基于機器視覺的溫室大棗表型特征測量

文懷興， 王春普， 黃正祥

(陜西科技大學機電工程學院，陜西西安 710021)

我國是世界上種植棗樹最多的國家[1]，同時也是大棗生產量最多的國家[2]。大棗產業已經成為很多農民增收的重要途徑[3]，為進一步提高棗果種植的經濟效益，棗農們進行溫室栽培[4]，實現了大棗早成熟、早上市、淡季供應、錯季栽培、增加效益的目的[5]；但是棗在栽培種植中，機械化水平較低，勞動強度大。例如在對棗的實時測量仍采用手工測量，效率較低[6]，不能對植物生長信息及器官表型特征進行實時視覺監測。隨著機器視覺技術的快速發展，機器視覺技術被用于無損監測植物的表型特征也越顯廣泛和重要[7]。本研究針對大棗在溫室環境中生長的特征，開發了適合在溫室中栽種棗樹的實時監測系統，該系統可以對棗的表型特征連續動態測量，以滿足現代精準農業生產發展的要求。通過棗的表型特征的變化來觀察光照、溫度、濕度、土壤等對棗生長的影響，從而提高產量，增加效益。

1　大棗圖像采集系統

機器視覺監測為非接觸測量，具有實時性強、準確性高、非接觸、無損等優點[8]。本系統分為軟件系統和硬件系統2部分，硬件系統包括1個反光傘、亮度可調的LED光源、1個工業相機(CCD)、1個定時開關控制器、1個相機架以及1臺計算機組成，軟件系統包括Halcon11.0和VS。其中相機為USB2.0接口，所以不用圖像采集卡。采集系統示意圖如圖1所示。

1.1　硬件系統的選擇與設計

光源可以將被測物體與背景顏色明顯區分，從而獲得高品質、高對比度的圖像。光源的好壞直接影響處理精度和速度，甚至系統的成敗。理想的光源應該具有明亮性、均勻性以及穩定性。機器視覺系統使用的光源主要有高頻熒光燈、光纖鹵素燈、LED光源。根據大棗自身的特點以及現場條件，選用環形LED光源，LED光源具有壽命高、響應速度快、穩定性好、波長可以根據用途選擇等優點。反光傘可以提高光線的均勻度，適合拍攝靜止物體。

該機器視覺系統須要完成微距拍攝。微距拍攝是指相機通過鏡頭的光學能力，拍攝于實際物體等大(1 ∶1)或更大影像比的拍攝。工業CCD相機具有感應器面積小、焦距短等特點，所以具有微拍攝的能力。選用GIGE CCD工業相機，型號為MV-GED500M-T。

1.2　背景分割

采集到的圖像為彩色圖像，該圖像由紅(red)、綠(geen)、藍(blue)3種顏色空間組成，灰度值0～255。RGB顏色空間雖然直觀容易理解，但3個分量高度相關，不利于計算。為了方便計算處理以及人眼視覺特性，所以將RGB顏色空間轉化為HSI顏色空間。在HSI模型中，3個分量相互獨立，便于計算。H為色調，與光波長度有關，它表示人的感官對不同顏色的感受；S指飽和度，表示顏色的純度；I指亮度，對應成像亮度和圖像灰度，是顏色的明亮程度。通過變換使三維變一維，運算減少到1/3，極大地提高了計算速度。轉換關系為：

(1)

I=(R+G+B)/3。

式中：R為紅色；G為綠色；B為藍色。

通過顏色轉換后的大棗的圖像如圖2、圖3所示。

圖像S分量圖如圖4所示，S分量直方圖如圖5所示，選擇最大灰度值46、量化因子1、平滑因子2，即可將大棗與背景分割。

1.3　噪聲消除

采集的大棗圖像中包含著許多噪聲[9]，覆蓋了圖像的細節特征，影響輸出結果，甚至作出不正確的判別。為了得到更清晰、更高質量的圖像，須要對圖像進行平滑噪聲，同時也能增加圖像的對比度。濾波就是要去除沒用的信息，保留有用的信息，可能是低頻，也可能是高頻，根據項目的具體要求。根據棗的圖像特點，該視覺系統采用中值濾波。中值濾波是一種非線性平滑技術，將每一像素點的灰度值設置為該點某領域內所有像素點灰度值的中值，具有抑制噪聲、保護邊界細節等優點。

二維中值濾波輸出函數g(x,y)=med{f(x-k),y-l),(k,l?w)}，f(x，y)為原始圖像g(x，y)為處理后圖像。

1.4　邊緣檢測

圖像邊緣是圖像分割所依賴的重要特征[10]，也是獲取大棗表型特征的基礎。采用經典邊緣檢測算子進行圖像邊緣檢測，索貝爾算子(sobel)即是經典邊緣算子的一種。索貝爾算子是一種離散型差分子，用來計算圖像亮度函數的灰度近似值，對像素位置作出加權，有效降低了邊緣模糊程度。索貝爾算子卷積因子：

(2)

式中：Gx橫向邊緣檢測的圖像灰度值；Gy縱向邊緣檢測的圖像灰度值；A為原始圖像。

該點的灰度大小為：

(3)

為了提高計算速度，可用其近似值：

|G|=|GX|+|Gγ|。

(4)

當梯度G大于某一閾值時，則認為該點(x，y)為邊緣點。

梯度方向為：

(5)

索貝爾算子是根據像素點周圍點灰度加權差，在邊緣處達到極值原理檢測邊緣的，但是沒有嚴格地將圖像和背景區分開，有時對圖像邊緣的提取效果并不能讓人滿意，對棗的邊緣檢測如圖6所示。Canny邊緣檢測算子是在索貝爾算子基礎上發展起來的一種邊緣檢測方法，該算子定位精度高、響應速度快，先對圖像平滑濾波，后對圖像檢測。

首先運用高斯濾波器平滑圖像，高斯平滑函數為：

(6)

經過處理后的圖像為

G(x,y)=f(x,y)×H(x,y)。

再運用一階偏導數的有限方差的方法計算梯度的幅值和方向。

(7)

X方向偏導數：

φX(m,n)=f(m,n)×H1(x,y)。

(8)

Y方向的偏導數：

φY(m,n)=f(m,n)×H2(x,y)。

(9)

梯度幅度：

(10)

梯度方向為：

(11)

將目標像素點M與沿著梯度線的2個像素相比。如果M的梯度值大于沿梯度線的2個相鄰梯度值，則保留M點，否則M=0。首先對非極大值抑制，圖像作用2個閾值τ1和τ2，且2τ1≈τ2，通過2個閾值得到圖像N1[i,j]和N2[i,j]。利用N1[i,j]的8個鄰點即可連接到輪廓上的邊緣，直到將N2[i,j]上所有的間斷連接起來得到邊緣圖像。圖7為采用Canny邊緣檢測算子所成的邊緣圖像。

1.5　表型特征的提取

該系統的程序是在Halcon 11.0中操作完成的。Halcon是德國MVtec公司開發的一套完善的標準的機器視覺算法包，擁有應用廣泛的機器視覺集成開發環境。Halcon 11可以完成形狀和體積等特征計算、通過切面進行點云分割等。除此之外，基于聚焦變化的深度圖像獲取、快速傅立葉變換(FFT)和Halcon的局部變形匹配都有顯著的加速。根據大棗的表型特性，將其轉換成等效橢圓，等效橢圓的中心與原大棗區域中心一致，橢圓的長半軸、短半軸以及相對于水平坐標的夾角可以通過二階矩陣算出。如圖8為一個棗的表型參數。通過對靈武長棗的試驗，棗的投影面積與棗質量的相關系數為0.024 36。其中Ra1為等效橢圓長半軸，Rb1為等效橢圓短半軸，Area1為大棗面積，Contlength1為大棗周長，Volume1為大棗體積，Weight為大棗質量。長半軸、短半軸、周長的單位為mm，面積單位為mm2，體積單位為mm3，質量單位為g。

2　結論

該機器視覺系統具有實時性、非接觸性以及快速、高精度等優點，滿足對棗表型測量的要求。通過試驗比較，選用最合適的圖像處理算法，圖像與背景分割準確。由于環境的多樣性，本研究所設計的監測系統還具有一定的局限性，希望在以后的研究中設計適合多種環境下的圖像采集系統。

參考文獻：

[1]袁國軍，宋宏偉，盧紹輝，等. 避雨栽培對新鄭早紅棗裂果及果實品質的影響[J]. 江蘇農業科學，2012，40(10)：155-156.

[2]畢金峰. 高新技術在棗加工中的應用研究進展[J]. 食品與機械，2010(1)：164-167.

[3]艾建軍，高韶坤，劉建敏，等. 大棗收獲機設計[J]. 江蘇農業科學，2015，43(12)：434-436.

[4]黃春富，蘇玉順. 臺灣青棗大棚栽培技術[J]. 中國南方果樹，2002(3)：61-64.

[5]畢金峰. 高新技術在棗加工中的應用研究進展[J]. 食品與機械，2010(1)：164-167.

[6]王海波，王孝娣，王寶亮，等. 中國北方設施葡萄產業現狀，存在問題及發展對策[J]. 農業工程技術(溫室園藝)，2011(1)：21-24.

[7]李長纓，滕光輝，趙春江，等. 利用計算機視覺技術實現對溫室植物生長的無損監測[J]. 農業工程學報，2003，19(3)：140-143.

[8]楊思思，周泓，虞俠挺. 基于機器視覺的人工光植物工廠植物生長狀況監測系統[J]. 傳感器與微系統，2014(12)：88-90.

[9]祁想想，馬本學，屈年巍，等. 基于MATLAB與VB混合編程的哈密大棗品質檢測研究[J]. 農機化研究，2011(8)：156-160.

[10]周竹，黃懿，李小昱，等. 基于機器視覺的馬鈴薯自動分級方法[J]. 農業工程學報，2012(7)：178-183.