基于形态学图像检测的机械手移栽穴苗识别技术

张悦旺

(天津职业大学，天津 300410)

0 引言

目前，机械手进行移栽的过程通常为顺序移栽，即机械手臂按既定坐标和预定顺序依次移栽，使得机械手移栽穴苗会经常导致移栽后幼苗缓苗时间不同。其主要原因是在机械手移栽穴苗的过程中，取钵体导致的苗体根系存在不同程度的残缺及外漏等问题。由于幼苗的根系极易遭到外界环境的影响及在机械手移栽过程中夹持力的损伤，使得农作物的生长期延迟，从一定程度上造成资金、人力及资源的浪费，从而影响农作物进行机械手移栽的效果[1]。

目前，基于图像处理的穴苗识别技术的研究方法主要有：分水岭算法[2]、根部特征方法[3]，以及求取幼苗叶片的面积方法[4]。与此同时，文献[5]和文献[6]中数学算法在图像处理中的应用越来越广泛；文献[7]和文献[8]中邹北骥和韩延祥等人采用基于形态学图像处理方法进行取钵体效果的判别；文献[9]采用形态学进行机械手移栽[9]研究，文献[10]和文献[11]采用图像边缘检测方法等进行研制。

在形态学图像处理方法的基础之上，提出一种基于形态学图像检测的机械手移栽穴苗识别技术，采用形态学图像处理方法及时发现并补救残缺、外漏的根系，可以节约资源，有效地提高农作物移栽效果。

1 形态学图像处理原理

形态学在生物学中是指对动植物的特征进行处理的学科，而在图像处理领域中是指数学形态学[12]。数学形态学的目的是采用提取图像中对应形状及一定形态的结构元素进行度量，从而进行图像识别[13]。

形态学图像处理形式表现为邻域运算，且将邻域称之为结构元素[14],将结构元素与相对应的灰度图像运算后的结果作为图像像素[15]，其运算包括腐蚀、膨胀、开运算和闭运算。

1.1 腐蚀

进行腐蚀运算的目的是为了让图像缩小，如A图像被B腐蚀的表达式为

AΘB={x|(B)x∩Ac≠φ}={x|(B)x⊆A}

其中，AΘB表示B移动后完全包含在A中时的原点位置集合。每当找到一个与B元素相同的子图像时，就将B元素的原点位置对应的像素置“1”，腐蚀运算的结果是A上标注“1”的像素组成的集合。

形态学图像处理中典型的腐蚀运算应用是为了能够识别物体并且能够消除物体间的连接[16]。腐蚀与膨胀运算的对偶性表达式为

因此，对目标图像的膨胀运算相当于对图像背景的腐蚀运算操作，反之亦然。

1.2 膨胀

进行膨胀运算的目的是为了让图像扩大，如A图像被B膨胀的表达式为

1.3 开运算与闭运算

通过腐蚀运算与膨胀运算的组合运算可以分别得到开运算与闭运算，且开运算和闭运算的定义分别为[17]

A∘B=(AΘB)⊕B=∪{(B)Z|(B)Z⊆A}

A·B=(A⊕B)ΘB=∪{(B)Z|(B)Z⊄A}

开运算主要目的是为了能够去掉细小的突出部分、平滑处理对象的轮廓，以及能够断开狭窄的连接，而闭运算的目的是为了能够填充小于结构元素的空白区域[18]。

2 形态学图像处理技术

根据上述形态学图像处理原理来处理实际中移栽穴苗过程中的图像，使所得的结果能真实反映苗体根系残缺、外漏的程度。本文基于形态学图像处理的机械手移栽穴苗识别技术中主要公式为

{[(N⊕M1⊕M2)∘O·P]ΘQ}∘R

根据上式，形态学图像处理的具体步骤为：

1)将相机采集的图像N灰度化处理后进行膨胀操作M1，解决图像中截断的边缘问题，使之连续不再截断；

2)进行第2次膨胀操作M2，解决灰度化图像中产生的“空洞”的问题；

3)进行闭运算操作P，使得缺口能够连接起来且能够进行平滑处理，从而得到平滑图像；

4)进行开运算操作O，将机械手以及穴苗的突出部分去除，从而降低了图像处理误差，提高了图像检测的准确率；

5)进行腐蚀操作Q，将膨胀缩小所带来的边缘区域进行放大操作，从而还原了图像处理面积；

6)进行第2次开运算操作R，目的是再一次消除细微的部分，使得处理的对象更加的平滑。

3 实验结果及分析

3.1 实验软硬件平台及仿真实验材料

本文仿真实验在采用Windows7 64-bit操作系统的惠普PC机上(内存为7.89GB，CPU为Intel(R) Core(TM) i3-2120@3.30GHz，)，通过VisualStudio 2013和OpenCV2.4.10包进行实验[19]，且采用CMOS相机在正前方、左侧45°和右侧45°3个方向顺序拍摄样本图像进行仿真。实验中，将取苗执行机构安装在KR5arc型机械臂(工作行程1 400mm)，通过控制台操纵来进行仿真实验。具体的实验软硬件平台如表1所示。

表1 实验软硬件平台

将采集后的图像传输至计算机内的取钵识别系统，系统首先对采集的图像进行形态学的处理，然后求出基准图像与钵体图像对应的像素比，进而判定是否合格。

在此应说明，在判别系统软件中有两个参数n和m，且n

其中，ηF为样本不合格率；NFP为检测不合格样本数；NT为根系裸漏样本数；ηT为样本合格率；NN为根系没有不合格的样本数；NTP为检测合格样本数。

3.2 形态学图像处理仿真实验结果及分析

为了验证机械移栽取钵效果，本文在实验室条件下采用CMOS相机拍摄来进行移栽穴苗图像仿真实验。仿真实验所采用的幼苗为西瓜，仿真实验所用的苗钵,上口直径50mm，下底直径35mm，高40mm,壁厚3mm,钵体重6～8g，产品用粉碎的作物秸秆,加入一定比例的胶粘剂冷压模塑合成，如图1所示。取苗时间为幼苗出第一对真叶后及如图2所示出现绿叶之后的钵体内植物。

采用本文图像处理方法进行实验，图3和图4为西瓜幼苗进行仿真实验的结果。其中，图3中样本一是对采集的幼苗长出第一对真叶后做出利用形态学图像检测方法进行实时处理的结果；图4所示样本二幼苗是钵体内植物做实时处理的图像。两组样本实验的结果如图3和图4所示。图3、图4中：原始图像如图(a)所示；对图(a)灰度化处理得到图(b)；采用Canny算子边缘检测得到图(c)所示的结果；对图(c)的边缘和内部分别进行形态学膨胀处理得到图(d)与图(e)的结果，然后进行开运算和闭运算处理结果如图(f)和图(g)所示。因为对于图(d)的处理带来了边缘的加粗使得对于图(g)检测出有效区域的轮廓，图(h)为进行腐蚀处理的结果；对腐蚀处理后的图(h)再次利用开运算处理所得结果，如图(i)所示。

图1 钵体Fig.1 Bowl

图2 钵体内植物Fig.2 The plant in bowl

(a) 原始图像1 (b) 灰度化结果 (c) 边缘检测结果

(d) 膨胀填补结果 (e) 膨胀填充结果 (f) 开运算结果

(g) 闭运算结果 (h) 腐蚀结果 (i) 再次开运算结果图3 样本1实验结果Fig.3 Seedling sample1

(a) 原始图像2 (b) 灰度化结果 (c) 边缘检测结果

(d) 膨胀填补结果 (e) 膨胀填充结果 (f) 开运算结果

(g) 闭运算结果 (h) 腐蚀结果 (i) 再次开运算结果图4 样本2实验结果Fig.4 Seedling sample2

仿真结果表明：本文方法对于去除一些复杂情况的干扰具有一定的有效性和准确性。

3.3 取钵效果判别仿真实验结果及分析

在实验穴盘中随机抽取8个样本的正视图进行仿真实验，实际测量与仿真实验测得的结果比较如表2所示。

表2 实验测量与实际结果比较

由表2可知：8个样本有1个达到8.1%，而7个误差在5.2%以内，可以看出测量误差较低，且出现误差主要是因为某些人为因素。

3.4 图像处理方法仿真实验结果及分析

分别采用普通图像边缘检测方法和基于形态学图像处理方法处理并比较检测结果。普通图像边缘检测方法是将灰度化处理的图像进行边缘检测后求出图像轮廓内的面积。取一个30苗盘进行移栽苗体的实验(取m=85%,n=65%)，采用形态学图像处理方法测得合格样本28个，相比之下普通图像合格样本只有24个。具体仿真结果如表3所示。

表3 形态学图像处理方法与普通图像处理方法比较

结果表明：使用形态学图像处理方法得出的不合格率ηF为1，提高了57.8%；合格率ηT为94.2%，提高4.6%。在进行处理全过程中，形态学处理方法的时耗大约是普通方法的1.425倍，形态学处理方法1.91s的耗时完全可以达到实时处理的要求。因此，实验结果表明采用形态学图像处理方法具有明显优势。

4 结论

在对形态学图像处理方法研究学习的基础之上，提出了一种基于形态学图像检测的机械手移栽穴苗识别方法。采用形态学图像处理方法来处理实际中机械手臂移栽穴苗过程中的图像，使所得的结果能真实反映苗体根系残缺、外漏的程度。采用西瓜幼苗的仿真实验结果表明：本文提出的穴苗识别技术具有较好的实时性、稳定性和鲁棒性。

参考文献：

[1] 王跃勇,于海业.穴盘幼苗机械手取苗基质完整率影响因素仿真实验与分析[J].农业工程学报，2015,31(14):65-71.

[2] 童俊华.蔬菜钵苗穴盘间移栽执行器设计、移栽信息监测与路径规划[D].杭州：浙江大学，2014.

[3] 董微，周增产，卜云龙,等，穴盘苗自动移栽机研发与应用[J].农业工程，2014,4(7):120-124.

[4] 胡飞,尹文庆,陈彩蓉,等.基于机器视觉的穴盘幼苗识别与定位研究[J].西北农林科技大学学报：自然科学版,2013,41(5):183-188.

[5] Stroppa R G, Leonardi F, Frigato.R, et al.Cartographic update through image digital processing by Mathematical Morphology techniques [C]//International Center for Remote Sensing of Environment,2009:1113-1115.

[6] K Mostafa, J Y Chiang,I Her. Edge-detection method using binary morphology on hexagonal images [J].The Imaging Science Journal，2015，63(3):168-173.

[7] 邹北骥，张思剑，朱承璋.彩色眼底图像视盘自动定位与分割[J].光学精密工程，2013,23(4):1187-1195.

[8] 韩延祥，张志胜，郝飞，等.灰度序列图像中基于纹理特征的移动阴影检测[J].光学精密工程，2013，21(11):2931-2942.

[9] 刘明峰，胡先朋，廖宜涛,等.不同油菜品种适栽期机械化移栽植株形态特征研究[J].农业工程学报，2015，31(S1):79-88.

[10] 余金栋，张宪民.用于线纹显微图像的边缘检测算法[J].光学精密工程，2015，23(1):271-281.

[11] 张雄美，易昭湘，田淞，等.结合形态学属性断面与支持向量机的合成孔径雷达图像变化检测[J].光学精密工程，2014，22(10):2832-2839.

[12] 戴青云, 余英林.数学形态学在图像处理中的应用进展[J].控制理论与应用,2001, 18(4):478-482.

[13] 王跃勇, 于海业, 刘媛媛. 基于形态学图像处理的机械手移栽穴苗识别技术[J].光学精密工程, 2016, 24(3):651-658.

[14] 沈阳. 基于形态学的图像边缘检测技术研究[D]. 成都：电子科技大学, 2008.

[15] 闫薇, 全红艳, 孙红敏. BMP图像检索中的颜色特征提取与匹配[J]. 农机化研究, 2002(4):193-194.

[16] 王跃勇. 基于机器视觉和仿真试验的蔬菜穴盘幼苗移栽关键技术研究[D].长春：吉林大学,2016.

[17] Rafael C Gonzalez, Richard E Woods, Steven L Eddins. Digital Image Processing Using MATLAB [M].Beijing：Electronics Industry Press,2009.

[18] 李朝锋, 潘婷婷. 基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法[J]. 计算机应用研究, 2009, 26(4):1593-1594.

[19] 陈丽君, 任文涛, 赵萍. 基于VB和Matlab的苗田图像实时处理软件设计[J]. 农机化研究, 2009, 31(11):145-147.