基于分水岭分割算法对燕麦籽粒识别中粘连区域的分割

燕红文 崔清亮

摘  要： 为了适应智能农业需要，从图像处理角度研究燕麦清选时的籽粒识别与统计时遇到的粘连区域的问题。样品采集于左权县，基于大津法预处理燕麦，且通过分水岭分割算法来分割图像中粘结区域，分别采用内部标记与外部标记对燕麦与背景进行标记，可消除过度分割，识别率最高达到98.55%，研究表明，该算法对于清选后粘连较少的图像处理效果好，可对燕麦清选损失率的在线监测提供理论和方法支持。

关键词： 燕麦; 分水岭分割; 损失率; 粘连

中图分类号：S226.9          文献标识码：A     文章编号：1006-8228（2020）01-23-03

Abstract： In order to meet the needs of intelligent agriculture， this study studied the problem of adhesion areas encountered in grain identification and statistics during oat picking from the perspective of image processing. The samples were collected in Zuoquan County， the oats images were pretreated with the Otsu method， and the watershed algorithm was used to segment the adhesion areas in the images. The oats and the background were marked by internal markers and external markers， respectively. The over-segmentation can be eliminated， and the recognition rate is up to 98.55%. The result shows that the algorithm has good processing effect on the images with less adhesion after cleaning， and can provide theoretical and methodological support for on-line monitoring of oatmeal cleaning loss rate.

Key words： oat; watershed segmentation; loss rate; adhesion

0 引言

燕麦具有保健功能，晋北地区是一个主要产区，燕麦收获后需要经过清选工序，其中籽粒损失量是评价机器性能的重要指标[1-3]，对其损失量的监测研究者采用了不同的方法[4-6]。本研究利用圖像处理技术监测清选过程中的籽粒损失量，利用分水岭分割算法对其识别与统计，为损失量的计算提供了前期支持，对于分割过程中出现的粘连问题进行了处理。

1 试验材料与方法

1.1 样品采集

在左权县采集燕麦样品进行试验，为更接近农场清选时的实际情况特意选择了常见的几种杂质添加到样本中进行试验，分别添加了枝翘、叶子与颖壳杂质，并依据质量分成了6g、12g、18g样品组，不同质量样品分组与添加的杂质样品见图1。

1.2 仪器设备

研究使用小型筛选机，包括两层筛网，尺寸为470[×]1000mm，样品在该筛选机上进行清选，风机转速设定为70rpm。

采集燕麦籽粒系统采用M1214-MP型镜头（Computar，f=12mm，F1.4-F16C），Dolphin F-145C型CCD（AVT，2/3 英寸CCD），LED-WM60型环形漫反射LED光源（东莞中际电子，6W），电子天平（上海精密公司，[FA1004B ]型，精度 0.1g）和伟峰[3520]三脚架（宁波伟峰公司，工作高度520～1490mm）

1.3 图像采集

在进行样品图像采集时，由于从清选机落下的燕麦受重力与风机作用力的影响，在接收装置上会呈散开状，部分杂质也交织在其中，为提高采集质量将接收装置移动到机器外侧，调整到适合取像的位置。

⑴ 配置好LED光源与CCD相机，相机安装到三脚架上。

⑵ 调整电子天平到标准称量态。

⑶ 记录数据需要保持统一的标准并校准图像。

1.4 数据分析软件

我们采用软件OpenCV 3.3（Intel，USA）来实现燕麦籽粒图片处理与分析。

2 基于分水岭分割的燕麦个数统计

2.1 粘连燕麦分割

在颗粒图像处理中，由于物体粘附、重叠等原因，往往不可能实现完整有效的分割。通过阈值分割之后的燕麦核图像，一些颗粒接触是致密的，有粘附性，颗粒数的准确性受到影响。为了有效的处理这种问题，分水岭分割算法被提出来，这种算法引入了地形学概念，可有效的分割图像中的粘连区域。图形处理时类似于地形图，将分水岭作为其分割标志[7]。根据地理学知识，雨水落到分水岭的一侧，会不断的向下流动且汇聚到山谷最低处，而出口处的最低点则对应于谷口。燕麦籽粒表现出椭圆形特征，进行图像处理时，将连接在一起的图像经变换后形成山谷线并对其标记，就可以通过此类山谷线进行粘连图像的分割。

通常，分水岭分割算法将具有过分割问题，图像标有内部和外部标记，内部标记代表燕麦内核，外部和内部标记分别表示背景和低洼，在此基础上，图像被分割，外部标记集是与分割相关的分水岭。对应的描述算法如下：

⑴ 通过欧几里得距离变换处理获得二元映射，以确定相关距离图;

⑵ 计算图像中大量“局部最小区域”的位置，其中“局部最小区域”的亮度值相同且其周围的亮度值都比它大;

⑶ 确定出图像的“扩展的最小变换”，也就是基于相关阈值进行扩展处理，合并最小区域中全部的相似像素，将所得合并后的区域看作为内部标记集合;

⑷ 采用一般分水岭分割算法对图像完成，将分割结果的分水线定义为外部标记，得到标记结果。

2.2 燕麦籽粒计数

由于通過分水岭分割算法得到的图像为二值图，其图像像素为连续态并以连通性表征，因此，本研究通过查找图像中的连接区域数量来实现燕麦核计数。连接区域是二进制映射的值为0或1的区域，并且是确定像素的区域，合并处理同像素值的点，也就是对相邻像素的集合进行检测分析[8]。进行图像分区后，接着计算出各区域的面积、形状相关数据，为分析燕麦籽粒分类、测量等提供依据。

可基于一定扫描处理而确定出图像的连通区域，其包含多种类型，较常见的有四邻域与八邻域类型，也就是分别扫描检测点的四个和八个方向所得区域。根据经验可知，4-邻域检测的区域数量一般情况下不低于8-邻域的，本文分析连通区域时选择了8-邻域，且据此标记燕麦籽粒，并计算各个区域的面积和区域个数。试验统计的燕麦籽粒个数如表1所示。

图3为针对6g燕麦籽粒图像连通区域统计结果，该图燕麦籽粒实际个数为207，其中图3（a）为Otsu分割的统计结果，燕麦个数为195，图3（b）为经过分水岭分割粘连燕麦籽粒的统计结果，燕麦个数为204。从图3（b）可见，该方法能够较好的将图像中的燕麦籽粒标记出，且经过分水岭分割之后的燕麦籽粒也能很好的标记出，说明可以通过该图像分析方法获得燕麦籽粒数量。通过统计分析，得到燕麦籽粒的平均面积为295。连通分量的选取通过公式⑴实现。

3 结束语

⑴ 综合本试验研究内容，分水岭分割算法对于粮食籽粒的粘连与重叠图像可有效地进行分割，本研究中经分割后最高可达到98.55%的准确率，分割效果有效。

⑵ 在样品质量增加的情况下，粘连与重叠区域面积会增加，该算法的应用效果减弱，识别准确率降低，降低的幅度与样品质量呈负相关关系。如何解决大粘连和重叠区域的籽粒个数识别和估重是本研究小组的下一步研究内容。

参考文献（References）：

[1] 周涧.种子清选机械设计与试验[D].安徽农业大学，2017.5.

[2] 海梅.藜麦联合收获机脱出物的清选试验研究[D].内蒙古农业大学，2018.7.

[3] 耿令新，孙成龙，左文杰，等.燕麦籽粒揉搓式除杂装置设计[J].农业工程学报，2019.35（11）：38-47

[4] 张光跃，金诚谦，杨腾祥，等.联合收割机清选损失监测系统设计与实现[J].中国农机化学报，2019.40（4）：146-151

[5] 王卓，车东，白小平，等.玉米联合收割机清选损失率监测装置设计与试验[J].农业机械学报，2018.49（12）：101-108

[6] 王玉洁. 农业信息的分析处理[M].北京：中国农业出版社，2019.

[7] 柴宝杰. 计算机算法设计与分析研究[M].北京：新华出版社，2015.

[8] 李晓武.计算机图形学：原理、算法及实践[M].北京：清华大学出版社，2018.