燕紅文,崔清亮
(山西農(nóng)業(yè)大學信息科學與工程學院,山西 太谷 030801)
燕麥,學名莜麥,是我國晉北地區(qū)的特產(chǎn)作物,在穩(wěn)定旱區(qū)糧食生產(chǎn)和維持膳食結構多樣性方面具有不可替代作用。農(nóng)場進行燕麥收獲時,清選必不可少,而此過程中燕麥籽粒損失難以避免[1-3],其損失率也成為清選設備的基礎指標,是清選機工作參數(shù)調(diào)整的重要依據(jù)[4-7]。損失率的計算大多采用人工計算[8-9],準確度低且效率低下。將計算機視覺技術應用于清選過程是智能農(nóng)業(yè)發(fā)展的需要,本文基于Otsu方法在燕麥清選過程中對燕麥籽粒進行識別,其研究結果為清選損失率智能計算提供前期技術支持。
本研究試驗材料采集于山西省右玉縣,樣本的質量對于籽粒的識別有較大的影響,研究中將樣品分為5 g、15 g和20 g 3組,進行試見圖1)所示。清選機工作時會包含一些雜質,常見的雜質有燕麥莖稈、枝翹和穎殼3種,(見圖2)。
本文采用山西農(nóng)業(yè)大學自行研制的清選機為試驗臺,取來的燕麥樣品通過本試驗臺清選,實驗采用的風機轉速為68rpm。
圖像采集系統(tǒng)使用M0814-MP型鏡頭(Computar,f=8mm,F(xiàn)1.4),F(xiàn)201C型CCD(AVTGmb H,1/2.3英寸 CCD),RL45100-R24型LED光源(深圳市晶慶光電有限公司,5.76W),CP502型電子天平(Ohaus公司,感量0.01 g)和百諾A1682TB0三腳架(百諾集團,工作高度440~1 590 mm)。
燕麥樣品從清選機篩體落到地面緩沖接收板上,在獲取圖像時為減少作業(yè)機器產(chǎn)生的陰影的影響,本試驗將緩沖板謹慎從清選機下端移出,為取像做準備。
要注意事項:一是將光源和CCD相機安裝到三腳架上并固定。二是記錄圖像數(shù)據(jù)時做好標定,以保證圖像數(shù)據(jù)有相同的獲取標準。
本文中的數(shù)據(jù)處理和分析是基于軟件Matlab 7.5(The MathWorks,Natick,USA)來實現(xiàn)。
本文中第一步選用合適的去噪方法,對采集到的燕麥籽粒圖像預處理,第二步選擇大津法對其分割,經(jīng)試驗確定,分割閾值為89可取得較好分割效果,可分性測度達到0.757 8。
籽粒圖像采集時的光源強弱、背景的變換、不同的采集速度以及其形狀差異和雜質等因素都會對其采集質量造成一定干擾。為消除圖像干擾,文中使用多種預處理進行去噪:銳化、維納、中值濾波等。多種預處理結果對比顯示,采用中值濾波首先可去除圖像干擾,其次可對原圖特征做最大程度保留,選用中值濾波方法,并設定元素尺寸為77,處理效果如圖3所示。因此,本研究選擇中值濾波結果進行后續(xù)試驗。
大津法通過圖像二值化閾值對圖像進行分割,于20世紀70年代末被大津提出,其最大的優(yōu)勢是圖像的亮度對分割結果沒有影響,并且圖像的對比度對分割結果也沒有影響,其應用非常普遍[10]。圖像中的灰度值往往呈現(xiàn)不均勻分布,其度量指標較多,而方差則使用頻繁,其值越大,分布越不均勻,其值越小則灰度分布較為均勻,理論上使其方差達到最大,閾值分割出錯的概率就可以達到最小,分割公式如式(1)、式(2)所示。
式中:mG——圖像平均灰度;
ρ1(K)——集合C1發(fā)生的概率;
sB2(k)——表示類間方差。
式中:hk——不同類的方差與總的灰度方差比值。
為實現(xiàn)對燕麥籽粒的識別,需對圖像進行分割,將燕麥籽粒從復雜背景中分離。采用Otsu方法進行閾值確定必須使其分割以后的效果可以到達同一類的圖取得方差最小值,而不同類的圖則取得最大值。文中采用該方法分割燕麥籽粒,經(jīng)試驗確定最佳分割閾值取89可取得最好的分割效果,可分性測度達到0.7578,分割結果如圖4,由圖4,該方法能夠很好地將燕麥籽粒從復雜背景中分離開。
(1)本研究中采用Otsu方法對燕麥籽粒進行識別,試驗確定分割閾值取為89可達到最好分割效果,可分測度值0.7578,為現(xiàn)代農(nóng)場作業(yè)中清選損失率的自動計算與設備開發(fā)提供技術前提。
(2)受圖像采集環(huán)境的干擾以及算法不足的影響,處理的結果圖當中通常會出現(xiàn)大小不同、數(shù)量各異的孔洞,這些孔洞不僅影響了燕麥籽粒的檢測效果,也破壞了燕麥籽粒輪廓的完整性,不利于燕麥籽粒的統(tǒng)計分析,這也正是下一階段需要解決的問題。