基于分水嶺分割算法對(duì)燕麥籽粒識(shí)別中粘連區(qū)域的分割

燕紅文 崔清亮

摘 ?要： 為了適應(yīng)智能農(nóng)業(yè)需要，從圖像處理角度研究燕麥清選時(shí)的籽粒識(shí)別與統(tǒng)計(jì)時(shí)遇到的粘連區(qū)域的問(wèn)題。樣品采集于左權(quán)縣，基于大津法預(yù)處理燕麥，且通過(guò)分水嶺分割算法來(lái)分割圖像中粘結(jié)區(qū)域，分別采用內(nèi)部標(biāo)記與外部標(biāo)記對(duì)燕麥與背景進(jìn)行標(biāo)記，可消除過(guò)度分割，識(shí)別率最高達(dá)到98.55%，研究表明，該算法對(duì)于清選后粘連較少的圖像處理效果好，可對(duì)燕麥清選損失率的在線監(jiān)測(cè)提供理論和方法支持。

關(guān)鍵詞： 燕麥; 分水嶺分割; 損失率; 粘連

中圖分類(lèi)號(hào)：S226.9 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? 文章編號(hào)：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(qū)是一個(gè)主要產(chǎn)區(qū)，燕麥?zhǔn)斋@后需要經(jīng)過(guò)清選工序，其中籽粒損失量是評(píng)價(jià)機(jī)器性能的重要指標(biāo)[1-3]，對(duì)其損失量的監(jiān)測(cè)研究者采用了不同的方法[4-6]。本研究利用圖像處理技術(shù)監(jiān)測(cè)清選過(guò)程中的籽粒損失量，利用分水嶺分割算法對(duì)其識(shí)別與統(tǒng)計(jì)，為損失量的計(jì)算提供了前期支持，對(duì)于分割過(guò)程中出現(xiàn)的粘連問(wèn)題進(jìn)行了處理。

1 試驗(yàn)材料與方法

1.1 樣品采集

在左權(quán)縣采集燕麥樣品進(jìn)行試驗(yàn)，為更接近農(nóng)場(chǎng)清選時(shí)的實(shí)際情況特意選擇了常見(jiàn)的幾種雜質(zhì)添加到樣本中進(jìn)行試驗(yàn)，分別添加了枝翹、葉子與穎殼雜質(zhì)，并依據(jù)質(zhì)量分成了6g、12g、18g樣品組，不同質(zhì)量樣品分組與添加的雜質(zhì)樣品見(jiàn)圖1。

1.2 儀器設(shè)備

研究使用小型篩選機(jī)，包括兩層篩網(wǎng)，尺寸為470[×]1000mm，樣品在該篩選機(jī)上進(jìn)行清選，風(fēng)機(jī)轉(zhuǎn)速設(shè)定為70rpm。

采集燕麥籽粒系統(tǒng)采用M1214-MP型鏡頭（Computar，f=12mm，F(xiàn)1.4-F16C），Dolphin F-145C型CCD（AVT，2/3 英寸CCD），LED-WM60型環(huán)形漫反射LED光源（東莞中際電子，6W），電子天平（上海精密公司，[FA1004B ]型，精度 0.1g）和偉峰[3520]三腳架（寧波偉峰公司，工作高度520～1490mm）

1.3 圖像采集

在進(jìn)行樣品圖像采集時(shí)，由于從清選機(jī)落下的燕麥?zhǔn)苤亓εc風(fēng)機(jī)作用力的影響，在接收裝置上會(huì)呈散開(kāi)狀，部分雜質(zhì)也交織在其中，為提高采集質(zhì)量將接收裝置移動(dòng)到機(jī)器外側(cè)，調(diào)整到適合取像的位置。

⑴ 配置好LED光源與CCD相機(jī)，相機(jī)安裝到三腳架上。

⑵ 調(diào)整電子天平到標(biāo)準(zhǔn)稱(chēng)量態(tài)。

⑶ 記錄數(shù)據(jù)需要保持統(tǒng)一的標(biāo)準(zhǔn)并校準(zhǔn)圖像。

1.4 數(shù)據(jù)分析軟件

我們采用軟件OpenCV 3.3（Intel，USA）來(lái)實(shí)現(xiàn)燕麥籽粒圖片處理與分析。

2 基于分水嶺分割的燕麥個(gè)數(shù)統(tǒng)計(jì)

2.1 粘連燕麥分割

在顆粒圖像處理中，由于物體粘附、重疊等原因，往往不可能實(shí)現(xiàn)完整有效的分割。通過(guò)閾值分割之后的燕麥核圖像，一些顆粒接觸是致密的，有粘附性，顆粒數(shù)的準(zhǔn)確性受到影響。為了有效的處理這種問(wèn)題，分水嶺分割算法被提出來(lái)，這種算法引入了地形學(xué)概念，可有效的分割圖像中的粘連區(qū)域。圖形處理時(shí)類(lèi)似于地形圖，將分水嶺作為其分割標(biāo)志[7]。根據(jù)地理學(xué)知識(shí)，雨水落到分水嶺的一側(cè)，會(huì)不斷的向下流動(dòng)且匯聚到山谷最低處，而出口處的最低點(diǎn)則對(duì)應(yīng)于谷口。燕麥籽粒表現(xiàn)出橢圓形特征，進(jìn)行圖像處理時(shí)，將連接在一起的圖像經(jīng)變換后形成山谷線并對(duì)其標(biāo)記，就可以通過(guò)此類(lèi)山谷線進(jìn)行粘連圖像的分割。

通常，分水嶺分割算法將具有過(guò)分割問(wèn)題，圖像標(biāo)有內(nèi)部和外部標(biāo)記，內(nèi)部標(biāo)記代表燕麥內(nèi)核，外部和內(nèi)部標(biāo)記分別表示背景和低洼，在此基礎(chǔ)上，圖像被分割，外部標(biāo)記集是與分割相關(guān)的分水嶺。對(duì)應(yīng)的描述算法如下：

⑴ 通過(guò)歐幾里得距離變換處理獲得二元映射，以確定相關(guān)距離圖;

⑵ 計(jì)算圖像中大量“局部最小區(qū)域”的位置，其中“局部最小區(qū)域”的亮度值相同且其周?chē)牧炼戎刀急人?

⑶ 確定出圖像的“擴(kuò)展的最小變換”，也就是基于相關(guān)閾值進(jìn)行擴(kuò)展處理，合并最小區(qū)域中全部的相似像素，將所得合并后的區(qū)域看作為內(nèi)部標(biāo)記集合;

⑷ 采用一般分水嶺分割算法對(duì)圖像完成，將分割結(jié)果的分水線定義為外部標(biāo)記，得到標(biāo)記結(jié)果。

2.2 燕麥籽粒計(jì)數(shù)

由于通過(guò)分水嶺分割算法得到的圖像為二值圖，其圖像像素為連續(xù)態(tài)并以連通性表征，因此，本研究通過(guò)查找圖像中的連接區(qū)域數(shù)量來(lái)實(shí)現(xiàn)燕麥核計(jì)數(shù)。連接區(qū)域是二進(jìn)制映射的值為0或1的區(qū)域，并且是確定像素的區(qū)域，合并處理同像素值的點(diǎn)，也就是對(duì)相鄰像素的集合進(jìn)行檢測(cè)分析[8]。進(jìn)行圖像分區(qū)后，接著計(jì)算出各區(qū)域的面積、形狀相關(guān)數(shù)據(jù)，為分析燕麥籽粒分類(lèi)、測(cè)量等提供依據(jù)。

可基于一定掃描處理而確定出圖像的連通區(qū)域，其包含多種類(lèi)型，較常見(jiàn)的有四鄰域與八鄰域類(lèi)型，也就是分別掃描檢測(cè)點(diǎn)的四個(gè)和八個(gè)方向所得區(qū)域。根據(jù)經(jīng)驗(yàn)可知，4-鄰域檢測(cè)的區(qū)域數(shù)量一般情況下不低于8-鄰域的，本文分析連通區(qū)域時(shí)選擇了8-鄰域，且據(jù)此標(biāo)記燕麥籽粒，并計(jì)算各個(gè)區(qū)域的面積和區(qū)域個(gè)數(shù)。試驗(yàn)統(tǒng)計(jì)的燕麥籽粒個(gè)數(shù)如表1所示。

圖3為針對(duì)6g燕麥籽粒圖像連通區(qū)域統(tǒng)計(jì)結(jié)果，該圖燕麥籽粒實(shí)際個(gè)數(shù)為207，其中圖3（a）為Otsu分割的統(tǒng)計(jì)結(jié)果，燕麥個(gè)數(shù)為195，圖3（b）為經(jīng)過(guò)分水嶺分割粘連燕麥籽粒的統(tǒng)計(jì)結(jié)果，燕麥個(gè)數(shù)為204。從圖3（b）可見(jiàn)，該方法能夠較好的將圖像中的燕麥籽粒標(biāo)記出，且經(jīng)過(guò)分水嶺分割之后的燕麥籽粒也能很好的標(biāo)記出，說(shuō)明可以通過(guò)該圖像分析方法獲得燕麥籽粒數(shù)量。通過(guò)統(tǒng)計(jì)分析，得到燕麥籽粒的平均面積為295。連通分量的選取通過(guò)公式⑴實(shí)現(xiàn)。

3 結(jié)束語(yǔ)

⑴ 綜合本試驗(yàn)研究?jī)?nèi)容，分水嶺分割算法對(duì)于糧食籽粒的粘連與重疊圖像可有效地進(jìn)行分割，本研究中經(jīng)分割后最高可達(dá)到98.55%的準(zhǔn)確率，分割效果有效。

⑵ 在樣品質(zhì)量增加的情況下，粘連與重疊區(qū)域面積會(huì)增加，該算法的應(yīng)用效果減弱，識(shí)別準(zhǔn)確率降低，降低的幅度與樣品質(zhì)量呈負(fù)相關(guān)關(guān)系。如何解決大粘連和重疊區(qū)域的籽粒個(gè)數(shù)識(shí)別和估重是本研究小組的下一步研究?jī)?nèi)容。

參考文獻(xiàn)（References）：

[1] 周澗.種子清選機(jī)械設(shè)計(jì)與試驗(yàn)[D].安徽農(nóng)業(yè)大學(xué)，2017.5.

[2] 海梅.藜麥聯(lián)合收獲機(jī)脫出物的清選試驗(yàn)研究[D].內(nèi)蒙古農(nóng)業(yè)大學(xué)，2018.7.

[3] 耿令新，孫成龍，左文杰，等.燕麥籽粒揉搓式除雜裝置設(shè)計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào)，2019.35（11）：38-47

[4] 張光躍，金誠(chéng)謙，楊騰祥，等.聯(lián)合收割機(jī)清選損失監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2019.40（4）：146-151

[5] 王卓，車(chē)東，白小平，等.玉米聯(lián)合收割機(jī)清選損失率監(jiān)測(cè)裝置設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2018.49（12）：101-108

[6] 王玉潔. 農(nóng)業(yè)信息的分析處理[M].北京：中國(guó)農(nóng)業(yè)出版社，2019.

[7] 柴寶杰. 計(jì)算機(jī)算法設(shè)計(jì)與分析研究[M].北京：新華出版社，2015.

[8] 李曉武.計(jì)算機(jī)圖形學(xué)：原理、算法及實(shí)踐[M].北京：清華大學(xué)出版社，2018.