基于大數據的圖像識別技術在糧食監管中的應用研究

孟丹　 范書國　康愛贏　甄琢

摘? ?要：針對當前糧食監管中存在的安全性、方便性以及成本等問題，利用圖像識別技術在大數據的環境下研究了一種糧食圖像識別技術，將圖像識別技術應用到了糧食監管中，實現了糧食庫存的自動監管和警報提醒。通過圖像識別技術，對糧食圖像進行預處理，使得圖像更容易進行邊緣檢測和圖像特征提取，然后對圖像進行二維到三維的轉換，再對得到的三維圖像進行體積的計算以及體積變化的甄別，最后通過手機app向用戶發出警報提醒。通過研究表明此技術方法可行。

關鍵詞：糧食監管? 圖像識別? 大數據

中圖分類號：TP391.4? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2019）10（c）-0115-02

糧食安全是國家安全的重要組成部分，糧食庫存是保證糧食安全的重要物質基礎。當前，儲存糧食的糧倉形狀主要有平方倉、淺圓倉以及散堆倉三種形式，糧食在進倉時會記錄生成一份報告，包括糧食的種類、等級、容重、水分、體積以及堆積在哪個糧倉中等等，然后主要通過人力進行對糧食庫存的監管。然而這種監管方式存在大量的弊端，例如使用人工監管的數量過多導致成本過高，人工監管不及時、不安全，效率低、誤差高等。

針對這一系列問題，國家正大力加強糧食監管，越來越多地使用現代化技術。本文對圖像識別在糧食監管中的應用進行了研究，提出了一種糧食智能監管技術，通過圖像識別技術估算出糧倉中糧食的體積后與報告中的體積進行周期性比對，若誤差超出一定范圍便會自動發出警報提醒，使監管人員可以對糧倉進行遠程的監控。為實現糧食的智能監管提供了新方法。

1? 圖像預處理

1.1 圖像灰度化處理

在對糧食圖像的分析過程中首先要將捕獲到的彩色圖片轉化為灰色圖片，這樣能夠減少所需要處理的數據量，從而有利于加快圖像的處理速度。

通常采用單分量法，最大值法，平均值法以及加權平均法這四種方法對圖像進行灰度化處理。本文采用了比較簡單的平均值法，通過計算彩色圖像的三個通道分量的平均值，來作為圖像的灰度值。

1.2 圖像二值化處理

采用二值化手段來處理糧食圖像，這樣能夠重點顯示對象區域，更加方便地提取糧食形狀等，對于后續的分析和辨別非常有利。本文采用大津律法對葉片圖片進行二值化處理。這種方法使用方便、計算簡單，不受圖像亮度和對比度的影響，能很好地區分前景和背景。

1.3 圖像銳化處理

通過對圖像的銳化處理可以補償圖像的輪廓，增強糧食圖像的邊緣及灰度跳變的部分，從而使圖像變得更清晰，同時也提高了地物邊緣與周圍像元之間的反差。目前Sobel算子、Laplace 算子以及Robert算子是圖像銳化過程中經常采用的算子，本文在圖像銳化的過程中采用了 Sobel算子。

2? 圖像的三維變換

本文采用一種基于AKAZE算法的多視圖幾何三維重建方法。這種算法使用非線性尺度分解算法，通過非線性擴散濾波構造任意步長、穩定的尺度空間。采用加性算子分裂算法進行非線性擴散濾波，使得灰度在平緩的圖像區域擴散快，在邊緣處擴散慢，可以較好地保存圖像的邊緣和細節。算法的基本步驟為：

（1）圖像特征點提取與匹配。使用 AKAZE算法提取圖像特征點并篩除誤匹配點。

（2）相機參數本征矩陣、圖像間旋轉矩陣與平移矩陣的計算。根據步驟1）得到可靠的二視圖關系，計算相機的本征矩陣、圖像的全局旋轉矩陣與全局平移矩陣。

（3）三維點云稀疏重建以及集束調整。根據每幅圖像的特征點與圖像間的幾何約束關系，使用三角化重建方法重建點云模型并使用集束調整優化結果。

（4）使用PMVS算法擴散稀疏點云數據并進行過濾處理，剔除灰度一致性與幾何一致性比較弱的點，得到稠密點云模型。

（5）模型網格化與紋理映射。對稠密點云模型進行三角網格化，之后會獲得一個包含點與面信息的無紋理點云模型，將之前獲取的圖片信息作為紋理信息進行映射，最終得到一個包含紋理的目標三維模型。

3? 糧食體積測量

在上面得到的三維圖像的基礎上可以方便地分析出糧倉的幾何形狀、空間分布等三維信息，因此可以方便地計算出糧食體積。當前，糧倉的形狀主要有平方倉、淺圓倉以及散堆倉。

（1）平方倉體積測量。

由于平方倉形狀比較規則，所以可以根據三維圖像得到的長、寬、高信息利用立方體公式簡單的計算出糧食體積。假設長為a，寬為b，測量所得糧面高為c，則體積可表示為：

（2）淺圓倉體積測量。

淺圓倉可以近似地看作一個規則的圓柱體，因此可以利用圓柱體公式計算糧食體積。假設糧倉底面積為s，所測得糧面的高為h，則體積可表示為：

（3）散堆倉體積測量。

散堆倉是將糧食隨意堆積到倉內，得到的是一個不規則物體，由于糧食是由上到下堆積到一處，所以可以近似的看成是棱臺體。假設所有的截面面積為Si（i=1，2，…n），截面間距為。

則體積可表示為：

由于三維圖像是由二維圖像轉化得來的，以及圖像在提取輪廓過程中的誤差，因此所得到的體積是存在一定誤差的，但這個誤差對糧食體積變化的甄別不會產生很大影響。

通過圖像識別測量出糧食體積后，以一個星期為比對周期，進行對體積變化的甄別，若體積減少超出了一定范圍，會立即自動通過手機app向糧倉管理人員發送警報提醒，請求盡快做出處理。

4? 結語

本文基于圖像識別技術研究了一種糧食圖像識別技術，通過對糧食體積的檢測實現了對糧食庫存的監管，為糧食監管大大的節省了人力和財力，為糧食監管人員提供了很大的便利。對捕獲到的糧食圖片進行預處理后首先進行二維到三維的轉換，然后利用獲得的三維信息進行體積的測量，最后對計算出的糧食體積進行周期性的比對。雖然體積測量結果存在一定誤差，但研究的技術方法是可行的，在此基礎上還有很大的優化改進空間。

參考文獻

[1] 劉瀟瀟，平雪良，王昕煜.基于圖像顏色信息的C-FAST特征檢測和匹配算法[J].激光與光電子學進展，2019（27）：1-13.

[2] 孟廣仕.圖像識別技術在人工智能中的應用[J].信息與電腦，2018（12）：152-153.

[3] 姚天任，孫洪.現代數字信號處理[M].武漢：華中理工大學出版社，2017.

[4] 葉福玲.一種改進的圖像骨架提取算法[J].西昌學院學報：自然科學版，2018，32（3）： 91-93.

[5] 許可樂.圖像局部不變特征檢測與描述技術研究[D].國防科學技術大學，2013.

[6] 吳鵬，于秋則，閔順新.一種快速魯棒的SAR圖像匹配算法[J].計算機科學，2017，44（7）：283-288.

[7] Rojanamontien M.，Watchareeruetai U.Shape recognition by using Scale? Invariant Feature Transform for contour[C].International Joint? Conference on Computer Science and Software Engineering.IEEE， 2017：1-6.

[8] Jia Q.，Fan X.，Liu Y.，et al.Hierarchical projective invariant? contexts for shape recognition[J]. Pattern Recognition， 2016（52）：358-374.

[9] SCHONING J，HEIDEMANN G，Evaluation of multi-view 3D reconstruction software[C]// Computer Analysis of Images and Patterns.2015：450-461.