基于計算機圖像技術的作物籽粒識別研究

徐慶華 XU Qing-hua

（江西工業貿易職業技術學院，南昌 330038）

（Jiangxi Vocational Technical College of Industry&Trade，Nanchang 330038，China）

0 引言

糧食的人類賴以生存的基本保障。近年來，我國農業技術不斷進步與發展，全面提高了城鄉居民生活水平，人們對糧食的追求已經從單純的數量需求逐漸過渡到對其品質的追求了。為了順應生產和市場變化的需求，在作物籽粒的識別研究上，引入了計算機圖像處理技術，降低了農業生產的成本，能快速準確的識別出作物籽粒的數量，準確率高達98%，提高了農作物的質量，促進我國糧食在國際市場的競爭水平。

1 作物籽粒圖像識別處理的研究分析

作物籽粒外觀品質的計算機視覺檢測系統包括圖像獲取、圖像增強、特征參數提取和分類等。如圖1所示。其中，采集設備、照明設備、載樣臺構成的圖像獲取裝置，能提供清晰穩定的作物數字圖像；圖像增強可以進行圖像的預處理和分割，達到改善圖像質量，增強圖像識別的效果；在此之后，需要分析和變換方法，計算作物顏色、形態和紋理結構，放映作物的特征參數；最后選擇合適的算法，進行品種的鑒別和外觀品質的檢測。

優質、高產的農業生產必須依靠優良的種質資源，農作物籽粒圖像識別處理技術已經成為現代農業研究和發展的必然選擇。籽粒的圖像特征能反映籽粒內部的生理特征，幫助技術研究人員對種子的質量進行鑒別。計算機圖像識別作物籽粒質量的過程一般分為以下幾個部分：

圖1 作物外觀品質計算機視覺檢測系統結構

1.1 作物籽粒圖像采集 往往籽粒的尺寸都比較小，其圖像的采集會在室內進行。計算機圖形識別處理技術在采取籽粒圖像時，為了獲取高質量、穩定的籽粒圖像，就必須保證采集環境的穩定性。如攝像機擺放的位置、不同分辨率、不同光源造成的色差、不同焦距對圖像的影響等。在研究過程中，有些技術人員利用掃描儀作為采集系統的主要設備，能獲取高質量的籽粒圖像，實驗效果比較準確、理想。2009年孫光明等人利用MS3100多光譜成像儀，結合可見光和近紅外方法對大麥進行成像，較好的反映了農作物籽粒的品質特性。

1.2 作物籽粒圖像預處理 往往籽粒的圖像需要經過分割、去噪等預處理工作。在作物籽粒分割方面，按照一定的規定把其放置在載樣臺上。但是彼此不能連接，這樣比較容易分割籽粒圖像。在實際作物籽粒在線檢測系統中，籽粒隨機放置在載樣臺上，兩者難免會接觸，導致檢測效率降低。針對這個難點，可以利用形態學方法對籽粒進行分割。2005年Gong Zhang等人使用橢圓匹配的方法對加拿大的四種不同小麥的籽粒進行了分割，隨后技術研究人員還利用了分水嶺分割、公共區域或籽粒輪廓尋找分割點等方法實現了作物籽粒圖像的自動分割。

1.3 作物籽粒特征參數提取 作物籽粒圖像特征參數一般包括籽粒的顏色、紋理結構、形狀（質心、長寬比）以及尺寸（面積、體積、周長）等。另外在一些研究中采用不變矩和傅里葉從不同角度描述了作物籽粒的形狀特征，并進行分類。2004年凌云等人提出用分形的思想描述大米籽粒上堊白區域的分布情況。2010年權龍哲等人采用K—L變換技術對外觀相似的玉米籽粒圖像進行了參數提取，利用少量的特征，并采用圖像信息壓縮技術，反映了玉米品種籽粒的外觀特性，為后期有效的鑒別相似玉米品種提供了強有力的保障。

1.4 作物籽粒品質鑒別 一般來講，籽粒鑒別的類型包括對籽粒甄別其品質的檢測、不同籽粒的品種歸屬，兩種鑒別類型都是利用遺傳算法、人工神經網絡和支持向量機等模式來識別的。2009年李偉等人根據形態學特征，通過輪廓對稱性識別局部破損棉種，識別率高達94%。

2 實例分析

若想較為準確的識別作物籽粒，就必須提高圖像識別和處理的精確度和便捷性，只有不斷的改進傳統的圖像識別中的分割法，提高作物籽粒圖像識別的準確性，才能為計算機技術在農業生產的應用奠定堅實的基礎。下文就以水稻籽粒為例，對圖像分割的方法進行探討分析。

2.1 分水嶺分割算法 分水嶺分割算法被廣泛的運用在作物籽粒圖像處理中，是一種比較實用的圖像分割算法。首先應該明確分水嶺分割法的含義是基于梯度空間的，首先應該把籽粒圖像轉換為梯度圖像。分水嶺分割算法對籽粒的邊緣有很好的響應，對籽粒有很好的分割效果，但是也容易產生過度分割的現象。針對這個問題，必須對分水嶺分割算法進行改進，使用極小值合并分水嶺分割算法消除過度分割。如圖2是水稻籽粒原始圖像，圖3是分水嶺分割算法的效果。

圖2 水稻籽粒原始圖像

圖3 分水嶺分割算法的效果

2.2 綜合分割計數法 雖然分水嶺分割算法在消除過度分割方面進行了一定的改進，但是在某些情況下，仍然不能較高的處理過度分割現象，因此可以在對水稻籽粒的面積進行測量時，可以結合外部設備。在籽粒圖像采集過程中，必須調整攝像頭和籽粒的距離，在一定的距離內測出水稻籽粒的平均像素n，將分割區域2n/3比較，像素數大于2n/3的記住1個籽粒，并把此區域設為背景色；小于2n/3的區域與鄰進區域比較，與同樣小的區域合并，再與2n/3比較。如果大于2n/3，周邊又沒有小于n/3的區域，將其合并，區域顏色設為背景色，籽粒數加1。當圖像顏色權威背景色就結束處理，如圖4。

圖4 綜合分割算法效果圖

3 結束語

隨著計算機技術不斷發展，勢必也會推動我國農業的進步，提高我國農業在國際上的競爭力。雖然在計算作物籽粒數量時還存在一定的缺陷與不足，但是只要不斷創新計算機圖形技術，改進分水嶺分割算法和綜合分割算法，不斷深入研究更多先進、高效的作物籽粒識別處理技術，就會提高農作物生產質量，促進我國農業健康穩定的發展。

[1]王雪,馬卓,王欣,姜丹,劉小溪,賈志雷.基于顏色和形狀特征的黃瓜霜霉病自動識別研究[J].安徽農業大學學報,2013,06:1071-1075.

[2]葛婧.基于計算機圖像處理技術的作物病害等級檢測[D].安徽農業大學,2007.

[3]文新亞,宋振偉,孔凡磊,張志鵬,陳阜.基于數字圖像技術的冬小麥不同施氮處理顏色特征分析[J].中國農業大學學報,2010,02:82-87.

[4]陸明,李茂松,申雙和,王春艷.圖像識別技術在作物農情信息反演中的應用[J].自然災害學報,2011,03:18-24.

[5]高云,李小昱,劉長舉,周竹.基于高光譜圖像技術的霉爛板栗識別研究[A].中國農業工程學會（CSAE）.中國農業工程學會2011年學術年會論文集[C].中國農業工程學會（CSAE），2011:5.