計算機視覺技術在玉米種子自動檢測中的應用

潘 霞，譚會君

(1.河南經貿職業學院，鄭州 450000;2.漯河職業技術學院，河南 漯河 462002)

0 引言

計算機視覺技術涉及諸多領域，由機器來代替肉眼完成工作，機器視覺在各類生產中的應用逐漸開始普及。機器視覺在農業種植中主要用于作物品種檢測、病害檢測、采摘、品質檢測及品質分級等方面[1-6]。

根據數據統計，2007年我國玉米總產量約為1.45億t，到2016我國玉米總產量約為2.19億t。隨著種子市場的放開，種子的質量比較難以把控，對玉米種子的檢測顯得尤為重要。

將計算機視覺技術應用于種子自動檢測的研究已有許多，如中國農業大學的寧紀峰等[7]通過對采集的單顆玉米粒圖像處理后，提取特征參數圖像，通過提取的圖像形態分析玉米的品種。成芳等[8-9]研究水稻品種識別中采用了計算機視覺技術。閘建文等[10]利用計算機建立玉米品種識別標準，識別率可達到88%。在玉米種植中，玉米的產量很大程度取決于種子的質量。為此，本文綜述這方面的研究信息，為后期研究提供參考。

1 檢測圖像的采集

用于圖像采集的設備主要包括取像設備和采集卡，目前用于取像的設備多為CCD(CMOS)攝像機及數字掃描儀，CCD攝像機對靜態攝像來說是比較經濟合理的選擇。采集圖像要顯示清晰，背景的選擇尤為重要，需要采集的圖像實物是玉米種子，玉米種子多為黃白色，因有比較大的對比度會顯示更清楚，故選擇黑色為背景。由于采集圖像時光照可能會不好，需要對光照強度進行補償，有光線照到玉米種子上就會形成陰影，陰影過多過大會對圖像的采集造成很嚴重的影響，對后期圖像的處理和識別都會構成很大的障礙。所以，光源的性狀選擇為造成陰影少的環形光源，并添加光罩，減少外界雜亂光線的影響。采集成像設備如圖1所示。

圖1 采集成像設備

2 圖像處理分析

檢測程序(見圖2)中，重要的是圖像處理和特征提取，圖像處理(見圖3)是為了提取需要的特征圖像做的準備工作，包括灰度分布、圖像增強、分割取樣及圖像濾波等[10-13]。在圖像處理前還應當考慮到采集圖像時的背景顏色是否控制，在允許的條件下，應選擇單一顏色的背景，且背景顏色與玉米的對比度要大；在進行玉米種子檢測時還應考慮顏色特征對識別結果的影響。玉米種子在檢測時，由于玉米中的性狀不規則，且容易發生移動，圖像處理時需要考慮到空間位置的移動和玉米輪廓的變化。

圖2 玉米自動檢測程序

圖3 圖像處理基本程序

圖像處理的后期工作就是提取圖像中的特征參數，通過標記需要的圖像輪廓，沿著標記輪廓將特征圖像分割出來，并采用多對象算法提取，對提取形態特征參數和顏色特征參數進行識別。提取特征參數流程如圖4所示。

圖4 圖像特征提取基本程序

3 玉米種子品種檢測

在玉米育種、種子的銷售等環節中，品種的檢測是必要程序。國內外許多學者進行了基于機器視覺技術的種子品種研究。SHEN等[14]通過掃描儀掃描5種玉米種子，通過距離判斷式并結合神經網絡，形成分類器系統軟件進行品種的檢測識別。PEARSON[15]采用彩色攝像機采集玉米粒圖像，并提取圖像特征參數識別玉米粒品種。鄭敏江等[16]通過數碼相機采集圖像，將圖像增強濾波后，使用BP神經網絡系統識別區分玉米品種。徐靜玉等[17]使用傳感器進行對玉米種子的顏色識別。曹長虎等[18]將采集的圖像處理后，摒棄傳統的算法，以多對象標記算法分析玉米粒參數，通過對玉米粒的面積、周長、中心線位置和長度、密實度等多個參數進行分析，識別算數模塊采用BP神經網絡系統的遺傳網絡算法，將提取的特征參數與參數數據庫中的參數相比較分析，正確識別玉米品種。張俊雄等[19]研究利用CCD攝像機采集圖像，采用分析尖端區域，用識別檢測玉米種子內部是否有裂紋，玉米種子品種識別度達到90%。史中輝等[20]采用攝像機采集玉米種子的圖像，處理后提取形態和顏色兩種特征參數，來識別玉米種子的品種。司秀麗等[21]采用彩色攝像機采集圖譜，對圖像進行灰度分別、圖像分割等處理，與標準圖譜相比較，經試驗檢測到玉米種子的識別度達到99．5%。閆小梅等[22]采用CCD攝像機獲取圖像，圖像處理后提取顏色特征參數，玉米種子品種的識別度達到93．7%以上。劉雙喜等[23]采用CCD攝像機采集玉米種子尖端圖像，分割尖端區域的顏色特征圖像，采用DBSCAN算法進行玉米識別，識別率達93．3%。

利用計算機視覺技術來自動識別玉米品種，通過采用多對象輪廓提取算法，分析玉米粒的性狀特征和顏色特征，定義玉米粒的各項參數特征，并分析提取的特征圖像，提高玉米種子品種的識別度。

4 玉米種子純度檢測

種子的純度是玉米種子質量控制的指標之一，種子市場的混亂，以次充好的種子進入市場會嚴重損害農戶的利益，因此玉米種子的純度檢測非常重要。目前，檢測純度的方法有籽粒形態法、幼苗形態法及蛋白質電泳法。籽粒形態法適用于親本自交系近的雜交種子，幼苗形態法適用品種少；但周期長，不利于生產種植。蛋白質電泳法分析快速，結果可靠；但該方法檢測種子純度的速度慢，無法滿足大規模的種植要求。計算機視覺檢測玉米純度可以快速準確地達到要求。

朱曉[24]利用高頻反射圖像，提取多個特征圖像參數，通過改進的遺傳算法分析圖像，建設了分級數據庫，該數據庫檢測玉米種子純度的準確率達到97%以上，檢測效果穩定。司秀麗等[22]采用彩色攝像機采集圖像，將采集的圖像灰度分布、增強且均衡化，得到的圖像與電泳比較判斷純度。周紅等[25]在玉米種子純度檢測中，利用計算機視覺技術對不同品種玉米種子進行區別精度高。

5 玉米種子活力檢測

玉米種子的活力是指在實際種植的情況下，決定玉米種子出苗和生長為健康幼苗的潛在能力。活力好的種子有發芽率高、出苗整齊的優點，也有很好的抗逆性，種子活力的檢測方法有常規的電導率測定、四唑染色法及發芽實驗法。四唑染色法是玉米種子活力檢測方法中國際上公認的一種可靠的檢測方法，該方法通過染色玉米的種胚，觀察種胚染色的深淺和面積來判斷玉米種子的活力。由于顏色的深淺以肉眼來判斷很難達到要求，染色的面積也是不規則的，常規方法無法計算出來，因此可以結合計算機視覺技術來檢測，將染色的種胚為目標采集圖像，提取圖像中的顏色特征參數，便可檢測活力的水平，提高了檢測效率和精度。趙新子等[26]采用四唑染色法與計算機視覺技術相結合的方法，對染色后種胚采集圖像，提取顏色特征參數，并計算染色面積，判斷種子的活力水平，經試驗驗證該方法的識別率為94%。

6 玉米種子裂紋檢測

玉米種子產生裂紋后會影響到種子的發芽率，易引起發熱和遭受害蟲及霉菌的侵襲，必須嚴格檢測玉米是否有裂紋。朱文學等[27]用顯微鏡檢測玉米種子的裂紋，觀察裂紋的變化情況。Gunasekaran S[28]利用商用的計算機視覺程序采集玉米種子的圖像，可以快速識別玉米種子內部的裂紋。其利用去除尖端區域的方法[29-30]可以減少干擾檢測的無裂紋區域對識別的影響，對兩個品種進行了是否有裂紋識別，準確度可達到90%以上。張俊雄等[19]表面裂紋檢測：采集玉米種子的單顆圖像后通過分割閾值、膨脹等處理，判定玉米種子的尖端區域，識別率過90%。研究證明：該方法對于玉米種子內部裂紋的測定具有很好的實用性。

7 結論

1)將計算機視覺技術用于玉米種子的自動檢測，在圖像處理、特征提取與識別等方面還存在一些問題，后面的深入研究將向智能化方向延伸。隨著計算機技術的發展，在農業種植生產中會有更多環節被智能化機器代替。

2)計算機視覺技術在玉米種子檢測的自動化對于我國玉米種植業的發展有著積極的作用，為種植戶提供更高的保障。由于在玉米種子自動化檢測方面，還存在許多問題，如玉米種子內部霉變是否存在，動態情況下如何準確的檢測玉米種子等，因此研究出更精確和多功能的玉米種子自動檢測設備，實現精準農業具有重要意義。