淺析基于機器視覺的大豆種子品質檢測與分選

◎ 朱亞琪

（東阿縣檢驗檢測中心，山東 聊城 252200）

大豆作為人類植物蛋白質的主要來源，在種植領域占據重要地位。我國曾是世界最大的大豆生產國和出口國，進入20 世紀90 年代之后，大豆出口呈遞減趨勢，進口量在不斷增加，其主要原因在于大豆種子品質檢測與分選技術落后，致使大豆質量下降，生產成本較高。為此，進行大豆種子品質檢測與分選，不僅是提高大豆質量、產量的需要，也是農業發展的必然需求。

1 大豆種子品質檢測與分選技術綜述

1.1 傳統的大豆種子品質檢測與分選方法

傳統的大豆種子品質檢測與分選方法主要依賴人工，包括目測、人工篩選及重量測量等物理手段，不僅耗時耗力，需要投入大量的人力資源，而且弊端十分明顯。①以目測對大豆種子進行觀察和判斷，雖然較為直觀、方便，但是受主觀因素影響，人眼的觀察和判斷會受個體經驗和感知能力的限制，給種子的品質評估和分段帶來一定誤判和不確定性，導致評估精準性不足[1]。同時，目測方法非常考驗操作人員的經驗，種子的形狀、色澤及大小等特征，也可能會因為遺傳差異或環境因素產生細微的變化，只有經驗十分豐富且專業知識扎實的人員才可以分辨。然而，面臨大規模大豆種子篩選時，檢測人員并不一定都具備足夠的經驗和專業能力，難以保證種子的評估結果。②相對于目測方式來說，手工篩選弊端更為明顯。手工篩選是指人工逐個篩選大豆種子，這種方式不僅效率低下，而且勞動強度大，容易造成人員疲勞，很難對大豆種子的微小缺陷或病蟲害進行準確的判斷和分選。③重量測量主要以大豆種子重量來衡量大豆種子的品質。重量作為一種定性指標，只能提供種子的整體質量信息，無法區分種子內部的細微差異，如胚乳的充實度、胚乳的發育程度等。因此，為克服人工檢測的這些弊端，需要機器視覺相關技術的介入，利用自動化手段精準、高效地檢測大豆種子，以提高大豆種子品質檢測與分選的整體效率[2]。

1.2 基于機器視覺的大豆種子品質檢測與分選技術的發展現狀

機器視覺技術發展的第一階段，主要以高光譜成像技術進行大豆種子的品質檢測與分選。高光譜成像技術主要采用圖譜合一的方式，獲取大豆種子內部的具體信息，能夠反映大豆種子的真實情況，其精度較高，但設備過于昂貴，成本較高，故使用頻率逐步降低。機器視覺發展的第二階段主要以物理圖像識別為主，相對于高光譜成像來說，物理識別成本低，且高效、快速，在大豆種子品質檢測與分選技術中的應用較為廣泛[3]。然而，物理圖像識別因無法支持長時間工作，存在一定安全隱患，逐漸退出舞臺。現如今，機器視覺發展第三階段，主要采用高分辨攝像機、光源和圖像處理算法等設備和技術，對大豆種子進行圖像采集，然后運用圖像處理算法進行分析，可以快速準確地監測出大豆種子的大小、形狀、顏色等特征，從而判斷其品質。

2 大豆種子品質檢測與分選系統設計與實現

2.1 系統結構與流程

系統結構圖主要分為5 大模塊，包括圖像采集模塊、圖像處理模塊、特征提取模塊、分類模塊及分選模塊，主要流程如下。①圖像采集模塊為采集大豆種子的圖像數據；圖像處理模塊對所采集的數據圖像進行預處理，包括去噪、圖像增強、灰度化等操作，重點提高圖像的幀數和質量。例如，使用直方圖均衡化或自適應直方圖均衡化來增強圖像的對比度和細節。②特征提取模塊在前2 個模塊工作的基礎上，從已處理的圖像數據中提取一些有效的特征，以這些特征反映種子的品質信息。比如，大豆種子的大小、形狀的均勻性以及表面的光滑度等。其中，紋路特征可以使用局部二值模式（LBP）或灰度共生矩陣（GLCM）等方法進行提取，形狀特征可以使用邊緣檢測算法進行提取。③分類模塊基于提取特征進行分類，傳統的機器學習算法包括支持向量機（SVM）、k 最近鄰（k-NN）等；深度學習算法包括卷積神經網絡（CNN）等。使用分類模塊前，需要預先進行訓練，使用已標記好的大豆種子圖像數據進行模型訓練，訓練好的模型可以根據提取到的特征對種子進行分類，從而判斷其品質。④分選模塊是基于分類結果，將大豆種子按照品質進行分選的一種形式，其主要采用機械臂、傳送帶及氣流分選裝置等設備，將不同品質的種子分別放入不同的容器內，以便后續進行種植和銷售。

2.2 硬件設備與集成

硬件設備如圖1 所示。①數字1 為攝像設備，在設備選擇方面，可以選擇高分辨率的攝像機，因為分辨率越高，圖像顯示就更為清晰；也可以使用工業相機或者高性能數碼相機，此相機具有快速拍攝和高分辨率的特點，實用性更強一些。同時，最為主要的是，攝像設備需要與計算機進行連接，以傳輸圖像數據。②數字2 為光源系統，其主要作用是為攝像提供光源，以此獲取高質量的圖像。目前，常用的光源包括LED或者熒光燈，可以根據大豆種子的種類和特性進行亮度和顏色溫度的調整，且光源可以均勻分布在照射區域，避免陰影和反光對圖像質量的影響。③數字3、5、6、7 為傳送裝置，是實現大豆種子自動化分選的重要部分。如圖1 所示，數字3 為振動喂料機，將大豆種子放入其中，即可通過振動使其傳送到數字5 傳送帶上，然后利用數字6 支架的穩定性，進入數字7 收納容器之中。需要注意的是，傳送帶應具備調節速度的功能，這樣可以適應不同種子的處理速度。同時，通過調整傳送帶的速度，可以實現圖像采集和處理模塊的同步，確保種子的連續傳送和分選過程的順利進行。除此之外，傳送帶的寬度和長度應根據種子的大小和處理量進行設計，足夠的寬度可以保證種子在傳送帶上穩定運輸，足夠的長度可以確保系統的處理能力滿足需求。④數字4 為一種可編程的自動化裝置，由可控制的執行器組成，其主要作用是為預算設定的動作軌跡和邏輯進行自動化分選操作。其核心原理是利用特征信息，使用風吹的方式進行篩選，然后根據種子的位置信息，精確定位，放置種子。也可以利用視覺傳感器或力傳感器來檢測種子的位置和力的大小。⑤數字8 為硬件設備的總操作系統，是整個系統的核心處理單元，其主要功能是進行復雜的算法運算，進行圖像處理和分析任務，所以該硬件設備通常需要高性能的處理和顯卡，以保證算法的執行速度和系統的顯示正常[4]。

圖1 硬件設備與集成圖

2.3 軟件界面與功能

①圖像處理與分割。需要開發圖像處理算法，包括去噪、圖像增強和圖像分割，以提高圖像質量和分割種子與背景，將結果實時顯示在軟件界面上，以便操作人員實施監控和參數調整。②特征提取與分類。設計并實現特征提取算法，從分割后的圖像中提取有效的特征，主要包括大豆種子的紋路、內部表現、顏色現狀等特征，然后將提取的特征輸入分類算法中，進行品質分類。需要注意的是，分類結果應實時顯示在軟件界面上，這樣可以讓操作人員及時了解種子的具體劃分[5]。③分選控制與反饋。根據分類結果，控制傳送帶和分類裝置進行分選操作。在傳送帶方面，應控制傳送帶的速度和方向，進而保證不同品質的種子輸送到相應的容器之中。在分類裝置方面，可以設定其動作軌跡和邏輯，以便根據分類記錄進行篩選操作。

3 結語

綜上所述，大豆作為糧油兼用型作物，是生活中植物油脂和植物蛋白的重要來源。近年，大豆生產和需求之間的缺口比較大，不僅會影響大眾生活質量，也會嚴重威脅我國糧食安全。因此，機器視覺技術作為提高大豆產量、加速大豆育種的重要舉措，應給予足夠重視，不斷挖掘和進一步完善該系統，從而為大豆生產提供科技支持。相信隨著技術的不斷發展，該系統能夠為農業生產帶來更多的便利和效益，實現我國大豆的自給自足。