基于圖像處理和特征優(yōu)選的玉米品質(zhì)識(shí)別

劉仲鵬　李文華

摘要：為實(shí)現(xiàn)玉米籽粒的品種識(shí)別與品質(zhì)評(píng)估，根據(jù)籽粒圖像特征參數(shù)較多、參數(shù)間有一定相關(guān)性的特點(diǎn)，采集原始圖像并進(jìn)行必要的預(yù)處理，提取圖像的顏色特征、形狀特征及紋理特征共30個(gè)；以主成分分析法對指標(biāo)集進(jìn)行精簡，在保證識(shí)別精度的前提下去除冗余信息，降低圖像計(jì)算復(fù)雜度，使特征集精簡為10個(gè)；以支持向量機(jī)進(jìn)行分類識(shí)別，結(jié)果證實(shí)品種平均識(shí)別率為93.3%，不合格粒平均識(shí)別率為94.5%，識(shí)別精度較高，可滿足玉米籽粒的無損識(shí)別、分類、檢測及評(píng)估需求。

關(guān)鍵詞：圖像處理；特征優(yōu)選；玉米品質(zhì)識(shí)別；支持向量機(jī)

中圖分類號(hào)： S126；TP391.4 文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2015）03-0382-03

玉米籽粒的性狀屬性能夠在很大程度上體現(xiàn)出其品種與品質(zhì)，因此對玉米種子的形態(tài)特征進(jìn)行提取，對其變化規(guī)律進(jìn)行統(tǒng)計(jì)，具有比較重要的意義。傳統(tǒng)的方法是采用人工方法進(jìn)行識(shí)別及檢測，效率低且準(zhǔn)確度不足。隨著信息技術(shù)在農(nóng)業(yè)的應(yīng)用逐步深入，當(dāng)前已有不少研究成果引入圖像處理技術(shù)對玉米籽粒的外部形態(tài)進(jìn)行分析或統(tǒng)計(jì)[1-4]，但這些成果多局限于籽粒的體積、密度、質(zhì)量等常規(guī)指標(biāo)。而玉米種子內(nèi)部的生理生化特征與其形態(tài)特征、顏色特征及紋理特征等均有著密切的關(guān)系，這些變量參數(shù)較多，參數(shù)間又有一定的相關(guān)性，如何能夠在優(yōu)化精簡指標(biāo)的基礎(chǔ)上保持足夠的識(shí)別及檢測的準(zhǔn)確度，是一個(gè)亟待解決的問題。本研究首先對提取的玉米籽粒圖像進(jìn)行預(yù)處理，然后提取其顏色特征、形狀特征及紋理特征等多個(gè)屬性，以主成分分析的方法對指標(biāo)進(jìn)行精簡，在保證識(shí)別精度的前提下去除冗余信息，降低圖像計(jì)算復(fù)雜度，增加圖像分析識(shí)別的速率，對品種進(jìn)行分類與評(píng)價(jià)。本研究成果為農(nóng)作物籽粒的無損檢測提供了借鑒。

1 材料與方法

1.1 材料

1.1.1 樣本采集

以華北地區(qū)比較常見的沈玉26、中地77、博誠6等3個(gè)品種作為樣本，3類種子的外觀彼此較類似，色調(diào)基本是黃色的。

1.1.2 圖像采集設(shè)備

設(shè)計(jì)如圖1所示的種子圖像采集設(shè)備。其中，攝像孔的直徑為5 cm，升降桿可以在25～40 cm之間調(diào)節(jié)，光源為LED燈，以普通尼康數(shù)碼相機(jī)作為采集器件，主光源可以選擇LED燈，也可以選擇相機(jī)閃光燈，本試驗(yàn)選擇了8×8陣列LED燈，調(diào)節(jié)角度之后使圖像不存在陰影。

1.2 方法

1.2.1 圖像預(yù)處理

1.2.1.1 灰度處理

所采集的玉米種子原始圖像屬于24位真彩圖，含有RGB 3個(gè)分量。為了使后續(xù)處理計(jì)算量減少，對其進(jìn)行灰度化處理，通過3個(gè)步驟實(shí)現(xiàn)：

（1）分別提取目標(biāo)圖像RGB的具體值；

（2）求出具體的灰度值gray；

（3）令R=B=G=gray，最終實(shí)現(xiàn)圖像灰度化。

灰度化的圖像（部分）如圖2所示。

1.2.1.2 中值濾波處理

在對玉米籽粒圖像進(jìn)行處理時(shí)，還應(yīng)考慮到原始圖像中可能由于一些外部干擾而摻雜的噪聲成分[5]。噪聲的存在會(huì)對圖像質(zhì)量造成比較直接的影響，進(jìn)而降低籽粒各類特征的提取準(zhǔn)確性[6-7]。因此，本研究在灰度預(yù)處理的基礎(chǔ)上，繼續(xù)以中值濾波對圖像進(jìn)行進(jìn)一步處理。中值濾波的主要原理是，將圖像分為不同的窗口S，窗口里的所有像素進(jìn)行大小排列，將中位灰度值作為該窗口的灰度值。中值濾波已被證實(shí)能較為有效地避免圖像細(xì)節(jié)的模糊，并濾除顆粒噪聲及脈沖噪聲，盡量保持圖像邊緣的有用信息。本研究將濾波模板定位于3×3，實(shí)現(xiàn)樣本圖像的增強(qiáng)。

1.2.2 圖像分割

該步驟將玉米籽粒從圖像背景中分離出來，以便于下一步的特征提取及分析。本研究分割圖像采用的是閾值法，得到的是玉米籽粒的二值圖像。對圖像的每一個(gè)點(diǎn)，高于該閾值則取1，低于該閾值則取0。通過“試錯(cuò)法”可知，在閾值為0.4時(shí)可以較好地分割玉米籽粒目標(biāo)。圖3所示為經(jīng)過閾值分割之后的玉米籽粒圖像樣本（部分）。

1.2.3 特征提取

對玉米籽粒樣本圖像的特征集F進(jìn)行提取，選擇三大類特征：形狀特征、顏色特征、紋理特征。

1.2.3.1 形狀特征提取

形狀特征可以體現(xiàn)玉米籽粒的外形屬性。對以下主要形狀特征進(jìn)行提取：

F1：面積——玉米籽粒投影圖像包含的像素總數(shù)，是體現(xiàn)玉米種子品質(zhì)的重要參量之一。

F2：周長——玉米籽粒投影圖像輪廓線的長度，與F1特征一起來反映玉米種子的大小。

F3：圓形度——玉米籽粒的邊緣與標(biāo)準(zhǔn)圓形的相似度，能夠體現(xiàn)玉米種子是否規(guī)則。

F4：直徑——玉米籽粒邊界最小外接圓的直徑。

F5：延伸度——玉米籽粒最長軸與最短軸的比值，體現(xiàn)玉米種子的形狀。

每種玉米品種籽粒隨機(jī)選取200粒，進(jìn)行形狀特征提取，分別得到5個(gè)特征值。以沈玉26為例，其形狀特征如表1所示。

1.2.4 特征優(yōu)選

對籽粒樣本提取了大量特征之后，由于指標(biāo)數(shù)目多，且有些指標(biāo)之間具有較強(qiáng)的相關(guān)性，因此如果直接以所有指標(biāo)進(jìn)行識(shí)別，會(huì)由于數(shù)據(jù)的冗余而降低識(shí)別效率。

本研究引入主分量分析法進(jìn)行特征優(yōu)選?；舅悸肥牵喊汛喌乃兄笜?biāo)表示為向量，對所有的特征數(shù)據(jù)進(jìn)行降維處理，從而使這些特征屬性表示為線性組合，選取前n個(gè)對識(shí)別效果影響最大的主成分，實(shí)現(xiàn)特征的優(yōu)選。具體步驟如下：

（1）首先使各類特征數(shù)據(jù)標(biāo)準(zhǔn)化，避免量綱的影響：

2 結(jié)果與分析

2.1 玉米品種識(shí)別

不同品種的玉米籽粒在各類特征屬性的統(tǒng)計(jì)值方面有著明顯的不同，因此對玉米種子的品質(zhì)評(píng)估前，應(yīng)對其種類進(jìn)行識(shí)別。結(jié)合本研究提取出的玉米籽粒形狀、顏色、紋理特征集F∈（F1，F(xiàn)2，…，F(xiàn)30），以主成分分析法提取出其中的10個(gè)主成分F∈（F2、F1、F4、F5、F24、F25、F26、F13、F15、F3）來作為識(shí)別時(shí)所使用的玉米籽粒屬性集，對樣本進(jìn)行品種識(shí)別。樣本來自沈玉26、中地77、博誠6等3個(gè)品種，以隨機(jī)抽取的方式選取50%（各100幅，共300幅）的圖像作為構(gòu)建SVM的測試集，其余50%（各100幅，共300幅）作為測試集。支持向量機(jī)的輸入為10個(gè)主成分。進(jìn)行玉米品種識(shí)別，識(shí)別結(jié)果如表6所示。

由表6數(shù)據(jù)可知，采用SVM方法對沈玉26、中地77、博誠6等3個(gè)品種的玉米籽粒進(jìn)行種類識(shí)別，在訓(xùn)練樣本和測試樣本均為100的情況下，其識(shí)別率均達(dá)到較為滿意的效果，其中沈玉26的識(shí)別率最高，達(dá)96%，平均識(shí)別率為93.3%。

2.2 不合格籽粒識(shí)別

對不合格籽粒進(jìn)行自動(dòng)識(shí)別，是玉米種子品質(zhì)評(píng)估的重要步驟。不合格粒包括蟲咬、霉斑、不完整、雜質(zhì)（如石子）等等，本研究選取其中一些典型的不合格粒類型，包括霉變、不完整、破碎、石子等幾種進(jìn)行識(shí)別。SVM的輸入為10個(gè)主成分F∈（F2、F1、F4、F5、F24、F25、F26、F13、F15、F3），識(shí)別率如表7所示。

由表7中數(shù)據(jù)可知，對霉變、不完整、破碎、石子等不合格粒以SVM識(shí)別，其識(shí)別率均較為滿意，其中霉變粒識(shí)別率最高，達(dá)97.2%，石子粒識(shí)別率較低，為91.0%，平均識(shí)別率為94.5%。

可以證實(shí)本研究的特征優(yōu)選方法能夠應(yīng)用于對玉米種子的品種識(shí)別與籽粒等級(jí)評(píng)估中。

3 結(jié)束語

如何能夠以無損的方式實(shí)現(xiàn)農(nóng)作物種子的快速準(zhǔn)確檢測，是我國糧食產(chǎn)業(yè)的一個(gè)關(guān)鍵問題。本研究在機(jī)器視覺下提取玉米籽粒的大量特征，并以主分量分析方法對這些特征進(jìn)行簡化，使識(shí)別算法的精度和效率得到提升，對作物種子的品質(zhì)評(píng)估與品種識(shí)別具有比較好的借鑒意義。

參考文獻(xiàn)：

[1]楊愛國，張世煌，李明順，等. CIMMYT和我國玉米種質(zhì)群體的配合力及雜種優(yōu)勢分析[J]. 作物學(xué)報(bào)，2006，32（9）：1329-1337.

[2]楊國虎，歐陽一沁，李 新，等. 外引優(yōu)異玉米種質(zhì)形態(tài)性狀的初步鑒定[J]. 種子，2006，25（9）：100-102.

[3]Nelson S O. Dimensional and density data for seeds of cereal grain and other crops[J]. Transactions of the ASAE，2002，45（1）：165-170.

[4]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.

[5]王 靜. 基于圖像處理技術(shù)的煙葉病害自動(dòng)識(shí)別研究[D]. 昆明：昆明理工大學(xué)，2011.

[6]齊 龍，馬 旭，張小超. 基于BP網(wǎng)絡(luò)的植物病害彩色圖像的分割技術(shù)[J]. 吉林大學(xué)學(xué)報(bào)：工學(xué)版，2006，32（S2）：126-129.

[7]王惠明，史 萍. 圖像紋理特征的提取方法[J]. 中國傳媒大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，13（1）：49-52.

[8]劉麗娟，劉仲鵬，程 芳. 玉米生長期葉部病害圖像識(shí)別預(yù)處理研究[J]. 河南農(nóng)業(yè)科學(xué)，2013，42（10）：91-94.