基于计算机视觉技术的向日葵种子分选系统设计

郭丽娟

(中共张家口市委党校,河北 张家口 075000)



基于计算机视觉技术的向日葵种子分选系统设计

郭丽娟

(中共张家口市委党校,河北 张家口 075000)

针对世界四大主要油料作物之一的向日葵种子的分选问题，结合近红外技术和计算机视觉技术，进行了根据向日葵种子内部含油率高低不同的自动分选系统设计开发。依据不同含油率种子在近红外光下的成像特征，将向日葵种子区分为两个级别。该系统由Labview计算机视觉系统、红外光发生器、图像采集卡、黑白照相机、40 W的环形灯、白色的照相纸及X射线图像处理工作站组成。运用所设计样机进行向日葵种子分选试验，结果表明：与化学分析方法相比较，本系统设计含油率分选准确，从而为满足不同市场需求的向日葵种子分选提供一种方便、快捷的方法，提高了向日葵种子的市场价格经济效益。

向日葵种子；计算机视觉；近红外光谱；含油率

0 引言

近年来，随着市场要求的不断严格化和精细化，农产品分级已经成为农业生产中一项重要的课题。俗话说“民以食为天，农以种为先”。种子质量的好坏直接决定了植物的收成[1]。同时，作为一种农产品果实，种子质量决定了种子的后续加工利用价值。种子的品质检测是一种典型的量大、重复性高的工作。传统的向日葵种子采收后，经过遴选加工，向日葵葵种子的纯度和净度已经较高；然而，关系到种子活力或含油率的种子内部质量因素(如种仁率、种子饱满度及含油率等)水平参差不齐，需要进一步对向日葵种子进行分选处理，内部质量一致的种子选入到同一个级别，以提高市场竞争力。以往的生产中，使用种子加工车进行分级筛选，通过定制不同网眼规格的筛片，根据种子的大小、饱满度、是否双粒、是否畸形等，一般可将种子分成3～4级，分级筛选后的向日葵种子在外观、形态方面的整齐度较高。

作为一种可再生的能源，植物油脂无论是在燃料、食品、饲料蛋白还是工业原料上都有着足够重要的地位[2]。植物油脂主要来自于油料作物种子，大豆、油菜、向日葵和棕榈是世界上最重要的四大油料作物[3]。油料作物种子的含油率从根本上决定了作物的产油率，种子的质量与种子形态特征与生理属性密切相关，基于精细农业和不断发展的的市场需求，对不同含油率的种子进行分选有利于种子的分选，提高种子的市场价值。同时，对种子进行分级的一项重要依据便是种子的外形尺寸及外观，包括大小和种子饱满度，与种子的发芽率有一定的相关性。作为世界四大油料作物之一的向日葵种子，如果可以根据其内部含油率高低进行分选，将更加有利于其作为油料作物的竞争力。目前，尚未发现用于向日葵种子自动分选的现代化系统。

近年来，人们开始将机器视觉技术(包括神经网络技术等)运用于种子外观及内部品质检测，取得了一定的成果。计算机视觉技术是指通过图像传感器获得目标对象的图像，对所获取的运用计算机图像处理技术(包括预处理、边缘检测、轮廓线构成、对象建模等技术等)进行分析、总结和特征提取，从而完成与相关视觉任务的一种技术。目前，利用计算机视觉技术进行农产品分级已经取得了一定的成绩，主要集中在外部几何特征、颜色特征及是否发生霉变等方面[4]。基于计算机视觉技术前端图像采集部分本身的技术特征，一般在可见光下进行图像采集，对于农作物内部质量的计算机视觉技术运用目前还比较少，可以尝试将计算机视觉技术与近红外光谱结合，运用于根据农产品内部质量的自动分级。

人类将近红外光谱技术运用于谷物成分的含量分析，迄今已有50年余的历史。该技术具有无损、处理量大、操作简单、客观而准确、无污染且快速等优点，在国内外均得到了广泛的推广应用。近红外技术的原理在于利用物质中OH、CH和NH等基团在近红外区光波范围(800～2500nm)之间的倍频和合频吸收，寻找吸收光谱和物质含量之间的关联关系，检测物质中如碳水化合物、蛋白质、水分和脂类等成分含量[5]。近年来，随着化学分析方法和计算机数据分析处理技术的发展，近红外技术运用于农产品品质检测正在迅速普及起来。

油脂成分含有丰富的羟基基团，羟基基团在近红外区的一级倍频和二级倍频区有较强的吸收。向日葵种子表面不均匀，含有多种有机大分子，适合于应用近红外反射技术检测[6]。

因此，本设计针对四大油料作物之一的向日葵种子，设计了基于近红外光范围内图像采集的计算机视觉技术的自动分选系统，进行了样机组装，并进行了试验[1]。

1 设计原理及机构

1.1 设计原理

本文的计算机视觉技术自动分级向日葵种子系统采用LabVIEW软件设计，极大地缩短了设计的时间。以往的绝大多数计算机视觉技术都以可见光为背景光源采集图像，通过综合处理分析种子的外部特征对目标物的外部颜色、大小、性状及是否霉变等进行机器识别，而利用其他波段的光源检测产品内部质量、进行产品分级的运用较少涉及。因此，运用不同波段图像分析产品品质，将成为以后农产品品质检测的一个重要方向。据此，本文运用近红外光谱技术，综合考虑了形态特征及内部质量，可以准确地识别向日葵种子的内部品质，主要指含油率。同时，结合三自由度并联机器人机构用气吸方式对向日葵种子进行分拣。试验结果表明：该系统可将向日葵种子准确地区分为两种含油率级别。

1.2 软硬件装置设计

软硬件装置包括计算机视觉识别系统、红外光发生器、图像采集卡、黑白相机机、40 W的环形灯、白色的照相纸、X射线图像处理工作站、向日葵种子吹送系统和二自由度机器人。在向日葵种子吹送中，风机装置可以一定的速度将向日葵种子成单层排列地向前吹送，并使其在图像采集部位翻转，确保向日葵种子的整个表面接受到检测，获取足够多的图像信息供后续分析。计算机视觉系统通过对向日葵种子近红外光谱成像特征分析及特征数据提取，建立了向日葵种子分级标准；智能视觉识别系统根据分级标准，对任意一个向日葵种子等级进行判定，并通过识别系统中的控制模块，向分级系统传送一定的指令，使二自由度并联机器人用气吸方式，完成向日葵种子的分选工作。

通过近红外光光发射器、黑白相机、图像采集卡对向日葵种子表面红外吸收光谱特征参数进行提取，利用图像预处理将单个种子分割出来，通过图像分割，将-OH近红外吸收光谱特征提取出来，将特征吸收与含油率建立相关性分析，并建立分级标准，将向日葵种子分为两级。

1.3 材料和方法

2014年10月分别于甘肃省、宁夏、云南三地向日葵种植基地采收向日葵种子各50kg，进行晾晒除杂，运送至实验室于通风干燥条件下保存。

1.4 试验方法

1.4.1 图像获取方法

将采自不同地区的试验样品置于风机中，单层吹过图像采集界面，在红外光辐射器(900～2000nm)的波长范围由黑白相机、图像采集卡获取图像，传输给Labview信息处理平台。

1.4.2 图像分割

利用系统软件对图像进行图像分割等一系列的预处理，通过LWT算法特征提取获得不同含油率种子的图像特征，将特征明显不同的种子利用二自由度机器人进行分选。

黑白相机和图像采集卡得到一个灰度图；X-射线图像通过小波域特性转换成一个低频，在水平、垂直和对角3个方向上均有高频的图像。低频图像一般能够显示目标物一般的外部特征，摒除大部分噪音干扰，高频图像往往表示噪音和不连续点。

具体处理步骤包括：①通过光波技术提取低频图像，该低频图像反应的向日葵种子的基本形态特征和生理属性；②通过直方图均衡化加强图像，以区分含油率的高低；③通过Canny算法提取向日葵种子的边缘数据。

1.4.3 图像特征提取

LABview系统运用LWT算法对大量向日葵种子红外图像特征进行统计分析得到特征数据，根据特征数值的不同将向日葵种子分为两个级别，并传输指令，将两种级别的向日葵进行分选；对分选出来的向日葵种子用化学方法检测其含油率，以验证本设计的有效性。

2 结果与分析

对由计算机视觉红外分选系统分选出的3个产地、两种级别的向日葵种子随机抽取9颗，运用化学分析方法进行含油率检测。

将干燥的种子进行脱壳、研碎、提取等样品前处理，然后使用常规方法检测、称量，并计算向日葵种子的油含量，结果如表1～表3所示，数据分析如表4所示。

表1 运用计算机视觉分选甘肃向日葵种子的含油率化学检测结果

表2 运用计算机视觉分选云南向日葵种子的含油率化学检测结果

表3 运用计算机视觉分选宁夏向日葵种子的含油率化学检测结果

表4 数据分析

由检测结果可以看出：本系统的分选操作成功地根据向日葵种子的含油率将其区分为两个级别。数据分析的结果：1级向日葵种子含油率平均值比2级向日葵种子含油率平均值高，两组数据结果有显著性差异。

3 结论

设计了基于近红外光条件下的计箅机视觉分选系统，组装了软、硬件设备样机，并进行一系列实验室分选操作，对分选结果进行化学分析方法验证。结果表明：所设计的基于近红外技术的机器视觉的向日葵种子含油率自动分级系统可以准确地提取不同含油率向日葵种子在近红外光波范围内图像的特征数据，并据此成功地进行分级分选动作，通过化学分析验证了该分选系统准确、可靠。

[1] 李瑾,李守勇,秦向阳,等.种子质量检测问题研究—基于北京市种业协调员工作站的调研[J]. 湖北农业科学,2009(9):2297-2300.

[2] 蔡卫国,李伟,荀一.种子精选分级装置自动控制方法研究[J].农业机械学报,2005(8):90-92.

[3] 李培江,米瑶,余竟,等.美国引进向日葵种子含油量和脂肪酸组成比较分析[J].中国油脂,2015(11):104-106.

[4] 焦文兴,潘天丽,李月娥.计算机视觉技术在农产品品质检测中的应用[J]. 陕西农业科学,2003(5):29-33.

[5] 张晓芳,俞信,阎吉祥,等.近红外反射技术开放式检测棉籽中水分和油含量的研究[J].光谱学与光谱分析,2007(3):473-476.

[6] 黄乔松,于肇贤,李静,等.含油岩心显微红外光谱成像方法的研究[J].光谱学与光谱分析,2009(2):451-454.Abstract ID:1003-188X(2017)04-0234-EA

内容更正

由于作者本人的疏忽，导致投稿时论文有些错误。文章发表于2016年第11期，名称为《玉米秸秆还田机的设计与参数研究》，作者为薄鸿明、林静。修改内容如下：

4 工作部件的有限元分析

4.1 基于ANSYS刀具的有限元分析

刀具的性能直接影响机具的性能与寿命。通过Solid Works建立刀具实体模型后导入ANSYS进行有限元分析。对刀具圆孔处施加固定约束并在刀身单侧刃上施加切割秸秆时所需最大的横向载荷并进行求解运算[11]，结果如图5所示。

由图5可知：刀与刀轴的连接处所受的剪切载荷最大为64.63MPa，其他部位所受剪切载荷均远小于材料的剪切许应力560MPa。因为刀具在工作中基本不受其他方向的力，所以该材质刀具有足够的稳定性和强度。此外，在实际工作中可根据有限元计算确定的危险部位，定期进行检查，确保没有裂纹产生。

图5 刀具有限元分析结果

参考文献：

[1] 张儒.多功能秸秆还田机设计及其秸秆深施装置性能的实验研究[D].哈尔滨:东北农业大学，2016.

Design of Sunflower Seed Sorting System Based on Computer Vision Technology

Guo Lijuan

(Zhangjiakou Municipal Committee Party School of CPC, Zhangjiakou 075000,China)

As one of the four major oil crops in the world，A separation system for sunflower seed is designed based on computer vision technology combined with near infrared technology . This design consists of a computer vision system, an infrared generator, an image acquisition card, an black and white camera, 40 W ring light, white photographic paper , a X - ray image processing workstation, an Air supply system and a 2-DOF robot.The sunflower seeds with different oil content have some Characteristic difference in its image under near infrared light and this design can separates the seed based on the difference.The separation is verifies through chemical analysis method and The results showed that the separation made by the system design is accurate and effective.Based on precision agriculture,this sunflower seed separation system provide a convenient and efficient method to improve sunflower seed market prices and the efficiency.

sunflower seeds; computer vision; near-infrared spectroscopy; oil content

2007-05-02

河北省自然科学基金项目(201502044)

郭丽娟(1981-),女，河北张北人，讲师,(E-mail)guolijuan051201@163.com。

S126；TP391.41

A

1003-188X(2017)04-0234-03