基于最優閾值自動分割算法的穴盤幼苗識別研究

摘要：在現代自動化移栽技術領域中，穴盤幼苗識別的發展對我國移栽自動化水平的提高具有重要意義。本文提出一種優化的自動閾值分割方法，用于提高和增強在穴盤輪廓、土壤、肥料雜質背景條件下各穴孔中幼苗識別的效果。用CCD工業相機采集矮牽牛幼苗圖像，根據綠色特征分量G確定各像素點對應的灰度值，得到灰度圖像并生成灰度直方圖。對灰度直方圖采用中值濾波算法進行輪廓處理，利用優化的多閾值分割算法確定初始閾值，設定初始閾值與最大波谷點值的相對值小于10，然后進行條件判別，從而實現自動確定最優分割閾值。與經典Otsu自動分割算法進行對比，并對分割效果進行分析。將得到的二值圖像進行形態學處理進一步去除背景干擾。結果表明，該方法在穴盤背景干擾下的幼苗識別適應性強，能夠精確地將目標從背景中區分開。

關鍵詞：自動化移栽；自動閾值；綠色特征；直方圖；幼苗識別

引言

育苗移栽作為一種農藝栽培技術，能夠避開春季低溫、倒春寒等自然災害 [1] 。在移栽穴盤育苗中會出現穴孔死苗、壞苗的現象，為了能夠從穴孔中抓取滿足移栽條件的幼苗，實時識別穴孔幼苗的生長狀況是非常必要的[2] 。Albertus等人發明了一套基于視覺識別系統的多穴盤傳輸自動移栽機[3] 。Hofmaster等設計了一套基于圖像處理識別大豆幼苗的種子活力評價系統[4] 。Ryu等設計了一個基于形態學檢測方法進行識別的自動移栽機[5] 。蔣煥煜等使用基于分水嶺算法分割識別幼苗葉片，以判斷不同生長狀況的秧苗生長質量[6] 。上述研究均是針對目標進行識別，并沒有考慮到背景的影響，處理時穴盤幼苗和背景容易混合，降低了幼苗識別的準確性及移栽質量。本研究以矮牽牛穴盤幼苗為試驗對象，研制一套能準確識別穴孔幼苗的處理算法，可以準確地將目標幼苗從背景條件下識別出幼苗葉片特征。該技術可為研制穴盤苗移栽機器人奠定基礎[7] 。

1 實驗設備與材料

實驗材料選用7ⅹ7黑色幼苗穴盤，生長期為16天的矮牽牛幼苗，設備采用SunWay 品牌的U2H130工業相機（分辨率為640ⅹ480，圖像格式為JPG）進行穴盤幼苗圖像的采集，工控機安裝Visual C++2010與Opencv 3.0betal數據庫進行圖像處理，采用視遠公司SY8004圖像采集卡采集與計算機連接。

2 原理及方法

本研究針對一般穴盤培育基質背景中提取矮牽牛幼苗，利用圖像處理手段進行識別，進而判斷幼苗的生長狀況。所設計的圖像處理流程為：圖像采集、灰度化處理、直方圖平滑、最優閾值自動分割、圖像去噪、圖像輸出。

2.1 基于幼苗顏色特征轉換成灰度圖

穴盤幼苗如圖1所示，為了突出幼苗葉片，利用幼苗具有突出的綠色顏色特征對矮牽牛幼苗、肥料雜質、土壤和穴盤輪廓進行區分，同時考慮到識別的時效性，本文采用單綠的彩色灰度化因子算法將彩色圖像轉化成灰度圖像。該轉換因子計算量小，處理速度快，且能夠突出捕捉幼苗葉片的“綠色”特征要求。

2.2 繪制并處理灰度化直方圖

直方圖表可以直觀地表達出各個灰度級對應的像素個數所占比例信息，直方圖的橫坐標表示穴盤幼苗圖像的灰度級，縱坐標表示對應灰度級的頻率。本文采用中值濾波進行處理，濾波后的圖片及直方圖分別如圖2、3所示。

2.3 圖像的自動閾值分割

為降低穴盤幼苗中目標幼苗與背景的灰度值重合，更準確地將目標從背景中分割出來，使分割效果優于傳統Otus分割法。本文設計一種優化的自動閾值分割算法，基本原理為：將灰度圖像分為4類灰度值比較集中的樣本，利用類間方差最大法求出方差值進行交叉比較得出3個閾值，留下最大的閾值Tmax，取 ，再設定分割閾值與最大波谷點值的相對值小于10，即|Tmax-最大波谷點|≤10，確定Tmax最終取值。本文最終Tmax=193。算法流程圖6所示：

3 結論

（1）對一般穴盤基質培育的矮牽牛幼苗復雜背景條件下，根據圖像的顏色信息特征，用綠色單量法突出了目標幼苗的葉片特征。

（2）中值濾波對擴大類間灰度值間距、增強波峰波谷特征具有良好的效果，提高了基于類間方差的自動閾值分割算法的適應性。

（3）采用了優化的多閾值算法將圖像進行3閾值4分層分割，保留最大閾值。同時，結合直方圖最大波谷點值比較，設定最大閾值與最大波谷點值得相對值，進而進行最佳閾值的確定，能夠實現對圖像的較好分割，將目標精確地從背景中區分開來。

參考文獻：

[1] 李華，曹衛彬，李樹峰，等.2ZXM-2型全自動蔬菜穴盤苗鋪膜移栽機的研制[J].南京農業大學學報，2017，33（15）：P23-33.

[2] 陳鼎才，王定成，查金水.基于機器視覺的顯示葉片面積測量方法的研究[J]，計算機應用，2006（5）：P1226-1228.

[3] Albertus J V V.Multiplc Transplanting Apparatus[P].US，No.20040020110A1，2004.

[4] Hofmaster A L，Fujimura K，McDonald M B，et al.An automated system for vigor testing three-day-old soybean seedings[J].Seed Sci and Technology，2003，31（3）：701-713.

[5] Ryu K H，Kim G，Han J S.AE - Automation and emerging tech-nologies：Development of a robotic transplanter for bedding plants[J].Journal of Agricultural Engineering Research，2001，78（2）：141 – 146.

[6] 蔣煥煜，施經揮，任燁，等.機器視覺在幼苗自動缽體作業中的應用[J].農業工程學報，2009，5：P127-131.

[7] 胡飛，尹文慶，陳彩蓉，等.基于機器視覺的穴盤幼苗識別與定位研究[J].西北農林科技大學學報，2013，5：P183-188.

作者簡介：

向代陽（1996.02-），男，四川資陽人，單位：成都理工大學，碩士研究生，研究方向，機械工程。

（作者單位：成都理工大學）