基于嵌入式的稻米形态特性分析仪的开发

吴才章 步东伟

(河南工业大学电气工程学院,郑州 450007)

基于嵌入式的稻米形态特性分析仪的开发

吴才章 步东伟

(河南工业大学电气工程学院,郑州 450007)

设计了一套基于嵌入式的稻米形态特性分析仪,针对优质稻米品质参数检测的实际需要,在设计稻米图像采集装置的基础上,系统以基于 ARM内核的 S3C2410平台为硬件开发环境,利用嵌入式 Linux系统,通过USB图像驱动程序移植,实现了对稻米图像的采集及保存过程,在此基础上,结合图像处理与模式识别技术,编写相应的图像分析应用程序,获得稻米形态品质的国标参数,实现了对稻米整精米率、垩白粒率、垩白度、粒型的快速无损检测。

稻米品质 嵌入式 Linux 图像处理 国标参数

长期以来,我国稻谷收购及等级评价过程所依据的质量指标仅包括为数不多的几项,如出糙率、杂质、水分、色泽、气味等,难以反映产品的内在品质和食用质量。随着农业科技的不断发展和人们生活水平的不断改善,稻米的供求矛盾发生了根本的改变,即数量的不足转化为质量的不理想。中国作为世界上最大的稻米生产国和消费国,对稻米的品质非常重视,人们对稻米的精深加工、品种和质量的要求越来越高,为此国家适时修订了原有的稻谷标准,并在此基础上增加了《优质稻谷》标准 GBT/17891—1999,为我国优质稻谷的生产与开发提供了重要的依据。在新颁布的《优质稻谷》中,增加了整精米率、垩白率、垩白度、粒型等重要的稻米形态品质指标[1]。以上指标参数的检测主要靠人工的方法获得,但是人工检测方法时间长、主观性强、可操作和重复性差,且不同人员之间测定结果相差悬殊,这就使标准执行的合理性和权威性大打折扣,难以满足稻米收购、储藏等过程中对品质检测的快速、客观和准确性要求,影响了稻米的流通及加工品质的提高。

近年来,利用图像处理与模式识别技术检测农产品质量得到了国内外学者的普遍关注,中国农业大学[2-6]、江西农业大学[7]、山东农业大学[8]等机构开展了一些初步的研究。采用的方法主要是利用商用扫描仪或 CCD采集粮食的图像,然后利用计算机进行图像处理,获得粮食的形态参数。这些研究主要是利用计算机进行图像处理[9-12],其缺点是成本高、体积庞大、携带不方便。

随着嵌入式技术的发展,利用嵌入式系统实现图像处理的应用越来越多[13-16]。本系统采用 ARM+USB数字摄像头的图像采集方式,采用 Omnivision公司的 OV511为控制芯片的 USB数字摄像头为采集模块,利用 Video4Linux内核 API接口函数,编写了相应的应用程序,实现采集图像的实时显示,并利用 JPEG压缩技术,将采集的图像保存为文件,在此基础上,结合图像处理与模式识别技术,对采集到的彩色图像进行灰度化处理,将彩色图像转化为灰度图像,而后利用大津法对图像进行分割,进一步计算出稻米的形态品质参数。

1 系统硬件设计

系统的微控制器采用 Samsung公司的 ARM920T内核的 32位微控制器 S3C2410,其主频可高达203 MHz。系统主要包括:图像采集装置、LCD显示模块、键盘控制模块、FLASH/RAM存储模块、数据传输及调试端口。系统的总体结构框图如图 1所示。

图 1 系统总体框图

为了准确获取米粒图像,自行设计了图像采集装置,包括:采集箱、光源、网眼 2000摄像头、谷物托盘、振动平台、分离梳。在采集箱内,振动平台与分离梳结合工作,将稻米均匀地分布在谷物平台上。

2 系统软件设计

2.1 内核移植与视频显示

在 Linux中,设备驱动程序可以看成是 Linux内核与外部设备之间的接口,设备驱动程序向应用程序屏蔽了硬件实现的细节,使得应用程序可以像操作普通文件一样来操作外部设备,可以使用和操作文件相同的系统调用接口函数来完成对硬件设备的打开、关闭、读写及执行和 I/O控制操作。通过配置内核、裁剪 shell和嵌入式 C函数库对系统进行定制,使得整个系统能够存放到容量较小的 FLASH中。

系统采用 Linux-2.4.18微内核,1.2 MB大小,放在 FLASH存储器中,其支持以 OV511为控制芯片的USB数字摄像头,因此系统启动后,可自动识别USB设备,并将该设备模块加载到内核中,在设备目录下出现/dev/v4l/video0设备,可直接对该设备进行open、close、excute操作。在此基础上,编写了基于 v4l的视频采集程序,v4l是 Linux中关于视频设备的内核驱动,针对视频设备的应用程序编程,v4l提供了一系列的接口函数,基于此我们编写了相应的视频采集和图片保存程序。视频采集流程图如图 2所示。

图 2 视频采集流程图

2.2 稻米形态参数测试

2.2.1 单颗米粒的形态参数计算

单粒稻米的粒型是由其长宽比决定,为了得到稻米的长度与宽度,首先需要利用大津算法对稻米的图像进行二值化处理,然后以二值化后的米粒图像左上角为坐标原点,建立直角坐标系,计算两个非零像素间的最大距离就是该米粒的长度,与之垂直的另外两边缘像素间的距离就是该米粒的宽度,这样即可得到稻米的粒型参数。

两次利用大津算法对米粒图像进行阈值分割,得到整粒米的图像和稻米的垩白图像,计算这些图像的面积即可获得单粒米的垩白参数。与此同时按照国标规定的整精米的判断标准 (长度大于 4/5),知道稻米的长度和米粒图像面积,就可以判断是否为整精米。

2.2.2 多米粒图像分割

实际采集到的图像为多米粒 24位真彩图,需先将其转化为灰度图像如图 3a所示。二值化后的图像如图 3b所示。

图 3 米粒图像阈值分割图

利用区域标记法中的四邻域法将单颗米粒图像联通,并对联通的区域进行标记,根据标记数计算出单幅图像中的米粒个数,而后利用行或列扫描线与米粒相切的方法,找到一个米粒,并根据同一标记像素外扫描线为零,内扫描线不全为零的原则,确定该米粒的切割范围,将其从整幅图像中分割出来,同时将其原位置的像素量化为零,依次找到其他米粒,从而完成所有米粒查找与分割。稻米品质参数检测的流程图如图 4所示。

3 结果与分析

试验样品为籼米,为保证试验的有效性,样品包含整精米和碎米,整精米率从 95%～50%随机分布。每次取 30粒,准备 8组样品,样品米粒总数 240粒。测试结果如表 1所示。

图 4 稻米品质参数检测流程图

表 1 稻米粒型参数检测结果

结果表明,单次样品测试最大绝对为误差 0.02,单次样品最大相对误差值 0.67%,8次测量绝对误差值平均值 0.01,相对误差平均值为 0.32%。因此两种检测方法的相关系数为 0.996 8。

对上述样品进行整精米率测试,测试结果如表 2所示。

表 2 稻米整精米参数检测结果

结果表明,单次样品测试最大绝对为误差 1,单次样品最大相对误差值 3.4%,8次测量绝对误差值平均值 0.25,相对误差平均值为 0.83%,两种检测方法的相关系数为 0.991 7。

同样对上述样品进行垩白参数测试,测试结果如表 3、表 4所示。

表 3 稻米垩白度参数检测结果

表 4 稻米垩白粒率参数检测结果

结果表明,垩白度单次样品测试最大绝对为误差 0.01,单次样品最大相对误差值 1.7%,8次测量绝对误差值平均值 0.005,相对误差平均值为 0.7%,垩白粒率无误差。因此两种检测方法的相关系数为0.993。

4 结论

研究了一套基于嵌入式的稻米形态特性分析仪,实现了对稻米整精米率、垩白度、垩白粒率、粒型参数的快速准确的检测,试验结果表明,该测试仪对稻米粒型参数、整精米率及垩白参数的检测结果与人工检测结果相关系数达到 0.99以上。本仪器的设计为稻米育种、加工、定级收购、品质检测等领域提供了一个客观的现场检测方法,具有实际的推广价值。

[1]GB/T 17891—1999优质稻谷[S]

[2]候彩云,李慧园,尚艳芬,等.稻谷品质的图像识别与快速检测[J].中国粮油学报,2003,18(8):80-83

[3]张巧杰,王一鸣,凌云,等.稻谷品质检测技术与装置研究[J],农业机械学报,2006,1:127-129

[4]凌云,王一鸣,孙明,等.基于机器视觉的大米外观品质检测装置[J],农业机械学报,2005,36(9):89-91

[5]尚艳芬,候彩云,常国华.基于图像识别的黄粒米自动检测研究[J].农业工程学报,2004(4):146-148

[6]候彩云,王一鸣,凌云,等.垩白米粒的计算机图像识别[J],农业工程学报,2002,18(3):165-168

[7]吴彦红,刘木华,杨君,等.基于计算机视觉的大米外观品质检测[J].农业机械学报,2007,38(7):107-111

[8]姜忠爱,张晓辉,秦军伟.计算机图像处理技术及其在农业检测中的应用[J].农机化研究,2004,11:234-236

[9]袁佐云,牛兴和,刘传云.基于最小外接矩形的稻米粒型检测方法[J].粮食与饲料工业,2006(9):7-8

[10]于润伟,金鲲鹏,朱晓慧.基于图像识别的整精米自动检测研究[J].中国粮油学报,2006,21(6):147-150

[11]于润伟,朱晓慧.基于图像处理的稻米垩白自动检测研究[J].中国粮油学报,2007,22(1):122-125

[12]张鹏,孙世磊,刘瑞北,等.Linux+ARM下的 USB驱动开发[J].计算机工程与科学,2006(3):107-108

[13]郭剑,赵建.嵌入式 Linux的图像采集与显示[J].现代电子技术,2006,7:129-131

[14]李侃,廖启征.基于 S3C2410平台与嵌入式 Linux的图像采集应用[J].微计算机信息,2006,22(3):125-128.

Developing RiceMorphologyAnalyzerBased on Embedded System

Wu Caizhang Bu Dongwei
(Henan University of Technology,College of Electrical Engineering,Zhengzhou 450007)

In order to satisfy the parameter testing of rice quality,a morphology analyzer for rice based on the Embedded System was developed.Based on design of the equipment to capture rice image,ARM core S3C2410 plat2 for m was adopted as hardware environment,and the embedded linux system as software environment.After transplan2 tation ofUSB image driver,the system fulfilled the i mage capture and i mage preservation.Finally,combining i mage processing and mode-identifying technology,an applicative program was compiled and the GB parameters aboutmor2 phological indexes of rice were obtained.Results:Based on this system it is realized to test rapidly and nondestruc2 tively the parameters about head rice rate,chalkiness degree,chalky grain rate,and rice shape type.

rice quality,embedded Linux,image processing,GB parameter

TP29

A

1003-0174(2011)01-0113-04

河南省科技攻关项目(0624100003)

2010-01-14

吴才章,男,1968年出生,教授,博士,光电检测技术