基于機(jī)器視覺(jué)的玉米種粒分選技術(shù)研究進(jìn)展

陳曉明

（吉林農(nóng)業(yè)大學(xué)工程技術(shù)學(xué)院，吉林 長(zhǎng)春130018）

玉米是我國(guó)的三大糧食作物之一，在某些年份還是我國(guó)產(chǎn)量最高的糧食作物。2017年我國(guó)的玉米產(chǎn)量為4318億斤，占全國(guó)糧食總產(chǎn)量的34.9%，是產(chǎn)量最多的糧食作物。玉米的用途廣泛，既可以加工成各種直接食用的食品，還能用于提取食用油及作為動(dòng)物飼料，具有很高的營(yíng)養(yǎng)價(jià)值和經(jīng)濟(jì)價(jià)值。玉米良種的選擇和優(yōu)良種子的培育是玉米能否高產(chǎn)的首要因素和關(guān)鍵，玉米種子的精選分級(jí)也是我國(guó)玉米高產(chǎn)穩(wěn)產(chǎn)的重要保證[1-2]。因此，對(duì)玉米種子的品質(zhì)進(jìn)行精選對(duì)提高玉米生產(chǎn)的自動(dòng)化水平、提高玉米單產(chǎn)量具有重要意義。要提高玉米種子的一致性，則必須識(shí)別并清除霉變、畸形和發(fā)生裂變的種子，需要通過(guò)對(duì)種子的精選和分級(jí)來(lái)完成。傳統(tǒng)的玉米種子挑選通過(guò)人工完成，該方式操作簡(jiǎn)單，但是費(fèi)工、費(fèi)力、工人易疲勞，且疲勞后容易發(fā)生誤選的情況。得益于快速的圖像信息處理速度和精準(zhǔn)的識(shí)別能力，機(jī)器視覺(jué)成為目前種子精選分級(jí)方面研究最多的技術(shù)，適用的作物種類也較為廣泛。為此，本文結(jié)合種粒挑選技術(shù)國(guó)際研究動(dòng)態(tài)，綜述了基于機(jī)器視覺(jué)的玉米種粒挑選技術(shù)的最新研究進(jìn)展。

1 國(guó)內(nèi)研究進(jìn)展

與國(guó)外相比，我國(guó)基于計(jì)算機(jī)視覺(jué)的玉米種粒挑選裝置研究較晚。從2000年開(kāi)始，國(guó)內(nèi)才陸續(xù)有學(xué)者對(duì)基于計(jì)算機(jī)視覺(jué)的玉米種粒挑選裝置進(jìn)行研究，且對(duì)種粒算法的研究較多，對(duì)種粒挑選裝置的研究則較少。

在算法方面，主要分為玉米種粒品質(zhì)鑒定和玉米品種自動(dòng)識(shí)別的算法研究。在品質(zhì)鑒定方面，2004年，周紅等介紹了利用圖像增強(qiáng)、灰度變換、輪廓提取與跟蹤、基于直方圖的閾值分割的數(shù)字圖像處理技術(shù)快速提取玉米種子外形輪廓的方法，從而實(shí)現(xiàn)了對(duì)玉米種粒尺寸、式樣、匹配度等的識(shí)別[3]；2007年，張俊雄等提出了基于形態(tài)特征的玉米種粒表面裂紋檢測(cè)方法，該方法采用垂直和水平邊緣檢測(cè)算子處理得到裂紋、種子邊界和噪聲等邊緣信息、然后通過(guò)玉米籽粒的形態(tài)特征尋找其尖端位置，并使用圖像代數(shù)運(yùn)算的方法去除大部分非裂紋信息、最后根據(jù)裂紋的長(zhǎng)度和位置特征提取得到裂紋，計(jì)算出裂紋的相對(duì)長(zhǎng)度和絕對(duì)長(zhǎng)度，識(shí)別準(zhǔn)確率可達(dá)到94%[4]；2012年，趙敏等提出了利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行玉米種粒面積與千粒重計(jì)算關(guān)系的方法，楊蜀秦等則對(duì)玉米籽粒的圖像處理和識(shí)別方法進(jìn)行了研究[5-6]；2016年，周鴻達(dá)等對(duì)4個(gè)不同等級(jí)玉米種子對(duì)應(yīng)的圖像進(jìn)行處理分析，提取形狀、顏色、紋理等參數(shù)，并使用主成分分析法確定主因子個(gè)數(shù)，使用BP神經(jīng)網(wǎng)絡(luò)建立判別模型[7]。在品種自動(dòng)識(shí)別方面，2002年寧紀(jì)峰提出了反映玉米品種形態(tài)結(jié)構(gòu)的3組特征參數(shù)：形狀、顏色、大小，并基計(jì)算機(jī)視覺(jué)技術(shù)對(duì)單粒玉米種子圖像進(jìn)行了處理和分析，用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)玉米品種進(jìn)行了識(shí)別，識(shí)別率達(dá)93%[8]；2004年楊蜀秦等基于BP神經(jīng)網(wǎng)絡(luò)，通過(guò)對(duì)玉米種粒的形態(tài)特征進(jìn)行分析，選取種粒的形狀、尺寸、顏色等6個(gè)外觀描述參數(shù)，實(shí)現(xiàn)了玉米品種的識(shí)別[9]；2010年，王玉亮等提出了一種基于多對(duì)象有效特征提取和主成分分析優(yōu)化神經(jīng)網(wǎng)絡(luò)的玉米種子品種識(shí)別方法，提取了玉米種子的顏色特征參數(shù)和幾何特征，優(yōu)化了基于機(jī)器視覺(jué)的玉米種子圖像處理策略和品種識(shí)別算法，提高了玉米品種識(shí)別的速度和準(zhǔn)確率[10]。2012年，高旭利用遺傳算法對(duì)玉米種子的原始特征進(jìn)行優(yōu)化選擇，并在最后用神經(jīng)網(wǎng)絡(luò)對(duì)提取的玉米種子的特征參數(shù)，對(duì)特征參數(shù)進(jìn)行降維處理則利用了主成分分析方法，從而實(shí)現(xiàn)了對(duì)玉米種子品種的識(shí)別[11]。2016年魏利峰提出了利用CONTOURLET變換和闊值函數(shù)的高光譜圖像去噪模型方法及基于直方圖斜率差的自適應(yīng)闊值的通用圖像分割方法識(shí)別玉米品種的方法[12]。

在種粒挑選裝置方面，2005年蔡衛(wèi)國(guó)等研究了一種玉米種子精選分級(jí)裝置[13]，該裝置通過(guò)外觸發(fā)攝像頭拍攝種子圖像并傳送給攝像機(jī)，計(jì)算機(jī)對(duì)種子圖像進(jìn)行處理后把處理結(jié)果發(fā)送給控制器，最后通過(guò)氣動(dòng)噴頭將種子吹入到相應(yīng)的分級(jí)收料口，分選裝置示意圖如圖1所示；2015年，汪珂等設(shè)計(jì)了一種基于線掃描技術(shù)和自動(dòng)化控制技術(shù)相結(jié)合的玉米籽?？挤N裝置。該系統(tǒng)通過(guò)振動(dòng)給料機(jī)實(shí)現(xiàn)玉米籽?？焖傥沽?，應(yīng)用伺服驅(qū)動(dòng)技術(shù)實(shí)現(xiàn)輸送帶運(yùn)行速度和線陣掃描速度無(wú)偏差匹配，實(shí)現(xiàn)玉米籽粒圖像無(wú)畸變獲取，通過(guò)圖像處理技術(shù)實(shí)現(xiàn)玉米籽粒表型性狀參數(shù)的測(cè)量[14]；2017年，王僑等研制了基于機(jī)器視覺(jué)的定向播種用玉米種粒精選裝置[15]，該裝置分為圖像采集處理裝置、輸送裝置、喂料裝置、以及吹除裝置。圖像采集處理裝置采集種粒動(dòng)態(tài)圖像的RGB顏色特征，結(jié)合種粒形態(tài)建立了面積、周長(zhǎng)等20個(gè)檢測(cè)指標(biāo)，從而判斷種子的品質(zhì)，不合格的種粒會(huì)被吹除裝置吹落，合格種粒則落入種粒箱中。裝置樣機(jī)如圖2所示。王康等則提出了利用輸送帶和線陣相機(jī)的無(wú)偏差匹配，準(zhǔn)確獲取玉米籽粒圖像，對(duì)籽粒圖像進(jìn)行二值化、除雜、篩選、粘連籽粒分割等處理，測(cè)量玉米籽粒的粒長(zhǎng)、粒寬和籽?？偭?shù)的方法[16]。

圖1 種子精選分級(jí)裝置示意圖

圖2 粒精選裝置樣機(jī)

2 國(guó)外研究進(jìn)展

國(guó)外對(duì)基于計(jì)算機(jī)視覺(jué)的玉米種粒挑選技術(shù)研究較早，早在20世紀(jì)70年代，日本、美國(guó)等發(fā)達(dá)國(guó)家就開(kāi)始采用計(jì)算機(jī)視覺(jué)開(kāi)展對(duì)谷粒品質(zhì)檢驗(yàn)方面的研究，大范圍應(yīng)用到玉米種粒的監(jiān)測(cè)時(shí)，已經(jīng)取得了一些研究成果。在算法方面，1985至1998年Zayas.l等研究了基于機(jī)器視覺(jué)技術(shù)的玉米種粒識(shí)別方法，該方法只能判斷完整和破損的種粒。該算法采用了玉米種粒的12個(gè)參數(shù)來(lái)玉米種粒的大小和形狀，如面積、長(zhǎng)度、周長(zhǎng)、寬度等，并結(jié)合統(tǒng)計(jì)模式判斷，識(shí)別準(zhǔn)確率能達(dá)到98%[17]。1990年，Zayas借助于一系列形態(tài)學(xué)將完整的玉米種粒從破損的玉米種粒中挑選出來(lái)[18]。2007年，Ruiz-Altisenta等研究了一種借助于圖像處理技術(shù)處理玉米的色澤和質(zhì)構(gòu)的變化來(lái)檢測(cè)玉米物理特性的無(wú)損檢測(cè)方法[19]。2010年，Neethirajan通過(guò)研究玉米生蟲(chóng)后營(yíng)養(yǎng)物質(zhì)和部位的損失情況，來(lái)判斷玉米的品質(zhì)、DelFiore則利用光譜成像技術(shù)快速準(zhǔn)確的檢測(cè)出被真菌毒素污染過(guò)的玉米顆粒，從而區(qū)分完好玉米顆粒與病變顆粒[20-23]。2012年，Paulus Potter利用主成分分析法和圖像處理技術(shù)對(duì)劣質(zhì)玉米籽粒進(jìn)行在線檢測(cè)，準(zhǔn)確率可達(dá)89%；2014 年，Valiente-González等結(jié)合機(jī)器視覺(jué)技術(shù)和主成分分析（PCA）算法對(duì)破損玉米粒進(jìn)行分選，損傷玉米籽粒檢測(cè)率達(dá)92%[24].

在種粒挑選裝置方面，1996年Winter等開(kāi)發(fā)了谷物品種識(shí)別與品質(zhì)分析系統(tǒng)，2006年Wan等研制了一套谷物動(dòng)態(tài)識(shí)別與分類系統(tǒng)，通過(guò)攝像機(jī)拍攝谷物圖像，并通過(guò)計(jì)算機(jī)處理圖像分析結(jié)果，將處理結(jié)果發(fā)送給PLC，由PLC控制相應(yīng)電磁閥的開(kāi)閉，實(shí)現(xiàn)谷物籽粒的吹離[25-27]。

3 結(jié)束語(yǔ)

本文對(duì)基于計(jì)算機(jī)視覺(jué)玉米種粒挑選裝置的最新研究進(jìn)展進(jìn)行了綜述。從目前的研究進(jìn)展來(lái)看，在算法方面的研究成果豐碩，計(jì)算機(jī)識(shí)別從單純的外觀識(shí)別向物料的組成、形狀和成分等品質(zhì)內(nèi)部特性方向發(fā)展。但是，算法的研究多集中于計(jì)算機(jī)圖像識(shí)別的理論算法，對(duì)算法的實(shí)用性研究較少；在挑選裝置方面，國(guó)內(nèi)外的研究成果都很少，尚未出現(xiàn)商業(yè)化的玉米種粒挑選裝置。研究適合我國(guó)國(guó)情的玉米種粒視覺(jué)自動(dòng)識(shí)別和分級(jí)系統(tǒng)，是今后的發(fā)展趨勢(shì)。