基于計算機視覺的玉米籽粒形態測量與研究

李宗檜

(遼源職業技術學院，吉林 遼源 136201)

?

基于計算機視覺的玉米籽粒形態測量與研究

李宗檜

(遼源職業技術學院，吉林 遼源 136201)

視覺技術目前被廣泛應用于社會各生產領域，包括制造行業、文檔分析、醫療診斷及農業品質檢測等。為此，基于計算機視覺技術，設計出一種玉米品質自動檢測分析方法，即玉米籽粒實時分析系統，具有客觀、高效、準確的優勢，解決了傳統人工檢測模式下主觀、低效、誤差大等問題。最后，設計出一種基于計算機線掃描技術和自動化控制技術相結合的玉米籽粒考種裝置。

視覺技術； 玉米籽粒； 形態測量； 線掃描

0 引言

玉米是我國主要糧食作物之一，其作業水平很大程度上影響著總產量。目前，我國在玉米種植、生產環節，更加注重對于玉米新品種的選育，新品種的選育與種植將成為我國玉米實現優質高產的關鍵途徑。例如，對于玉米籽粒形態等相關參數指標的選取、測量等，具體包括有玉米籽粒總粒數、長軸、短軸、長短軸比等，這些都將成為今后我國在玉米籽粒形態測量及其研究領域重點關注的評價指標，對于培育高產量、優質的玉米新品種至關重要。

1 國內外研究現狀

隨著計算機技術的進步，及人工智能的興起，不斷促使著計算機識別技術得到迅速發展。目前，采用機器視覺技術對農產品品質進行無損檢測，成為了全球范圍內共同關注與研究的一項焦點技術。在這一研究領域，國外專家學者對于計算機視覺檢測技術及品質分析的研究，要比我國國內早的多。當前國際上一些發達國家，在使用計算機視覺檢測技術來對農產品品質檢測分析層面，其理論體系及應用更為成熟。Zayas等(1985年)曾利用圖像識別技術，專門提取了小麥的9個形態特征參數，圖像識別準確率高達 97%。Neuman 、Sapirstein等人(1987年)利用數字圖像技術，重點選取了英國、美國地區小麥的不同品種進行分類，檢測原理主要依據的是作物籽粒，包括籽粒的空間形狀、周長的傅里葉等，基于此來測算出了(小麥)作物籽粒的總體輪廓。B.Ni等(1998年)通過測量玉米籽粒方向的長度、寬度及玉米籽粒的投影面積來對玉米的大小進行分類分級，并將其與機械圓筒所篩選出來的結果進行類比，但準確率不是很高。此后，Zayas等把計算機視覺相關的識別技術應用到對昆蟲、草籽、雜物的識別檢測層面，最終檢測精度突破了 90%。W.Medina等人(2010年)利用了計算機圖像分析識別方法，針對作物種子予以分類識別，主要研究的方向是種子的尺寸、形態及顏色等特征，同時還引入了聚類分析法。

我國在該領域的研究相對比較少，且起步晚，但在計算機視覺檢測技術發展方面，卻是突飛猛進。進入到21世紀以來，行業內將重點放在開發在線品質檢測系統方面。20世紀90年代(1991年)，劉紹剛等人基于此提出了一種針對農產品品質光學特性無損檢測的方法，雖然效果并不理想，但卻很詳細地描述出了針對農產品品質檢測的原理及相應的評價因子與提取方法，為之后應用領域的研究提供了理論參考。王豐元等(1995年)專門針對農作物籽粒的外觀信息，提出了一種較為實用性的檢測方法，重點引入了分割算法。張書慧等(1999年)在研究過程中，專門建立了圖像數據采集系統，所選擇的檢測對象是果蔬類。陳永艷等(2004年)針對玉米品質檢測采用了計算機識別算法，主要提取了玉米外部參數指標。宋鵬等(2010年)開發出了一種嵌入式技術控制下的玉米種子自動精選系統。

2 我國玉米糧食生產現狀

2010-2014年我國玉米與糧食作物播種面積及總產量情況如表1所示。

表1 2010-2014年我國玉米與糧食作物播種面積及總產量

我國是農業大國，玉米是我國主要農作物之一，其種植面積和產量一直位居秋糧作物的首位。玉米除了供人們加工食品之外，還是家畜養殖重要的飼料，亦可作為工業生產的原料。隨著社會經濟的發展，科學技術水平的進步，我國在農業現代化建設領域取得了非凡的成就。近幾年，我國玉米無論是播種面積還是總產量，都在逐年增加，并且在所有糧食農作物總產量中所占比重也在逐年增大。從表1中可以觀察出：玉米在我國農作物生產體系中的重要地位，其生產效率遠優于其他糧食種植作物。2010-2014年，在“玉米占糧食作物播種面積百比分”和“玉米占糧食作物總產量百分比”數據資料中看到，后者比重高于前者，且這種趨勢在不斷增大，在有限種植面積的情況下，產量比重連年攀升，充分表明當下我國玉米作物生產領域機械化程度較高。在我國北方地區，尤其是新疆地區和東北地區，由于計算機信息技術的發展、進步與廣泛應用，基本上實現了規模化種植及生產。

3 線掃描與自動化控制系統裝置

基于計算機視覺的玉米籽粒形態測量與研究，目的在于將互聯網計算機信息技術更好的嵌入到農業生產領域。因為傳統的人工測量方式及常規的儀器測量，會造成誤差，這種誤差是主觀上的誤差，不僅費時費力，還會造成大量資源浪費。計算機機器視覺技術，在我國東部沿海地區得到了很好的應用，包括在農產品檢測、形態識別及品質檢測等層面。本文以我國東北玉米生產區域作為研究對象，對玉米籽粒品種及品質進行無損檢測的探究。

3.1 系統及方法

3.1.1 系統

系統設計層面，主要分為3個環節，分別是硬件設計、軟件設計及控制等。首先，系統硬件主要包括振動給料機、線陣相機、計算機、輸送帶、控制器和驅動器等，如圖1所示。

1.振動給料機 2.線陣相機 3.計算機終端設備 4.線陣光源 5.輸送帶 6.可編程邏輯控制器 7.伺服電機 8.同步帶輪裝置

3.1.2 軟件

軟件設計中運用了Visual Studio 2008及Lab VIEW8.6，通過開發和編程，基本可以實現以下3個目標：①將收集獲取到的數據信息，放置在最佳儲存環境空間內來保存；②線陣相機及可編程邏輯控制器可實現初始化設置；③在檢測分析過程中，針對所收集到的圖像的動態，最大限度地實現同步效果，即動態信息指標獲取與在線處理同步進行，效率極高。

3.1.3 控制

在系統裝置總體性控制層面，起到決定性作用的是可編程邏輯控制器，即通過PLC來實現的，具體工作流程如圖2所示。

由圖2可以觀察到：系統軟件功能中的自定義通訊指令，是專門通過RS-232通訊協議來實現的，即該通訊協議與PLC控制裝置在系統內部實現信息交互。從系統流程圖當中可以看到，其大致工作運行步驟主要分為了5個階段：第1階段，系統開始，主要包含系統初始化進一步判斷出線陣相機及和PLC相互之間的工作是否協調，各自性能運轉是否處在正常狀態。第2階段是PLC控制振動給料機振動，輸送帶開始運行工作，并隨后進行喂料操作。第3階段是采集玉米籽粒圖像，借助于同步軟件與相關技術，將所獲取到的玉米籽粒圖像及時處理，并保存到庫，進行所需的數據分析環節。第4階段，包括PLC控制振動給料機在內的各類運行設備，可停止運行。第5階段就是收集玉米籽粒及稱重。

圖2 系統流程圖

3.2 試驗檢測

本試驗是在黑龍江農業研究所進行的，重點針對此次系統測量的準確性及可靠性來予以驗證。試驗專門選取了 40份玉米籽粒作業樣本，檢測的形式相對比較簡單，就是將該機器視覺系統裝置下測量的玉米籽粒形態(包括準確率等)與傳統人工方式測量下的形態數值進行比較。試驗結果如表2所示。

表2 重復性試驗變異系數統計 %

由表2可以觀察出：在總粒數和長軸、短軸的變異系數均保持在 1% 以下。此外，通過最后一項指標統計發現：5組玉米籽粒樣本的長寬比，最大的變異系數僅為 1.44%；另外4組分別是0.99% 、0.88% 、0.91% 、0.94% 。這些充分表明，該系統裝置針對玉米籽粒形態的測量效果較好(重復性較好)。

4 結論

我國是一個農業大國，而農業又是國民經濟賴以發展的基礎；在另一方面，隨著社會的進步、經濟的發展，以“知識經濟”為核心代表力量的新時代動力也在不斷演變之中。作為國民經濟賴以發展的基礎性產業經濟，尤其是在我國社會主義新農村事業建設發展轉型的關鍵時期，通過計算機先進技術的引入和應用，以此來不斷促使著我國機械化生產及技術創新發展，進而全面加速推進我國農業現代化進程。

[1] 汪珂.玉米籽粒數字化考種關鍵技術研究[D].武漢：華中農業大學, 2015.

[2] 王傳宇, 郭新宇, 趙春江,等. 基于立體視覺的玉米果穗外在形態記錄與測量裝置:中國，CN202160400U[P]. 2012-06-30.

[3] 肖杰, 高趁光, 王娜,等.基于SmartGrain軟件的小麥籽粒形態測量方法[J]. 麥類作物學報, 2014, 34(11):1572-1576.

[4] 郭新宇, 吳升, 肖伯祥,等.基于關鍵質量點控制的玉米果穗考種裝置：CN, CN 103053243 B[P]. 2014-13-30.

[5] 余吉洋.玉米果穗物理力學性質的測試研究[D].長春：吉林大學, 2014.

[6] 方益杭, 唐瑤, 林承達,等.基于視覺技術的農作物三維重建以及形態測量[EB/OL].2014-10-21.http://www.paper.edu.cn.

[7] 王傳宇.基于機器視覺的玉米形態指標測量[D].北京：中國科學院大學, 北京市農林科學院, 2011.

[8] 周金輝, 馬欽, 朱德海,等.基于計算機視覺的玉米穗粒重無損測量方法[J].農機化研究, 2015，37(12):222-226.

[9] 馬興國.基于計算機視覺的水稻植株形態測量的研究[D].南昌：江西農業大學, 2011.

Corn Grain Shape Measurement and Research Based on Computer Vision

Li Zonghui

(Liaoyuan Vocational Technical College, Liaoyuan 136201,China)

Computer vision technology is refers to the use of computers and related equipment, and a simulation of biological vision. Computer vision analysis, mainly is to through the image acquisition to be dealt with to obtain image corresponding to the three-dimensional scene of biological information.Vision technology has been widely used in various fields of production, including manufacturing industry, document analysis, medical diagnosis, agricultural quality testing and so on.This paper based on the computer vision measurement of maize kernel shape and research topics, design to explore a maize quality method of automatic detection and analysis, namely, maize grain real-time analysis system, in the non-destructive testing of link, with objective, efficient, accurate advantages, greatly improved to solve the defects of the traditional manual detection mode subjective, inefficient and error.Finally, a corn seed test device based on computer line scan technology and automatic control technology was designed.

vision technology; corn seed; shape measurement; line scan

2016-05-16

吉林省教育廳校企一體化人才培養項目(20142CY159)

李宗檜(1982-)，女，吉林遼源人，講師，碩士研究生，(E-mail)756949535@qq.com。

S513;TP391.41

A

1003-188X(2017)07-0103-04