稻麥籽粒計數方法研究現狀及展望

周麟 武威 劉濤 孫成明

摘要 ? ?作物籽粒計數是作物研究中重要的工作之一。本文在總結國內外常用的籽粒計數方法及原理的基礎上，對基于計算機視覺的圖像分析法、碰撞聲音識別法以及基于紅外線的顆粒計數方法進行綜合比較、分析。結果表明，圖像分析法和碰撞聲音法操作簡單，但易受環境影響;紅外計數法被廣泛使用，但籽粒下落速度過快時，受光電信息處理電路限制。針對不同的研究需求，采用不同的研究方法是比較合理的選擇。

關鍵詞 ? ?水稻;小麥;籽粒計數;圖像分析;機器視覺

中圖分類號 ? ?S511;S512 ? ? ? ?文獻標識碼 ? ?A

文章編號 ? 1007-5739（2020）12-0018-03 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 開放科學（資源服務）標識碼（OSID）

Research ?Status ?and ?Prospect ?of ?Rice ?and ?Wheat ?Grain ?Counting ?Methods

ZHOU Lin 1 ? ?WU Wei 2 ? ?LIU Tao 2 ? ?SUN Cheng-ming 2 *

（1 College of Horticulture and Plant Conservation，Yangzhou University， Yangzhou Jiangsu 225009; 2 Agricultural College， Yangzhou University）

Abstract ? ?Grain count is one of the important tasks in crop research. On the basis of summarizing the common methods and principles of grain counting at home and abroad，the image analysis method based on computer vision， collision sound recognition method and the particle counting method based on infrared ray were comprehensively compared and analyzed in this paper. The results showed that the image analysis method and the impact sound method were simple but easy to be affected by the environment; the infrared counting method was widely used， but when the grains fell too fast， it was limited by the photoelectric information processing circuit. According to different research needs， it is a reasonable choice to adopt different research methods.

Key words ? ?rice; wheat; grain count; image analysis; machine vision

在農業生產中，經常要對農作物籽粒進行計數，以評估農作物的產量和品質。傳統的人工計數費時、費力，長時間觀察計數容易引起視覺及大腦的疲勞，導致計數錯誤。隨著計算機視覺技術的發展，其在農業領域上已得到廣泛應用[1-4]，主要包括水果和蔬菜的檢測[5-7]、經濟作物的檢測（煙葉、茶葉等）[8-10]、谷物的檢測（如小麥、玉米、大米等）[11-13];動物性產品的檢測。依據農產品檢測部位的不同，又可劃分為外部品質檢測（形狀、大小、顏色、裂紋、表面缺陷等）、內部品質檢測（水分、糖酸度、機械損傷、內部腐敗、變質、蟲害等）[14]。

機器視覺等技術利用計算機的高速運算能力代替人眼和人耳進行物件的識別，結合不同算法，可以實現分析決策判斷等操作。水稻和小麥籽粒計數常用方法包括圖像分析法、碰撞聲音識別法以及基于紅外線的顆粒計數方法。其中，圖像分析法的難點在于粘連籽粒的分割，主要算法有腐蝕膨脹法、分水嶺算法、主動輪廓模型法和特征點匹配法[15-16]。

本文在總結國內外常用的籽粒計數方法及原理的基礎上，對基于計算機視覺的圖像分析法、碰撞聲音識別法以及基于紅外線的顆粒計數方法的優缺點及其發展趨勢進行闡述，為水稻和小麥籽粒計數的研究工作提供了相關參考。

1 ? ?籽粒計數方法

云超設計實現了紅外計數傳感器、基于IIC總線技術的鍵盤掃描與LED數碼管顯示、繼電器控制電路。紅外線光電計數傳感器中的紅外線對管對稱布置，對小麥、菜籽、玉米籽粒和泡沫顆粒的實際試驗以及用遮擋紅外線對管模擬籽粒通過的方法試驗，結果表明，計數準確度較高，能夠滿足計數需求[16]。應玉明設計了一套適用于顆粒工件計數的自動計數儀控制系統。該系統使用紅外光電傳感器作為檢測元件，當有工件通過時紅外光被遮擋，傳感器接收端產生相應的脈沖信號，通過對脈沖信號進行計數，實現對工件的自動計數。對控制系統的硬件電路和軟件控制流程作了詳細介紹并進行了樣機驗證，結果表明，該系統能對不同直徑的顆粒工件進行快速、準確地計數[42]。

梁文俊等發明了一種高精度自動顆粒計數器，包括紅外發射管、驅動電路、主控制器、液晶屏、信號調理放大電路和紅外接收管，紅外發射管與驅動電路連接，紅外接收管與信號調理放大電路連接，驅動電路、信號調理放大電路和液晶屏均與主控制器連接。采用紅外發射和接收管作為檢測的傳感器，紅外發射管的驅動電路采用動態調節的電路，通過主控制器來檢測紅外接收管的信號強弱來動態調節。其中，紅外接收管接收到信號后經過信號調理放大電路，把信號進行濾波和放大，進入到主控制器，主控制器通過內部的ADC轉換器讀取電壓，再識別顆粒的計數[43]。

2 ? ?籽粒計數方法比較

為了更好地認識3種籽粒計數方法，有必要對其進行比較，3種方法的優缺點如表1所示。

在圖像分析法的基礎上，也有學者進行了改進，即將待測籽粒放在電磁振動工作臺上，經振動后使均勻平鋪后，固定在電磁振動臺的攝像頭，在良好的光照條件下對平鋪后的籽粒進行拍攝，獲得模擬信號圖像數據，經圖像采集卡轉換成數字信號后傳輸給PC機，然后在PC機上利用基于虛擬儀器開發的軟件對圖像進行處理、分析，得出測量結果輸出到顯示器[44-45]。但是該方法對硬件要求較高，組成復雜，軟件開發平臺復雜，系統研發與實現成本高，數據處理量大，不易實現實時在線測量[46]。

碰撞聲音識別法能夠顯著提高籽粒計數計量的效率和精度，且便于試驗數據的分析處理，能夠為科研育種和農業生產措施的制定與評價提供可靠的技術保障。根據所要計數籽粒的力學特性的不同，還可以通過改變敏感板的材料、厚度以及吸聲墊的材料、厚度來改變密閉空間的型腔結構，進而使籽粒與敏感板的碰撞聲音特性發生變化，從而改變傳感器對籽粒碰撞響應的靈敏度[47]。而現有的籽粒計數儀器多屬于光電式，先用電磁振動器將籽粒排成單粒隊列，送入光電轉換槽后形成光電脈動，然后由計數電路獲得籽粒數目，但當籽粒下落速度太快時，受光電信息處理電路的限制，籽粒檢測誤差較大[48-50]。

3 ? ?籽粒計數方法發展趨勢

3.1 ? ?籽粒計數智能化

籽粒計數主要包括人工計數法和儀器分析法。就當前籽粒計數相關研究結果來看，幾乎沒有研究者研究傳統的計數法，大多研究者均選擇精度高、操作簡單、可同時測得大批量樣品的儀器分析法?？茖W技術的發展已對現代檢測儀器提出越來越高的要求，不僅要求測量儀器及時、精密、可靠地獲取有關物質的特征，同時還要求操作簡單，盡量避免運用大量人力，逐漸追求儀器智能化，操作簡單化、便捷化[51]。

3.2 ? ?籽粒計數精準化

從腐蝕膨脹法、分水嶺算法、主動輪廓模型法和特征點匹配法等圖像分析法，到碰撞聲音識別法和紅外線計數法，研究者都在研究如何用儀器替代人工，提高檢測精準化程度，擴大測素范圍[52-53]。隨著微電子技術、計算機科學技術以及多媒體技術、人機友好交互、虛擬現實、模糊控制、人工神經網絡等新技術的巨大進步，實現了作物籽粒監測計數精度逐步提高。特別是在不同場景、不同光照條件、不同設備性能的條件下，都能精確計算籽粒的數量[54-55]。

4 ? ?參考文獻

[1] LIU T，WU W，CHEN W，et al.A shadow-based method to calculate the percentage of filled rice grains[J].Biosystems Engineering，2016，150：79.

[2] 周竹，黃懿，李小昱，等.基于機器視覺的馬鈴薯自動分級方法[J].農業工程學報，2012，28（7）：178-183.

[3] 李偉，康晴晴，張俊雄，等.于機器視覺的蘋果表面紋理檢測方法[J].吉林大學學報（工學版），2008，38（5）：1110-1112.

[4] 劉福.電子計算機在農業上的應用[J].廣西農村金融研究，1985（1）：53.

[5] SHAHIN M A，TOLLNER E W，ARABNIA H R，et al.Apple classification based on surface bruises using image processing and neural networks[J].Transactions of the ASAE，2002，45（5）：1619-1628.

[6] 趙彥如，錢東平，楊世風，等.鴨梨品質檢測計算機視覺系統研究[J].河北農業大學學報，2003，26（增刊1）：280-282.

[7] 應義斌，饒秀勤，馬俊福.柑橘成熟度機器視覺無損檢測方法研究[J].農業工程學報，2004，20（2）：144-147.

[8] 蔡健榮.利用計算機視覺定量描述茶葉色澤[J].農業機械學報，2000，31（4）：67-70.

[9] 陳全勝，趙杰文，張海東，等.利用計算機視覺識別茶葉的色澤類型[J].江蘇大學學報（自然科學版），2005，26（6）：461-464.

[10] 易克傳，岳鵬翔，陳全勝，等.基于聚類分析的計算機視覺對茶葉色澤的識別[J].中國茶葉加工，2006（2）：39-41.

[11] 杜世偉，李毅念，姚敏，等.基于小麥穗部小穗圖像分割的籽粒計數方法[J].南京農業大學學報，2018，41（4）：742-751.

[12] 紀壽文，王榮本，陳佳娟，等.應用計算機圖像處理技術識別玉米苗期田間雜草的研究[J].農業工程學報，2001，17（2）：154-156.

[13] 馬志宏，貢亮，林可，等.基于稻穗幾何形態模式識別的在穗籽粒數估測[J].上海交通大學學報，2019，53（2）：239-246.

[14] 凌云.基于機器視覺的谷物外觀品質檢測技術研究[D].北京：中國農業大學，2004.

[15] 云超，朱瑞祥，陳麗，等.離心式籽粒均布器的設計[J].農機化研究，2009，31（2）：104-106.

[16] 云超.基于單片機的籽粒計數計量系統設計[D].楊陵：西北農林科技大學，2009.

[17] 宋鵬，張晗，王成，等.玉米籽粒考種信息獲取裝置設計與試驗[J].農業機械學報，2017，48（12）：19-25.

[18] 張恒敢，楊四軍，顧克軍，等.基于計算機視覺的小麥籽粒計數系統[J].數據采集與處理，2010（增刊1）：80-83.

[19] 涂其遠，吳建華，萬國金.動態閾值結合全局閾值對圖像進行分割[J].南昌大學學報（工科版），2002，24（1）：37-40.

[20] 周德祥，毋桂萍，楊紅衛，等.基于數學形態學粘連糧食籽粒圖像分割算法的改進[J].農機化研究，2010，32（7）：49-52.

[21] 權龍哲，辛伯來，奚德君，等.粘連玉米粒群的分水嶺分割與粒形的多尺度小波校正算法研究[J].中國科技論文，2016（2）：191-196.

[22] 荀一，鮑官軍，楊慶華，等.粘連玉米籽粒圖像的自動分割方法[J].農業機械學報，2010，41（4）：163-167.

[23] SHATADAL P，JAYAS D S，BULLEY N R.Digital image analysis for software separation and classification of touching grains：I.disconnect algorithm[J].Transactions of the ASAE，1995，38（2）：645-649.

[24] 李永鋒，周德祥，邢超，等.基于數學形態學的粘連大米籽粒分割研究[J].農業網絡信息，2010（10）：18-21.

[25] BLEAU A，LEON L J.Watershed-based segmentation and region merging[J].Computer Vision & Image Understanding，2000，77（3）：317-370.

[26] 李永鋒，周德祥，邢超，等.基于形態分水嶺算法的粘連大米籽粒分割研究[J].計算機與信息技術，2010（10）：42-45.

[27] 楊蜀秦.農作物籽粒的圖像處理和識別方法研究[D].楊陵：西北農林科技大學，2012.

[28] DOUGHERTY E R.Granulometric size density for segmented random-disk models[J].Journal of Mathematical Imaging and Vision，2002，17（3）：271-281.

[29] 肖助明，馮月亮，李濤，等.形態分水嶺算法在重疊米粒圖像分割中的應用[J].計算機工程與應用，2007，43（24）：196-199.

[30] GUO S W，TANG J H，DENG Y P，et al.An improved approach for the segmentation of starch granules in microscopic images[J].BMC Genomics，2010，11（2）：S13.

[31] DUARTE A，S？譧NCHEZ A，FERN？譧NDEZ F，et al.Improving image seg-mentation quality through effective region merging using a hierarchical social metaheuristic[J].Pattern Recognition Letters，2006，27（11）：1239-1251.

[32] WANG W，PALIWAL J.Separation and identification of touching kernels and dockage components in digital images[J].Canadian Biosystems Eng-ineering，2006，48：1.

[33] CHOU J J，WANG Y C.Automatic segmentation of touching rice kernels with an active contour model[J].Transactions of the ASAE，2004，47（5）：1803-1811.

[34] 楊蜀秦，何東健.連接大米籽粒圖像的自動分割算法研究[J].農機化研究，2005（3）：62-65.

[35] ZHENG Y，SUN X，SUN X，et al.A geometric active contour model without re-initialization for color images[J].Image & Vision Computing，2009，27（9）：1411-1417.

[36] YANG S Q，NING J F，HE D J.Image segmentation algorithm of touching rice kernels based on active contour model[J].Transactions of the Chinese Society of Agricultural Engineering，2010，26（2）：207-211.

[37] 楊蜀秦，寧紀鋒，何東健.基于Harris算子的籽粒尖端識別方法[J].農業機械學報，2011，42（3）：166-169.

[38] LIN P，CHEN Y M，HE Y，et al.A novel matching algorithm for splitting touching rice kernels based on contour curvature analysis[J].Computers & Electronics in Agriculture，2014，109：124-133.

[39] SONG H，ZHAO Q，LIU Y.Splitting touching cells based on concave-point and improved watershed algorithms[J].Frontiers of Computer Science，2014，8（1）：156-162.

[40] 李耀明，梁振偉，趙湛.籽粒損失監測傳感器敏感板振動特性與試驗[J].農業機械學報，2013，44（10）：104-111.

[41] 李耀明，梁振偉，徐立章.一種基于碰撞聲音識別的籽粒計數傳感器.中國：CN104050503A[P].2014.

[42] 應玉明.基于單片機控制的工件自動計數系統設計[J].機電工程技術，2011（7）：47-49.

[43] 梁文俊，陳雪華，周志.一種高精度自動顆粒計數器.中國：CN205486238U[P].2016.

[44] 劉子洲.一種電磁振源振動機.中國：CN102101107A[P].2011.

[45] 戴文華，吳翔，裘正軍，等.基于圓心定位的籽粒計數方法研究[J].農機化研究，2015（7）：198-202.

[46] 凌云，王一鳴，孫明，等.基于流域算法的谷物籽粒圖像分割技術[J].農業機械學報，2005，36（3）：95-98.

[47] 蔣國珠.具有微流通道的體聲波傳感器研究[D].南京：南京大學，2014.

[48] 梅海峰.紅外線光電計數器的設計及制作[J].大氮肥，2005，28（5）：356-357.

[49] 王懷舟.光電式傳感器.中國：CN 201583285 U[P].2010.

[50] 張燕，曾光宇.光電式傳感器的應用與發展[J].圖書情報導刊，2006，16（13）：254-255.

[51] 張雪飛，王建春，彭凱，等.基于圖像處理和藍牙傳輸技術的水稻種粒計數計量系統[J].山東農業科學，2018，50（7）：157-160.

[52] 唐忠，李耀明，趙湛，等.夾帶損失傳感器不同安裝位置對籽粒檢測精度的影響[J].農業工程學報，2012，28（10）：46-52.

[53] 趙志衡，宋歡，朱江波，等.基于卷積神經網絡的花生籽粒完整性識別算法及應用[J].農業工程學報，2018，34（21）：195-201.

[54] LIU T，CHE W，WANG Y F，et al.Rice and wheat grain counting method and software development based on Android system[J].Computers and Electronics in Agriculture，2017，141：302-309.

[55] WU W，LIU T，ZHOU P，et al.Image analysis-based recognition and quantification of grain number per panicle in rice[J].Plant Methods，2019，15（1）：1-14.