基于计算机视觉的玉米籽粒形态测量与研究

李宗桧

(辽源职业技术学院，吉林 辽源 136201)



基于计算机视觉的玉米籽粒形态测量与研究

李宗桧

(辽源职业技术学院，吉林 辽源 136201)

视觉技术目前被广泛应用于社会各生产领域，包括制造行业、文档分析、医疗诊断及农业品质检测等。为此，基于计算机视觉技术，设计出一种玉米品质自动检测分析方法，即玉米籽粒实时分析系统，具有客观、高效、准确的优势，解决了传统人工检测模式下主观、低效、误差大等问题。最后，设计出一种基于计算机线扫描技术和自动化控制技术相结合的玉米籽粒考种装置。

视觉技术； 玉米籽粒； 形态测量； 线扫描

0 引言

玉米是我国主要粮食作物之一，其作业水平很大程度上影响着总产量。目前，我国在玉米种植、生产环节，更加注重对于玉米新品种的选育，新品种的选育与种植将成为我国玉米实现优质高产的关键途径。例如，对于玉米籽粒形态等相关参数指标的选取、测量等，具体包括有玉米籽粒总粒数、长轴、短轴、长短轴比等，这些都将成为今后我国在玉米籽粒形态测量及其研究领域重点关注的评价指标，对于培育高产量、优质的玉米新品种至关重要。

1 国内外研究现状

随着计算机技术的进步，及人工智能的兴起，不断促使着计算机识别技术得到迅速发展。目前，采用机器视觉技术对农产品品质进行无损检测，成为了全球范围内共同关注与研究的一项焦点技术。在这一研究领域，国外专家学者对于计算机视觉检测技术及品质分析的研究，要比我国国内早的多。当前国际上一些发达国家，在使用计算机视觉检测技术来对农产品品质检测分析层面，其理论体系及应用更为成熟。Zayas等(1985年)曾利用图像识别技术，专门提取了小麦的9个形态特征参数，图像识别准确率高达 97%。Neuman 、Sapirstein等人(1987年)利用数字图像技术，重点选取了英国、美国地区小麦的不同品种进行分类，检测原理主要依据的是作物籽粒，包括籽粒的空间形状、周长的傅里叶等，基于此来测算出了(小麦)作物籽粒的总体轮廓。B.Ni等(1998年)通过测量玉米籽粒方向的长度、宽度及玉米籽粒的投影面积来对玉米的大小进行分类分级，并将其与机械圆筒所筛选出来的结果进行类比，但准确率不是很高。此后，Zayas等把计算机视觉相关的识别技术应用到对昆虫、草籽、杂物的识别检测层面，最终检测精度突破了 90%。W.Medina等人(2010年)利用了计算机图像分析识别方法，针对作物种子予以分类识别，主要研究的方向是种子的尺寸、形态及颜色等特征，同时还引入了聚类分析法。

我国在该领域的研究相对比较少，且起步晚，但在计算机视觉检测技术发展方面，却是突飞猛进。进入到21世纪以来，行业内将重点放在开发在线品质检测系统方面。20世纪90年代(1991年)，刘绍刚等人基于此提出了一种针对农产品品质光学特性无损检测的方法，虽然效果并不理想，但却很详细地描述出了针对农产品品质检测的原理及相应的评价因子与提取方法，为之后应用领域的研究提供了理论参考。王丰元等(1995年)专门针对农作物籽粒的外观信息，提出了一种较为实用性的检测方法，重点引入了分割算法。张书慧等(1999年)在研究过程中，专门建立了图像数据采集系统，所选择的检测对象是果蔬类。陈永艳等(2004年)针对玉米品质检测采用了计算机识别算法，主要提取了玉米外部参数指标。宋鹏等(2010年)开发出了一种嵌入式技术控制下的玉米种子自动精选系统。

2 我国玉米粮食生产现状

2010-2014年我国玉米与粮食作物播种面积及总产量情况如表1所示。

表1 2010-2014年我国玉米与粮食作物播种面积及总产量

我国是农业大国，玉米是我国主要农作物之一，其种植面积和产量一直位居秋粮作物的首位。玉米除了供人们加工食品之外，还是家畜养殖重要的饲料，亦可作为工业生产的原料。随着社会经济的发展，科学技术水平的进步，我国在农业现代化建设领域取得了非凡的成就。近几年，我国玉米无论是播种面积还是总产量，都在逐年增加，并且在所有粮食农作物总产量中所占比重也在逐年增大。从表1中可以观察出：玉米在我国农作物生产体系中的重要地位，其生产效率远优于其他粮食种植作物。2010-2014年，在“玉米占粮食作物播种面积百比分”和“玉米占粮食作物总产量百分比”数据资料中看到，后者比重高于前者，且这种趋势在不断增大，在有限种植面积的情况下，产量比重连年攀升，充分表明当下我国玉米作物生产领域机械化程度较高。在我国北方地区，尤其是新疆地区和东北地区，由于计算机信息技术的发展、进步与广泛应用，基本上实现了规模化种植及生产。

3 线扫描与自动化控制系统装置

基于计算机视觉的玉米籽粒形态测量与研究，目的在于将互联网计算机信息技术更好的嵌入到农业生产领域。因为传统的人工测量方式及常规的仪器测量，会造成误差，这种误差是主观上的误差，不仅费时费力，还会造成大量资源浪费。计算机机器视觉技术，在我国东部沿海地区得到了很好的应用，包括在农产品检测、形态识别及品质检测等层面。本文以我国东北玉米生产区域作为研究对象，对玉米籽粒品种及品质进行无损检测的探究。

3.1 系统及方法

3.1.1 系统

系统设计层面，主要分为3个环节，分别是硬件设计、软件设计及控制等。首先，系统硬件主要包括振动给料机、线阵相机、计算机、输送带、控制器和驱动器等，如图1所示。

1.振动给料机 2.线阵相机 3.计算机终端设备 4.线阵光源 5.输送带 6.可编程逻辑控制器 7.伺服电机 8.同步带轮装置

3.1.2 软件

软件设计中运用了Visual Studio 2008及Lab VIEW8.6，通过开发和编程，基本可以实现以下3个目标：①将收集获取到的数据信息，放置在最佳储存环境空间内来保存；②线阵相机及可编程逻辑控制器可实现初始化设置；③在检测分析过程中，针对所收集到的图像的动态，最大限度地实现同步效果，即动态信息指标获取与在线处理同步进行，效率极高。

3.1.3 控制

在系统装置总体性控制层面，起到决定性作用的是可编程逻辑控制器，即通过PLC来实现的，具体工作流程如图2所示。

由图2可以观察到：系统软件功能中的自定义通讯指令，是专门通过RS-232通讯协议来实现的，即该通讯协议与PLC控制装置在系统内部实现信息交互。从系统流程图当中可以看到，其大致工作运行步骤主要分为了5个阶段：第1阶段，系统开始，主要包含系统初始化进一步判断出线阵相机及和PLC相互之间的工作是否协调，各自性能运转是否处在正常状态。第2阶段是PLC控制振动给料机振动，输送带开始运行工作，并随后进行喂料操作。第3阶段是采集玉米籽粒图像，借助于同步软件与相关技术，将所获取到的玉米籽粒图像及时处理，并保存到库，进行所需的数据分析环节。第4阶段，包括PLC控制振动给料机在内的各类运行设备，可停止运行。第5阶段就是收集玉米籽粒及称重。

图2 系统流程图

3.2 试验检测

本试验是在黑龙江农业研究所进行的，重点针对此次系统测量的准确性及可靠性来予以验证。试验专门选取了 40份玉米籽粒作业样本，检测的形式相对比较简单，就是将该机器视觉系统装置下测量的玉米籽粒形态(包括准确率等)与传统人工方式测量下的形态数值进行比较。试验结果如表2所示。

表2 重复性试验变异系数统计 %

由表2可以观察出：在总粒数和长轴、短轴的变异系数均保持在 1% 以下。此外，通过最后一项指标统计发现：5组玉米籽粒样本的长宽比，最大的变异系数仅为 1.44%；另外4组分别是0.99% 、0.88% 、0.91% 、0.94% 。这些充分表明，该系统装置针对玉米籽粒形态的测量效果较好(重复性较好)。

4 结论

我国是一个农业大国，而农业又是国民经济赖以发展的基础；在另一方面，随着社会的进步、经济的发展，以“知识经济”为核心代表力量的新时代动力也在不断演变之中。作为国民经济赖以发展的基础性产业经济，尤其是在我国社会主义新农村事业建设发展转型的关键时期，通过计算机先进技术的引入和应用，以此来不断促使着我国机械化生产及技术创新发展，进而全面加速推进我国农业现代化进程。

[1] 汪珂.玉米籽粒数字化考种关键技术研究[D].武汉：华中农业大学, 2015.

[2] 王传宇, 郭新宇, 赵春江,等. 基于立体视觉的玉米果穗外在形态记录与测量装置:中国，CN202160400U[P]. 2012-06-30.

[3] 肖杰, 高趁光, 王娜,等.基于SmartGrain软件的小麦籽粒形态测量方法[J]. 麦类作物学报, 2014, 34(11):1572-1576.

[4] 郭新宇, 吴升, 肖伯祥,等.基于关键质量点控制的玉米果穗考种装置：CN, CN 103053243 B[P]. 2014-13-30.

[5] 余吉洋.玉米果穗物理力学性质的测试研究[D].长春：吉林大学, 2014.

[6] 方益杭, 唐瑶, 林承达,等.基于视觉技术的农作物三维重建以及形态测量[EB/OL].2014-10-21.http://www.paper.edu.cn.

[7] 王传宇.基于机器视觉的玉米形态指标测量[D].北京：中国科学院大学, 北京市农林科学院, 2011.

[8] 周金辉, 马钦, 朱德海,等.基于计算机视觉的玉米穗粒重无损测量方法[J].农机化研究, 2015，37(12):222-226.

[9] 马兴国.基于计算机视觉的水稻植株形态测量的研究[D].南昌：江西农业大学, 2011.

Corn Grain Shape Measurement and Research Based on Computer Vision

Li Zonghui

(Liaoyuan Vocational Technical College, Liaoyuan 136201,China)

Computer vision technology is refers to the use of computers and related equipment, and a simulation of biological vision. Computer vision analysis, mainly is to through the image acquisition to be dealt with to obtain image corresponding to the three-dimensional scene of biological information.Vision technology has been widely used in various fields of production, including manufacturing industry, document analysis, medical diagnosis, agricultural quality testing and so on.This paper based on the computer vision measurement of maize kernel shape and research topics, design to explore a maize quality method of automatic detection and analysis, namely, maize grain real-time analysis system, in the non-destructive testing of link, with objective, efficient, accurate advantages, greatly improved to solve the defects of the traditional manual detection mode subjective, inefficient and error.Finally, a corn seed test device based on computer line scan technology and automatic control technology was designed.

vision technology; corn seed; shape measurement; line scan

2016-05-16

吉林省教育厅校企一体化人才培养项目(20142CY159)

李宗桧(1982-)，女，吉林辽源人，讲师，硕士研究生，(E-mail)756949535@qq.com。

S513;TP391.41

A

1003-188X(2017)07-0103-04