牧草种子品质智能鉴定系统设计与实现

文 / 李艳梅 尚应文

（甘肃农业大学 信息科学与技术学院，甘肃 兰州 730070）（甘肃电力投资集团有限责任公司，甘肃 兰州 730070）

牧草种子品质智能鉴定系统设计与实现

文 / 李艳梅 尚应文

（甘肃农业大学 信息科学与技术学院，甘肃 兰州 730070）（甘肃电力投资集团有限责任公司，甘肃 兰州 730070）

牧草种子品质好坏很大程度上决定了牧草的产量。目前，种子纯度鉴定采用人工鉴定的方法，存在工作效率低、主观性强的问题。本文采用机器视觉系统获取牧草种子数字图像；再采用边缘检测、灰度直方图等方法，对牧草种子图像进行处理分析，自动检测提取出能反映牧草种子品质的特征参数，如种子的大小、质量、形状、颜色等数据信息；最后利用模糊综合评判法，给出种子品质好坏的打分结果。试验数据表明, 对某种特定的牧草种子，本系统可以实现对其品质的智能鉴定。

牧草种子；边缘检测；双目测量;模糊综合评判

1 、引言

牧草生产是畜牧业的基础，优良品质的牧草种子是牧草生产的前提，牧草种子品质的检验鉴定工作是保证牧草品质的基本。传统人工牧草种子品质人工鉴定方法，费时费力，而且由于人工鉴定存在很大的主观性。随着计算机视觉的发展，使用数字图像处理技术对牧草种子图像进行自动检测，根据所提取出的图像边缘点信息对影响牧草种子品质的条件数字信息化，为实现牧草种子品质智能鉴定打下基础，提供定量分析的新思路和新方法。

边缘是图像最基本的特征之一，边缘检测已经成为图像处理领域中一个重要的环节,有着广泛的应用[3]。图像边缘检测的相关理论研究已趋于成熟,经典的边缘检测算子有Canny,Sobel,Laplace, Roberts,SUSAN[4]等。本文结合所测目标图像边缘点连续的性状特征，采用基于sobel的种子点生长边缘检测算法[6]，对牧草种子图像进行边缘点特征提取，再根据左右图像平面上牧草种子的投影平面图像，利用双目测量原理，计算能够标识牧草种子品质的所有特征点的实际三维坐标，得到影响牧草种子品质的参数化信息，最后根据数字化的参数，利用模糊综合评判法对牧草种子的品质优劣进行判定，给出牧草种子品质智能分级结果。

2 、影响牧草种子品质的参数信息数字化

本系统先利用Sobel 边缘检测算子对采集到的图像提取边缘，利用边缘信息，获取牧草种子的大小、圆度、均匀度、颜色四个数据信息。对于不同的牧草种子其外观形态差异很大，因此，在对牧草品质智能鉴定系统设计初期，先以典型的牧草种子作为鉴定对象，本文以山黎豆和燕麦作为研究对象，设计程序和相应算法，提取出牧草种子的大小、圆度、均匀度、颜色等信息。

（一）提取牧草种子大小、圆度信息

Sobel 边缘检测算子采用3×3大小的模板，在水平方向和垂直方向上的卷积算子表示如图1所示。

图1 Sobel卷积算子

对牧草种子图像的特征参数提取时，均需要先对图像进行二值化处理，将彩色图像处理成只包括黑色像素点和白色像素点的图像。经过二值化处理后的图像，白色点表示种子内部像素点，黑色点代表背景像素点。在采集图像时考虑到图像处理的速度和效果，将牧草种子的背景采用纯蓝色背景，图像中仅含有蓝色和非蓝色两种颜色区域，牧草种子面积区域是一块连通区域，因此，采用种子点生长算法，可以很好的提取出牧草种子。

牧草种子的圆度可以采用计算牧草种子长轴的长度和短轴的长度，通过长短轴的比值来衡量牧草种子的圆度。如图所示，燕麦的长短轴比值用来表示其圆度。

（二）提取牧草种子均匀度和颜色信息

对多粒牧草种子进行检测，若种子大小均匀，则种子品质好，否则，种子品质差。因此，鉴定牧草种子品质不仅要看单粒种子，还要以多粒种子的大小圆度分布是否均匀作为品质优劣的判定条件。本文对牧草种子均匀度统计分析分为三个步骤进行：

第一步，采用区域生长法或者边缘检测算法对原图像进行图像分割，将图像分割成不同的很多连通区，每个连通区，表示一粒种子图像；第二步，计算每个连通区的圆度和大小；第三步，统计图像中连通区总数目和连通区大小和圆度在不同区间内的连通区个数，若大小圆度差异小，则可判定牧草种子品质好，否则品质差。

统计连通区内所有像素点的RED、GREEN、BLUE三个颜色分量，形成图像的灰度直方图，通过查找灰度直方图的峰底，找到影响种子颜色的主色调，利用主色调颜色区分种子的好坏，如果种子上有发霉斑点，则被判定为品质差，若颜色均匀单一，则被判定为品质好。

3 、利用模糊综合评判算法对牧草种子进行智能分级

目前，模糊数学中的模糊综合评判方法可以对模糊事物实现较合理的评价，并被广泛应用于社会、经济、科学和技术等领域[6]。牧草种子品质的好坏主要受外观形状的大小、圆度、均匀度、颜色等多方面因素的影响，对图像处理方法获取的牧草种子数字化信息，利用模糊综合评判法根据多个参数信息，得到接近人工分级的自动智能分级结果。

结合牧草种子品质人工鉴定的经验和牧草种子不同种类形状差异大的特点，对不同种类牧草种子，记影响种子品质的四个信息量为因素集U。U={大小，圆度，均匀度，颜色}，U中各元素表示种子品质好坏的某个判断条件，该条件数据通过图像处理系统提供数字化信息。

在牧草种子判断条件中，由于每一条件在决定牧草种子品质时的权重不同，因此，记模糊子集，元素ai表示第i个因素所占的权重值，本模型中所用权重值主要是根据植保专家提供的经验和知识给出。

把牧草种子品质划分为四个等级：优、良、一般和差。令评价集V={优，良，一般，差}，其中Vi表示对牧草种子品质鉴定的结果。考虑四个因素对评价集V中的牧草种子品质等级的隶属度不同，记单因素评判矩阵为：

4 、结果及分析

本文以山黎豆和燕麦种子作为鉴定对象，人工挑选出100粒山黎豆种子和100粒燕麦种子，其中优、良、一般和差不同品质的种子各25粒。采用型号为MV-VEM200SC的小型GigE工业网络数字摄像机和AFT-0614MP百万像素工业镜采集牧草种子的图像，图像大小为：1600*1200，单位：像素。实验平台选用Visual Basic6.0。

图2和图3是25粒品质优的山黎豆种子和25粒品质差的山黎豆种子的边缘点检测图像，从图像可以看出，图像的边缘可以反映出种子的大小圆度等信息。图4为一粒品质优的山黎豆种子的种子区域联通图，可以提取出该粒种子的大小和圆度信息，图5为20粒品质优和20粒品质差的种子联通区图像，由此图像可分析得到多粒种子的均匀度。

图2 品质差的25粒种子

图3 品质好的25粒种子

图4 一粒种子的连通区

图5 40粒种子的连通区

通过本鉴定系统，可对山黎豆和燕麦两类牧草种子进行智能鉴定，通过图像获取，从而得到接近现实的正确分类。

5 、结束语

本文利用数字图像处理方法和机器视觉双目测量系统对牧草种子图像进行处理分析，提取出可用于牧草种子品质分级的种子大小、种子圆度、种子分布均匀度、和种子的颜色四个数字化参数信息，最后利用模糊综合评判方法，根据人工鉴定经验，给出影响种子品质鉴定的四个因素所占的权重，得到接近现实分级的智能鉴定结果。实验证明，本文设计的算法能够对山黎豆和燕麦种子品质进行智能自动分级，是一种有效的鉴定方法。

[1] 嵇钟玉,龚丽农,黄挺坚等.种子自动筛选系统软件设计.农机化研究, 2013, 11(11):56-60

[2] 魏光杏,吴锡生.新型边缘检测法[J].计算机工程与设计,2007,28(4):882-883,887

[3] 章毓晋.图像分割[M].北京:科学出版社,2001.

[4] 曾脉.基于数字图像处理的羊毛测量与分类系统[D].西安:电子科技大学硕士学位论文,2008.

[5] 何斌,马天宇.Visual C++数字图像处理（第二版）[M].北京:人民邮电出版社.2003.

[6] 汪培庄,模糊集合论及其应用[M].上海:上海科学技术出版社,1983.

甘肃农业大学盛彤笙基金项目（GSAU-STS-1413）