基于計(jì)算機(jī)圖像技術(shù)的作物籽粒識(shí)別研究

徐慶華 XU Qing-hua

（江西工業(yè)貿(mào)易職業(yè)技術(shù)學(xué)院，南昌 330038）

（Jiangxi Vocational Technical College of Industry&Trade，Nanchang 330038，China）

0 引言

糧食的人類賴以生存的基本保障。近年來(lái)，我國(guó)農(nóng)業(yè)技術(shù)不斷進(jìn)步與發(fā)展，全面提高了城鄉(xiāng)居民生活水平，人們對(duì)糧食的追求已經(jīng)從單純的數(shù)量需求逐漸過(guò)渡到對(duì)其品質(zhì)的追求了。為了順應(yīng)生產(chǎn)和市場(chǎng)變化的需求，在作物籽粒的識(shí)別研究上，引入了計(jì)算機(jī)圖像處理技術(shù)，降低了農(nóng)業(yè)生產(chǎn)的成本，能快速準(zhǔn)確的識(shí)別出作物籽粒的數(shù)量，準(zhǔn)確率高達(dá)98%，提高了農(nóng)作物的質(zhì)量，促進(jìn)我國(guó)糧食在國(guó)際市場(chǎng)的競(jìng)爭(zhēng)水平。

1 作物籽粒圖像識(shí)別處理的研究分析

作物籽粒外觀品質(zhì)的計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)包括圖像獲取、圖像增強(qiáng)、特征參數(shù)提取和分類等。如圖1所示。其中，采集設(shè)備、照明設(shè)備、載樣臺(tái)構(gòu)成的圖像獲取裝置，能提供清晰穩(wěn)定的作物數(shù)字圖像；圖像增強(qiáng)可以進(jìn)行圖像的預(yù)處理和分割，達(dá)到改善圖像質(zhì)量，增強(qiáng)圖像識(shí)別的效果；在此之后，需要分析和變換方法，計(jì)算作物顏色、形態(tài)和紋理結(jié)構(gòu)，放映作物的特征參數(shù)；最后選擇合適的算法，進(jìn)行品種的鑒別和外觀品質(zhì)的檢測(cè)。

優(yōu)質(zhì)、高產(chǎn)的農(nóng)業(yè)生產(chǎn)必須依靠?jī)?yōu)良的種質(zhì)資源，農(nóng)作物籽粒圖像識(shí)別處理技術(shù)已經(jīng)成為現(xiàn)代農(nóng)業(yè)研究和發(fā)展的必然選擇。籽粒的圖像特征能反映籽粒內(nèi)部的生理特征，幫助技術(shù)研究人員對(duì)種子的質(zhì)量進(jìn)行鑒別。計(jì)算機(jī)圖像識(shí)別作物籽粒質(zhì)量的過(guò)程一般分為以下幾個(gè)部分：

圖1 作物外觀品質(zhì)計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)結(jié)構(gòu)

1.1 作物籽粒圖像采集 往往籽粒的尺寸都比較小，其圖像的采集會(huì)在室內(nèi)進(jìn)行。計(jì)算機(jī)圖形識(shí)別處理技術(shù)在采取籽粒圖像時(shí)，為了獲取高質(zhì)量、穩(wěn)定的籽粒圖像，就必須保證采集環(huán)境的穩(wěn)定性。如攝像機(jī)擺放的位置、不同分辨率、不同光源造成的色差、不同焦距對(duì)圖像的影響等。在研究過(guò)程中，有些技術(shù)人員利用掃描儀作為采集系統(tǒng)的主要設(shè)備，能獲取高質(zhì)量的籽粒圖像，實(shí)驗(yàn)效果比較準(zhǔn)確、理想。2009年孫光明等人利用MS3100多光譜成像儀，結(jié)合可見(jiàn)光和近紅外方法對(duì)大麥進(jìn)行成像，較好的反映了農(nóng)作物籽粒的品質(zhì)特性。

1.2 作物籽粒圖像預(yù)處理 往往籽粒的圖像需要經(jīng)過(guò)分割、去噪等預(yù)處理工作。在作物籽粒分割方面，按照一定的規(guī)定把其放置在載樣臺(tái)上。但是彼此不能連接，這樣比較容易分割籽粒圖像。在實(shí)際作物籽粒在線檢測(cè)系統(tǒng)中，籽粒隨機(jī)放置在載樣臺(tái)上，兩者難免會(huì)接觸，導(dǎo)致檢測(cè)效率降低。針對(duì)這個(gè)難點(diǎn)，可以利用形態(tài)學(xué)方法對(duì)籽粒進(jìn)行分割。2005年Gong Zhang等人使用橢圓匹配的方法對(duì)加拿大的四種不同小麥的籽粒進(jìn)行了分割，隨后技術(shù)研究人員還利用了分水嶺分割、公共區(qū)域或籽粒輪廓尋找分割點(diǎn)等方法實(shí)現(xiàn)了作物籽粒圖像的自動(dòng)分割。

1.3 作物籽粒特征參數(shù)提取 作物籽粒圖像特征參數(shù)一般包括籽粒的顏色、紋理結(jié)構(gòu)、形狀（質(zhì)心、長(zhǎng)寬比）以及尺寸（面積、體積、周長(zhǎng)）等。另外在一些研究中采用不變矩和傅里葉從不同角度描述了作物籽粒的形狀特征，并進(jìn)行分類。2004年凌云等人提出用分形的思想描述大米籽粒上堊白區(qū)域的分布情況。2010年權(quán)龍哲等人采用K—L變換技術(shù)對(duì)外觀相似的玉米籽粒圖像進(jìn)行了參數(shù)提取，利用少量的特征，并采用圖像信息壓縮技術(shù)，反映了玉米品種籽粒的外觀特性，為后期有效的鑒別相似玉米品種提供了強(qiáng)有力的保障。

1.4 作物籽粒品質(zhì)鑒別 一般來(lái)講，籽粒鑒別的類型包括對(duì)籽粒甄別其品質(zhì)的檢測(cè)、不同籽粒的品種歸屬，兩種鑒別類型都是利用遺傳算法、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等模式來(lái)識(shí)別的。2009年李偉等人根據(jù)形態(tài)學(xué)特征，通過(guò)輪廓對(duì)稱性識(shí)別局部破損棉種，識(shí)別率高達(dá)94%。

2 實(shí)例分析

若想較為準(zhǔn)確的識(shí)別作物籽粒，就必須提高圖像識(shí)別和處理的精確度和便捷性，只有不斷的改進(jìn)傳統(tǒng)的圖像識(shí)別中的分割法，提高作物籽粒圖像識(shí)別的準(zhǔn)確性，才能為計(jì)算機(jī)技術(shù)在農(nóng)業(yè)生產(chǎn)的應(yīng)用奠定堅(jiān)實(shí)的基礎(chǔ)。下文就以水稻籽粒為例，對(duì)圖像分割的方法進(jìn)行探討分析。

2.1 分水嶺分割算法 分水嶺分割算法被廣泛的運(yùn)用在作物籽粒圖像處理中，是一種比較實(shí)用的圖像分割算法。首先應(yīng)該明確分水嶺分割法的含義是基于梯度空間的，首先應(yīng)該把籽粒圖像轉(zhuǎn)換為梯度圖像。分水嶺分割算法對(duì)籽粒的邊緣有很好的響應(yīng)，對(duì)籽粒有很好的分割效果，但是也容易產(chǎn)生過(guò)度分割的現(xiàn)象。針對(duì)這個(gè)問(wèn)題，必須對(duì)分水嶺分割算法進(jìn)行改進(jìn)，使用極小值合并分水嶺分割算法消除過(guò)度分割。如圖2是水稻籽粒原始圖像，圖3是分水嶺分割算法的效果。

圖2 水稻籽粒原始圖像

圖3 分水嶺分割算法的效果

2.2 綜合分割計(jì)數(shù)法 雖然分水嶺分割算法在消除過(guò)度分割方面進(jìn)行了一定的改進(jìn)，但是在某些情況下，仍然不能較高的處理過(guò)度分割現(xiàn)象，因此可以在對(duì)水稻籽粒的面積進(jìn)行測(cè)量時(shí)，可以結(jié)合外部設(shè)備。在籽粒圖像采集過(guò)程中，必須調(diào)整攝像頭和籽粒的距離，在一定的距離內(nèi)測(cè)出水稻籽粒的平均像素n，將分割區(qū)域2n/3比較，像素?cái)?shù)大于2n/3的記住1個(gè)籽粒，并把此區(qū)域設(shè)為背景色；小于2n/3的區(qū)域與鄰進(jìn)區(qū)域比較，與同樣小的區(qū)域合并，再與2n/3比較。如果大于2n/3，周邊又沒(méi)有小于n/3的區(qū)域，將其合并，區(qū)域顏色設(shè)為背景色，籽粒數(shù)加1。當(dāng)圖像顏色權(quán)威背景色就結(jié)束處理，如圖4。

圖4 綜合分割算法效果圖

3 結(jié)束語(yǔ)

隨著計(jì)算機(jī)技術(shù)不斷發(fā)展，勢(shì)必也會(huì)推動(dòng)我國(guó)農(nóng)業(yè)的進(jìn)步，提高我國(guó)農(nóng)業(yè)在國(guó)際上的競(jìng)爭(zhēng)力。雖然在計(jì)算作物籽粒數(shù)量時(shí)還存在一定的缺陷與不足，但是只要不斷創(chuàng)新計(jì)算機(jī)圖形技術(shù)，改進(jìn)分水嶺分割算法和綜合分割算法，不斷深入研究更多先進(jìn)、高效的作物籽粒識(shí)別處理技術(shù)，就會(huì)提高農(nóng)作物生產(chǎn)質(zhì)量，促進(jìn)我國(guó)農(nóng)業(yè)健康穩(wěn)定的發(fā)展。

[1]王雪,馬卓,王欣,姜丹,劉小溪,賈志雷.基于顏色和形狀特征的黃瓜霜霉病自動(dòng)識(shí)別研究[J].安徽農(nóng)業(yè)大學(xué)學(xué)報(bào),2013,06:1071-1075.

[2]葛婧.基于計(jì)算機(jī)圖像處理技術(shù)的作物病害等級(jí)檢測(cè)[D].安徽農(nóng)業(yè)大學(xué),2007.

[3]文新亞,宋振偉,孔凡磊,張志鵬,陳阜.基于數(shù)字圖像技術(shù)的冬小麥不同施氮處理顏色特征分析[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2010,02:82-87.

[4]陸明,李茂松,申雙和,王春艷.圖像識(shí)別技術(shù)在作物農(nóng)情信息反演中的應(yīng)用[J].自然災(zāi)害學(xué)報(bào),2011,03:18-24.

[5]高云,李小昱,劉長(zhǎng)舉,周竹.基于高光譜圖像技術(shù)的霉?fàn)€板栗識(shí)別研究[A].中國(guó)農(nóng)業(yè)工程學(xué)會(huì)（CSAE）.中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C].中國(guó)農(nóng)業(yè)工程學(xué)會(huì)（CSAE），2011:5.