基于计算机图像技术的作物籽粒识别研究

徐庆华 XU Qing-hua

（江西工业贸易职业技术学院，南昌 330038）

（Jiangxi Vocational Technical College of Industry&Trade，Nanchang 330038，China）

0 引言

粮食的人类赖以生存的基本保障。近年来，我国农业技术不断进步与发展，全面提高了城乡居民生活水平，人们对粮食的追求已经从单纯的数量需求逐渐过渡到对其品质的追求了。为了顺应生产和市场变化的需求，在作物籽粒的识别研究上，引入了计算机图像处理技术，降低了农业生产的成本，能快速准确的识别出作物籽粒的数量，准确率高达98%，提高了农作物的质量，促进我国粮食在国际市场的竞争水平。

1 作物籽粒图像识别处理的研究分析

作物籽粒外观品质的计算机视觉检测系统包括图像获取、图像增强、特征参数提取和分类等。如图1所示。其中，采集设备、照明设备、载样台构成的图像获取装置，能提供清晰稳定的作物数字图像；图像增强可以进行图像的预处理和分割，达到改善图像质量，增强图像识别的效果；在此之后，需要分析和变换方法，计算作物颜色、形态和纹理结构，放映作物的特征参数；最后选择合适的算法，进行品种的鉴别和外观品质的检测。

优质、高产的农业生产必须依靠优良的种质资源，农作物籽粒图像识别处理技术已经成为现代农业研究和发展的必然选择。籽粒的图像特征能反映籽粒内部的生理特征，帮助技术研究人员对种子的质量进行鉴别。计算机图像识别作物籽粒质量的过程一般分为以下几个部分：

图1 作物外观品质计算机视觉检测系统结构

1.1 作物籽粒图像采集 往往籽粒的尺寸都比较小，其图像的采集会在室内进行。计算机图形识别处理技术在采取籽粒图像时，为了获取高质量、稳定的籽粒图像，就必须保证采集环境的稳定性。如摄像机摆放的位置、不同分辨率、不同光源造成的色差、不同焦距对图像的影响等。在研究过程中，有些技术人员利用扫描仪作为采集系统的主要设备，能获取高质量的籽粒图像，实验效果比较准确、理想。2009年孙光明等人利用MS3100多光谱成像仪，结合可见光和近红外方法对大麦进行成像，较好的反映了农作物籽粒的品质特性。

1.2 作物籽粒图像预处理 往往籽粒的图像需要经过分割、去噪等预处理工作。在作物籽粒分割方面，按照一定的规定把其放置在载样台上。但是彼此不能连接，这样比较容易分割籽粒图像。在实际作物籽粒在线检测系统中，籽粒随机放置在载样台上，两者难免会接触，导致检测效率降低。针对这个难点，可以利用形态学方法对籽粒进行分割。2005年Gong Zhang等人使用椭圆匹配的方法对加拿大的四种不同小麦的籽粒进行了分割，随后技术研究人员还利用了分水岭分割、公共区域或籽粒轮廓寻找分割点等方法实现了作物籽粒图像的自动分割。

1.3 作物籽粒特征参数提取 作物籽粒图像特征参数一般包括籽粒的颜色、纹理结构、形状（质心、长宽比）以及尺寸（面积、体积、周长）等。另外在一些研究中采用不变矩和傅里叶从不同角度描述了作物籽粒的形状特征，并进行分类。2004年凌云等人提出用分形的思想描述大米籽粒上垩白区域的分布情况。2010年权龙哲等人采用K—L变换技术对外观相似的玉米籽粒图像进行了参数提取，利用少量的特征，并采用图像信息压缩技术，反映了玉米品种籽粒的外观特性，为后期有效的鉴别相似玉米品种提供了强有力的保障。

1.4 作物籽粒品质鉴别 一般来讲，籽粒鉴别的类型包括对籽粒甄别其品质的检测、不同籽粒的品种归属，两种鉴别类型都是利用遗传算法、人工神经网络和支持向量机等模式来识别的。2009年李伟等人根据形态学特征，通过轮廓对称性识别局部破损棉种，识别率高达94%。

2 实例分析

若想较为准确的识别作物籽粒，就必须提高图像识别和处理的精确度和便捷性，只有不断的改进传统的图像识别中的分割法，提高作物籽粒图像识别的准确性，才能为计算机技术在农业生产的应用奠定坚实的基础。下文就以水稻籽粒为例，对图像分割的方法进行探讨分析。

2.1 分水岭分割算法 分水岭分割算法被广泛的运用在作物籽粒图像处理中，是一种比较实用的图像分割算法。首先应该明确分水岭分割法的含义是基于梯度空间的，首先应该把籽粒图像转换为梯度图像。分水岭分割算法对籽粒的边缘有很好的响应，对籽粒有很好的分割效果，但是也容易产生过度分割的现象。针对这个问题，必须对分水岭分割算法进行改进，使用极小值合并分水岭分割算法消除过度分割。如图2是水稻籽粒原始图像，图3是分水岭分割算法的效果。

图2 水稻籽粒原始图像

图3 分水岭分割算法的效果

2.2 综合分割计数法 虽然分水岭分割算法在消除过度分割方面进行了一定的改进，但是在某些情况下，仍然不能较高的处理过度分割现象，因此可以在对水稻籽粒的面积进行测量时，可以结合外部设备。在籽粒图像采集过程中，必须调整摄像头和籽粒的距离，在一定的距离内测出水稻籽粒的平均像素n，将分割区域2n/3比较，像素数大于2n/3的记住1个籽粒，并把此区域设为背景色；小于2n/3的区域与邻进区域比较，与同样小的区域合并，再与2n/3比较。如果大于2n/3，周边又没有小于n/3的区域，将其合并，区域颜色设为背景色，籽粒数加1。当图像颜色权威背景色就结束处理，如图4。

图4 综合分割算法效果图

3 结束语

随着计算机技术不断发展，势必也会推动我国农业的进步，提高我国农业在国际上的竞争力。虽然在计算作物籽粒数量时还存在一定的缺陷与不足，但是只要不断创新计算机图形技术，改进分水岭分割算法和综合分割算法，不断深入研究更多先进、高效的作物籽粒识别处理技术，就会提高农作物生产质量，促进我国农业健康稳定的发展。

[1]王雪,马卓,王欣,姜丹,刘小溪,贾志雷.基于颜色和形状特征的黄瓜霜霉病自动识别研究[J].安徽农业大学学报,2013,06:1071-1075.

[2]葛婧.基于计算机图像处理技术的作物病害等级检测[D].安徽农业大学,2007.

[3]文新亚,宋振伟,孔凡磊,张志鹏,陈阜.基于数字图像技术的冬小麦不同施氮处理颜色特征分析[J].中国农业大学学报,2010,02:82-87.

[4]陆明,李茂松,申双和,王春艳.图像识别技术在作物农情信息反演中的应用[J].自然灾害学报,2011,03:18-24.

[5]高云,李小昱,刘长举,周竹.基于高光谱图像技术的霉烂板栗识别研究[A].中国农业工程学会（CSAE）.中国农业工程学会2011年学术年会论文集[C].中国农业工程学会（CSAE），2011:5.