)采用圖像增強(qiáng)的中值濾波方法對(duì)缽體秧盤圖像進(jìn)行預(yù)處理，中值濾波法可以有效的濾除噪聲，可以得到較清晰的種子邊緣信息，有利于圖像分割.圖像分割就是把數(shù)字圖像細(xì)分為若干個(gè)圖像子區(qū)域并將感興趣目標(biāo)從子區(qū)域中提取出來的過程，本文主要采用基于閾值分割和邊緣檢測(cè)相結(jié)合的分割方法，提取種子圖像，并進(jìn)行播種質(zhì)量檢測(cè).

邊緣檢測(cè)是圖像分割的一種重要途徑，其方法計(jì)算簡(jiǎn)單、適用范圍廣，是最常用的圖像分割方法.本文運(yùn)用Roberts算子對(duì)缽體秧盤圖像進(jìn)行了處理，采用Robers算子運(yùn)算效率較高，是邊緣檢測(cè)中最常用的一階微分算子[4－5]，它為梯度幅值計(jì)算提供了一種簡(jiǎn)單的計(jì)算方法，其公式為:

其中 f(x，y)，f(x+1，y+1)，f(x+1，y)，f(x，y+1)分別為四鄰域的坐標(biāo)，且是具有整數(shù)像素坐標(biāo)的輸入圖像，在水平和垂直方向的定位精度較高，它的平方根運(yùn)算與人類視覺系統(tǒng)的發(fā)生過程相類似.

Roberts算子的兩個(gè)模板:

這兩個(gè)2×2算子模板(卷積核)形成了Ro-berts算子，所處理的圖像中的每一個(gè)像素點(diǎn)都與這兩個(gè)模板作卷積，對(duì)其進(jìn)行梯度運(yùn)算.根據(jù)Roberts邊緣檢測(cè)算子的原理，我們利用LabVIEW虛擬儀器平臺(tái)實(shí)現(xiàn)了Roberts算子對(duì)缽體秧盤圖像進(jìn)行邊緣識(shí)別的過程(圖1).

圖1 Roberts算子程序框圖

程序說明:通過LabVIEW的IMAQ模塊建立圖像處理任務(wù)，讀取攝像頭拍攝的圖像文件，通過Color Plane控件以及IMAQ Extract可以提取缽體秧盤圖片紅色R分量，IMAQ Threshold將所拍攝的圖像轉(zhuǎn)化為二值圖像，經(jīng)中值濾波去除噪聲后，利用Roberts算子提取稻種邊緣并輸出處理后的圖像.

圖2 Roberts算子分割圖像

圖3 經(jīng)閾值分割后使用Roberts邊緣算子得到的圖像

通過圖2可知，使用Roberts算子進(jìn)行圖像分割，其計(jì)算方便快捷，利于在線檢測(cè).因其采用對(duì)角線方向相鄰兩個(gè)像素之差近似梯度幅值檢測(cè)圖像邊緣，對(duì)水平和垂直兩個(gè)方向定位精度高，但對(duì)噪聲敏感，檢測(cè)出的圖像邊緣較粗糙，因此，考慮在使用Roberts算子分割圖像之前對(duì)圖像進(jìn)行中值濾波和自動(dòng)閾值分割處理.然后利用Roberts算子對(duì)獲得的種子的二值圖像進(jìn)行二次分割，提取種子的邊緣信息，圖3為Roberts算子分割后的圖像，噪聲影響減小，種子的邊緣較為連貫.

2 缽體秧盤播種質(zhì)量檢測(cè)系統(tǒng)的設(shè)計(jì)

秧盤播種質(zhì)量檢測(cè)系統(tǒng)所需要的硬件設(shè)備主要有CCD照相機(jī)、采集卡、光電位置開關(guān)、箱體和計(jì)算機(jī).系統(tǒng)工作前，根據(jù)所采用的缽體秧盤規(guī)格，調(diào)整攝像機(jī)的安裝高度，本研究所采用的缽體秧盤規(guī)格為25×15穴，預(yù)拍攝區(qū)域?yàn)?行×15列的范圍，CCD攝像機(jī)的安裝高度約為700mm.并且2YCL－450型水稻秧盤育秧精密播種機(jī)穩(wěn)定工作時(shí)，秧盤前進(jìn)速度約為76mm/s的條件下進(jìn)行試驗(yàn).LabVIEW擁有豐富的圖形控件[6]，其中視覺模塊還提供了豐富的圖像處理函數(shù)，完全能夠解決基于視覺識(shí)別的種種問題.

下圖為應(yīng)用LabVIEW設(shè)計(jì)播種質(zhì)量檢測(cè)系統(tǒng)的程序框圖(圖4).

程序說明:程序框圖a主要實(shí)現(xiàn)的功能是讀取CCD攝像頭以及圖像采集卡采集的缽體秧盤圖像，并建立圖像采集任務(wù)，設(shè)定待識(shí)別區(qū)域的參數(shù)，并將其轉(zhuǎn)化為掩模，將原圖像轉(zhuǎn)化為R分量圖像，利用閾值分割和Roberts邊緣算子對(duì)圖像進(jìn)行處理;程序框圖b主要實(shí)現(xiàn)的是將程序框圖a處理的二值圖像進(jìn)行掩模覆蓋，計(jì)算掩膜內(nèi)灰度值，并將數(shù)據(jù)進(jìn)行存儲(chǔ).

3 檢測(cè)結(jié)果的分析

利用CCD攝像機(jī)和圖像采集卡對(duì)缽體秧盤圖像進(jìn)行了連續(xù)拍攝.在實(shí)際操作中，處理與分析一幅圖片的總耗時(shí)約為0.26s.隨機(jī)選取了一組缽體秧盤圖像，經(jīng)圖像處理后得到二值掩模圖像(圖5)，根據(jù)圖像處理結(jié)果，將每個(gè)掩模內(nèi)的灰度均值統(tǒng)計(jì)結(jié)果儲(chǔ)存在數(shù)組中.進(jìn)行處理，所得到的試驗(yàn)結(jié)果如圖5所示:

通過對(duì)所處理的缽體秧盤圖像中各個(gè)穴孔內(nèi)種子形態(tài)及其灰度均值的統(tǒng)計(jì)，然后將各個(gè)掩模內(nèi)對(duì)象的灰度均值范圍由小到大排列，我們可以根據(jù)灰度均值的范圍大致判斷出穴孔內(nèi)種子的數(shù)量(見表1)，從而檢測(cè)出缽體秧盤的播種質(zhì)量.

圖4 播種質(zhì)量檢測(cè)系統(tǒng)主要程序框圖

表1 不同灰度均值范圍所對(duì)應(yīng)的稻種形態(tài)

表1中我們可以看出，當(dāng)灰度均值小于0.015時(shí)為空穴;當(dāng)灰度均值在0.015～0.05范圍時(shí)，孔穴內(nèi)有一粒種子;當(dāng)灰度均值大于0.05時(shí)，孔穴內(nèi)有兩粒以上的種子.

圖5 種子邊緣信息的二值掩模圖像

4 結(jié)論

文章應(yīng)用計(jì)算機(jī)視覺技術(shù)系統(tǒng)設(shè)計(jì)了缽體秧盤播種質(zhì)量檢測(cè)系統(tǒng).該系統(tǒng)基于LabVIEW編寫了虛擬儀器程序，通過視覺模塊所提供的圖像處理函數(shù)，在紅光R分量圖下，運(yùn)用中值濾波獲得平滑圖像，通過自動(dòng)閾值法和Roberts邊緣算子得到了較為連貫的缽體秧盤邊緣二值圖像.并進(jìn)行了在線缽體秧盤播種值量檢測(cè)的應(yīng)用試驗(yàn)與對(duì)比分析，試驗(yàn)結(jié)果表明，改進(jìn)后的檢測(cè)精度達(dá)到80%以上.

[1]何文洪，陳惠哲，朱德峰.不同播種量對(duì)水稻機(jī)插秧苗素質(zhì)及產(chǎn)量的影響[J].中國(guó)稻米.2008(3):60－62.

[2]孫濤，商文楠，金學(xué)泳.不同播種粒數(shù)對(duì)水稻機(jī)插秧苗素質(zhì)及產(chǎn)量的影響[J].中國(guó)農(nóng)學(xué)通報(bào).2005，21(7):134 －137.

[3]張傳斌，吳亞萍.煙草裝盤播種機(jī)用精量穴播排種器的試驗(yàn)研究[J].農(nóng)機(jī)化研究.2012(10):161－168.

[4]吳炯，張秀彬，張峰等.數(shù)字圖像邊緣算法的實(shí)驗(yàn)研究[J].微計(jì)算機(jī)信息.2004，20(5):106－107.

[5]趙月云，王波.基于Roberts邊緣檢測(cè)的面向?qū)ο蠼ㄖ镄畔⑻崛J].城市勘測(cè).2012(2):121－125.

[6]劉洋，方敏.基于LabVIEW的視覺伺服機(jī)械臂控制系統(tǒng)[J].微型機(jī)與應(yīng)用.2012，31(10):25 －27.