基于多阈值分割技术的玉米角质率定量测定方法研究

刘双喜 傅生辉 王金星 范连祥 牟华伟 孟凡荣 张春庆

基于多阈值分割技术的玉米角质率定量测定方法研究

刘双喜1傅生辉2王金星1范连祥2牟华伟2孟凡荣2张春庆3

（山东农业大学山东省园艺机械与装备重点试验室1，泰安 271018）
（山东农业大学机械与电子工程学院2，泰安 271018）
（山东农业大学农学院3，泰安 271018）

为解决人工测定玉米角质率工序复杂、精度低的问题，提出一种基于多段阈值分割技术的玉米角质率定量测定方法。通过对玉米籽粒进行纵剖染色处理，将玉米胚部与其他部位进行区分，然后对样本剖面图像进行预处理，并且利用多段阈值分割方法对玉米籽粒进行多次阈值分割，分别得到玉米角质区、粉质区图像，统计各区域像素数，得到各区域面积，计算可求得玉米角质率。试验表明，该方法测试速度优于人工测试，可达到3～10 min／100粒，且变异系数在2.0以下，方法稳定性好，面积误差可精确到每像素0.002 mm2，保证了测试的有效性。该方法操作简便且不受人为因素干扰，可为玉米角质率测定及玉米品质定级提供有效手段。

玉米角质率 预处理 多段阈值分割 角质 粉质

玉米不仅是人们的口粮和“饲料之王”，还是重要工业原料。作为玉米重要的籽粒品质参数，玉米角质率不仅影响玉米保存、贮藏期限，而且决定了玉米加工品质的高低。测定玉米角质率可实现对玉米品质的分级，对玉米种子和粮食的加工品质和商品品质具有重要影响。但是，目前玉米角质率的测定方法还没有统一的标准［1-6］。最常用的方法是手工检测，可参考小麦角质率的检测方法GB 1351—1999［7］，该方法虽然技术成熟，但是存在较大的人为误差。2004年，Corinda等［8］曾经试图建立一套快速无损影像分析技术，用于检测玉米籽粒的角质率，但是受玉米颜色、胚的大小和种子厚度的限制，技术通用性相对较差。还有许多研究直接采用统计学等方法［9-11］，通过检测与角质率相关的其他性状而间接检测角质率，本身存在一定误差。

本研究根据玉米角质率检测存在的问题，对多种玉米籽粒进行试验之后，提出一种基于多段阈值分割技术测定玉米籽粒剖面的角质面积百分率的方法。试验表明，该方法准确性高，操作简便，可实现玉米角质率的快速测定。

1 材料与方法

1.1 材料选择

供试玉米品种为240份玉米自交系材料，共计30 000多粒。玉米种子自交系玉米果穗比较均匀一致，便于试验切割分析。玉米种子剖面图像采集板填充材料选择黑色橡皮泥，可以固定玉米种子与玉米种子剖面形成色差，易于后期图像的处理。

1.2 仪器与设备

采集玉米籽粒剖面图像所用的设备为玉米籽粒图像采集系统［12］。该系统由CCD相机、玉米种子剖面图像采集板、光箱、四面无影光源和计算机组成。DFK 41BU02彩色CCD相机：The Imaging Source公司；M3Z1228C-MP工业镜头：日本Computar公司；联想扬天M4600D-10计算机：联想集团有限公司。

1.3 样本处理及采集方法

使用玉米种子切割器将玉米籽粒沿玉米胚的中心轴线一分为二，得到玉米籽粒剖面。对籽粒胚部进行染色并把玉米种子镶嵌在以黑色橡皮泥填充的玉米籽粒剖面图像采集板上。将玉米种子剖面朝上，调整种子断面平行于图像采集板，尽量减小因成像角度造成的误差以及投影对测量的影响。利用玉米籽粒图像采集系统采集的籽粒剖面图像为1 280 Pix×960 Pix的真彩色24位BMP图像，玉米籽粒剖面彩色图像如图1所示。

图1 玉米籽粒剖面图像

2 玉米籽粒剖面区域提取

2.1 图像预处理

将籽粒剖面彩色图像转化为256级的BMP灰度图像，加快后续处理速度，然后对灰度图像进行中值滤波，抑制图像噪声，再对籽粒剖面图像做背景分割，提取玉米籽粒单粒剖面图像。玉米籽粒剖面图像预处理结果如图2所示。

图2 籽粒剖面图像预处理

2.2 多段阈值提取区域

玉米籽粒剖面图像中每个区域的RGB颜色值不尽相同，故对籽粒角质区域、粉质区域和整体面积进行计算时，采用多段阈值分割技术，对不同区域进行不同阈值的分割提取，通过轮廓面积计算各区域的像素点数量，即可得到目标区域的面积。面积计算公式为：

式中：S为目标区域面积／mm2；N为像素数量；Si为像素单位实际面积。使用10 mm×10 mm标准尺寸图像作为单位像素面积标定图像，将在本研究图像采集系统拍摄条件下采集到的RGB图像输入计算机，计算分析获得单位像素所代表的实际尺寸。

经多次测定，单位面积标定图像约有42 553个像素单位，总面积为10 mm×10 mm，单位面积Si为：

对籽粒背景分割图像（图2b）进行连通域提取可获得单粒籽粒剖面整体面积，计算每个轮廓内的像素数即为所求整体面积。利用MATLAB获得玉米籽粒剖面图像RGB三分量统计直方图，如图3所示。玉米籽粒角质呈乳黄色，粉质为白色，胚部呈白色略透明。由于胚部被染成红色，其颜色值与角质相近且均比粉质颜色深。在RGB分量直方图中，剖面籽粒RGB值像素数明显集中在2个阈值范围内。对照玉米籽粒剖面各区域RGB值统计表（表1），粉质区域RGB分量值均在120以上，相比其他区域，粉质区域更容易辨认识别，而角质与胚部的RGB值相对比较接近，在RGB三分量颜色直方图中，角质和胚部区域R分量值范围在45～120，B分量在15～120。而G分量直方图中，各区域G分量在3个不同度量值范围内，因此，G分量将作为本方法的主要分割依据。

表1 玉米种子籽粒剖面各区域部分RGB值统计表

分析玉米籽粒各区域RGB三分量散点图（如图4）可知，粉质与其他2部分RGB三分量数值差异最明显，而在三分量散点图中，粉质区的G分量更为集中，与其他区域颜色值差异最大，故玉米籽粒粉质区分割阈值范围为150～254。分析粉质与角质区域的散点图（图4）和直方图（图3）得出，胚部阈值分割范围为20～54；玉米籽粒角质的阈值下限55，阈值上限110。以G分量值为150时作为分割点进行第1次阈值分割，并加入图像膨胀与腐蚀算法，准确获得籽粒粉质区图像，如图5所示，对获取图像进行面积计算处理，得到区域轮廓像素面积即各区域的像素点数，最终可通过式（1）得到玉米籽粒粉质面积。

图3 玉米籽粒RGB分量统计直方图

由于玉米籽粒胚部与角质区域RGB三分量中R分量与B分量互相混杂，只有G分量差异最大，通过试验发现，分割阈值为54时，胚部分割较为准确，切除胚部图像如图6所示。切除玉米胚后，可发现角质和粉质区颜色对比明显，如图4中RGB分量散点图所示，且角质为乳黄色，粉质区为白色，易于分割。当分割阈值为180时，对切除胚部图像进行分割可得到玉米籽粒剖面角质区域，如图7所示。对轮廓像素进行处理，求得角质区域轮廓像素面积，利用公式求得实际角质区面积。部分分割代码：Cv Threshold （Sn，dst，180，25，Cv＿THRESH＿BINARY）。

图4 玉米籽粒剖面RGB分量散点图

图5 玉米籽粒粉质图像

图6 切除胚部图像

图7 角质图像

3 结果与分析

选取不同品种玉米种子，利用本方法获取玉米籽粒的整体面积以及各区域面积，如表2所示。同时，采用现有人工测量技术（不规则图形面积测量的画线法，即从上到下在图形内画一些等距的平行线，然后测量每根线的长度（线的长度和×平行线之间的距离＝面积）和本方法进行比对，得到测试结果如表3所示。

表2 部分玉米籽粒样本剖面面积统计表

表3 不同玉米种子百分率测试

从表3可见，本方法测试出的角质率优于人工测试法，可以精确到每像素0.002 mm2。该方法方便可行，具有适用性高，测试速度快（测试时间为3～10 min／100 粒），精度高等特点。

用于稳定性检测的15份玉米自交系材料（果穗均匀一致）的角质率测定结果如表4所示。每份自交系的3个重复选自同一份材料的3个果穗，每个果穗均取果穗中部的籽粒20粒（不同果穗的不同籽粒的角质面积百分率本身就存在一定的差异），按上述方法进行检测。结果显示，15份材料的3个重复的变异系数均在2.0以下，角质率的测定结果稳定性较好。

表4 玉米角质面积百分率

4 结论

本研究提出一种基于多段阈值分割技术的玉米角质率的定量测定方法。该方法通过对玉米籽粒剖面各区域阈值分析，选取合理的阈值对籽粒各区域进行分割，提取玉米籽粒的角质和粉质图像，通过轮廓面积计算获取各区域面积，最终准确得到玉米角质率。试验表明，该方法解决了传统人工测定方法误差大、操作繁琐等缺点，能够准确快速计算玉米角质率，可实现对玉米角质率的快速测量，对推进玉米育种及品质检测技术发展具有重要意义。

［1］郭祯祥，赵仁勇.玉米硬度测定方法研究［J］.粮食与饲料工业，2002，12：44-46

Guo Zhenxiang，Zhao Renyong.Corn hardness determination［J］.Cereal and Feed Industry，2002，12：44-46

［2］伊祖涛，张海艳.玉米角质和粉质胚乳淀粉粒粒径、糊化特性及凝胶质构特性的研究［J］.中国粮油学报，2014，29（7）：27-32

Yi Zutao，Zhang Haiyan.Starch granule size，pasting properties and textural properties of horny endosperm and silty endosperm in maize ［J］.Journal of the Chinese Cereals and Oils Association，2014，29 （7）：27-32

［3］张海艳，董树亭，高荣岐，等.玉米籽粒品质性状及其相互关系分析［J］. 中国粮油学报，2005，20（6）：19-24.

Zhang Haiyan，Dong Shuting，Gao Rongqi，et al.Analysis of quality characters and their relationships for maize kernels［J］.Journal of the Chinese Cereals and Oils Association，2005，20（6）：19-24

［4］林成锵，钱家崇.小麦角质率和主要品质性状的相关性［J］. 作物杂志，1996（6）：26

Lin Chengqiang，Qian Jiachong.The correlation analysis of vitreousness and main quality charactersof wheat［J］.Crops，1996（6）：26

［5］范璐，杜娟，周展明，等.图像分析技术测定小麦角质率和硬度的方法探讨［J］.河南工业大学学报：自然科学版，2006，27（5）：51-54

Fan Lu，Du Juan，Zhou Zhanming，et al.Study on determination of wheat vitreosity and hardness by image analysis［J］.Journal of Henan University of Technology：Natural Science Edition，2006，27（5）：51-54

［6］GB 1353—2009 玉米［S］

［7］GB 1351—1999 小麦［S］

［8］Corinda Erasmus，John R N.Taylor.Optimising the determination of maize endosperm vitreousness by a rapid non-destructive image analysis technique ［J］.Journal of the Science of Food and Agriculture，2004，84（9）：920-930

［9］N Wang，F E Dowell，N Zhang.Determining wheat vitreousness using image processing and a neural network ［J］.Transactions of the ASAE，2003，46（4）：1143-1150

［10］Venora G，Grillo O，Saccone R.Quality assessment of durum wheat storage centres insicily：evaluation of vitreous，starchy and shrunken kernels using an image analysis system［J］.Journal of Cereal Science，2009，49（3）：429-440

［11］Almeida-Dominguez H D，Suhendro E L，Rooney L W.Factors affecting rapid visco analyser curves for the determination of maize kernel hardness ［J］.Journal of Cereal Science，1997，25（1）：93-102

［12］闫小梅，刘双喜，张春庆，等.基于颜色特征的玉米种子纯度识别［J］. 农业工程学报，2010，26（S1）：46-50

Yan Xiaomei，Liu Shuangxi，Zhang Chunqing，et al.Purity identification of maize seed based on color characteristics［J］.Transactions of the CSAE，2010，26（S1）：46-50.

Quantitative Determination of Maize Endosperm
Vitreousness Based on Multi-Threshold Segmentation

Liu Shuangxi1Fu Shenghui2Wang Jinxing1Fan Lianxiang2Mou Huawei2Meng Fanrong2Zhang Chunqing3
（Shandong Provincial Key Laboratory of Horticultural Machineries and Equipments，Shandong Agricultural University1，Taian 271018）
（College of Mechanical and Electronic Engineering，Shandong Agricultural University2，Taian 271018）
（College of Agriculture，Shandong Agricultural University3，Taian 271018）

At present，the way to get the maize endosperm vitreousness by manual measurement is too complicated and inefficiency to be used widely.In order to solve the problem，the paper puts forward a method for the quantitative determination of maize endosperm vitreousness based on multi-threshold segmentation.At first，the maize embryo can been distinguished from the maize seed by dying with the reagent.And then the image of single maize seed is gotten after image preprocessing.The different areas of maize seeds image are extracted by multi-threshold segmentation including keratin endosperm part and farinaceous albumen part.Finally，the actual area of every part can be gotten by calculating the number of pixels in the region which can calculate the percentage of maize endosperm vitreousness.The experiment result shows that the method to determine the maize vitreous rate by the machine vision is faster than manual testing，it only takes 3～10 min to test one hundred seeds.And the stability of the method is better which the variance coefficient is below 2.0 and the computational accuracy of the area reaches to 0.002 mm2.This method is simple and reduces man-made factors，and can provide an effective way for the vitreousness determination and grading of maize quality.

maize endosperm vitreousness，image processing，multi-threshold segmentation，keratin endosperm，farinaceous albumen

TP391.4

A

1003-0174（2016）09-0141-05

国家公益性行业专项计划（201303005）

2015-01-20

刘双喜，男，1978年出生，博士，电气工程及其自动化

王金星，男，1970年出生，教授，机器视觉、农业机械工程及其自动化