基于圖像處理—HSI顏色空間的木醋液對牛糞堆肥過程H分量模型探究

李治宇　周嶺　石長青　劉飛　孫金龍　秦翠蘭　王磊元

摘要：為了對畜禽糞便腐熟程度的快速判定，探索了1種以圖像處理-HSI顏色模型對棉稈木醋液處理牛糞堆肥過程進行識別的方法。結果表明，木醋液對牛糞堆肥不同階段的色度模型滿足高斯二次模型，模型的相關系數r均在0.921 2以上，處理組色度模型的決定系數均大于對照組色度模型的決定系數，且決定系數r²均在0.8109以上。說明棉稈木醋液對牛糞堆肥過程中色度變化明顯，適合于將色度模型應用于棉稈木醋液對牛糞堆肥過程的判定。

關鍵詞：HIS顏色空間；H分量；木醋液；堆肥；色度模型

中圖分類號：S216.1；S141.4 文獻標志碼：A 文章編號：1002—1302（2016）01—0399—04

改革開放以來，隨著經濟的發展和人們生活水平的提高，畜禽養殖發展迅速。但是由于畜禽糞便未能得到有效處理，導致水體、土壤和空氣嚴重污染，對人畜生存環境帶來危害。通過物理指標，色度變化，可以大致判定是否腐熟，但是靠人工目測，不僅缺乏客觀性和可重復性，而且檢驗精度低。在現代化的農業生產中，將計算機圖像處理技術應用到堆肥中，能夠極大地降低對工作人員的要求，提高了分析的客觀性和準確性，為機器視覺技術迅速判斷堆肥腐熟提供理論參考。由于HSI顏色模型在接近人眼對景物的認知方面優于RGB顏色模型，廣泛應用于除草機器人、水果采摘等自動彩色目標識別的場合。目前利用圖像處理-HSI顏色模型判別不同堆肥階段的腐熟程度還未見報道。本研究提出1種以圖像處理-HSI顏色模型對棉稈木醋液處理牛糞堆肥過程不同階段進行檢測，探索以機器視覺系統對不同堆肥期的腐熟程度進行自動識別的新途徑。對農業和生態環境的健康長效的發展具有重要的意義。

1材料與方法

1.1試驗材料

試驗中的棉稈木醋液由生物質熱裂解實驗裝置熱解得到，該裝置功率為12 kW，一次最多可放4 kg物料，最高溫度可加熱到600℃。將風干棉稈直接放人熱解裝置內，每次進料1 kg，起始溫度20℃，終止溫度500℃，熱解2 h，氣體經泠凝裝置冷凝為液體，在出口收集到的木醋液為粗木醋液，經靜置沉淀后，取上清液體，即為試驗所用棉稈木醋液，棉稈木醋液的理化指標見表1。

供試牛糞來源于塔里木大學動物科學學院的養牛場，鋸末來自校外的木材加工廠。堆體物料組合為牛糞和鋸末，按質量比17.8：1混合。堆肥原材料的初始理化性狀見表2。

1.2試驗設計

試驗在塔里木大學現代農業工程重點實驗室進行。堆肥試驗共設4個處理，即：處理1：牛糞66 kg+鋸末3.69 kg+水23.8 L；處理2：牛糞66 kg+鋸末3.69 kg+水23.8 L+0.5%棉稈木醋液；處理3：牛糞66 kg+鋸末3.69 kg+水23.8 L+1.7%棉稈木醋液；處理4：牛糞66 kg+鋸末3.69 kg+水23.8 L+3.0%棉稈木醋液。木醋液添加量均為木醋液與堆肥物料鮮質量的比值。4個處理分別命名為CK、1#、2#和3#。堆肥試驗采用靜態強制通風+翻堆的方式進行，堆體溫度超過60℃時通風30 min，前4周每1周翻堆1次，以后每2周翻堆1次，堆肥試驗持續11周。

1.3堆肥裝置

堆肥裝置系統結構如圖1所示。反應器內部尺寸為0.6 m×0.6 m×0.6 m，外部尺寸為1 m×1 m×1 m，保溫層材料為聚乙烯泡沫板。在堆體中心距離底部15、30、45 cm處放置溫度傳感器（Pt100電阻）；在距離桶底1 cm處開1個直徑2 cm的孔；將直徑2 cm的PVC管插入孔中，同時在桶里放1個2 cm高的支撐架，上面放1個箅子，同時鋪1層透氣性很好的塑料編制膜，反應器底部有通風管道，然后將PVC管接上鼓風機，對其通風供氧；共4個堆肥裝置，每處理1個裝置。

1.4試驗儀器

GC/MS氣相色譜-質譜聯用儀（Trace GC-2000/DSQ）；WYT-4手持糖度計；METrLER TO-LEDO D131型卡爾菲休水分儀；密度瓶；FD-NST-I型液體表面張力系數測定儀；PHS-3C型pH計；分析電子天平（FA1004）；電熱鼓風干燥箱（GZX-9140MBE）；箱式電阻爐（SX-2.5-10）；生物質熱裂解實驗裝置（BRES06-1）和原子吸收分光光度計（AA800）；Panasonic數碼相機（DMC-S3GK）；SD-200型影室閃光燈照明光源，功率為100 W。

1.5采樣方法

采樣在堆肥前及每次翻堆前進行采集（遇到翻堆時，須在翻堆前采集），堆體分成上層（距離底部45 cm）、中層（距離底部30 cm）和下層（距離底部15 cm）。每一層均分成3個區域，如圖1所示，中心區域、1級環形區域和2級環形區域。早上11：00時取樣，取堆體不同層的不同區域試樣，每一層的不同區域隨機取點，采集3個次級樣品，然后將這3個次級樣品混合成一個待測樣品，樣品經自然風干，研磨后，過60目篩，在4℃下保存。

1.6測定方法

木醋液：液相色譜法；表面張力：掛環法；密度：密度瓶法；有機質：灼燒法；全氮：凱氏定氮法；pH值：pH計法；EC：電導法；含水率：真空烘箱法。

顏色處理：參照文獻[13]和[14]進行圖像處理。

1.7 RGB顏色空間

RGB顏色空間由三基色[紅（R）、綠（G）、藍（B）]組成，用三基色進行相加可以產生任何顏色。它是由紅、綠、藍表示3個坐標軸的立方體三維坐標空間結構，如圖2所示。立方體的底部R=G=B=0處為黑色，頂部與其相對角R=G=B=255處為白色。由于顯示設備和采集圖像均使用的是RGB顏色空間，因此RGB顏色空間是彩色圖像處理中最基礎、最常用的顏色空間。但是RGB顏色空間具有不均勻和不直觀的缺點，所以，大多采用更加符合顏色視覺特性的顏色空間進行彩色圖像處理。

1.8 HSI顏色空間

HSI顏色空間是從人的視覺系統出發，用色調H、飽和度S和亮度Ⅰ來描述顏色，屬于極坐標空間結構，其優點是能非常直觀的描述顏色，如圖3所示。HSI顏色空間很適合基于人的顏色感知特性進行處理和分析圖像。其中，色調H分量對彩色描述與人的視覺接近，區分力比較強。

1.9從RGB顏色空間轉換為HSI顏色空間

2結果與分析

2.1顏色特征提取——H分量

堆肥過程一般分為3個階段：升溫階段、高溫階段和降溫階段，最后進入腐熟。分別在不同的時期，采集樣品堆肥整個過程的圖像，共得到220幅堆肥的RGB圖像。從對照組中取出中層的第一區域的一組圖片，進行可視化處理。

圖4為不同堆肥階段圖像，從顏色外觀來看，堆肥前期的顏色較深，越到后期，顏色不斷褪去。為了能夠準確用數據說明顏色變化的情況，在HSI顏色模型中，取色調H作為特征量進行統計分析，將其由RGB圖像格式轉換成HSI圖像格式，然后在每幅圖像中提取區域大小為50像素×50像素的特征點，對提取出的堆肥區域進行處理和變換，計算堆肥區域的色調信息，統計H分量，得到HIS顏色模型的H分量變化直方圖（圖5）。由圖5可看出，堆肥不同階段的H分量直方圖分布是不同的，由于直方圖只能大致看到變化情況，具體變化不明，需要將H分量量化。采用取均值的方式，能夠具體判定該階段的顏色。通過計算，將色調值還原，得到圖4的色調值域為[26.738 51°，36.012 16°]，顏色色調的視覺變化很明顯。橙色在色調值域[0°，360°]中對應30°，如第0周的堆肥色調值的均值為28.854 39°，說明了此階段堆肥區域含有較多的橙色信息。

2.2建立H分量色度模型

根據整個堆肥不同階段堆體的RGB圖像，進行HIS空間轉換，得到HIS模型H分量的均值，共獲得220個色度值，每一層的H分量均值，計算公式如下：

繪制不同木醋液處理下，堆肥過程中H分量的變化情況，得到圖6。從圖6可以看出，4幅圖整體上都是在第1周至第3周出現1個上升的趨勢，然后逐漸降低到一個穩定的水平。對H分量進行回歸分析，得到不同處理下不同層的堆肥過程色度模型，見表3。表3顯示所有擬合方程的相關系數均達到了0.9以上；其中色度模型的決定系數最小值為0.810 9，最大值達到了0.999 5，所有色度模型都滿足高斯二次模型；處理組的決定系數均比對照組的決定系數大。說明了木醋液處理后的色度模型，其擬合效果好，模型可靠性高，也反映了堆肥效果穩定。

3討論

目前堆肥腐熟度的評價主要采用物理指標、化學指標和生物指標，化學指標和生物指標操作復雜，為了實現快速的判定，物理指標就成為首選。由于物理指標中的溫度、氣味在堆肥中不穩定，容易受到外界的干擾，不容易判定。而堆肥中顏色的變化不受其他因素的影響，色度穩定，可以通過外觀判定堆肥的程度，所以可以對堆肥不同階段的色度進行量化。顏色量化是數字圖像處理中的基本技術，它將原圖像中的多種顏色根據人的視覺效果歸類到較少數目的顏色。

從圖6可以看出，在堆肥過程中顏色的變化不是線性的變化，而是一個復雜的過程。色度值在堆肥前期升高，主要因為堆肥前期有機物的含量充裕，加之溫度的升高，增加了環境的活性，產生大量微生物，微生物在分解有機物時排放了大量的水分，導致物料顏色加深。圖4的物料形狀也反映出前期的物料比較大，而后期由于被微生物分解而變得都比較小；同時微生物菌落和溫度共同導致升溫期顏色加深；然后色度值逐漸降低，達到穩定。

從表3可以看出，木醋液處理下的色度模型明顯優于對照組的色度模型，其決定系數均高于對照組的決定系數。結果表明，木醋液對堆肥中色度的影響比較顯著，堆肥的穩定效果好，模型的適用性強，適合用于堆肥過程及腐熟程度的反映。

4結論

木醋液對牛糞堆肥不同階段的色度模型的決定系數，均大于對照組色度模型的決定系數，說明木醋液對牛糞堆肥過程中色度變化明顯，適合于對牛糞堆肥過程色度的判定。

木醋液對牛糞堆肥不同階段的色度模型滿足高斯二次模型，模型的相關系數均在0.921 2以上，相關度極高；決定系數均在0.810 9以上，說明模型的可靠性高。