基于機(jī)器視覺的君遷子種子尖端特征識(shí)別方法研究

李躍華 馮啟高 候志松 蘇建修

摘要針對(duì)君遷子種子的外形特點(diǎn)，基于Ramer輪廓擬合算法，結(jié)合Halcon算法工具包，提出了一種基于Ramer算法的君遷子種子尖端識(shí)別方法。結(jié)果表明， 該方法可以對(duì)種子輪廓進(jìn)行擬合分割，確定種子的尖端位置。通過對(duì)5種不同品種君遷子的250粒種子進(jìn)行識(shí)別，準(zhǔn)確率達(dá)83.6%。

關(guān)鍵詞機(jī)器視覺；尖端識(shí)別；圖像處理

中圖分類號(hào)S126；TP391文獻(xiàn)標(biāo)識(shí)碼

A文章編號(hào)0517-6611（2017）10-0210-03

Identification Method of Diospyros lotus Seeds Tip Characteristics Based on Machine Vision

LI Yuehua1， FENG Qigao1*， HOU Zhisong2 et al

（1.School of Mechanical and Electrical Engineering，Henan Institute of Science and Technology，Xinxiang，Henan 453003；2.College of Information Engineering， Henan Institute of Science and Technology，Xinxiang，Henan 453003）

AbstractBy analyzing the feature of the seeds， a method of identifying the seeds based on the Ramer algorithm was developed， which was based on the Ramer algorithm and the tool kit of Halcon.The experimental results showed that the method could fit and segment the seed profile， and finally determine the tip position of the seed.Through the identification of 250 seeds of 5 different species， the proposed method got accuracy of 83.6% for the tip position of the seeds.

Key wordsMachine vision；Tip identification；Image processing

種子尖端是許多農(nóng)作物種子重要的外觀特征之一[1-2]。在計(jì)算機(jī)視覺技術(shù)識(shí)別種子品種的過程中，識(shí)別種子尖端、準(zhǔn)確定位尖端位置在確定種子的主軸方向、測(cè)量種子長(zhǎng)短軸尺寸，特別是在測(cè)量種子長(zhǎng)軸1/4處和1/8處[3]尺寸具有重要作用。

對(duì)種子尖端的處理方式，已有相關(guān)研究。郝建平等[4]在圖像獲取階段，為了避免檢測(cè)籽粒的尖端位置，采用手工擺放玉米籽粒的方法。張俊雄等[5]根據(jù)玉米籽粒尖端附近灰度值差異，結(jié)合種子形心坐標(biāo)，找到尖端點(diǎn)位置。權(quán)龍哲等[6]根據(jù)玉米外邊界上各點(diǎn)到形心的距離分布，利用小波變換求取尖端點(diǎn)的位置。楊蜀秦等[7]利用玉米和南瓜種子尖端角特征顯著的特點(diǎn)，將尖端檢測(cè)轉(zhuǎn)換為角點(diǎn)檢測(cè)問題。以上幾種檢測(cè)種子尖端位置的方法主要是針對(duì)玉米等經(jīng)濟(jì)作物，其特點(diǎn)是種子尖角特征明顯，易于檢測(cè)。對(duì)于尖角特征不明顯的種子，如君遷子等尚未見相關(guān)報(bào)道。

君遷子是柿屬植物的一個(gè)品種，在柿樹砧木育種中應(yīng)用廣泛，其種子尖端呈圓弧狀，尖角特征不明顯，在計(jì)算機(jī)識(shí)別過程中不易確定其尖端位置[8]。筆者基于種子的形態(tài)特征分析，結(jié)合德國(guó)MVtec公司開發(fā)的HALCON軟件，通過Ramer算法擬合種子輪廓，提出了基于Ramer算法的君遷子種子尖端識(shí)別方法，旨在解決尖角特征不明顯種子的尖端識(shí)別問題。

1材料與方法

1.1材料和儀器

選用5種不同類型的君遷子種子（1號(hào)種子、11號(hào)種子、38號(hào)種子、40號(hào)種子、44號(hào)種子）。每種類型精選具有代表性的種子各50粒，共250粒作為測(cè)試對(duì)象。

圖像采集設(shè)備為大恒圖像設(shè)備，相機(jī)為1394接口相機(jī)，型號(hào)為DH-HV3110FC。光源為環(huán)形光，型號(hào)為 LDR2-70SW2。背景采用背板燈，型號(hào)為L(zhǎng)FL-100。采集圖像過程中，攝像頭的成像平面平行于種子平面，每粒種子拍攝圖片2張，正反各1張，共500張。

計(jì)算機(jī)配置為酷睿I5，3.3 GHz，內(nèi)存為8 G。所有程序基于Halcon12.0運(yùn)行。

1.2預(yù)處理過程

在尖端檢測(cè)之前，首先需要對(duì)采集的圖像進(jìn)行預(yù)處理。采用白色背光燈作為背景，背景與種子區(qū)別明顯，經(jīng)過閾值分割[9]，將種子從圖像中識(shí)別出來，再經(jīng)過去噪、填充等操作得到單個(gè)種子圖像，最后經(jīng)過二值化處理，得到種子的二值圖。采集的原始圖像和預(yù)處理后得到的二值圖見圖1。

1.3試驗(yàn)方法

君遷子種子呈扁平細(xì)長(zhǎng)狀，顏色分布均勻，在計(jì)算機(jī)圖像識(shí)別中，灰度值差異不大，尖端附近尖角特征不顯著，使用角點(diǎn)檢測(cè)效果也不理想。由觀察可知，種子尖端附近的曲率特征較為明顯，基于形態(tài)特征考慮，將尖端檢測(cè)問題轉(zhuǎn)換為曲率半徑檢測(cè)問題。

Ramer算法又稱道格拉斯-普克算法（Douglas-Pecucker）。此種算法的基本原理是不斷地對(duì)輪廓進(jìn)行細(xì)分，直到所有線段到各個(gè)線段所對(duì)應(yīng)的輪廓的最大距離均小于事先確定的距離閾值dmax為止[10]。如圖2所示，原始輪廓有n個(gè)點(diǎn)，先建立從初始點(diǎn)到索引為n/2點(diǎn)的線段，然后計(jì)算對(duì)應(yīng)輪廓上所有輪廓點(diǎn)到線段的距離，若最大距離大于dmax，則建立最大距離的點(diǎn)到線段兩端點(diǎn)的線段，同時(shí)當(dāng)前線段被新的2條線段代替，接著在新線段上做同樣處理，直到所有線段均能滿足最大距離約束條件為止。

基于Ramer算法的輪廓細(xì)分算法是先使用Ramer算法用一個(gè)多邊形逼近原輪廓，然后逐一檢查相鄰線段，看是否能用圓弧做更好的近似，若用圓弧擬合后的誤差比2條線段的最大擬合誤差小，則2段線段被標(biāo)記為處理的候選對(duì)象。在檢查完所有線段后，具有最小擬合誤差的那對(duì)直線將會(huì)被合并。如此迭代處理，直到?jīng)]有能被合并的線段為止。

已標(biāo)記出種子尖端位置，右邊為種子輪廓分割后的擬合結(jié)果。由圖3可知，種子輪廓被分割為9段，編號(hào)5、6擬合半徑為999，表示其被擬合為線段，其他為圓弧，數(shù)字代表擬合半徑。其中下標(biāo)為4的圓弧半徑最小，將其標(biāo)記出來，即為種子的尖端位置。

由檢測(cè)結(jié)果可知，提出的方法識(shí)別種子尖端位置僅與種子輪廓有關(guān)，對(duì)種子的品種、顏色和擺放位置和方向均不敏感（圖3）。 Ramer算法在擬合種子輪廓過程中，還原了種子的形狀特征。圖3f與圖3g為同一種子的正面和反面，種子的擺放位置和方向不同，擬合的輪廓基本相同，分割后的結(jié)果也相同，擬合的輪廓半徑相差不超過20像素點(diǎn)。

由表1可知，對(duì)于100幅圖片的識(shí)別準(zhǔn)確率在79.0%～88.0%，其中40號(hào)種子的識(shí)別率最低，準(zhǔn)確率為79.0%。38號(hào)種子的識(shí)別率最高，準(zhǔn)確率為88.0%。綜合識(shí)別率為83.6%。

2.2誤識(shí)別分析

經(jīng)過圖像對(duì)比分析，誤識(shí)別的種子主要分為兩類：第一類是種子邊緣有毛刺（圖4a），或者種子邊緣有輕微破損，外形不完整，破損處有明顯的角特征，易造成誤識(shí)別。此類誤識(shí)別經(jīng)過膨脹腐蝕算子處理后，可得到正確的識(shí)別結(jié)果（圖4b）。

另一類是種子外形為兩頭尖，兩頭的擬合半徑相差不大（圖4c），種子兩端輪廓擬合半徑相差1像素點(diǎn)，因而造成誤識(shí)別。絕大多數(shù)誤識(shí)別均屬于此類。此類誤識(shí)別需要進(jìn)一步結(jié)合種子的其他特征進(jìn)行檢測(cè)。

3結(jié)論

基于君遷子種子尖端形態(tài)特征，提出了基于Ramer算法的君遷子種子尖端識(shí)別方法，可以快速定位種子的尖端位置。對(duì)5種不同品種的君遷子種子尖端進(jìn)行識(shí)別，結(jié)果表明，該方法尖端識(shí)別率為83.6%。對(duì)兩端曲率特征相近的種子識(shí)別效果不理想，需要結(jié)合其他特征進(jìn)一步識(shí)別分析。

參考文獻(xiàn)

[1]

LIU J，PAULSEN M R.Corn whiteness measurement and classification using machine vision[J].Transactions of the ASAE， 2000， 43（3）：757-763.

[2] 刁智華，王會(huì)丹，魏偉.機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用研究[J].農(nóng)機(jī)化研究，2014（3）：206-211.

[3] 鄭宇.基于機(jī)器視覺的稻谷種子特征提取與品種識(shí)別方法研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2009：25-32.

[4] 郝建平，楊錦忠，杜天慶，等.基于圖像處理的玉米品種的種子形態(tài)分析及其分類研究[J].中國(guó)農(nóng)業(yè)科學(xué)，2008，41（4）：994-1002.

[5] 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.

[6] 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.

[7] 楊蜀秦，寧紀(jì)鋒，何東健.基于Harris算子的籽粒尖端識(shí)別方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（3）：166-169.

[8] 梁玉琴，韓衛(wèi)娟，張嘉嘉，等.河南省柿種質(zhì)資源表型多樣性研究[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015，20（1）：74-85.

[9] 聶森，王丙龍，郝歡歡，等.基于機(jī)器視覺的果園導(dǎo)航中線提取算法研究[J].農(nóng)機(jī)化研究，2016（12）：86-89.

[10] 孫承勃，李軼鯤，張志華.基于道格拉斯-普克算法的圖像分割初探[J].測(cè)繪與空間地理信息，2012，35（5）：33-35.