基于機器視覺的黃芩種子精選技術研究

， ， ， ， (.中國農(nóng)業(yè)大學農(nóng)學與生物技術學院植物遺傳育種學系/北京市作物遺傳改良重點實驗室， 北京 009；.北京市農(nóng)業(yè)技術推廣站， 北京 000； .中國農(nóng)業(yè)大學理學院， 北京 0008)

基于機器視覺的黃芩種子精選技術研究

葉鳳林1，李琳2，楊麗明3，王建華1，孫群1
(1.中國農(nóng)業(yè)大學農(nóng)學與生物技術學院植物遺傳育種學系/北京市作物遺傳改良重點實驗室， 北京 100193；2.北京市農(nóng)業(yè)技術推廣站， 北京 100101； 3.中國農(nóng)業(yè)大學理學院， 北京 100083)

探究機器視覺技術用于黃芩種子精選的適用性并確定適宜的精選參數(shù)。采用種子形態(tài)自動化識別軟件快速識別400粒黃芩種子的物理特性(長度、寬度、投影面積、R、G、B、H、S、B、L、a、b)，再通過單粒種子萌發(fā)試驗確定種子活力，分析種子活力與物理特性的相關性，并計算出高活力種子的物理參數(shù)，根據(jù)所得參數(shù)精選出黃芩種子并進行試驗驗證。結果表明，黃芩幼苗苗長、鮮重與種子H值、寬度、長度、投影面積均呈極顯著相關；經(jīng)計算得出，按H≤100、寬度gt;1.50 mm、長度gt;1.90 mm、投影面積gt;300像素對黃芩種子進行精選，可不同程度的提高種子發(fā)芽率及簡易活力指數(shù)；驗證試驗結果表明，按以上參數(shù)精選后的黃芩種子發(fā)芽率分別由原始的62.0%提高到73.0%、78.5%、76.0%、75.8%，簡易活力指數(shù)分別由原始的0.010 4提高到0.014 7、0.016 1、0.014 8、0.015 7。該研究表明，可通過機器視覺技術精選黃芩種子，從而提高種子活力，該批黃芩種子適宜的精選參數(shù)為H≤100、寬度gt;1.50 mm、長度gt;1.90 mm、投影面積gt;300像素。

黃芩； 種子活力； 物理特性； 機器視覺技術； 精選

黃芩(ScutellariabaicalensisGeorgi)為唇形科黃芩屬植物，有清熱燥濕、瀉火解毒、止血、安胎的功效[1]，是我國常用的大宗道地藥材之一。近年來，人們對黃芩的需求量大增，然而由于種子混雜等因素，黃芩品質退化的問題也日益顯現(xiàn)[2]。然而，目前我國對于黃芩等藥用植物種子的精選效果并不能滿足市場對藥用植物種子質量的精細化要求，對黃芩的研究也主要集中在藥用價值以及資源調查，關于黃芩種子精選的研究尚未見報道。通過機器視覺技術精選出高活力種子對黃芩的生產(chǎn)具有重要意義。

由于遺傳特性、環(huán)境等多種因素影響，不同作物、品種、批次間的種子在物理特性方面均存在差異。研究發(fā)現(xiàn)，小麥、棉花、高粱、甘藍等多種作物的物理特性均與種子活力呈極顯著相關[3-7]。機器視覺技術可快速無損的提取種子的物理特性，因此在農(nóng)作物種子精選中具有廣泛的應用前景。機器視覺技術是近幾十年來發(fā)展起來的一門涉及到人工智能、計算機科學、圖像處理、模式識別等多個領域的智能技術，能提高農(nóng)業(yè)生產(chǎn)的自動化水平，解放勞動力，已逐漸滲透到農(nóng)業(yè)生產(chǎn)的各個領域[8-10]。機器視覺技術能對籽棉[11]、水稻[12]、油菜種子[13]、土豆[14-15]、棉花[16]、蘋果[17]、柑橘[18]、板栗[19]和花菇[20]等廣泛的農(nóng)作物進行快速的質量檢驗、分級，對實現(xiàn)種子精選的自動化和精準化也具有重要的意義，通過利用機器視覺模擬人的視覺功能，獲取圖像，再對圖像信息進行數(shù)字化處理，獲取到種子的物理指標，然后根據(jù)這些指標與種子活力的相關性分析，確定出種子精選時的相關參數(shù)。Shearer S. A.等采用機器視覺技術根據(jù)顏色對圓椒進行快速的品質分級，正確率可達96%[21]。陳兵旗等發(fā)現(xiàn)，采用計算機視覺技術識別水稻種子的尺寸參數(shù)，可判斷水稻是否霉變[22]，為水稻的精選提供參考。

本研究利用種子形態(tài)自動化識別軟件提取黃芩種子的相關物理特性，通過單粒種子萌發(fā)試驗獲取黃芩種子活力指標，對種子的物理特性與種子活力進行相關性分析，確定高活力種子物理參數(shù)所在的區(qū)間。再根據(jù)所得出的精選參數(shù)精選黃芩種子，以未精選的種子為對照，通過群體發(fā)芽試驗進行結果驗證，以期為黃芩高活力種子的精選提供理論參考。

1 材料與方法

1.1 試驗材料

黃芩種子，2014年收獲，由北京市農(nóng)業(yè)技術推廣站提供。

圖1 黃芩種子去背景圖

圖2 種子形態(tài)自動化識別軟件識別種子并提取特征參數(shù)

1.2 儀器設備及工具軟件

Uniscan D 6810型掃描儀，清華紫光股份有限公司；BSA 124S-CW型分析天平，賽多利斯科學儀器(北京)有限公司；Photoshop CS 5；種子形態(tài)自動化識別軟件(Seed Identification軟件是本實驗室自主開發(fā)的一款自動化記錄種子屬性的種子識別軟件)；Excel 2007；IBM SPSS Statistics 17.0。

1.3 試驗方法

1.3.1 圖像掃描

隨機選取400粒黃芩種子，按每行20粒，共20行的標準整齊擺放在清華紫光D 6810型掃描儀上，背景顏色調為白色，分辨率設置為300 dpi，圖片保存為.png格式。掃描后每粒種子單獨標記存放。

1.3.2 圖像預處理

為了確保Seed Identification能更精確的識別種子，需在Photoshop CS 5中打開圖片，通過調節(jié)參數(shù)，使魔術棒工具能精確地選定種子以外的部分，并將其填充為白色，圖片保存為.png格式(圖1)。

1.3.3 特征參數(shù)的提取

在Seed Identification軟件中打開預處理后的圖片，設置取樣大小為9×9，像素大小為20～5 000，字體大小12，字體偏移量20×30(圖2)。點擊識別鍵測定出每粒種子的RGB、HSB、Lab、灰度、長度、寬度、投影面積值，導出并保存到Excel工作表中。

RGB值：紅色、綠色和藍色3種基色，每個色階值是從0(黑色)到255(白色)的亮度值。

HSB值：色相代表不同波長的光譜值，范圍為0～360，其中0和360為紅色，每隔60依次為黃色、綠色、青色、藍色、品紅色；飽和度代表顏色的深淺，取值范圍為0～100；亮度代表顏色的明暗程度，取值范圍為0～100。

Lab值：L為亮度，取值范圍是0(黑色)～100(白色)；a表示從紅色到綠色的范圍，b表示從藍色到黃色的范圍，a和b的取值范圍均為-120～120。

灰度值：圖像每個像素的灰度值為0～255之間的亮度值，也可以用黑色油墨覆蓋的百分比(0%～100%)來表示。

1.3.4 發(fā)芽試驗

將黃芩種子用1%的次氯酸鈉溶液消毒10 min，并用蒸餾水洗滌3次，按順序擺放在發(fā)芽紙上，采用垂直玻璃板發(fā)芽方法，將種子置于25 ℃的光照培養(yǎng)箱(型號：LRH-250-H)內進行單粒種子萌發(fā)試驗。以胚根突破種皮2 mm為發(fā)芽標準，記錄種子DAP(days after planting)，直到第15天測量每株幼苗的苗長和鮮重，并計算其簡易活力指數(shù)。簡易活力指數(shù)=G×S，式中：G為發(fā)芽率，S為幼苗鮮重(g)。

1.3.5 數(shù)據(jù)處理

通過Excel 2007和SPSS 17.0軟件，運用單因素方差分析和相關性分析對黃芩種子的物理指標和發(fā)芽參數(shù)進行分析，確定出適宜的精選參數(shù)。

1.3.6 驗證試驗

根據(jù)上述試驗所確定出的精選參數(shù)，通過機器視覺技術從同一批次的黃芩種子中精選出適宜參數(shù)的種子分組進行驗證試驗，每個重復100粒種子，4次重復，以原始種子為對照，在相同發(fā)芽條件下進行垂直玻璃板發(fā)芽試驗。記錄種子DAP(days after planting)，直到第15天從每個重復中選取最健壯的幼苗20株測定幼苗素質，比較不同指標精選后黃芩種子的活力差異。

2 結果與分析

2.1 黃芩種子活力與物理指標間的相關性分析

采用發(fā)芽第15天的苗長和苗鮮重作為黃芩種子活力指標，對400粒黃芩種子活力指標與物理指標間的相關性進行了分析。從表1可以看出：幼苗苗長、鮮重與種子H值、寬度、長度、投影面積呈極顯著相關。H值、寬度、長度、投影面積的變異系數(shù)分別為1.28、0.1、0.1、0.17。種子活力與物理指標間相關性越高，種子批內該物理指標的變異程度越大，說明使用這一指標對種子進行精選的意義就越大。結合相關系數(shù)和變異系數(shù)的大小綜合分析得到，H值、寬度、長度和投影面積可用于黃芩種子活力的分選。

表1 黃芩種子活力指標與物理指標間相關性分析

物理指標N極小值極大值變異系數(shù)與苗長的相關系數(shù)與鮮重的相關系數(shù)R40042760．090．014-0．077G40041710．090．023-0．068B(RGB)40042710．080．015-0．088H40003451．28-0．145??-0．193??S4000201．05-0．072-0．110?B(HSB)40016300．090．005-0．096L40017300．100．012-0．086a400-23-6．56-0．065-0．071b400-362．010．0080．035灰度(%)40041710．090．024-0．066寬度(mm)400120．10．282??0．329??長度(mm)400120．10．269??0．315??投影面積(像素)4001775060．170．310??0．363??

注：“*”表示0.05水平顯著相關，“**”表示0.01水平極顯著相關。

2.2 黃芩種子精選指標區(qū)間的選擇

基于表1中篩選出的物理指標，按H值、寬度、長度和投影面積分別對黃芩種子進行分選，將種子分為4組，從表2可以看出，隨著黃芩種子寬度、長度、投影面積的增加，H值的減小，幼苗的鮮重、苗長和簡易活力指數(shù)逐漸增加。按H≤100、寬度gt;1.50 mm、長度gt;1.90 mm、投影面積gt;300像素對黃芩種子進行精選，發(fā)芽率可由原來的74.3%分別提高到77.6%、78.2%、80.9%、79.6%，簡易活力指數(shù)可由原來的0.006 8分別提高到0.007 5、0.008 2、0.008 7、0.008 4，苗長、鮮重也均可達到不同程度的提高。因此認為通過H值、寬度、長度、投影面積來對黃芩種子進行精選分級是可行的。

2.3 驗證試驗結果

根據(jù)表1、表2的結果，隨機選取同一批次的黃芩種子，分別按H≤100、寬度gt;1.50 mm、長度gt;1.90 mm、投影面積gt;300像素對種子進行精選，每一指標精選400粒，以未精選的黃芩種子為對照，相同條件下進行發(fā)芽試驗。從表3可以看出，經(jīng)過H值、寬度、長度、投影面積精選后的黃芩種子活力均顯著高于未精選的黃芩種子，其中發(fā)芽率分別由原來的62.0%提高到73.0%、78.5%、76.0%、75.8%，簡易活力指數(shù)分別由原來的0.010 4提高到0.014 7、0.016 1、0.014 8、0.015 7，表明該批黃芩種子按這些參數(shù)進行精選能取得較好的精選效果。

表2 黃芩種子精選指標的分組比較結果

精選指標區(qū)間獲選率(%)發(fā)芽率(%)苗長(cm)鮮重(g)簡易活力指數(shù)ck——74．30．410．00920．0068≤5047．577．00．490．01010．0078H51～10037．778．30．360．00910．0072101～2005．768．00．480．00840．0057>2009．457．10．230．00630．0036≤100精選85．177．60．430．00970．0075≤1．201．340．00．010．00210．0009寬度(mm)1．21～1．5028．067．50．250．00690．00471．51～1．8065．178．00．480．01040．0081>1．805．881．00．690．01180．0095>1．50精選70．878．20．500．01050．0082≤1．708．750．00．060．00410．0020長度(mm)1．71～1．808．768．40．310．00740．00501．81～1．9011．168．80．270．00740．0051>1．9071．380．90．520．01080．0087>1．90精選71．380．90．520．01080．0087≤30018．556．70．150．00530．0030投影面積(像素)301～35038．881．60．410．00960．0078351～40031．479．50．590．01130．0090>40011．173．30．500．01100．0081>300精選81．579．60．490．01050．0084

表3 不同精選指標的分組比較結果

精選指標發(fā)芽率(%)苗長(cm)鮮重(g)簡易活力指數(shù)ck62．0b1．16c0．0167b0．0104bH73．0a1．82ab0．0202a0．0147a寬度(mm)78．5a1．58b0．0205a0．0161a長度(mm)76．0a1．58b0．0195a0．0148a投影面積(像素)75．8a2．01a0．0207a0．0157a

注：不同小寫字母表示各處理間在0.05 水平有顯著差異。

3 結論與討論

黃芩種子作為重要的農(nóng)業(yè)生產(chǎn)資料，其活力的高低直接影響到黃芩藥材的產(chǎn)量和質量。種子精選可以通過剔除混入的異作物和異品種種子、不飽滿的、蟲蛀以及劣變的種子，從而提高種子的利用率和精度，即提高純度、發(fā)芽率和種子活力等[23]。適宜的精選方式可最大限度地降低黃芩種子損失，提高好種子獲選率，從而增加其經(jīng)濟效益。

機器視覺技術可快速無損的提取種子的物理特性，對實現(xiàn)種子精選的自動化與精準化有重要的意義。近年來，有關機器視覺技術分選農(nóng)業(yè)物料的研究已見報道，通過機器視覺技術精選種子也成為了種子加工領域的熱點，彭江南等通過種子形態(tài)自動化識別軟件在脫絨棉種中的應用發(fā)現(xiàn)，按Rlt;90對種子進行精選，發(fā)芽率可由原來的89%提高到96.1%[24]。賈佳等通過機器視覺技術發(fā)現(xiàn)，小麥幼苗鮮重和簡易活力指數(shù)隨著種子投影面積、寬度和長度的增加而增加[25]。本研究結果表明，黃芩幼苗苗長、鮮重與種子H值、寬度、長度、投影面積呈極顯著相關。按H≤100、寬度gt;1.50 mm、長度gt;1.90 mm、投影面積gt;300像素對黃芩種子進行精選，可將發(fā)芽率由原來的74.3%提高到77.6%、78.2%、80.9%、79.6%。根據(jù)所得的參數(shù)精選出黃芩種子并進行試驗驗證發(fā)現(xiàn)，種子發(fā)芽率由原來的62.0%分別提高到73.0%、78.5%、76.0%、75.8%，簡易活力指數(shù)分別由原來的0.010 4提高到0.014 7、0.016 1、0.014 8、0.015 7。由于本研究中驗證試驗進行的時間較晚，經(jīng)過一段時間的貯藏，該批次黃芩種子活力已經(jīng)有所下降，導致驗證試驗中的對照組與單粒萌發(fā)試驗中的對照組(ck)發(fā)芽率有所差異。本研究結果表明，該批次黃芩種子按H≤100、寬度gt;1.50 mm、長度gt;1.90 mm、投影面積gt;300像素進行精選能取得較好的精選效果?，F(xiàn)代農(nóng)業(yè)日益普遍地應用機械學、電學、光學等各種技術，對物理特性和相關技術的研究對提高我國農(nóng)業(yè)現(xiàn)代化水平有極大的推動作用[26]。以黃芩為代表的藥用植物的種子活力是提高中藥產(chǎn)品產(chǎn)量、品質的基礎，也是促進農(nóng)業(yè)生產(chǎn)發(fā)展的重要保證[27]。國內種子加工行業(yè)應加強在藥用植物種子加工方面的相關研究，提前分析出特定批次種子最適宜的加工工藝和加工參數(shù)，提高種子品質，增加其經(jīng)濟效益。

[1]國家藥典委員會.中華人民共和國藥典(2010年版1部)[M].北京:中國醫(yī)藥科技出版社,2010.

[2]王蘭珍,劉勇.黃芩種質資源及培育技術研究進展[J].北京林業(yè)大學學報,2007(2):138-146.

[3]賈佳,王建華,謝宗銘,等.小麥種子物理參數(shù)和萌發(fā)階段抗旱性關系的研究[J].麥類作物學報,2014(12):1 661-1 666.

[4]姜朋,李斯深,馬鴻翔,等.利用小麥重組自交系群體進行籽粒性狀與種子活力相關關系研究[J].江西農(nóng)業(yè)學報,2013(11):43-46.

[5]周桃華,蔡以純,吳寧,等.棉花種子物理特性與種子活力的關系[J].安徽農(nóng)學院學報,1992(4):279-284.

[6]楊延兵,于金友,張華文,等.常溫種質庫貯存高粱種子生活力及籽粒性狀相關分析[J].華北農(nóng)學報,2009(S 1):58-61.

[7]李賀勤,張文健,江緒文,等.種子大小和種皮顏色對甘藍種子活力的影響[J].種子,2013,32(10):46-49.

[8]成芳,應義斌.機器視覺技術在農(nóng)作物種子質量檢驗中的應用研究進展[J].農(nóng)業(yè)工程學報,2001(6):175-179.

[9]冀榮華,祁力鈞,傅澤田.機器視覺技術在精細農(nóng)業(yè)中的研究進展[J].農(nóng)機化研究,2007(11):1-5.

[10]孫群,王慶,薛衛(wèi)青,等.無損檢測技術在種子質量檢驗上的應用研究進展[J].中國農(nóng)業(yè)大學學報,2012(3):1-6.

[11]王玲,姬長英,陳兵林,等.基于機器視覺技術的田間籽棉品級抽樣分級模型研究[J].中國農(nóng)業(yè)科學,2007(4):704-711.

[12]Cheng Fang,Ying Yi-bin.Machine vision inspection of rice seed based on Hough transform[J].Journal of Zhejiang University Science,2004,56.

[13]張學昆,潘中濤,諶利,等.計算機圖像識別鑒定油菜種子顏色[J].中國油料作物學報,2006(1):11-15.

[14]Navid Razmjooy,B.Somayeh Mousavi,F.Soleymani.A real-time mathematical computer method for potato inspection using machine vision[J].Computers and Mathematics with Applications,2011:631.

[15]孔彥龍,高曉陽,李紅玲,等.基于機器視覺的馬鈴薯質量和形狀分選方法[J].農(nóng)業(yè)工程學報,2012,28(17):143-148.

[16]P.Tantaswadi,J.Vilainatre,N.Tamaree,et al.Machine vision for automated visual inspection of cotton quality in textile industries using color isodiscrimination contour[J].Computers amp; Industrial Engineering,1999:371.

[17]J Blasco,N Aleixos,E Moltó.Machine vision system for automatic quality grading of fruit[J].Biosystems Engineering,2003,854.

[18]應義斌,饒秀勤,馬俊福.柑橘成熟度機器視覺無損檢測方法研究[J].農(nóng)業(yè)工程學報,2004,20(2):144-147.

[19]展慧,李小昱,王為,等.基于機器視覺的板栗分級檢測方法[J].農(nóng)業(yè)工程學報,2010,26(4):327-331.

[20]陳紅,夏青,左婷,等.基于機器視覺的花菇分選技術[J].農(nóng)業(yè)機械學報,2014,45(1):281-287.

[21]Shearer S A,Payne F A.Color and defect sorting of bell peppers using machine vision[J].Transactions of the American Society of Agricultural Engineers,1990,33(6):2 045-2 050.

[22]陳兵旗,孫旭東,韓旭,等.基于機器視覺的水稻種子精選技術[J].農(nóng)業(yè)機械學報,2010,41(7):168-173,180.

[23]孫群,胡晉,孫慶泉.種子加工與貯藏[M].北京:高等教育出版社,2008.

[24]彭江南,謝宗銘,楊麗明,等.基于Seed Identification軟件的棉籽機器視覺快速精選[J].農(nóng)業(yè)工程學報,2013,29(23):147-152.

[25]賈佳,王建華,謝宗銘,等.計算機圖像識別技術在小麥種子精選中的應用[J].中國農(nóng)業(yè)大學學報,2014,19(5):180-186.

[26]崔清亮,郭玉明.農(nóng)業(yè)物料物理特性的研究及其應用進展[J].農(nóng)業(yè)現(xiàn)代化研究,2007,28(1):124-127.

[27]李秀鳳,葛淑俊,王靜華.藥用植物種子標準化研究進展[J].中草藥,2009,40(5):840-843.

(本欄目責任編輯：曾 勇)

ScutellariabaicalensisGeorgi Seeds Selection Based on Machine Vision

YEFenglin1,LILin2,YANGLiming3,WANGJianhua1,SUNQun1

2016-06-25

葉鳳林(1993—)，女，湖南邵東人；在讀碩士研究生，主要從事種子加工檢驗研究；E-mail:yefenglincau@126.com。

孫 群，女，山東萊陽人；副教授，博士生導師，主要從事種子加工檢驗研究。

10.16590/j.cnki.1001-4705.2016.11.100

S 567

A

1001-4705(2016)11-0100-05