基于图像处理—HSI颜色空间的木醋液对牛粪堆肥过程H分量模型探究

李治宇　周岭　石长青　刘飞　孙金龙　秦翠兰　王磊元

摘要：为了对畜禽粪便腐熟程度的快速判定，探索了1种以图像处理-HSI颜色模型对棉秆木醋液处理牛粪堆肥过程进行识别的方法。结果表明，木醋液对牛粪堆肥不同阶段的色度模型满足高斯二次模型，模型的相关系数r均在0.921 2以上，处理组色度模型的决定系数均大于对照组色度模型的决定系数，且决定系数r²均在0.8109以上。说明棉秆木醋液对牛粪堆肥过程中色度变化明显，适合于将色度模型应用于棉秆木醋液对牛粪堆肥过程的判定。

关键词：HIS颜色空间；H分量；木醋液；堆肥；色度模型

中图分类号：S216.1；S141.4 文献标志码：A 文章编号：1002—1302（2016）01—0399—04

改革开放以来，随着经济的发展和人们生活水平的提高，畜禽养殖发展迅速。但是由于畜禽粪便未能得到有效处理，导致水体、土壤和空气严重污染，对人畜生存环境带来危害。通过物理指标，色度变化，可以大致判定是否腐熟，但是靠人工目测，不仅缺乏客观性和可重复性，而且检验精度低。在现代化的农业生产中，将计算机图像处理技术应用到堆肥中，能够极大地降低对工作人员的要求，提高了分析的客观性和准确性，为机器视觉技术迅速判断堆肥腐熟提供理论参考。由于HSI颜色模型在接近人眼对景物的认知方面优于RGB颜色模型，广泛应用于除草机器人、水果采摘等自动彩色目标识别的场合。目前利用图像处理-HSI颜色模型判别不同堆肥阶段的腐熟程度还未见报道。本研究提出1种以图像处理-HSI颜色模型对棉秆木醋液处理牛粪堆肥过程不同阶段进行检测，探索以机器视觉系统对不同堆肥期的腐熟程度进行自动识别的新途径。对农业和生态环境的健康长效的发展具有重要的意义。

1材料与方法

1.1试验材料

试验中的棉秆木醋液由生物质热裂解实验装置热解得到，该装置功率为12 kW，一次最多可放4 kg物料，最高温度可加热到600℃。将风干棉秆直接放人热解装置内，每次进料1 kg，起始温度20℃，终止温度500℃，热解2 h，气体经泠凝装置冷凝为液体，在出口收集到的木醋液为粗木醋液，经静置沉淀后，取上清液体，即为试验所用棉秆木醋液，棉秆木醋液的理化指标见表1。

供试牛粪来源于塔里木大学动物科学学院的养牛场，锯末来自校外的木材加工厂。堆体物料组合为牛粪和锯末，按质量比17.8：1混合。堆肥原材料的初始理化性状见表2。

1.2试验设计

试验在塔里木大学现代农业工程重点实验室进行。堆肥试验共设4个处理，即：处理1：牛粪66 kg+锯末3.69 kg+水23.8 L；处理2：牛粪66 kg+锯末3.69 kg+水23.8 L+0.5%棉秆木醋液；处理3：牛粪66 kg+锯末3.69 kg+水23.8 L+1.7%棉秆木醋液；处理4：牛粪66 kg+锯末3.69 kg+水23.8 L+3.0%棉秆木醋液。木醋液添加量均为木醋液与堆肥物料鲜质量的比值。4个处理分别命名为CK、1#、2#和3#。堆肥试验采用静态强制通风+翻堆的方式进行，堆体温度超过60℃时通风30 min，前4周每1周翻堆1次，以后每2周翻堆1次，堆肥试验持续11周。

1.3堆肥装置

堆肥装置系统结构如图1所示。反应器内部尺寸为0.6 m×0.6 m×0.6 m，外部尺寸为1 m×1 m×1 m，保温层材料为聚乙烯泡沫板。在堆体中心距离底部15、30、45 cm处放置温度传感器（Pt100电阻）；在距离桶底1 cm处开1个直径2 cm的孔；将直径2 cm的PVC管插入孔中，同时在桶里放1个2 cm高的支撑架，上面放1个箅子，同时铺1层透气性很好的塑料编制膜，反应器底部有通风管道，然后将PVC管接上鼓风机，对其通风供氧；共4个堆肥装置，每处理1个装置。

1.4试验仪器

GC/MS气相色谱-质谱联用仪（Trace GC-2000/DSQ）；WYT-4手持糖度计；METrLER TO-LEDO D131型卡尔菲休水分仪；密度瓶；FD-NST-I型液体表面张力系数测定仪；PHS-3C型pH计；分析电子天平（FA1004）；电热鼓风干燥箱（GZX-9140MBE）；箱式电阻炉（SX-2.5-10）；生物质热裂解实验装置（BRES06-1）和原子吸收分光光度计（AA800）；Panasonic数码相机（DMC-S3GK）；SD-200型影室闪光灯照明光源，功率为100 W。

1.5采样方法

采样在堆肥前及每次翻堆前进行采集（遇到翻堆时，须在翻堆前采集），堆体分成上层（距离底部45 cm）、中层（距离底部30 cm）和下层（距离底部15 cm）。每一層均分成3个区域，如图1所示，中心区域、1级环形区域和2级环形区域。早上11：00时取样，取堆体不同层的不同区域试样，每一层的不同区域随机取点，采集3个次级样品，然后将这3个次级样品混合成一个待测样品，样品经自然风干，研磨后，过60目筛，在4℃下保存。

1.6测定方法

木醋液：液相色谱法；表面张力：挂环法；密度：密度瓶法；有机质：灼烧法；全氮：凯氏定氮法；pH值：pH计法；EC：电导法；含水率：真空烘箱法。

颜色处理：参照文献[13]和[14]进行图像处理。

1.7 RGB颜色空间

RGB颜色空间由三基色[红（R）、绿（G）、蓝（B）]组成，用三基色进行相加可以产生任何颜色。它是由红、绿、蓝表示3个坐标轴的立方体三维坐标空间结构，如图2所示。立方体的底部R=G=B=0处为黑色，顶部与其相对角R=G=B=255处为白色。由于显示设备和采集图像均使用的是RGB颜色空间，因此RGB颜色空间是彩色图像处理中最基础、最常用的颜色空间。但是RGB颜色空间具有不均匀和不直观的缺点，所以，大多采用更加符合颜色视觉特性的颜色空间进行彩色图像处理。

1.8 HSI颜色空间

HSI颜色空间是从人的视觉系统出发，用色调H、饱和度S和亮度Ⅰ来描述颜色，属于极坐标空间结构，其优点是能非常直观的描述颜色，如图3所示。HSI颜色空间很适合基于人的颜色感知特性进行处理和分析图像。其中，色调H分量对彩色描述与人的视觉接近，区分力比较强。

1.9从RGB颜色空间转换为HSI颜色空间

2结果与分析

2.1颜色特征提取——H分量

堆肥过程一般分为3个阶段：升温阶段、高温阶段和降温阶段，最后进入腐熟。分别在不同的时期，采集样品堆肥整个过程的圖像，共得到220幅堆肥的RGB图像。从对照组中取出中层的第一区域的一组图片，进行可视化处理。

图4为不同堆肥阶段图像，从颜色外观来看，堆肥前期的颜色较深，越到后期，颜色不断褪去。为了能够准确用数据说明颜色变化的情况，在HSI颜色模型中，取色调H作为特征量进行统计分析，将其由RGB图像格式转换成HSI图像格式，然后在每幅图像中提取区域大小为50像素×50像素的特征点，对提取出的堆肥区域进行处理和变换，计算堆肥区域的色调信息，统计H分量，得到HIS颜色模型的H分量变化直方图（图5）。由图5可看出，堆肥不同阶段的H分量直方图分布是不同的，由于直方图只能大致看到变化情况，具体变化不明，需要将H分量量化。采用取均值的方式，能够具体判定该阶段的颜色。通过计算，将色调值还原，得到图4的色调值域为[26.738 51°，36.012 16°]，颜色色调的视觉变化很明显。橙色在色调值域[0°，360°]中对应30°，如第0周的堆肥色调值的均值为28.854 39°，说明了此阶段堆肥区域含有较多的橙色信息。

2.2建立H分量色度模型

根据整个堆肥不同阶段堆体的RGB图像，进行HIS空间转换，得到HIS模型H分量的均值，共获得220个色度值，每一层的H分量均值，计算公式如下：

绘制不同木醋液处理下，堆肥过程中H分量的变化情况，得到图6。从图6可以看出，4幅图整体上都是在第1周至第3周出现1个上升的趋势，然后逐渐降低到一个稳定的水平。对H分量进行回归分析，得到不同处理下不同层的堆肥过程色度模型，见表3。表3显示所有拟合方程的相关系数均达到了0.9以上；其中色度模型的决定系数最小值为0.810 9，最大值达到了0.999 5，所有色度模型都满足高斯二次模型；处理组的决定系数均比对照组的决定系数大。说明了木醋液处理后的色度模型，其拟合效果好，模型可靠性高，也反映了堆肥效果稳定。

3讨论

目前堆肥腐熟度的评价主要采用物理指标、化学指标和生物指标，化学指标和生物指标操作复杂，为了实现快速的判定，物理指标就成为首选。由于物理指标中的温度、气味在堆肥中不稳定，容易受到外界的干扰，不容易判定。而堆肥中颜色的变化不受其他因素的影响，色度稳定，可以通过外观判定堆肥的程度，所以可以对堆肥不同阶段的色度进行量化。颜色量化是数字图像处理中的基本技术，它将原图像中的多种颜色根据人的视觉效果归类到较少数目的颜色。

从图6可以看出，在堆肥过程中颜色的变化不是线性的变化，而是一个复杂的过程。色度值在堆肥前期升高，主要因为堆肥前期有机物的含量充裕，加之温度的升高，增加了环境的活性，产生大量微生物，微生物在分解有机物时排放了大量的水分，导致物料颜色加深。图4的物料形状也反映出前期的物料比较大，而后期由于被微生物分解而变得都比较小；同时微生物菌落和温度共同导致升温期颜色加深；然后色度值逐渐降低，达到稳定。

从表3可以看出，木醋液处理下的色度模型明显优于对照组的色度模型，其决定系数均高于对照组的决定系数。结果表明，木醋液对堆肥中色度的影响比较显著，堆肥的稳定效果好，模型的适用性强，适合用于堆肥过程及腐熟程度的反映。

4结论

木醋液对牛粪堆肥不同阶段的色度模型的决定系数，均大于对照组色度模型的决定系数，说明木醋液对牛粪堆肥过程中色度变化明显，适合于对牛粪堆肥过程色度的判定。

木醋液对牛粪堆肥不同阶段的色度模型满足高斯二次模型，模型的相关系数均在0.921 2以上，相关度极高；决定系数均在0.810 9以上，说明模型的可靠性高。