計(jì)算機(jī)視覺在作物根系識(shí)別與分析中的應(yīng)用

摘要：根據(jù)對(duì)作物根系精準(zhǔn)分析和測(cè)量的現(xiàn)實(shí)要求，分析定量測(cè)量作物根系參數(shù)的必要性，介紹基于計(jì)算機(jī)視覺的作物根系圖象處理技術(shù)的研究進(jìn)展和成果，為作物根系的精準(zhǔn)分析提供理論借鑒。

關(guān)鍵詞：作物根系;計(jì)算機(jī)視覺;形態(tài)學(xué)參數(shù);圖像分割

中圖分類號(hào)：S126??? 文獻(xiàn)標(biāo)識(shí)碼：A??? 文章編號(hào)：1674-1161（2021）04-0045-02

諸多研究表明，作物根系的形態(tài)對(duì)作物生長(zhǎng)具有重要影響。隨著精準(zhǔn)農(nóng)業(yè)的發(fā)展，科研工作者致力于研究作物的根系形態(tài)和構(gòu)型，以期獲取根系的形態(tài)學(xué)參數(shù)，為作物生長(zhǎng)提供科學(xué)依據(jù)。為此，分析對(duì)作物根系進(jìn)行識(shí)別的必要性，介紹基于計(jì)算機(jī)視覺的作物根系圖象處理技術(shù)的研究進(jìn)展，為作物根系精準(zhǔn)分析提供理論借鑒。

1 作物根系識(shí)別的必要性

根是植物的三大器官之一，具有吸收、固著、輸導(dǎo)、合成、儲(chǔ)藏和繁殖等功能，是確保作物地上部分健康生長(zhǎng)的基礎(chǔ)。隨著精準(zhǔn)農(nóng)業(yè)的發(fā)展，國(guó)內(nèi)外學(xué)者逐漸開展對(duì)植物根系形態(tài)和構(gòu)型的研究，通過獲取根系的形態(tài)學(xué)參數(shù)來為植物生長(zhǎng)創(chuàng)造良好環(huán)境。

近年來，秸稈還田技術(shù)的推廣應(yīng)用，帶動(dòng)作物根系研究進(jìn)一步發(fā)展。秸稈中蘊(yùn)涵巨大的養(yǎng)分資源，將其還田既能培肥地力，還能解決秸稈焚燒污染問題。在生產(chǎn)實(shí)踐中，秸稈還田的比例直接影響種子出苗率和腐熟劑的使用量。根據(jù)地表秸稈的覆蓋分布情況估算田間作物根系的比例，無法滿足田間秸稈總量的準(zhǔn)確測(cè)算需求。

2 基于計(jì)算機(jī)視覺的根系圖象處理技術(shù)

傳統(tǒng)根系研究方法有整段標(biāo)本法、土鉆法、剖面法、玻璃壁法、間接法、容器法等。將植物根系從土壤中拔出洗凈后測(cè)量，方法簡(jiǎn)單直接、應(yīng)用廣泛。但存在以下問題：約有30%的根在清洗過程中脫落，測(cè)量的精度和可靠性不高;需將大量作物根系樣本帶回實(shí)驗(yàn)室，勞動(dòng)強(qiáng)度大，且需要較多的存儲(chǔ)空間;測(cè)量時(shí)必須將根系拔出，無法完成同株全程觀測(cè)。

隨著科學(xué)技術(shù)的不斷發(fā)展，根系研究越來越深入。基于計(jì)算機(jī)視覺的根系圖象處理技術(shù)，通過根系圖像提取有意義的根系特征，測(cè)量精度高，逐漸成為根系識(shí)別測(cè)量的重要方法。

2.1 計(jì)算機(jī)視覺

計(jì)算機(jī)視覺（Computer Vision）又稱機(jī)器視覺，是指用攝像機(jī)和電腦模擬人類視覺對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤、測(cè)量等操作，并通過識(shí)別和分析處理圖形使之更適合觀察或檢測(cè)。當(dāng)前，計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用非常廣泛，例如遙感技術(shù)、農(nóng)作物動(dòng)態(tài)監(jiān)測(cè)、作物根系識(shí)別、病害預(yù)防、農(nóng)產(chǎn)品質(zhì)量分級(jí)等。計(jì)算機(jī)視覺技術(shù)的主要應(yīng)用是處理圖像信息，通常與圖像處理、模式識(shí)別等技術(shù)聯(lián)用，才能完成相應(yīng)的任務(wù)。

基于視覺識(shí)別的作物根系分析基本程序?yàn)椋簣D像采集→圖像處理（分割、細(xì)化）→三維建模→可視化模型→參數(shù)獲取（根長(zhǎng)、根直徑、根分支數(shù)、根夾角、根體積等）。

2.2 圖像分割技術(shù)

根系的生長(zhǎng)環(huán)境特殊，再加上根系自身的形態(tài)較為纖細(xì)，導(dǎo)致所獲取的圖像背景復(fù)雜，影響植物根系表型特征的分析，因此需要對(duì)圖像進(jìn)行預(yù)處理，逐個(gè)消除圖片內(nèi)的不利因素。圖像的特征主要包括灰度特征（密度、顏色）、紋理特征和幾何形狀特征等。其中灰度特征和紋理特征屬于內(nèi)部特征，需借助分割圖從原始圖上測(cè)量。幾何形狀特征屬于外部特征，可以從分割圖上測(cè)量。

圖像分割的目的是將圖像中感興趣的目標(biāo)區(qū)域與背景區(qū)域分離，是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)。計(jì)算機(jī)視覺中的目標(biāo)檢測(cè)、特征提取和目標(biāo)識(shí)別等，都取決于圖像分割質(zhì)量。圖像分割技術(shù)經(jīng)過幾十年的發(fā)展，提出的分割方法達(dá)上千種，但尚無能夠適合所有類型圖像的通用方法。圖像分割可能出現(xiàn)的誤差有：目標(biāo)區(qū)域未被分割出;分割后的圖像增添新區(qū)域;所用分割算法沒有正確給出邊界定位。當(dāng)前，主要圖像分割方法的分類見圖1。

2.3 圖像細(xì)化技術(shù)

圖像目標(biāo)的一個(gè)顯著幾何特征為骨架。細(xì)化算法的目標(biāo)是分析與提取非畸變骨架，為目標(biāo)形狀分析提供保障。隨著骨架提取技術(shù)的發(fā)展，出現(xiàn)數(shù)量眾多的細(xì)化算法，主要分為非迭代算法和迭代算法2大類。非迭代算法為一次產(chǎn)生骨架，如游程編碼細(xì)化算法。迭代算法可分為串行算法和并行算法。在具體的應(yīng)用中，主要有傳統(tǒng)算法、在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上的細(xì)化算法、數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)上的細(xì)化算法。

3 基于計(jì)算機(jī)視覺作物根系研究

早在2004年，胡秀娟就應(yīng)用計(jì)算機(jī)視覺信息技術(shù)和機(jī)電一體化技術(shù)進(jìn)行根系形態(tài)分析，得到適合根系形態(tài)分析的圖象平滑算法和增強(qiáng)算法后，提出一種快速、有效獲取根系圖像的方法。并研制出由外部機(jī)構(gòu)（如標(biāo)定手柄、透明管等）、成像系統(tǒng)、光照系統(tǒng)、處理系統(tǒng)組成的圖像捕獲系統(tǒng)，為地下根系圖像信息的快速采集和處理提供檢測(cè)技術(shù)。此后，楊國(guó)梁基于顏色空間的單閩值分割算法實(shí)現(xiàn)彩色圖像二值化后，設(shè)計(jì)一種基于曲線走向最短路徑的主根識(shí)別算法，能夠快速的識(shí)別根系主根及其側(cè)根的生長(zhǎng)點(diǎn)，并獲取根系基本參數(shù)。

植物根系的復(fù)雜性和周圍環(huán)境的多樣性，使根系圖像提取成為一項(xiàng)復(fù)雜的、極具挑戰(zhàn)性的工作。為此，張垚以3種不同場(chǎng)景下獲得的根系圖像作為研究對(duì)象，從不同背景中提取出目標(biāo)根系后用細(xì)化算法提取根骨架，在綜合對(duì)比傳統(tǒng)分割算法的基礎(chǔ)上，引入脈沖耦合神經(jīng)網(wǎng)絡(luò)，提出一種適用于根系圖像的分割方法。

趙來賓等集成現(xiàn)代光、機(jī)、電技術(shù)研發(fā)一種三維植物根系掃描儀。其為典型的非接觸測(cè)量設(shè)備，利用CCD攝像機(jī)拍攝根系得到圖像序列，然后對(duì)圖像進(jìn)行預(yù)處理和提取根系邊緣，基于可見射線方法進(jìn)行三維重建，最后進(jìn)行三維構(gòu)型和顯示。試驗(yàn)證明，該算法切實(shí)可行，完全可以達(dá)到預(yù)想目的。

山西農(nóng)業(yè)大學(xué)的李加剛在分析對(duì)比各個(gè)流程的算法優(yōu)缺點(diǎn)后，利用攝像機(jī)獲取目標(biāo)根系的二維數(shù)據(jù)，再對(duì)獲取到的二維序列圖像進(jìn)行濾波、增強(qiáng)等預(yù)處理，選取最優(yōu)算法構(gòu)建根系的三維模型。此后，利用可視化平臺(tái)顯示數(shù)據(jù)，并通過鼠標(biāo)拾取方式獲取根系三維模型的表型數(shù)據(jù)。

4 結(jié)語(yǔ)

計(jì)算機(jī)視覺技術(shù)利用計(jì)算機(jī)實(shí)現(xiàn)人的視覺功能，感知、識(shí)別和理解客觀世界的三維場(chǎng)景。將其應(yīng)用于作物根系的表型特征分析，可使田間作物根系測(cè)算更準(zhǔn)確，且能快速得到理想的統(tǒng)計(jì)數(shù)據(jù)，從而為精細(xì)農(nóng)業(yè)發(fā)展提供技術(shù)支撐。然而，根系圖像的背景復(fù)雜，加之根系形狀多樣，因此需要對(duì)圖像分割算法進(jìn)行進(jìn)一步改進(jìn)，尋找適合多數(shù)植物根系圖像的分割算法，同時(shí)完善根系圖像分析系統(tǒng)的功能。

參考文獻(xiàn)

[1] 李晚求.計(jì)算機(jī)視覺技術(shù)在根系形態(tài)和構(gòu)型分析中的應(yīng)用解析[J].電子制作，2021（4）：64-65.

[2] 胡秀娟.植物根系形態(tài)參數(shù)計(jì)算機(jī)視覺檢測(cè)系統(tǒng)的研究[D].哈爾濱：東北林業(yè)大學(xué)，2004.

[3] 楊國(guó)梁.計(jì)算機(jī)視覺在根系形態(tài)分析中的應(yīng)用研究[D].北京：首都師范大學(xué)，2006.

[4] 趙來賓.三維植物根系掃描系統(tǒng)的研究與實(shí)現(xiàn)[D].武漢：華中科技大學(xué)，2012.

[5] 李加剛.基于計(jì)算機(jī)視覺植物根系表型特征的研究[D].晉中：山西農(nóng)業(yè)大學(xué)，2019.

Application of Computer Vision in the Identification

and Analysis of Crop Roots

AN Hefeng

（Liaoning Institute of Agricultural Mechanization， Shenyang 110161， China）

Abstract： According to the practical requirements of accurate analysis and measurement of crop root system， this paper analyzed the necessity of quantitative measurement of crop root parameters， and introduced the research progress and achievements of crop root image processing technology based on computer vision， in order to provide theoretical reference for accurate analysis of crop root system.

Key words： crop roots; computer vision; morphological parameters; image segmentation

收稿日期：2021-04-25

基金項(xiàng)目：省自然基金指導(dǎo)計(jì)劃玉米秸稈還田的根與茬圖像特征動(dòng)態(tài)識(shí)別機(jī)理研究（2019-ZD-0349）

作者簡(jiǎn)介：安鶴峰（1975—），男，工程師，從事農(nóng)業(yè)機(jī)械設(shè)計(jì)及研制工作。