玉米籽?？挤N信息獲取裝置設計與試驗

宋 鵬 張 晗 王 成 羅 斌 趙 勇 潘大宇

(1.北京農(nóng)業(yè)智能裝備技術研究中心， 北京 100097； 2.國家農(nóng)業(yè)智能裝備工程技術研究中心， 北京 100097；3.農(nóng)業(yè)部農(nóng)業(yè)信息技術重點實驗室， 北京 100097)

引言

考種是育種的重要環(huán)節(jié)，考種效率和精度直接制約著品種的選育效率[1]，玉米考種涉及果穗和籽粒多種性狀參數(shù)的采集和儲存，視覺技術的應用可提高玉米考種效率[2-6]。隨著商業(yè)化育種的發(fā)展，對能實現(xiàn)玉米果穗及籽粒高通量考種的裝備提出了新需求。玉米高通量自動考種過程，脫粒后的籽粒存在堆積和粘連情況，如何實現(xiàn)該條件下籽粒的準確分割是玉米籽?？挤N信息準確獲取的關鍵所在。目前在粘連籽粒圖像分割方面，主要通過腐蝕膨脹結(jié)合法[7-8]、分水嶺分割法[9-13]、特征匹配法[14-15]、輪廓凹點檢測法[16-18]和主動輪廓擬合法[19]等；在堆積籽粒處理方面，多采用排種和喂料機構(gòu)配合傳輸帶實現(xiàn)籽粒逐個檢測[20-21]以避免籽粒堆積。

本文設計籽粒考種信息獲取裝置，通過回旋振動消除籽粒堆積狀況并獲取圖像，使用改進分水嶺分割方法進行粘連分割并實現(xiàn)玉米籽粒數(shù)量、平均長寬等參數(shù)的快速測量，滿足動態(tài)考種需求。

1 籽?？挤N信息獲取裝置設計

1.1 系統(tǒng)組成

籽粒考種信息獲取裝置如圖1所示，由圖像采集裝置、光源、卸料裝置和振動平臺組成。圖像采集裝置的攝像頭選用中國大恒(集團)有限公司自主研發(fā)的DH-HV5051型系列彩色CMOS數(shù)字相機，其感光芯片尺寸1/2.5英寸，圖像分辨率500萬像素，選用日本Computar公司生產(chǎn)的5 mm焦距鏡頭配合進行圖像采集。攝像頭安裝距離60 cm，此時成像范圍為64 cm×48 cm，可完全覆蓋待檢測玉米籽粒區(qū)域。4只12 V條形LED白光光源兩兩分布于圖像采集區(qū)域兩側(cè)，為圖像采集裝置提供穩(wěn)定光照環(huán)境。

卸料裝置固定于振動平臺上，主要由直線電動機和籽粒托板構(gòu)成。自動考種時，經(jīng)脫粒機脫粒除雜后的玉米籽粒，從入料口A自由散落至籽粒托板上。振動平臺帶動盛放玉米籽粒的托板進行振動，消除籽粒堆積現(xiàn)象后進行圖像采集。隨后卸料電動機推動籽粒托板形成一定角度，籽粒在重力作用下滑落，從B口滑出，完成卸料。

圖1 籽?？挤N信息獲取裝置Fig.1 Devices for test information acquisition1.攝像頭 2.光源 3.卸料裝置 4.振動平臺 5.卸料電動機 6.籽粒托板

1.2 振動平臺設計與分析

由于自由散落于籽粒托板上的玉米籽粒存在堆積情況，難以直接進行圖像處理及分析，通過振動消除籽粒堆積現(xiàn)象后再進行圖像采集及分析，可提高籽?？挤N參數(shù)的測量精度。

振動平臺結(jié)構(gòu)由帶輪驅(qū)動，如圖2所示。卸料裝置通過轉(zhuǎn)動副與振動平臺連接，主動輪帶動從動輪做圓周運動，從而帶動卸料裝置做回旋運動。

圖2 振動平臺結(jié)構(gòu)示意圖Fig.2 Sketch of vibration platform structure

卸料裝置在做回旋運動過程中，接觸的籽粒間、籽粒與托板間均存在相互作用力，主要包括：籽粒間的接觸力、離心力、摩擦力等[22]，分別針對非堆積籽粒和堆積籽粒進行分析。

1.2.1非堆積籽粒受力分析

非堆積籽粒在回旋振動過程中主要受力為離心力和摩擦力。振動平臺帶著籽粒做回旋運動時，籽粒所受的合力F為

F=mω2r-μmg

(1)

式中m——籽粒質(zhì)量

ω——籽粒隨托板做回旋運動時的等效角速度，不同籽粒的ω值相同，且等于主動輪旋轉(zhuǎn)角速度

r——回旋半徑，其值為主動輪圓心到主動輪轉(zhuǎn)動副的距離，為常量

μ——籽粒與托板之間的摩擦因數(shù)

g——重力加速度

由此可見，回旋運動時，不同籽粒的加速度相同，為

a=ω2r-μg

(2)

因此，非堆積籽粒在做回旋運動時，同一時刻具有相同的角速度和加速度，從而具有相同的位移。故回旋振動的方式不會導致非堆積籽粒堆積。

1.2.2堆積籽粒受力分析

堆積籽粒受力情況復雜，通過分析2粒籽粒完全重疊時回旋運動過程的受力情況，探明消除堆積現(xiàn)象的條件，并通過試驗確定與系統(tǒng)實現(xiàn)最佳配合的回旋速度和時間[20]。理想情況下兩重疊籽粒水平方向受力情況如圖3所示。

圖3 堆積籽粒受力情況Fig.3 Force condition of accumulated kernel

(3)

(4)

式中mi——籽粒i質(zhì)量mj——籽粒j質(zhì)量

μ′——籽粒間的摩擦因數(shù)

當Fi>0或Fj>0時，籽粒i或籽粒j受力不平衡時，產(chǎn)生加速度，從而發(fā)生相對位移，在一定時間下產(chǎn)生相對運動，從而消除籽粒堆積情況。有

因此，實現(xiàn)攤種的條件為振動平臺回旋角速度

(5)

通過分析可知，只有當振動平臺回旋角速度大于臨界值時，在一定時間作用下，方可實現(xiàn)堆積籽粒的平鋪。由于振動過程中，不同堆積情況下籽粒質(zhì)量、籽粒間的摩擦因數(shù)等未知，難以計算出回旋速度臨界值的準確數(shù)值，通過試驗方式確定振動平臺回旋角速度。

將500粒玉米籽粒堆積于籽粒托板中部，設置振動平臺在不同轉(zhuǎn)速下工作，觀察籽粒平鋪效果，統(tǒng)計將堆積籽粒完全平鋪所需時間，結(jié)果如圖4所示。

圖4 平臺轉(zhuǎn)速與籽粒攤開所需時間關系曲線Fig.4 Relationship curve between rotation speed and kernel spreading time

由試驗結(jié)果可知，振動平臺的臨界回旋角速度約為2.5 r/s，當回旋角速度小于2.5 r/s時，所有籽粒受力平衡，均處于相對靜止狀態(tài)，無法將堆積籽粒攤開；當回旋角速度大于2.5 r/s時，隨著回旋角速度增大，越來越多的籽粒受力不平衡，籽粒完全攤開所需時間逐步變短；當回旋角速度大于3.2 r/s時，所有堆積籽粒受力均超過發(fā)生位移臨界點，攤種所需時間趨于穩(wěn)定，但回旋角速度過大會影響振動平臺的穩(wěn)定運行。結(jié)合高通量考種需求和系統(tǒng)穩(wěn)定性，將平臺的回旋角速度設為2.9 r/s，此時完全消除籽粒堆積現(xiàn)象需耗時約4.5 s，滿足在線檢測需求。極端堆積情況下籽粒堆積情況如圖5a所示，回旋角速度為2.9 r/s時，振動效果如圖5b所示。本文后續(xù)所涉及圖像均是在此轉(zhuǎn)速和時間下攤種后獲得。

圖5 攤種效果圖Fig.5 Spreading results

2 圖像處理

2.1 粘連籽粒分割

2.1.1圖像獲取

攝像頭通過USB接口與計算機相連，回旋振動停止后，采用外觸發(fā)方式采集籽粒圖像。為降低背景干擾，提高所獲圖像質(zhì)量，對籽粒托板進行噴黑處理。攝像頭采集的原始圖像尺寸為2 592像素×1 920像素。為提高處理效率，截取原始圖像中包含籽粒的有效區(qū)域進行處理，有效區(qū)域尺寸為1 870像素×1 650像素。圖6a為實際工作過程中采集到的玉米籽粒有效區(qū)域圖像，不難看出，經(jīng)振動平臺振動后的籽粒雖無堆積但存在大量粘連現(xiàn)象。

獲取原始圖像后，需進行圖像預處理。對經(jīng)灰度變換后的原始圖像進行低通濾波處理，并采用自動全局閾值法二值化，使用 3×3模板對二值圖像進行開操作去除雜質(zhì)后，與原始圖像進行布爾運算與操作，預處理結(jié)果如圖6b所示。

圖6 玉米籽粒預處理效果圖Fig.6 Corn kernel images after preprocessing

2.1.2分水嶺分割

分水嶺分割思想是將圖像看作地貌拓撲圖，各像素的灰度值對應地貌圖上各點的海拔高度，每一個極小值區(qū)域?qū)孛矆D上的集水盆，而集水盆之間的分界線形成分水嶺[23]。本文基于此思想，通過改進分水嶺方法，進行粘連籽粒分割。

為便于說明，截取原始圖像的局部進行分割處理。局部圖像分水嶺變換過程及結(jié)果如圖7所示。圖7a為粘連玉米圖像局部預處理后得到的圖像，對圖7a二值化后采用歐氏距離變換算法[24]構(gòu)造梯度圖像，如圖7b所示，對圖7b做分水嶺變換得到分割圖像，如圖7c所示。由圖7可知，分割結(jié)果中存在大量過分割現(xiàn)象。其原因是由于玉米籽粒形狀不規(guī)則，距離變換后籽粒內(nèi)部易形成多個極值點，分割時形成多個集水盆，導致同一籽粒被分割成多個區(qū)域。

圖7 玉米圖像分水嶺變換Fig.7 Watershed transform of corn images

2.1.3改進分割方法

為提高籽粒分割正確率，本文對分水嶺分割算法進行改進。

由于同一籽粒內(nèi)部的集水盆分割線極值點差值小于不同籽粒間的集水盆分割線極值點差值，基于此原理提出相鄰區(qū)域融合的改進分水嶺分割方法。步驟如下：

(1)使用分水嶺算法對距離變換后的圖像進行分割，得到初始分割結(jié)果。

(2)選定融合閾值為T，掃描分水嶺分割后的圖像，記錄下所有盆地的最低點b。

(3)選取分水嶺分割線，獲取分割線中最低點值W。

(4)用選取分水嶺中最低點W與分水嶺兩側(cè)盆地區(qū)域的最低點b的值作差。若差值小于閾值T，則合并這2個相鄰的分割區(qū)域，去除選取分割線。

(5)重復步驟(3)、(4)，直到全部分水嶺分割線判斷完畢。

如圖8所示，b1、b2為相鄰盆地中的極小值點，W為2個盆地間的筑壩最低點。

圖8 分水嶺算法示意圖Fig.8 Sketch of watershed algorithm principle

其中，步驟(4)依據(jù)

max(W-b1,W-b2)

(6)

進行判斷。

若式(6)成立，則該分水嶺無效，融合這2個區(qū)域。反之，尋找下一個分割線進行比較。直到所有分水嶺分割線滿足式(6)的區(qū)域完全融合。

在進行分割區(qū)域融合時，不同閾值T的融合效果存在差異。圖9為不同閾值T下對圖7c的融合效果。當T=3時，分割效果有較大改善，但仍存在過分割現(xiàn)象；當T=5時，單個籽粒內(nèi)部基本完成融合，分割效果較為理想；當T=7時，籽粒之間的邊界被破壞，出現(xiàn)籽粒間的融合。故本文在T=5條件下進行過分割區(qū)域融合。

圖9 基于不同閾值的過分割區(qū)域融合Fig.9 Merging results based on different thresholds

采用上述方法，圖6的分割結(jié)果如圖10所示。

圖10 分割結(jié)果Fig.10 Segmentation result

2.2 籽粒長寬獲取

針對分割后的圖像進行處理，以獲取籽粒個數(shù)、籽粒平均長和寬等參數(shù)。分割后的圖像每個連通區(qū)域?qū)粋€玉米籽粒，統(tǒng)計連通區(qū)域的數(shù)量即可獲得玉米籽粒數(shù)量。

玉米籽粒長度和寬度分別對應籽粒的長軸和短軸。為提高籽粒長、寬計算速度，采用玉米籽粒投影圖像最小外接矩形的長、寬代表籽粒長軸和短軸[25]。本文基于Graham掃描法[26]提取各籽粒的最小凸多邊形，并建立其最小外接矩形，如圖11所示。計算所有籽粒外接矩形長、寬的平均值，在進行高通量玉米考種過程中，用籽粒的平均長、寬來表示該穗玉米籽粒的長、寬。

圖11 籽粒最小外接矩形Fig.11 Minimum circumscribed rectangle of corn

圖12 不同方式籽粒長、寬測定的相關性Fig.12 Correlation of average length and width between automatically and manually measured results

3 試驗

為驗證籽粒參數(shù)獲取精度，選取遼寧東亞種業(yè)有限公司海南育種基地收獲的待考種玉米果穗樣本開展試驗，隨機選取20穗玉米果穗，依次置于單穗玉米脫粒機中，該脫粒機的處理效率為3～5 s/穗，可實現(xiàn)種子的自動除塵，滿足本裝置使用需求。將脫粒后的玉米籽粒直接導入籽粒考種裝置進行試驗。

每個果穗脫粒、籽?？挤N完成后，通過人工方式數(shù)出籽粒實際數(shù)量，并測量所有籽粒的平均長寬。與考種裝置利用上述算法自動算得的籽粒數(shù)量、平均長寬對比。籽粒數(shù)量檢測正確率計算方法為：1-|檢測數(shù)量-實際數(shù)量|/實際數(shù)量。玉米圖像分割結(jié)果如表1所示。

表1 玉米圖像分割結(jié)果Tab.1 Segmentation results of corn kernels images

籽粒的平均長寬人工測量方法為：將所有籽粒按照長軸方向依次緊密排列，測量所有籽粒長軸之和，根據(jù)總粒數(shù)計算平均長度；將所有籽粒按照短軸方向依次緊密排列，測量所有籽粒短軸之和，根據(jù)總粒數(shù)計算平均寬度。人工測量籽粒長寬和算法測量長寬相關性如圖12所示。

試驗結(jié)果表明，本文提出的分割方法對經(jīng)回旋運動后的玉米籽粒分割正確率不低于98.05%，人工測量籽粒長寬和算法測量長寬決定系數(shù)R2分別為0.975 6和0.972 9，具有良好的相關性，滿足玉米籽?？挤N需求。

試驗中出現(xiàn)的分割數(shù)量與實際數(shù)量的差值，主要來源于2部分：脫粒后經(jīng)振動的玉米籽粒仍然存在少量堆積現(xiàn)象，在進行運算時會出現(xiàn)分割不完全或者融合時被合并，從而會造成漏分割；玉米籽粒經(jīng)分水嶺算法分割后融合不完全，從而會造成過分割。

4 結(jié)論

(1)設計的回旋振動機構(gòu)實現(xiàn)了堆積玉米籽粒的平鋪，消除自動考種過程籽粒堆積現(xiàn)象。

(2)為提高籽粒分割正確率，采用先分割后融合的思想，改進了分水嶺。試驗表明，本文算法對單穗玉米籽粒數(shù)量的檢測正確率達到98.05%以上，籽粒平均長寬檢測值與人工測量值間的決定系數(shù)R2在0.97以上，滿足玉米籽粒快速考種需求。

1 周金輝,馬欽,朱德海, 等. 基于機器視覺的玉米果穗產(chǎn)量組分性狀測量方法[J]. 農(nóng)業(yè)工程學報,2015,31(3):221-227.

ZHOU Jinhui，MA Qin，ZHU Dehai，et al.Measurement method for yield component traits of maize based on machine vision[J].Transactions of the Chinese Society of Agricultural Engineering,2015,31(3):221-227.(in Chinese)

2 IGATHINATHANE C, PORDESIMO L O, BATCHELOR W D. Major orthogonal dimensions measurement of food grains by machine vision using Image[J]. Food Research International, 2009, 42:76-84.

3 MA Qin, JIANG Jingtao, ZHU Dehai,et al. Rapid measurement for 3D geometric features of maize ear based on image processing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012,28(Supp.2):208-212.

4 柳冠伊, 楊小紅, 白明, 等. 基于線陣掃描圖像的玉米果穗性狀檢測技術[J/OL]. 農(nóng)業(yè)機械學報,2013,44(11):276-280.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20131147&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2013.11.047.

LIU Guanyi, YANG Xiaohong, BAI Ming, et al. Detecting techniques of maize ear characters based on line scan image[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(11): 276-280.(in Chinese)

5 劉長青, 陳兵旗. 基于機器視覺的玉米果穗?yún)?shù)的圖像測量方法[J].農(nóng)業(yè)工程學報, 2014, 30(6):131-138.

LIU Changqing, CHEN Bingqi. Method of image detection for ear of corn based on computer vision[J].Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(6):131-138.(in Chinese)

6 LIANG X, WANG K, HUANG C, et al. A high-throughput maize kernel traits scorer based on line-scan imaging[J]. Measurement, 2016, 90:453-460.

7 齊龍, 蔣郁, 李澤華,等. 基于顯微圖像處理的稻瘟病菌孢子自動檢測與計數(shù)方法[J]. 農(nóng)業(yè)工程學報, 2015, 31(12):186-193.

QI Long, JIANG Yu, LI Zehua，et al. Automatic detection and counting method for spores of rice blast based on micro image processing [J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(12):186-193.(in Chinese)

8 SHAHIN M A, SYMOONS S J. Seed sizing from images of non-singulated grain samples[J]. Canadian Biosystems Engineering, 2005, 47(3): 49-55.

9 HUANG Z, JIANG S, YANG Z, et al. Automatic multi-organ segmentation of prostate magnetic resonance images using watershed and nonsubsampled contourlet transform[J]. Biomedical Signal Processing & Control, 2016, 25:53-61.

10 王開義，張水發(fā)，楊鋒，等. 基于分水嶺和改進MRF的馬鈴薯丁粘連圖像在線分割[J/OL]. 農(nóng)業(yè)機械學報，2013,44(9):187-192.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20130933&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2013.09.033.

WANG Kaiyi, ZHANG Shuifa, YANG Feng, et al. Online segmentation of clustering diced-potatoes using watershed and improved MRF algorithm[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2013,44(9):187-192.(in Chinese)

11 柳冠伊, 劉平義, 魏文軍,等. 玉米果穗粘連籽粒圖像分割方法[J/OL]. 農(nóng)業(yè)機械學報, 2014, 45(9):285-290.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140946&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2014.09.046.

LIU Guanyi, LIU Pingyi, WEI Wenjun,et al. Method of image segmentation for touching maize kernels[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(9):285-290.(in Chinese)

12 UZUNBAS M G, CHEN C, METAXAS D. An efficient conditional random field approach for automatic and interactive neuron segmentation[J]. Medical Image Analysis, 2016, 27:31-34.

13 張亞秋，吳文福，王剛. 基于逐步改變閾值方法的玉米種子圖像分割[J]. 農(nóng)業(yè)工程學報,2011,27(7):200-204.

ZHANG Yaqiu, WU Wenfu, WANG Gang. Separation of corn seeds images based on threshold changed gradually[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011,27(7):200-204.(in Chinese)

14 張成梁, 李蕾, 董全成,等. 基于顏色和形狀特征的機采棉雜質(zhì)識別方法[J/OL]. 農(nóng)業(yè)機械學報, 2016, 47(7):28-34.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160705&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2016.07.005.

ZHANG Chengliang, LI Lei, DONG Quancheng, et al. Recognition method for machine-harvested cotton impurities based on color and shape features[J/OL]. Transactions of the Chinese Society for Agricultural Machinery,2016, 47(7):28-34.(in Chinese)

15 牛杰, 卜雄洙, 錢堃,等. 利用骨架特征信息的粘連谷粒圖像分割方法[J/OL]. 農(nóng)業(yè)機械學報, 2014, 45(9):280-284.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140945&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2014.09.045.

NIU Jie, BU Xiongzhu, QIAN Kun, et al. Touching corn kernels based on skeleton features information[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(9):280-284.(in Chinese)

16 GAO Hua, WANG Yaqin, GE Pingju．Research on segmentation algorithm of adhesive plant grain[C]∥8th International Conference on Electronic Measurement and Instruments，2007: 2927-2930．

17 荀一, 鮑官軍, 楊慶華, 等. 粘連玉米籽粒圖像的自動分割方法[J].農(nóng)業(yè)機械學報，2010, 41(4):163-167.

XUN Yi, BAO Guanjun, YANG Qinghua, et al. Automatic segmentation of touching corn kernels in digital image[J].Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(4):163-167. (in Chinese)

18 KANTIP K, WASIN S. Segmentation algorithm for touching round grain image[C]∥2010 International Conference on Electronics and Information Engineering，2010: 1263-1266．

19 楊蜀秦，寧紀鋒，何東健.一種基于主動輪廓模型的連接米粒圖像分割算法[J].農(nóng)業(yè)工程學報，2010,26(2):207-211.

YANG Shuqin, NING Jifeng, HE Dongjian. Image segmentation algorithm of touching rice kernels based on active contour model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010,26(2):207-211.(in Chinese)

20 王僑, 陳兵旗, 朱德利,等. 基于機器視覺的定向播種用玉米種粒精選裝置研究[J/OL]. 農(nóng)業(yè)機械學報, 2017, 48(2):27-37.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170204&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2017.02.004.

WANG Qiao, CHEN Bingqi, ZHU Deli, et al. Machine vision-based selection machine of corn seed used for directional seeding[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(2):27-37.(in Chinese)

21 劉長青, 陳兵旗, 張新會,等. 玉米定向精播種粒形態(tài)與品質(zhì)動態(tài)檢測方法[J/OL]. 農(nóng)業(yè)機械學報, 2015, 46(9):47-54.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20150907&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2015.09.007.

LIU Changqing, CHEN Bingqi, ZHANG Xinhui, et al. Dynamic detection of corn seeds for directional precision seeding[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(9):47-54.(in Chinese)

22 劉舉, 白鵬博, 凡鳳仙,等. 豎直振動下顆粒物質(zhì)的行為模式研究進展[J]. 化工進展, 2016, 35(7):1956-1962.

LIU Ju, BAI Pengbo, FAN Fengxian, et al. Research progress on behavior mode of granular matter under vertical vibration[J].Chemical Industry and Engineering Progress, 2016, 35(7):1956-1962.(in Chinese)

23 沈夏炯, 吳曉洋, 韓道軍. 分水嶺分割算法研究綜述[J]. 計算機工程, 2015, 41(10):26-30.

SHEN Xiajiong, WU Xiaoyang, HAN Daojun. Survey of research on watershed segmentation algorithms[J]. Computer Engineering, 2015, 41(10):26-30.(in Chinese)

24 繆慧司, 梁光明, 劉任任,等. 結(jié)合距離變換與邊緣梯度的分水嶺血細胞分割[J]. 中國圖象圖形學報, 2016, 21(2):192-198.

MIAO Huisi, LIANG Guangming, LIU Renren, et al. Watershed algorithm using edge gradient combined with distance transformation for segmentation of blood cells[J]. Journal of Image and Graphics, 2016, 21(2):192-198.(in Chinese)

25 汪珂, 梁秀英, 宗力,等. 玉米籽粒性狀高通量測量裝置設計與實現(xiàn)[J]. 中國農(nóng)業(yè)科技導報, 2015, 17(2):94-99.

WANG Ke, LIANG Xiuying, ZONG Li, et al. Design and realization of a high-throughput maize kernel trait extraction system[J].Journal of Agricultural Science and Technology, 2015, 17(2):94-99.(in Chinese)

26 吳文周, 李利番, 王結(jié)臣. 平面點集凸包Graham算法的改進[J]. 測繪科學, 2010, 35(6):123-125.

WU Wenzhou,LI Lifan,WANG Jiechen. An improved Graham algorithm for determining the convex hull of planar points set[J]. Science of Surveying and Mapping, 2010, 35(6):123-125.(in Chinese)