基于機器視覺的玉米種粒分選技術研究進展

陳曉明

（吉林農業大學工程技術學院，吉林 長春130018）

玉米是我國的三大糧食作物之一，在某些年份還是我國產量最高的糧食作物。2017年我國的玉米產量為4318億斤，占全國糧食總產量的34.9%，是產量最多的糧食作物。玉米的用途廣泛，既可以加工成各種直接食用的食品，還能用于提取食用油及作為動物飼料，具有很高的營養價值和經濟價值。玉米良種的選擇和優良種子的培育是玉米能否高產的首要因素和關鍵，玉米種子的精選分級也是我國玉米高產穩產的重要保證[1-2]。因此，對玉米種子的品質進行精選對提高玉米生產的自動化水平、提高玉米單產量具有重要意義。要提高玉米種子的一致性，則必須識別并清除霉變、畸形和發生裂變的種子，需要通過對種子的精選和分級來完成。傳統的玉米種子挑選通過人工完成，該方式操作簡單，但是費工、費力、工人易疲勞，且疲勞后容易發生誤選的情況。得益于快速的圖像信息處理速度和精準的識別能力，機器視覺成為目前種子精選分級方面研究最多的技術，適用的作物種類也較為廣泛。為此，本文結合種粒挑選技術國際研究動態，綜述了基于機器視覺的玉米種粒挑選技術的最新研究進展。

1 國內研究進展

與國外相比，我國基于計算機視覺的玉米種粒挑選裝置研究較晚。從2000年開始，國內才陸續有學者對基于計算機視覺的玉米種粒挑選裝置進行研究，且對種粒算法的研究較多，對種粒挑選裝置的研究則較少。

在算法方面，主要分為玉米種粒品質鑒定和玉米品種自動識別的算法研究。在品質鑒定方面，2004年，周紅等介紹了利用圖像增強、灰度變換、輪廓提取與跟蹤、基于直方圖的閾值分割的數字圖像處理技術快速提取玉米種子外形輪廓的方法，從而實現了對玉米種粒尺寸、式樣、匹配度等的識別[3]；2007年，張俊雄等提出了基于形態特征的玉米種粒表面裂紋檢測方法，該方法采用垂直和水平邊緣檢測算子處理得到裂紋、種子邊界和噪聲等邊緣信息、然后通過玉米籽粒的形態特征尋找其尖端位置，并使用圖像代數運算的方法去除大部分非裂紋信息、最后根據裂紋的長度和位置特征提取得到裂紋，計算出裂紋的相對長度和絕對長度，識別準確率可達到94%[4]；2012年，趙敏等提出了利用BP神經網絡進行玉米種粒面積與千粒重計算關系的方法，楊蜀秦等則對玉米籽粒的圖像處理和識別方法進行了研究[5-6]；2016年，周鴻達等對4個不同等級玉米種子對應的圖像進行處理分析，提取形狀、顏色、紋理等參數，并使用主成分分析法確定主因子個數，使用BP神經網絡建立判別模型[7]。在品種自動識別方面，2002年寧紀峰提出了反映玉米品種形態結構的3組特征參數：形狀、顏色、大小，并基計算機視覺技術對單粒玉米種子圖像進行了處理和分析，用人工神經網絡方法對玉米品種進行了識別，識別率達93%[8]；2004年楊蜀秦等基于BP神經網絡，通過對玉米種粒的形態特征進行分析，選取種粒的形狀、尺寸、顏色等6個外觀描述參數，實現了玉米品種的識別[9]；2010年，王玉亮等提出了一種基于多對象有效特征提取和主成分分析優化神經網絡的玉米種子品種識別方法，提取了玉米種子的顏色特征參數和幾何特征，優化了基于機器視覺的玉米種子圖像處理策略和品種識別算法，提高了玉米品種識別的速度和準確率[10]。2012年，高旭利用遺傳算法對玉米種子的原始特征進行優化選擇，并在最后用神經網絡對提取的玉米種子的特征參數，對特征參數進行降維處理則利用了主成分分析方法，從而實現了對玉米種子品種的識別[11]。2016年魏利峰提出了利用CONTOURLET變換和闊值函數的高光譜圖像去噪模型方法及基于直方圖斜率差的自適應闊值的通用圖像分割方法識別玉米品種的方法[12]。

在種粒挑選裝置方面，2005年蔡衛國等研究了一種玉米種子精選分級裝置[13]，該裝置通過外觸發攝像頭拍攝種子圖像并傳送給攝像機，計算機對種子圖像進行處理后把處理結果發送給控制器，最后通過氣動噴頭將種子吹入到相應的分級收料口，分選裝置示意圖如圖1所示；2015年，汪珂等設計了一種基于線掃描技術和自動化控制技術相結合的玉米籽?？挤N裝置。該系統通過振動給料機實現玉米籽?？焖傥沽?，應用伺服驅動技術實現輸送帶運行速度和線陣掃描速度無偏差匹配，實現玉米籽粒圖像無畸變獲取，通過圖像處理技術實現玉米籽粒表型性狀參數的測量[14]；2017年，王僑等研制了基于機器視覺的定向播種用玉米種粒精選裝置[15]，該裝置分為圖像采集處理裝置、輸送裝置、喂料裝置、以及吹除裝置。圖像采集處理裝置采集種粒動態圖像的RGB顏色特征，結合種粒形態建立了面積、周長等20個檢測指標，從而判斷種子的品質，不合格的種粒會被吹除裝置吹落，合格種粒則落入種粒箱中。裝置樣機如圖2所示。王康等則提出了利用輸送帶和線陣相機的無偏差匹配，準確獲取玉米籽粒圖像，對籽粒圖像進行二值化、除雜、篩選、粘連籽粒分割等處理，測量玉米籽粒的粒長、粒寬和籽粒總粒數的方法[16]。

圖1 種子精選分級裝置示意圖

圖2 粒精選裝置樣機

2 國外研究進展

國外對基于計算機視覺的玉米種粒挑選技術研究較早，早在20世紀70年代，日本、美國等發達國家就開始采用計算機視覺開展對谷粒品質檢驗方面的研究，大范圍應用到玉米種粒的監測時，已經取得了一些研究成果。在算法方面，1985至1998年Zayas.l等研究了基于機器視覺技術的玉米種粒識別方法，該方法只能判斷完整和破損的種粒。該算法采用了玉米種粒的12個參數來玉米種粒的大小和形狀，如面積、長度、周長、寬度等，并結合統計模式判斷，識別準確率能達到98%[17]。1990年，Zayas借助于一系列形態學將完整的玉米種粒從破損的玉米種粒中挑選出來[18]。2007年，Ruiz-Altisenta等研究了一種借助于圖像處理技術處理玉米的色澤和質構的變化來檢測玉米物理特性的無損檢測方法[19]。2010年，Neethirajan通過研究玉米生蟲后營養物質和部位的損失情況，來判斷玉米的品質、DelFiore則利用光譜成像技術快速準確的檢測出被真菌毒素污染過的玉米顆粒，從而區分完好玉米顆粒與病變顆粒[20-23]。2012年，Paulus Potter利用主成分分析法和圖像處理技術對劣質玉米籽粒進行在線檢測，準確率可達89%；2014 年，Valiente-González等結合機器視覺技術和主成分分析（PCA）算法對破損玉米粒進行分選，損傷玉米籽粒檢測率達92%[24].

在種粒挑選裝置方面，1996年Winter等開發了谷物品種識別與品質分析系統，2006年Wan等研制了一套谷物動態識別與分類系統，通過攝像機拍攝谷物圖像，并通過計算機處理圖像分析結果，將處理結果發送給PLC，由PLC控制相應電磁閥的開閉，實現谷物籽粒的吹離[25-27]。

3 結束語

本文對基于計算機視覺玉米種粒挑選裝置的最新研究進展進行了綜述。從目前的研究進展來看，在算法方面的研究成果豐碩，計算機識別從單純的外觀識別向物料的組成、形狀和成分等品質內部特性方向發展。但是，算法的研究多集中于計算機圖像識別的理論算法，對算法的實用性研究較少；在挑選裝置方面，國內外的研究成果都很少，尚未出現商業化的玉米種粒挑選裝置。研究適合我國國情的玉米種粒視覺自動識別和分級系統，是今后的發展趨勢。