基于機(jī)器視覺(jué)的溫室大棗表型特征測(cè)量

文懷興， 王春普， 黃正祥

(陜西科技大學(xué)機(jī)電工程學(xué)院，陜西西安 710021)

我國(guó)是世界上種植棗樹(shù)最多的國(guó)家[1]，同時(shí)也是大棗生產(chǎn)量最多的國(guó)家[2]。大棗產(chǎn)業(yè)已經(jīng)成為很多農(nóng)民增收的重要途徑[3]，為進(jìn)一步提高棗果種植的經(jīng)濟(jì)效益，棗農(nóng)們進(jìn)行溫室栽培[4]，實(shí)現(xiàn)了大棗早成熟、早上市、淡季供應(yīng)、錯(cuò)季栽培、增加效益的目的[5]；但是棗在栽培種植中，機(jī)械化水平較低，勞動(dòng)強(qiáng)度大。例如在對(duì)棗的實(shí)時(shí)測(cè)量仍采用手工測(cè)量，效率較低[6]，不能對(duì)植物生長(zhǎng)信息及器官表型特征進(jìn)行實(shí)時(shí)視覺(jué)監(jiān)測(cè)。隨著機(jī)器視覺(jué)技術(shù)的快速發(fā)展，機(jī)器視覺(jué)技術(shù)被用于無(wú)損監(jiān)測(cè)植物的表型特征也越顯廣泛和重要[7]。本研究針對(duì)大棗在溫室環(huán)境中生長(zhǎng)的特征，開(kāi)發(fā)了適合在溫室中栽種棗樹(shù)的實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，該系統(tǒng)可以對(duì)棗的表型特征連續(xù)動(dòng)態(tài)測(cè)量，以滿足現(xiàn)代精準(zhǔn)農(nóng)業(yè)生產(chǎn)發(fā)展的要求。通過(guò)棗的表型特征的變化來(lái)觀察光照、溫度、濕度、土壤等對(duì)棗生長(zhǎng)的影響，從而提高產(chǎn)量，增加效益。

1　大棗圖像采集系統(tǒng)

機(jī)器視覺(jué)監(jiān)測(cè)為非接觸測(cè)量，具有實(shí)時(shí)性強(qiáng)、準(zhǔn)確性高、非接觸、無(wú)損等優(yōu)點(diǎn)[8]。本系統(tǒng)分為軟件系統(tǒng)和硬件系統(tǒng)2部分，硬件系統(tǒng)包括1個(gè)反光傘、亮度可調(diào)的LED光源、1個(gè)工業(yè)相機(jī)(CCD)、1個(gè)定時(shí)開(kāi)關(guān)控制器、1個(gè)相機(jī)架以及1臺(tái)計(jì)算機(jī)組成，軟件系統(tǒng)包括Halcon11.0和VS。其中相機(jī)為USB2.0接口，所以不用圖像采集卡。采集系統(tǒng)示意圖如圖1所示。

1.1　硬件系統(tǒng)的選擇與設(shè)計(jì)

光源可以將被測(cè)物體與背景顏色明顯區(qū)分，從而獲得高品質(zhì)、高對(duì)比度的圖像。光源的好壞直接影響處理精度和速度，甚至系統(tǒng)的成敗。理想的光源應(yīng)該具有明亮性、均勻性以及穩(wěn)定性。機(jī)器視覺(jué)系統(tǒng)使用的光源主要有高頻熒光燈、光纖鹵素?zé)?、LED光源。根據(jù)大棗自身的特點(diǎn)以及現(xiàn)場(chǎng)條件，選用環(huán)形LED光源，LED光源具有壽命高、響應(yīng)速度快、穩(wěn)定性好、波長(zhǎng)可以根據(jù)用途選擇等優(yōu)點(diǎn)。反光傘可以提高光線的均勻度，適合拍攝靜止物體。

該機(jī)器視覺(jué)系統(tǒng)須要完成微距拍攝。微距拍攝是指相機(jī)通過(guò)鏡頭的光學(xué)能力，拍攝于實(shí)際物體等大(1 ∶1)或更大影像比的拍攝。工業(yè)CCD相機(jī)具有感應(yīng)器面積小、焦距短等特點(diǎn)，所以具有微拍攝的能力。選用GIGE CCD工業(yè)相機(jī)，型號(hào)為MV-GED500M-T。

1.2　背景分割

采集到的圖像為彩色圖像，該圖像由紅(red)、綠(geen)、藍(lán)(blue)3種顏色空間組成，灰度值0～255。RGB顏色空間雖然直觀容易理解，但3個(gè)分量高度相關(guān)，不利于計(jì)算。為了方便計(jì)算處理以及人眼視覺(jué)特性，所以將RGB顏色空間轉(zhuǎn)化為HSI顏色空間。在HSI模型中，3個(gè)分量相互獨(dú)立，便于計(jì)算。H為色調(diào)，與光波長(zhǎng)度有關(guān)，它表示人的感官對(duì)不同顏色的感受；S指飽和度，表示顏色的純度；I指亮度，對(duì)應(yīng)成像亮度和圖像灰度，是顏色的明亮程度。通過(guò)變換使三維變一維，運(yùn)算減少到1/3，極大地提高了計(jì)算速度。轉(zhuǎn)換關(guān)系為：

(1)

I=(R+G+B)/3。

式中：R為紅色；G為綠色；B為藍(lán)色。

通過(guò)顏色轉(zhuǎn)換后的大棗的圖像如圖2、圖3所示。

圖像S分量圖如圖4所示，S分量直方圖如圖5所示，選擇最大灰度值46、量化因子1、平滑因子2，即可將大棗與背景分割。

1.3　噪聲消除

采集的大棗圖像中包含著許多噪聲[9]，覆蓋了圖像的細(xì)節(jié)特征，影響輸出結(jié)果，甚至作出不正確的判別。為了得到更清晰、更高質(zhì)量的圖像，須要對(duì)圖像進(jìn)行平滑噪聲，同時(shí)也能增加圖像的對(duì)比度。濾波就是要去除沒(méi)用的信息，保留有用的信息，可能是低頻，也可能是高頻，根據(jù)項(xiàng)目的具體要求。根據(jù)棗的圖像特點(diǎn)，該視覺(jué)系統(tǒng)采用中值濾波。中值濾波是一種非線性平滑技術(shù)，將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某領(lǐng)域內(nèi)所有像素點(diǎn)灰度值的中值，具有抑制噪聲、保護(hù)邊界細(xì)節(jié)等優(yōu)點(diǎn)。

二維中值濾波輸出函數(shù)g(x,y)=med{f(x-k),y-l),(k,l?w)}，f(x，y)為原始圖像g(x，y)為處理后圖像。

1.4　邊緣檢測(cè)

圖像邊緣是圖像分割所依賴的重要特征[10]，也是獲取大棗表型特征的基礎(chǔ)。采用經(jīng)典邊緣檢測(cè)算子進(jìn)行圖像邊緣檢測(cè)，索貝爾算子(sobel)即是經(jīng)典邊緣算子的一種。索貝爾算子是一種離散型差分子，用來(lái)計(jì)算圖像亮度函數(shù)的灰度近似值，對(duì)像素位置作出加權(quán)，有效降低了邊緣模糊程度。索貝爾算子卷積因子：

(2)

式中：Gx橫向邊緣檢測(cè)的圖像灰度值；Gy縱向邊緣檢測(cè)的圖像灰度值；A為原始圖像。

該點(diǎn)的灰度大小為：

(3)

為了提高計(jì)算速度，可用其近似值：

|G|=|GX|+|Gγ|。

(4)

當(dāng)梯度G大于某一閾值時(shí)，則認(rèn)為該點(diǎn)(x，y)為邊緣點(diǎn)。

梯度方向?yàn)椋?/p>

(5)

索貝爾算子是根據(jù)像素點(diǎn)周圍點(diǎn)灰度加權(quán)差，在邊緣處達(dá)到極值原理檢測(cè)邊緣的，但是沒(méi)有嚴(yán)格地將圖像和背景區(qū)分開(kāi)，有時(shí)對(duì)圖像邊緣的提取效果并不能讓人滿意，對(duì)棗的邊緣檢測(cè)如圖6所示。Canny邊緣檢測(cè)算子是在索貝爾算子基礎(chǔ)上發(fā)展起來(lái)的一種邊緣檢測(cè)方法，該算子定位精度高、響應(yīng)速度快，先對(duì)圖像平滑濾波，后對(duì)圖像檢測(cè)。

首先運(yùn)用高斯濾波器平滑圖像，高斯平滑函數(shù)為：

(6)

經(jīng)過(guò)處理后的圖像為

G(x,y)=f(x,y)×H(x,y)。

再運(yùn)用一階偏導(dǎo)數(shù)的有限方差的方法計(jì)算梯度的幅值和方向。

(7)

X方向偏導(dǎo)數(shù)：

φX(m,n)=f(m,n)×H1(x,y)。

(8)

Y方向的偏導(dǎo)數(shù)：

φY(m,n)=f(m,n)×H2(x,y)。

(9)

梯度幅度：

(10)

梯度方向?yàn)椋?/p>

(11)

將目標(biāo)像素點(diǎn)M與沿著梯度線的2個(gè)像素相比。如果M的梯度值大于沿梯度線的2個(gè)相鄰梯度值，則保留M點(diǎn)，否則M=0。首先對(duì)非極大值抑制，圖像作用2個(gè)閾值τ1和τ2，且2τ1≈τ2，通過(guò)2個(gè)閾值得到圖像N1[i,j]和N2[i,j]。利用N1[i,j]的8個(gè)鄰點(diǎn)即可連接到輪廓上的邊緣，直到將N2[i,j]上所有的間斷連接起來(lái)得到邊緣圖像。圖7為采用Canny邊緣檢測(cè)算子所成的邊緣圖像。

1.5　表型特征的提取

該系統(tǒng)的程序是在Halcon 11.0中操作完成的。Halcon是德國(guó)MVtec公司開(kāi)發(fā)的一套完善的標(biāo)準(zhǔn)的機(jī)器視覺(jué)算法包，擁有應(yīng)用廣泛的機(jī)器視覺(jué)集成開(kāi)發(fā)環(huán)境。Halcon 11可以完成形狀和體積等特征計(jì)算、通過(guò)切面進(jìn)行點(diǎn)云分割等。除此之外，基于聚焦變化的深度圖像獲取、快速傅立葉變換(FFT)和Halcon的局部變形匹配都有顯著的加速。根據(jù)大棗的表型特性，將其轉(zhuǎn)換成等效橢圓，等效橢圓的中心與原大棗區(qū)域中心一致，橢圓的長(zhǎng)半軸、短半軸以及相對(duì)于水平坐標(biāo)的夾角可以通過(guò)二階矩陣算出。如圖8為一個(gè)棗的表型參數(shù)。通過(guò)對(duì)靈武長(zhǎng)棗的試驗(yàn)，棗的投影面積與棗質(zhì)量的相關(guān)系數(shù)為0.024 36。其中Ra1為等效橢圓長(zhǎng)半軸，Rb1為等效橢圓短半軸，Area1為大棗面積，Contlength1為大棗周長(zhǎng)，Volume1為大棗體積，Weight為大棗質(zhì)量。長(zhǎng)半軸、短半軸、周長(zhǎng)的單位為mm，面積單位為mm2，體積單位為mm3，質(zhì)量單位為g。

2　結(jié)論

該機(jī)器視覺(jué)系統(tǒng)具有實(shí)時(shí)性、非接觸性以及快速、高精度等優(yōu)點(diǎn)，滿足對(duì)棗表型測(cè)量的要求。通過(guò)試驗(yàn)比較，選用最合適的圖像處理算法，圖像與背景分割準(zhǔn)確。由于環(huán)境的多樣性，本研究所設(shè)計(jì)的監(jiān)測(cè)系統(tǒng)還具有一定的局限性，希望在以后的研究中設(shè)計(jì)適合多種環(huán)境下的圖像采集系統(tǒng)。

參考文獻(xiàn)：

[1]袁國(guó)軍，宋宏偉，盧紹輝，等. 避雨栽培對(duì)新鄭早紅棗裂果及果實(shí)品質(zhì)的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2012，40(10)：155-156.

[2]畢金峰. 高新技術(shù)在棗加工中的應(yīng)用研究進(jìn)展[J]. 食品與機(jī)械，2010(1)：164-167.

[3]艾建軍，高韶坤，劉建敏，等. 大棗收獲機(jī)設(shè)計(jì)[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43(12)：434-436.

[4]黃春富，蘇玉順. 臺(tái)灣青棗大棚栽培技術(shù)[J]. 中國(guó)南方果樹(shù)，2002(3)：61-64.

[5]畢金峰. 高新技術(shù)在棗加工中的應(yīng)用研究進(jìn)展[J]. 食品與機(jī)械，2010(1)：164-167.

[6]王海波，王孝娣，王寶亮，等. 中國(guó)北方設(shè)施葡萄產(chǎn)業(yè)現(xiàn)狀，存在問(wèn)題及發(fā)展對(duì)策[J]. 農(nóng)業(yè)工程技術(shù)(溫室園藝)，2011(1)：21-24.

[7]李長(zhǎng)纓，滕光輝，趙春江，等. 利用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)對(duì)溫室植物生長(zhǎng)的無(wú)損監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2003，19(3)：140-143.

[8]楊思思，周泓，虞俠挺. 基于機(jī)器視覺(jué)的人工光植物工廠植物生長(zhǎng)狀況監(jiān)測(cè)系統(tǒng)[J]. 傳感器與微系統(tǒng)，2014(12)：88-90.

[9]祁想想，馬本學(xué)，屈年巍，等. 基于MATLAB與VB混合編程的哈密大棗品質(zhì)檢測(cè)研究[J]. 農(nóng)機(jī)化研究，2011(8)：156-160.

[10]周竹，黃懿，李小昱，等. 基于機(jī)器視覺(jué)的馬鈴薯自動(dòng)分級(jí)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012(7)：178-183.