基于分水嶺分割算法對燕麥籽粒識別中粘連區域的分割

燕紅文 崔清亮

摘 ?要： 為了適應智能農業需要，從圖像處理角度研究燕麥清選時的籽粒識別與統計時遇到的粘連區域的問題。樣品采集于左權縣，基于大津法預處理燕麥，且通過分水嶺分割算法來分割圖像中粘結區域，分別采用內部標記與外部標記對燕麥與背景進行標記，可消除過度分割，識別率最高達到98.55%，研究表明，該算法對于清選后粘連較少的圖像處理效果好，可對燕麥清選損失率的在線監測提供理論和方法支持。

關鍵詞： 燕麥; 分水嶺分割; 損失率; 粘連

中圖分類號：S226.9 ? ? ? ? ?文獻標識碼：A ? ? 文章編號：1006-8228（2020）01-23-03

Abstract： In order to meet the needs of intelligent agriculture， this study studied the problem of adhesion areas encountered in grain identification and statistics during oat picking from the perspective of image processing. The samples were collected in Zuoquan County， the oats images were pretreated with the Otsu method， and the watershed algorithm was used to segment the adhesion areas in the images. The oats and the background were marked by internal markers and external markers， respectively. The over-segmentation can be eliminated， and the recognition rate is up to 98.55%. The result shows that the algorithm has good processing effect on the images with less adhesion after cleaning， and can provide theoretical and methodological support for on-line monitoring of oatmeal cleaning loss rate.

Key words： oat; watershed segmentation; loss rate; adhesion

0 引言

燕麥具有保健功能，晉北地區是一個主要產區，燕麥收獲后需要經過清選工序，其中籽粒損失量是評價機器性能的重要指標[1-3]，對其損失量的監測研究者采用了不同的方法[4-6]。本研究利用圖像處理技術監測清選過程中的籽粒損失量，利用分水嶺分割算法對其識別與統計，為損失量的計算提供了前期支持，對于分割過程中出現的粘連問題進行了處理。

1 試驗材料與方法

1.1 樣品采集

在左權縣采集燕麥樣品進行試驗，為更接近農場清選時的實際情況特意選擇了常見的幾種雜質添加到樣本中進行試驗，分別添加了枝翹、葉子與穎殼雜質，并依據質量分成了6g、12g、18g樣品組，不同質量樣品分組與添加的雜質樣品見圖1。

1.2 儀器設備

研究使用小型篩選機，包括兩層篩網，尺寸為470[×]1000mm，樣品在該篩選機上進行清選，風機轉速設定為70rpm。

采集燕麥籽粒系統采用M1214-MP型鏡頭（Computar，f=12mm，F1.4-F16C），Dolphin F-145C型CCD（AVT，2/3 英寸CCD），LED-WM60型環形漫反射LED光源（東莞中際電子，6W），電子天平（上海精密公司，[FA1004B ]型，精度 0.1g）和偉峰[3520]三腳架（寧波偉峰公司，工作高度520～1490mm）

1.3 圖像采集

在進行樣品圖像采集時，由于從清選機落下的燕麥受重力與風機作用力的影響，在接收裝置上會呈散開狀，部分雜質也交織在其中，為提高采集質量將接收裝置移動到機器外側，調整到適合取像的位置。

⑴ 配置好LED光源與CCD相機，相機安裝到三腳架上。

⑵ 調整電子天平到標準稱量態。

⑶ 記錄數據需要保持統一的標準并校準圖像。

1.4 數據分析軟件

我們采用軟件OpenCV 3.3（Intel，USA）來實現燕麥籽粒圖片處理與分析。

2 基于分水嶺分割的燕麥個數統計

2.1 粘連燕麥分割

在顆粒圖像處理中，由于物體粘附、重疊等原因，往往不可能實現完整有效的分割。通過閾值分割之后的燕麥核圖像，一些顆粒接觸是致密的，有粘附性，顆粒數的準確性受到影響。為了有效的處理這種問題，分水嶺分割算法被提出來，這種算法引入了地形學概念，可有效的分割圖像中的粘連區域。圖形處理時類似于地形圖，將分水嶺作為其分割標志[7]。根據地理學知識，雨水落到分水嶺的一側，會不斷的向下流動且匯聚到山谷最低處，而出口處的最低點則對應于谷口。燕麥籽粒表現出橢圓形特征，進行圖像處理時，將連接在一起的圖像經變換后形成山谷線并對其標記，就可以通過此類山谷線進行粘連圖像的分割。

通常，分水嶺分割算法將具有過分割問題，圖像標有內部和外部標記，內部標記代表燕麥內核，外部和內部標記分別表示背景和低洼，在此基礎上，圖像被分割，外部標記集是與分割相關的分水嶺。對應的描述算法如下：

⑴ 通過歐幾里得距離變換處理獲得二元映射，以確定相關距離圖;

⑵ 計算圖像中大量“局部最小區域”的位置，其中“局部最小區域”的亮度值相同且其周圍的亮度值都比它大;

⑶ 確定出圖像的“擴展的最小變換”，也就是基于相關閾值進行擴展處理，合并最小區域中全部的相似像素，將所得合并后的區域看作為內部標記集合;

⑷ 采用一般分水嶺分割算法對圖像完成，將分割結果的分水線定義為外部標記，得到標記結果。

2.2 燕麥籽粒計數

由于通過分水嶺分割算法得到的圖像為二值圖，其圖像像素為連續態并以連通性表征，因此，本研究通過查找圖像中的連接區域數量來實現燕麥核計數。連接區域是二進制映射的值為0或1的區域，并且是確定像素的區域，合并處理同像素值的點，也就是對相鄰像素的集合進行檢測分析[8]。進行圖像分區后，接著計算出各區域的面積、形狀相關數據，為分析燕麥籽粒分類、測量等提供依據。

可基于一定掃描處理而確定出圖像的連通區域，其包含多種類型，較常見的有四鄰域與八鄰域類型，也就是分別掃描檢測點的四個和八個方向所得區域。根據經驗可知，4-鄰域檢測的區域數量一般情況下不低于8-鄰域的，本文分析連通區域時選擇了8-鄰域，且據此標記燕麥籽粒，并計算各個區域的面積和區域個數。試驗統計的燕麥籽粒個數如表1所示。

圖3為針對6g燕麥籽粒圖像連通區域統計結果，該圖燕麥籽粒實際個數為207，其中圖3（a）為Otsu分割的統計結果，燕麥個數為195，圖3（b）為經過分水嶺分割粘連燕麥籽粒的統計結果，燕麥個數為204。從圖3（b）可見，該方法能夠較好的將圖像中的燕麥籽粒標記出，且經過分水嶺分割之后的燕麥籽粒也能很好的標記出，說明可以通過該圖像分析方法獲得燕麥籽粒數量。通過統計分析，得到燕麥籽粒的平均面積為295。連通分量的選取通過公式⑴實現。

3 結束語

⑴ 綜合本試驗研究內容，分水嶺分割算法對于糧食籽粒的粘連與重疊圖像可有效地進行分割，本研究中經分割后最高可達到98.55%的準確率，分割效果有效。

⑵ 在樣品質量增加的情況下，粘連與重疊區域面積會增加，該算法的應用效果減弱，識別準確率降低，降低的幅度與樣品質量呈負相關關系。如何解決大粘連和重疊區域的籽粒個數識別和估重是本研究小組的下一步研究內容。

參考文獻（References）：

[1] 周澗.種子清選機械設計與試驗[D].安徽農業大學，2017.5.

[2] 海梅.藜麥聯合收獲機脫出物的清選試驗研究[D].內蒙古農業大學，2018.7.

[3] 耿令新，孫成龍，左文杰，等.燕麥籽粒揉搓式除雜裝置設計[J].農業工程學報，2019.35（11）：38-47

[4] 張光躍，金誠謙，楊騰祥，等.聯合收割機清選損失監測系統設計與實現[J].中國農機化學報，2019.40（4）：146-151

[5] 王卓，車東，白小平，等.玉米聯合收割機清選損失率監測裝置設計與試驗[J].農業機械學報，2018.49（12）：101-108

[6] 王玉潔. 農業信息的分析處理[M].北京：中國農業出版社，2019.

[7] 柴寶杰. 計算機算法設計與分析研究[M].北京：新華出版社，2015.

[8] 李曉武.計算機圖形學：原理、算法及實踐[M].北京：清華大學出版社，2018.