基于图像处理和蓝牙传输技术的水稻种粒计数计量系统

张雪飞 王建春 彭凯 孙海波 贾宝红 徐义鑫 杜彦芳 邹美智 杨勇

摘要：水稻考种过程中对水稻种粒的计数、计量通常采用人工进行，不仅工作量大，而且长时间的测量会导致效率及精准度降低。而市面常用的数粒仪功能单一，只能完成水稻种粒数目统计，导致设备长时间闲置不用。针对上述问题，我们设计了基于图像处理和蓝牙传输技术的水稻种粒计数计量系统。该系统采用智能手机获取水稻种粒图像，并利用基于Android系统的APP进行图像处理，实现水稻种粒数的提取；利用与电子天平连接的蓝牙模块将水稻种粒质量无缝传输至智能终端，获取水稻种粒的质量信息；采用二维码技术识别水稻种粒样本，实现各样本的信息统计。

关键词：水稻考种；Android系统；图像处理；蓝牙传输；二维码

中图分类号：S126文献标识号：A文章编号：1001-4942（2018）07-0157-04

Abstract The method of manual counting and measurement of rice seed grains has been widely used in rice seed investigation. The low-efficiency and low-accuracy artificial measuring method is gradually replaced by automatic counting of granulators. However， the granulators commonly used in the market can only count the number of rice grains and then the equipments will be in idle for a long time. A rice seed counting system is introduced to solve the above problems based on image processing and Bluetooth transmission technology. The image of rice seeds is acquired using intelligent phones and a specialty software based on Android is developed to accomplish the statistics of rice seeds by image processing technology. The Bluetooth module linked with an electronic scale is also used to realize the wireless transmission of the weight of rice seeds to the intelligent terminal. Finally the QR code technology is used to identify the rice seed samples to accomplish the information statistics of the samples.

Keywords Rice seed investigation； Android system； Image processing； Bluetooth transmission； QR Code

水稻是我国第一大粮食作物，也是单产水平最高的粮食作物，常年种植面积不足粮食作物的30%，产量却占粮食总产量的40%以上；我国有60%以上人口以稻米为主食，尤其是以粳米为主食的城乡居民日益增多[1]。发展水稻生产，对解决我国粮食供给安全具有举足轻重的作用。

考种是水稻品种选育的主要环节之一，可为育种家的决选提供重要依据[2]。我国有上千家农业科研单位需要每年长时间重复开展水稻种粒计数、计量及穗部性状检测等繁重的统计工作。目前，水稻种粒计数、计量一般采用三种方式：人工测量、光电式数粒仪及基于图像处理的数粒仪[3，4]。其中，人工测量是最传统和最常用的一种方式，主要依靠技术工人完成对种粒群的数量统计、质量称量及部分水稻种粒穗部性状的统计分析，人工成本高，测量时间长，工作繁重，且长时间的高强度数种，易产生视觉疲劳，造成二次统计误差，严重影响测量的效率和准确度。自动数粒仪中，光电式数粒仪结构复杂，价格昂贵，数粒过程比较缓慢，最终只能得到种粒的数量信息，而且需要人工进行记录[5]。

近年来，随着计算机图像处理技术的发展，一些科研工作者开始将计算机图像处理技术应用于作物种子领域[6-12]，开发了基于图像处理的数粒仪，如：基于LabView软件开发平台的农作物自动数粒仪[13]，基于PC机图片处理的农博士育种家软件[14]，浙江托普仪器有限公司生产的基于背光装置及智能终端的智能种粒计数系统。但由于专一性差、未能有效降低工作量等种种原因，这些数粒仪并没有得到大面积推广应用。

我们在前人研究的基礎上，设计了一款基于图像处理技术的水稻种粒自动计数计量系统，利用智能手机采集水稻种粒图像，实现水稻种粒的计数，并利用自研的与电子天平对接的蓝牙模块，实现水稻种粒质量无缝传输至智能终端，最终完成考种过程中水稻种粒的计数、计量。

1 系统硬件结构及工作原理

1.1 系统总体结构设计

该系统的总体结构如图1所示。智能终端通常采用Android系统的智能手机，其像素要求在1 300万以上，用于获取水稻种粒的图像，获取后，手机APP程序会进行图像识别，最终得到水稻种粒数。电子天平称得的种子质量通过蓝牙模块传输到智能手机上。服务器主要用于存储计算的结果及后期的数据查询统计工作。其他用户可通过智能手机及网页来查询水稻种粒的数据统计结果。

1.2 工作原理

工作人员将待考种的水稻种粒均匀平铺于托盘中，避免种粒之间重叠，利用智能手机获取种粒群的图片，经灰度处理、去噪、分割等系列操作后，最终得到水稻种粒的数量。设计了蓝牙模块，该模块通过RS232接口与电子天平相连，可实时将水稻种粒的质量发送至智能终端。考种过程中或者结束后，可将本次考种的分析数据上传至服务器存储。系统整体设计框架如图2所示。

2 基于智能手机的水稻种粒计数计量系统设计本系统主要是基于装有Andriod系统的智能手机开发设计的。并设计了二维码来标识各水稻样品，包含品种编号、种植地点、种植时间等信息，利用智能手机APP扫描该二维码，即可得到水稻样本的相关信息，同时将获取的种粒图像及处理信息、种粒质量信息与二维码信息进行对应，方便保存和查询。

2.1 水稻种粒计数

水稻种粒数量统计是将水稻种粒群完全平铺在一个平面上，采集种粒群图像，进行灰度变换，增强滤波去除噪声，二值化处理确定种粒边界，把边缘可能重叠的种粒图像分割，种粒填充完成数据填充，最终确定种粒的数量。其图像分析处理流程如图3所示。

2.2 水稻种粒计量

水稻种粒的质量通过电子天平来获取，获取流程如图4所示。

具有RS232接口的电子天平将水稻种粒质量的实时信息经过A/D转换并处理后转换为相应格式的数字信号，通过RS232传输给接收模块，接收模块通过异步串行通信的方式将数字信号传输给蓝牙模块，再通过蓝牙模块将水稻种粒的质量发送至智能终端。

3 基于Web的水稻种粒计数计量系统

基于Web的水稻种粒计数计量系统主要包括用户管理模块、智能手机考种数据上传至服务端模块、考种数据分析模块三部分，如图5所示。其中，用户管理分为2类，管理员具有上传考种数据、对水稻种粒信息二次分析、实时查看水稻种粒计量信息等权限；普通用户仅具有查看计量信息的权限。

通常考种的数据量比较大，考种结束后，可上传所有的考种数据到服务器中。可通过usb数据线上传数据，如图6所示，上传后的数据以采集标本为单位保存在相应文件夹中。

考種数据分析模块，可以查看各品种的历史考种信息。考种信息可以保存为EXCEL格式，并且可导出。

4 结论

本研究设计了将智能手机、二维码技术、图像处理技术、蓝牙传输技术与水稻考种相结合的种粒计数计量系统，通过基于Android系统的水稻种粒计数计量APP对获取的种粒图像和接收的蓝牙传输数据进行处理分析，实现了水稻种粒的快速、准确、高效计数、计量，并通过二维码实现了水稻样本身份的快速识别。且所有考种数据均可上传至Web服务器中存储、分析和查询。

该系统还可以扩展到其他作物类型，如小麦、玉米、大豆等，为广大农业科研单位对作物种粒的快速精准计数计量提供了一种有效手段，为提高农业育种工作效率奠定基础。

参 考 文 献：

[1] 褚庆全，齐成喜，杨飞，等. 我国杂交粳稻发展现状、问题及其对策[J]. 作物杂志，2005（1）：9-12.

[2] 许桂玲，纪洪亭，潘剑，等. 水稻考种方法探析[J]. 中国农技推广，2012（6）：16-17.

[3] 巢淑娟，张贵明. 浅析数粒机的现状及发展[J]. 农业与技术， 2013， 33（2）：12.

[4] 常礼，马成学，高理富. 基于光电信号的玉米粒计数方法的研究[J]. 中国科学技术大学学报，2015，45（4）：275-279.

[5] 宋礽苏，华娇，蓝景针，等. 转盘斜刮式光电自动数粒仪设计[J]. 农业机械学报，2011，42（11）：75，89-92.

[6] 王刚. 基于机器视觉的玉米千粒重快速检测仪的研制[D]. 吉林：吉林大学，2012.

[7] 裴骄阳. 玉米种粒千粒重的自动测量系统开发[D]. 杨凌：西北农林科技大学，2014.

[8] 孙宏佳. 基于机器视觉的花生种子自动识别系统设计[D]. 哈尔冰：哈尔滨理工大学，2014.

[9] 王风云，郑纪业，唐研，等. 机器视觉在我国农业中的应用研究进展分析[J]. 山东农业科学，2016，48（4）：139-144.

[10]吴露露，郑志雄，齐龙，等. 基于图像处理的田间水稻叶瘟病斑检测方法[J]. 农机化研究，2014（9）：32-35.

[11]张芳，付立思. 基于图像处理技术的黄瓜叶部病害识别诊断系统[J]. 农机化研究，2014（9）：213-215，225.

[12]胡维炜，张武，刘连忠，等. 利用图像处理技术计算大豆叶片相对病斑面积[J]. 江苏农业学报，2016，32（4）：774-779.

[13]张云鹤，乔晓军，王成，等. 种子自动数粒仪[J]. 自动化技术与应用，2005，24（3）：59-61.

[14]陈立平，李奉令. 农博士育种家软件在育种工作中的应用技术[J]. 中国园艺文摘，2010（7）：171-172.