暗光環(huán)境下油菜種子發(fā)芽率自動監(jiān)測系統(tǒng)

屠禮芬，彭 祺，吳雪妮，顧建偉，李春生

(1.湖北工程學院物理與電子信息工程學院，湖北 孝感 432000；2.湖北工程學院湖北省新農(nóng)村發(fā)展研究院，湖北 孝感 432000)

種子是農(nóng)業(yè)生產(chǎn)中不可替代的物質(zhì)，是決定農(nóng)作物產(chǎn)量和質(zhì)量的關鍵因素，優(yōu)良種子是確保農(nóng)業(yè)豐產(chǎn)的前提。發(fā)芽率是衡量種子質(zhì)量的重要指標之一，一般發(fā)芽率高，代表存活種子多、苗數(shù)多[1-2]。因此，只有采用高發(fā)芽率的種子用于生產(chǎn)，才能確保農(nóng)業(yè)生產(chǎn)的安全和效益。

近年來，關于種子質(zhì)量檢測的方法有一些優(yōu)秀成果，Miller Mcdonald利用數(shù)字圖像處理技術研制了種子活力檢測軟件平臺[3-4]。Hoffmaster等[5]利用數(shù)字圖像技術研發(fā)了大豆種子活力指數(shù)檢測系統(tǒng)。也有利用序列化的圖像來測定種子活力的研究[6-7]。在國內(nèi)，程紹明[8]研究了基于電子鼻檢測種子發(fā)芽率；于征等[9]研究了圖像處理與分析技術和四唑染色法相結合檢測種子活力的方法，通過相機對種子發(fā)育的圖像進行拍攝，基于圖像識別技術檢測種子的活力。

各種研究方法的有效性最終都需要通過大量的發(fā)芽試驗進行驗證。種子的發(fā)芽期通常需要2～7 d，在這個過程中，每隔6 h對發(fā)芽的種子進行計數(shù)，要完成這項工作，需要專業(yè)技術人員進行大量重復的工作，耗時耗工，并且很容易出現(xiàn)主觀誤差，可靠性有待檢驗。

為使種子發(fā)芽率的統(tǒng)計更為客觀、快捷，本研究設計并制作了培養(yǎng)箱中種子發(fā)芽過程動態(tài)監(jiān)測系統(tǒng)，包括硬件的構建和對應的發(fā)芽率檢測軟件。

1 材料和方法

1.1 種子圖像采集平臺硬件設計

一方面農(nóng)作物種子可能帶有多種病菌蟲體，甚至是檢疫性病菌蟲體，會隨種子傳播而引起作物發(fā)生病蟲害，從而影響作物生長發(fā)育和產(chǎn)量品質(zhì)；另一方面在低溫季節(jié)要對作物種子進行催芽，如不加溫則種子催芽速度慢甚至不發(fā)芽。為了使種子有一個良好穩(wěn)定的培育環(huán)境，引進了種子發(fā)芽培育箱，如圖1所示。

圖1 種子發(fā)芽培育箱Fig.1 Seed germination incubator

1.1.1種子發(fā)芽箱內(nèi)相機固定架的制作

一般種子發(fā)芽培育箱內(nèi)無配套的相機設備，因此需要將相機固定在培育箱內(nèi)。根據(jù)以上條件，設計并制作相機固定架，如圖2所示。

相機固定架的設計結合實際的需求，具備以下多種功能：

1) 如圖2中①所示，在兩臂之間添加螺絲，使其可以轉(zhuǎn)動，從而改變其兩臂之間的角度。此設計可適應各種類型的種子培育箱。

2) 如圖2中②所示，凹槽設計，使相機固定架可以卡在種子培育箱的兩側(cè)邊緣，方便固定架的放置。

3) 如圖2中③所示，在一臂的中心位置安裝一個相機固定板，相機可固定在架子上。

4) 如圖2中④所示，添加了4個支撐柱，但其均可以拆卸，此設計的目的是：當種子發(fā)芽培育箱沒有卡住凹槽的邊緣時，固定架可以直接放置在培育箱的底部；若種子箱太小無法放置支撐柱時，也可將其拆卸。

5) 如圖2中⑤所示，在支撐柱底端添加底板，因為相機有一定的重量，為了使其更穩(wěn)定，增加支撐面積。

1.1.2暗光相機

種子發(fā)芽并不是24 h在強光條件下，若想24 h實時監(jiān)測種子的發(fā)芽情況則必須研究暗光條件下種子的發(fā)芽情況。種子發(fā)芽檢測在國外已有較為成熟的系統(tǒng)，但均為有光照環(huán)境下，因此，本試驗旨在研究暗光條件下種子發(fā)芽的檢測。為了適應種子發(fā)芽培育箱的暗環(huán)境，購置微視高感光相機“HK-A 5100-GC 17”，該相機在大幅面、高幀頻下具有高靈敏度、低噪聲特性，能在光線極其微弱的條件下實時獲取種子照片。使用中發(fā)現(xiàn)，該相機在工作時產(chǎn)生的熱量較高，因此對相機外殼進行改進，加裝了風扇，并更換散熱外殼，使其散熱功能得到改進，改進后的外殼如圖3所示。

1.2 種子圖像采集及圖像預處理

基于已設計完成的硬件系統(tǒng)及開發(fā)改裝完畢的暗光相機條件下，將種子置于種子培育箱內(nèi)。在種子生長的暗光環(huán)境中進行圖像采集，采集的原始圖像如圖4所示，即使在暗光條件下，依然可以得到清晰的圖像。

圖3 改進后的相機外殼Fig.3 Improved camera housing

圖4 采集的種子圖像Fig.4 The collected seed image

在對種子發(fā)芽圖像進行靜態(tài)圖像采集時，由于光源的不均勻性和相機自身不可避免的噪聲，采集到的種子發(fā)芽圖像會受到一定程度噪聲的影響。因此，噪聲的濾除是圖像處理技術中的一個非常重要的環(huán)節(jié)[10]。

由于本系統(tǒng)工作環(huán)境為暗光環(huán)境，所獲取的圖像噪聲較大，顏色信息也不充足，為了提高軟件運行速度，先把圖像轉(zhuǎn)變?yōu)榛叶葓D，為了準確地提取發(fā)芽種子的特征值，減少對圖像特征值提取與分析的影響，需要對圖像噪聲進行處理。

1.2.1灰度轉(zhuǎn)換

把彩色圖像轉(zhuǎn)化為灰度圖像，這樣不僅節(jié)省了內(nèi)存也提高了系統(tǒng)的運行速度，為后續(xù)圖像處理算法的實現(xiàn)打下基礎。本研究使用加權平均法根據(jù)重要性及其他指標，將像素點三個分量以不同的權值加權平均，得到較為合理的灰度圖像。

1.2.2圖像增強

本系統(tǒng)由于拍攝距離近，光照條件差，獲取的圖像噪聲較為嚴重，故在對原始圖像進行處理時，依次使用均值濾波法、高斯濾波法和中值濾波法對圖像進行預處理。經(jīng)過以上圖像處理后效果如圖5所示。

圖5 圖像預處理效果圖Fig.5 Image preprocessing effect drawing

2 結果與分析

2.1 種子的提取和發(fā)芽率分析

2.1.1圖像自適應閾值分割

在對種子圖像進行分析時，只需分析種子所在的目標區(qū)域，其余的背景區(qū)域不予分析。為了辨別和分析目標，需要將有關區(qū)域分離出來，只有在此基礎上才能對目標進一步利用。由于本系統(tǒng)需要24 h使用，不同的時間環(huán)境光照不同，有時還會光照不均勻，故采用OpenCV提供的自適應閾值分割函數(shù)adaptiveThreshold來實現(xiàn)自適應閾值處理。自適應閾值分割效果圖如圖6所示：

圖6 自適應閾值分割效果圖Fig.6 Adaptive threshold segmentation effect drawing

2.1.2圖像形態(tài)學處理

從閾值分割結果可知，受淺色芽的影響，種子區(qū)域出現(xiàn)了中空區(qū)域，影響種子的提取，所以需要用形態(tài)學將該區(qū)域進行連接獲取種子區(qū)域，方法如下：

用15×15的矩形卷積核對圖像進行腐蝕和膨脹操作：先腐蝕，去掉較大顆粒噪聲，再膨脹，恢復丟失的種子區(qū)域，并將由于發(fā)芽導致的種子區(qū)域斷裂進行連接。形態(tài)學處理之后的效果如圖7所示。

圖7 形態(tài)學處理效果圖Fig.7 The morphological treatment effect drawing

2.1.3獲取所有種子區(qū)域

獲取二值圖像之后，提取所有輪廓，并對每一個輪廓用最小圓形將其包圍。當擬合的圓半徑在某個范圍內(nèi)時，認為這是一個種子區(qū)域，該范圍涉及到的上下限閾值需要根據(jù)具體場景預設，在設計的種子識別算法和軟件的基礎上可以直接獲取所有的種子區(qū)域，如圖8所示。

圖8 獲取所有種子區(qū)域Fig.8 Getting all seed areas

2.1.4判斷種子是否發(fā)芽

獲取種子區(qū)域后，為了確保該圓包含了種子和芽的全部區(qū)域，將圓的半徑擴大1.5倍形成一個新的圓區(qū)域，在該區(qū)域內(nèi)分析種子的長度，判斷是否發(fā)芽，方法如下：

首先軟件自動統(tǒng)計背景的灰度均值，假設為ThBack在本系統(tǒng)中要求種子為深色，芽為淺色，背景介于二者之間。

在每個新圓區(qū)域內(nèi)進行圖像二值化，當某一點的灰度大于ThBack的倍數(shù)RateBack時，則認為是芽，填充為白色，否則為黑色，其中參數(shù)ThBack為軟件自動分析獲得，RateBack為預設值，一般選擇1.5～1.9之間，參數(shù)選擇較小，則得到的芽點數(shù)更多，否則更少。

最后統(tǒng)計每個新圓內(nèi)白點的數(shù)量，當該數(shù)量超過閾值ThFaya時，則認為該種子發(fā)芽。閾值ThFaya由芽的粗細、發(fā)芽的長度標準決定。在本系統(tǒng)中，認為芽長超過2 mm即為發(fā)芽狀態(tài)，經(jīng)過初步預估，種子的直徑接近2 mm，芽的粗細接近1 mm?？紤]到圖像與相機之間的距離對白點(芽)的數(shù)量的影響，構建的閾值模型與種子半徑的平方線性相關，即：

ThFaya=RateFaya×R×R

其中，RateFaya為系數(shù)，一般設置為0.6～1之間，值越小，判定為發(fā)芽的長度要求越低，同一幅圖像中被判定為已發(fā)芽種子的數(shù)量越多。R為種子的半徑，在參數(shù)設置界面獲取。

發(fā)芽分析結果如圖9所示，藍色圓圈標記已發(fā)芽的種子，紅色圓圈標記尚未出芽的種子。

圖9 發(fā)芽檢測結果Fig.9 Seed germination test result

2.2 種子發(fā)芽率自動監(jiān)測軟件

為了實現(xiàn)對發(fā)芽種子的自動檢測，方便種子發(fā)芽的監(jiān)測，提高育種人員的工作效率，本研究設計了種子發(fā)芽率自動監(jiān)測軟件。

此軟件主要功能是自動采集培養(yǎng)皿中的種子圖像，實現(xiàn)對種子的自動計數(shù)和分類，并實時顯示培養(yǎng)皿中的種子總數(shù)和已經(jīng)發(fā)芽成功的種子數(shù)，計算當前發(fā)芽率。將相機固定在培養(yǎng)箱中，根據(jù)用戶需求設置好相關參數(shù)后，就可以對種子發(fā)芽過程實現(xiàn)自動監(jiān)測。

注：a為主界面；b為參數(shù)設置界面。圖10 軟件界面Fig.10 Software interface

圖11 發(fā)芽率計數(shù)Fig.11 Germination rate counting

軟件主界面如圖10 a所示，左邊是實時監(jiān)測區(qū)域，即可根據(jù)用戶要求，每隔1 min自動獲取一幀圖像，自動對當前圖像進行種子發(fā)芽分析；右邊是單幅圖像測試區(qū)域，即可以人工載入一幀圖像，軟件自動對當前圖像進行種子發(fā)芽分析。載入種子圖像后，在如圖10 b所示的種子參數(shù)設置界面設置相關參數(shù)。

參數(shù)設置完畢后，點擊主界面種子發(fā)芽分析即可計算出待測種子個數(shù)、已發(fā)芽個數(shù)、發(fā)芽率。如圖11所示，程序主界面顯示全部種子個數(shù)、已發(fā)芽種子個數(shù)和發(fā)芽率，并在對應圖像中標記所檢測的種子區(qū)域，用紅色圓圈標記未發(fā)芽種子，藍色圓圈標記已發(fā)芽種子，方便用戶可視化管理。若所測多張圖像是在同一環(huán)境下拍攝則無需重復上述設置參數(shù)步驟；若更換拍攝環(huán)境則需要根據(jù)拍攝環(huán)境重復上述操作重新設置種子參數(shù)。

3 結論與討論

本研究的方法較前人計算種子發(fā)芽率的方法而言，不僅可以省去實驗人員大量重復計數(shù)，并且對種子是否發(fā)芽的判斷依據(jù)進行固定，故發(fā)芽率的統(tǒng)計精度和穩(wěn)定性不會受主觀因素影響。更重要的是，軟件實時記錄的大量發(fā)芽率數(shù)據(jù)可以根據(jù)用戶要求自動進行后期處理，如計算每日發(fā)芽率、動畫模擬發(fā)芽過程、不同種子之間的發(fā)芽曲線等。

該系統(tǒng)的優(yōu)點在于，設計并制作了種子圖像采集的硬件系統(tǒng)，開發(fā)了種子發(fā)芽率自動監(jiān)測軟件，將兩者結合得到了一個完整的培養(yǎng)箱中種子發(fā)芽率自動檢測系統(tǒng)；根據(jù)種子特征，對種子進行了灰度轉(zhuǎn)換，節(jié)省了內(nèi)存空間并提高了系統(tǒng)運行速度。對噪聲進行濾除，對圖像進行自適應閾值分割，更準確地提取發(fā)芽種子特征，減少了對圖像特征分析的影響；可極大地提高實驗人員檢測種子發(fā)芽率的工作效率，為農(nóng)業(yè)研究打下基礎。