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……