計算機視覺技術在玉米種子自動檢測的應用

梁文東

摘要：基于機器視覺考量、分析玉米種子品質這一領域的研究動態進行綜述，主要從玉米種子純度、品種、活力、機械和霉菌損害等方面的自動檢測進行闡述，并對玉米種子檢測自動化方面存在諸多尚待改進之處進行總結，以期給后續學者開展相關研究提供必要的參考。

關鍵詞：計算機；視覺技術；玉米種子；質量；檢測

中圖分類號：S513 文獻標識碼：A 文章編號：1003-4374（2015）01-0047-04

引言

計算機視覺是提高人類生產、生活自動化和智能化程度的有效手段。目前，農產品分級與品質檢測、種子品質檢測、果實的采摘、病害檢測等方面，機器視覺都有廣泛研究。作為世界三大糧食作物之一，玉米在糧食貿易中所占比重不斷升高。隨著計算機技術進步，尤其是圖像技術的發展，建立在視覺技術的測量方法也高速發展，要適應測量的現代化步伐，算法快速并且精度要高是圖像實現測量途徑的必然要求。在玉米生產中，種子質量是最為關鍵的因素之一，玉米的收獲產量和產品品質與種子質量的優劣息息相關。十多年來，國內學者對應用機器視覺技術進行玉米種子檢測方面開展了深入研究。本文主要綜述這類研究，為今后該領域學者提供參考信息，從而加快系列研究的深入開展。

圖像采集與模式識別

目前，CCD相機、掃描儀或數碼相機是主要的圖像采集設備。CCD相機在生產線的開發當中是最好的選擇，而對靜態檢測設備而言面陣相機則是上選，如果應用場合是既有設備，那么數碼相機等更為適用。由于在封閉的環境光照足夠穩定，此時圖像噪聲干擾較小，免除標定這一環節，在后續處理時非常方便，所以圖像采集通常是在封閉環境中進行。用于移動設備的相關軟件的研究中，則有四個方面的情況需要著重考慮：第一，當前采集玉米圖像時所用背景都是單一顏色，而在生產具體應用中則完全有可能是非單一顏色；第二，在用戶使用過程中，光照條件不確定、特別是顏色特征對圖像質量有影響。第三，玉米種子體積不大，當玉米種子的空間位置發生移動時，圖像中種子的特征會隨著改變。第四，在圖像采集時，如采集的角度存在偏移，圖像中玉米種子的形態也不會保持不變。

玉米種子純度檢測

種子最主要的質量指標之一是純度，目前，形態學鑒定和蛋白質電泳分析法是主要的鑒定籽粒純度方法。

國外學者從圖像當中提取玉米種子形態方面的參數，并結合判別函數實現對玉米統計學的種子外形判斷，實現玉米種子從非完整玉米種識別。當然，該方法效率不高，所費時間過多。

朱曉利用高光譜反射圖像技術，提取多個波段種子圖像特征，然后通過遺傳算法選擇最優波段圖像，建立分級模型，達到對玉米種子純度檢測的目的。所建立的分類模型測試精度達到97.22%。

另一批學者針對純度考慮圖像識別這一方法實現識別玉米種子，首先是彩色相機獲得圖譜，通過基于閾值的二值化處理圖像灰度變換、圖像均衡化，實現和電泳圖譜進行比對以期判斷純度水平，玉米種子純度在計算機和人眼檢測結果，得到一種高效測玉米種子純度的方法，而這個技術對2個品種玉米的平均識別準確度接近100%。

綜合幾種玉米種子純度檢測方案，形態鑒定法方法簡單，但效率與精度不高。隨著檢測識別算法的改進和計算機處理能力的提高，計算機視覺技術將比其他方法更高效更準確。

玉米種子品質自動檢測

周紅等為實現對種子評級，借助圖像處理技術得到玉米種子輪廓。通過計算機模糊識別代替玉米種子形態傳統鑒定法，目的是將識別水平大幅度提高；基于模糊數學以及統計學，得到隸屬函數，從而制定對品種進行判別的規律，玉米種子得以判別，所構建的系統投資低，而且玉米種子品質的識別率為88%。

閆小梅等通過CCD相機，對玉米種子冠部和無胚芽面圖像進行提取，利用圖像預處理將單個籽粒分割出來，通過圖像分割，將冠部核心區域和側面黃色區域6個顏色特征提取出來，以Fisher判別理論和K-均值聚類為依據，將特征投影到一維空間，進行純度識別，識別率不低于93.75%。

玉米收獲后加工的重要環節之一就是對玉米種子質量進行分級，在玉米種子質量分級工作中，機器視覺技術優勢明顯，例如不會對玉米種子造成損壞、更好實現分級。相關學者提出從特征值按照一定的等級進行分類，采用典型神經網絡與隸屬函數方法對玉米種子實現分級，發現：BP神經網絡處理時間更短，具有更好的實時性，為現實應用打下良好的基礎。有學者將形態學加上種子分級設備，能夠實現準確率高達90%以上的將種子分為4級的方法。吳繼華等開發了一種種子品種實時檢測系統，該系統是基于機器視覺，由CCD攝像機進行圖像采集，每隔2s停止1次，在分析結束時就可以得到特征參數，二十粒種子只需一秒鐘時間。Wan等18-19]將機器視覺應用在谷物類進行動態識別，并進行分類，得到圖像就進行處理，并將信號傳給對應的PLC，從而閉合電磁閥，以達到吹離目的。宋鵬等就分級系統在動態玉米品質檢測，抓住玉米種子的特征，把種子分類形態以及顏色分別分為4級和3級，合格率分別為8 1.8%和93.04%，還能夠實現玉米種子品種，應用Bayes分類器以及模式識別法實現識別玉米種子品種達到5種，識別準確率不低于92%；結合玉米顏色等信息，實現單倍體籽粒分類，待識別玉米單倍體后，將用氣吸方式和二自由度并聯機器人機構相結合進行分揀，精度不低于80%。

目前的玉米種子品質自動檢測中，多采用可見光進行圖像采集，然后通過綜合處理分析種子的外部特征來確定品質等級。鮮有利用紅外等不可見光生成的圖像來進行品質分級，因而無法精確分析種子內部的品質特征，影響到檢測精度。因此，運用不同波段圖像分析玉米種子品質，將成為以后種子品質檢測的一個重要方向。

玉米種子活力檢測

漫射光法、熱浸法、電導率測定、四唑染色法、冷浸法、發芽實驗等是種子活力的常規檢測方法。目前，有效結合圖像識別與處理等技術以及發芽試驗和四唑染色法等方法的優勢，能夠準確測定種子活力。趙新子等對活力識別進行論述，染色種胚后獲取彩色圖像，判斷染色區域在種胚的面積占比，得到活力水平評判，識別率為94%。

張曉宇等通過處理和分析種苗圖像，根據玉米種苗特征建立起可以方便、快速地獲取苗高、苗鮮重等信息的相關統計模型，該模型直接用于玉米種子的發芽試驗，以便獲得準確可靠實驗結果。該技術將作為玉米種子發芽試驗新的檢測手段，同時應用于其它植物種子發芽試驗。

Zayas等通過形態學參數把玉米種子從被破壞的玉米種識別，結合統計學方面的判別函數，將被破壞的玉米種子剔除。為了檢驗播種材料，需要對種子發芽的規律以及所需條件進行研究，研究必須將玉米種子發芽進行系列實驗，這時候對于發芽粒數以及苗高等種子的信息大多由人工獲取。

玉米種子機械和霉菌損害檢測

玉米種子質量檢測的重要指標之一是種子是否有裂紋和發生霉變，采用視覺無損檢測，我們發現如果光線對應入射孔直徑設定在2.4mm時，所得背景是黑色的，如果入射光是白色光，采集得到的圖像采用高速濾波法識別玉米籽粒裂紋處與其他部位的像素灰度值的不同，檢測精度不低于百分之九十。有學者利用生霉粒對光照變化非常敏感的特點，光照變化對顏色標定是鑒定生霉粒的主要途徑，認為機器視覺算法在精確性以及一致性方面具有非常明顯的優勢，這給玉米種子質量檢測的提高打下良好的實踐基礎。

有學者基于圖像分析等途徑分析玉米應力裂紋，主要結論是重度裂紋最易于被識別出，達到完全被識別的水平；無裂紋以及中度裂紋則朝著變差方向發展，不能完全被識別，占比約有30%-12%。

張俊雄等實現表面裂紋檢測：在獲取單粒玉米種子的圖像后采用Sobel算子得到玉米種子邊緣并通過分割閾值、腐蝕以及膨脹等傳統圖像處理，從而可以判斷滿足什么樣的條件可以判定為種子尖端點，并能實現尖端部分拿掉；將R通道膨脹，同時細線化處理B通道圖像結果，并執行減運算操作，根據連通性判別有無裂紋，識別率超過90%。

結束語

計算機視覺技術在玉米種子自動檢測中的應用非常普遍，對于促進玉米的生產以及管理大有裨益。然而，在玉米種子自動化檢測方面，還存在諸多尚待改進之處，如：檢測玉米種子質量的方法比較深入，但是仍然沒有一種方法能全部考慮將玉米種子從發霉、破損的種子，甚至雜質等當中識別出來；玉米種子識別主要是基于靜態圖像，而且步驟大多是灰度化一-值化一分割處理，暫未見到對動態圖像的處理；對于玉米種子檢測精度和準確性不高，時間效率低；對玉米等農作物的檢測大都是有損的，無損檢測很少。因此，研究適用于中國玉米種子的自動檢測系統，對實現玉米生產自動化乃至農業現代化都有重要的意義。