基于机器视觉的小麦外部品质检测方法研究
2019-05-23张舒媛赵娜
张舒媛 赵娜
摘要:本文主要研究利用机器视觉技术检测小麦籽粒外观及特征。基于机器视觉的小麦静态识别定位和形状参数测量方法包括小麦籽粒的图像分割技术、形态结构特征提取和颜色检测等内容,实现了用机器代替人眼进行测量。本文分析了小麦籽粒图像在彩色空间中的颜色信息,并对彩色空间变换和图像文件格式转换进行了算法的方法设计总结。
关键词: 机器视觉;小麦籽粒外观;图像分割技术
中图分类号:TP393 文献标识码:A 文章编号:1009-3044(2019)05-0187-02
Study on Detection Method of Wheat External Quality Based on Machine Vision
ZHANG Shu-yuan,ZHAO Na*
(Tianjin Agricultural University, Tianjin 300384, China)
Abstract: This paper mainly studies the use of machine vision technology to detect the appearance and characteristics of wheat grains. The method of machine static vision localization and shape parameter measurement based on machine vision includes image segmentation technology, morphological structure feature extraction and color detection of wheat grain, which realizes the measurement by machine instead of human eye. In this paper, the color information of wheat grain image in color space is analyzed, and the method design of color space transformation and image file format conversion is summarized.
Key words: machine vision, wheat grain appearance, image segmentation
1 概述
我国是世界上最大的粮食生产国和消费国,这一事实意味着社会各界对我国粮食生产和粮食消费有着浓厚的兴趣[1]。在中国,直接收获的小麦可以解决人们的温饱问题,所以小麦是人们赖以生存的农业作物,不敢想象人类如果没有小麦生活将会变成什么样子。可以说作为世界各地广泛种植的禾本科植物,小麦是世界上总产量第二的粮食作物,仅次于玉米。小麦作为中国主要的农作物之一,在食品、饲料等行业中备受关注。小麦籽粒的外部状态直接关系到小麦的产量与质量。
针对发展中国家农产品进入发达国家市场速度日益加快的趋势,发达国家也为此制定了越来越严格的农业标准,借以抵制发展中国家的农产品的销量。为了我国农产品可以在发达国家市场占有一席之位,所以必须建立起一套农产品质量认证和检测程序。
机器视觉技术是具有实时、高效、客观、准确和无损伤等优点的技术。本文介绍了机器视觉技术在农产品小麦检测中的应用。机器视觉技术代替人的视觉进行小麦籽粒等谷物种子品种、质量检验可以减少劳动力的损耗并且提高小麦籽粒外部品质。机器视觉系统是运用现代先进的控制技术、计算机技术及传感技术,表现为光机电的结合。利用机器视觉这样不仅可以节省检测小麦籽粒外观的时间而且还可以降低成本的消耗。让研究小麦籽粒外部品质特征变得越来越简单一点都不复杂,在一定程度上可以说是提高了小麦籽粒生产率和籽粒粒子质量。所以说提高小麦籽粒的品质不仅要依靠农业专家选育改良优质品种,还需要加强对小麦籽粒品质检测技术的研究。
为了实现小麦籽粒品质检测研究,利用机器视觉技术检测小麦籽粒外观及特征。包括图像格式转换,图像增强、图像分割等一系列图像处理方法[2]。基于机器视觉的小麦静态识别定位和形状参数测量方法包括小麦籽粒的图像分割技术、形态结构特征提取和颜色检测等内容,除此之外本文还分析了小麦籽粒图像在彩色空间中的颜色信息,并对彩色空间变换和图像文件格式转换进行了算法的总结。显而易见利用机器视觉技术会更容易的检测出小麦籽粒外观及特征,也会极大程度上提高中国小麦在国际市场上的竞争力。最重要的是农业部门也可以更加科学的推荐给农民如何正确选用优质小麦品种并收购和加工企业选购优质小麦原料,进而提高农民们每年的小麦的产量。因为机器视觉技术在小麦籽粒外部品质研究范围很广泛并且有自己独特的研究方式,所以机器视觉技术对我国粮食生产有非常重要的推动意义。
2 机器视觉的测量方法
机器视觉提供了关于对周围环境的最强大的感知方式,从而使得在不需要进行直接身体接触的情况下也能和周围环境进行智能交互[3]。机器视觉是配备有传感视觉仪器的檢测机器,其原理是由计算机或图处理器以及相关设备来模拟人的视觉行为来对人的视觉系统所得到的信息进行处理。它融合了数字图像处理技术、控制技术、机械工程技术、电光源照明等技术,充分说明机器视觉技术是一个综合性极强的技术。比起其他的检测方法机器视觉更强调实用性,要求能够适应农业生产中恶劣的环境,更具合理的性价比和实用的接口。机器视觉必须有较强的容错能力和安全性。在粮食储备中机器视觉的应用研究范围非常广,从之前的利用机器视觉涉及农业生产到利用机器视觉进行小麦籽粒的精选和质量检验等。
在农业生产设计中传统直观的检测方法只依靠肉眼进行识别从小麦籽粒的外形、色泽、净度和小麦籽粒外部品质等方面进行研究,因为这种检测方法仅仅依靠双眼来进行对外部事物的观察和识别,了解到这种方法人为因素很大,由于每个人对事物要求标准的理解程度不同,所以对小麦籽粒的测量就显得缺乏准确性、科学性不强。
正因为以上测量方法不足所以提出了利用机器视觉的测量小麦籽粒方法,它是通过计算机图像处理方法来对小麦籽粒图像进行采集、分析、对比和判别。利用这种方法将被摄取目标转换成图像信号,传送给专用的图像处理系统。目前大多数的图像是以数字形式存储, 图像处理系统根据像素分布和亮度、颜色等信息,将图像转变成数字化信号,因而图像处理很多情况下指数字图像处理[4]。根据这些信号系统能进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。这种方法既可以像类似于模拟人眼的分选过程将小麦籽粒在长度、宽度、颜色、纹理、形状等外观特征上的差别进行量化比较,而且对于形态特征上可以很方便地提取小麦籽粒形态相关的特征参数,有时通过这些特征参数可以得到小麦籽粒的其他特征小麦籽粒外观品质进行研究,这种方法适合进行大批量小麦籽粒的质量检测、分级。它克服了人为因素上的不足,使测量方法不再受生理和心理因素的影响。用它测量出来的信息具有快速、准确、无损等特点是传统直观测量方法无法比拟的,而且利用此方法也可以把人从繁重的体力劳动中解放出来。
3 检测方法
这次以小麦籽粒为要研究的实物对象,测量方法主要分为三个步骤首先可以通过摄像机获取小麦籽粒整体图像,其次将图像传到计算机上进行每一部分的图像分割并分析具体参数,然后对得到的图像做进一步的图像增强技术便于观察分析,最后对上一步的图像进行彩色空间处理,用更定量信息对小麦籽粒品质做分析。
3.1图像获取
首先可以先将之前已经选好的一些小麦籽粒均匀地撒在一块事先准备好的黑布上,再用数码摄像机对小麦籽粒进行拍照,最后将照片存储到计算机中。经过事先肉眼观察小麦种子为浅黄色,所以事先背景选用黑色并且光源也不能用电光源,这样可以使得拍摄出来的图像效果更便于之后的处理。
3.2图像分割
上一步对小麦籽粒的图像有了最基本的获取,但是获得图像也还是一个整体的小麦籽粒图像,但为了更好地对小麦籽粒内外部品质测量,需要利用图像分割技术通过对上一步获取的图像,将小麦籽粒冠部图像从图像中分割出来,进而对小麦籽粒冠颜色特征进行具体分析然后求其颜色等特征参数。
3.3图像增强
在对小麦籽粒图像分割之后,大多数人在看到照片里的小麦籽粒图像信号变弱使得图像像质变低时,就会采用增强对比度的方法来使得图像比以前更加清晰。由于使得图像质量变差的原因之一是噪声的干扰所以可以运用平滑技术来消减噪声增加小麦籽粒图像信号。增强了小麦籽粒图像的信号是为了概述视觉效果或便于人或机器对小麦籽粒图像的分析理解,根据图像的特点或存在的问题,通过观察分析可以发现小麦籽粒冠部颜色呈黄色并且籽粒穗饱满,进行了图像增强技术为下一步图像处理奠定了理论基础。
3.4 彩色空间处理
由于小麦籽粒在图像处理的前三步已经完成了分割出小麦籽粒冠部清晰的图像,拿来这个图像通常进行对RGB模式下各分量的彩色图像分析。因为彩色图像中的大量颜色信息在模式识别和图像处理方面有着重要的作用,由此可知小麦籽粒颜色是反映小麦籽粒生长发育和小麦籽粒品种品质特征信息的一个重要指标。经过彩色空间处理可以区分哪些小麦籽粒品质较高而哪些相比起来品质较低,较高品质的小麦籽粒颜色整体相差不大。此方法处理对小麦籽粒的颜色信息进行了研究,并对所需的颜色信息进行了定量描述。如果要进行颜色识别,利用RGB各分量的组合进行分析图像的颜色就比较困难了,所以需要将彩色图像从RGB模式下转换到HSV模式下,分析图像颜色,并重新转换到RGB模式下进行显示。
4 总结
综上所述,机器视觉实现了用机器代替人眼进行测量,是当前计算机科学领域的一个热门研究方向,它不仅应用广泛而且发展前景十分乐观。基于机器视觉的小麦静态识别定位和形状参数测量方法,其中运用了小麦籽粒的图像分割技术、形态结构特征提取和颜色检测等方法,不仅可以对小麦静态外观和籽粒外部品质进行研究,而且对此提高农作物粮食的生产效率和劳动力的节约也有一定的作用。小麦籽粒品质的重要性对小麦籽粒质量检测技术和方法提出了更高的要求。随着机器视觉技术在农产品品质生产上的不断发展有助于提高生产的自动化水平,机器視觉技术在农业生产中的应用会极大地推进农业现代化的步伐。相信随着科技的进步更多的计算机技术也会应用到农业生产中去。
参考文献:
[1]张瑞娟 我国农户粮食储备问题研究[J].中国农业大学学报,2012(1).
[2] 张铮. 数字图像处理与机器视觉:Visual C++与Matlab实现[M]. 北京:人民邮电出版社,2014.
[3] 伯特霍尔德.霍恩[美] 机器视觉[M].中国青年出版社,2014.
[4] Milan Sonka 图像处理、分析与机器视觉[M]. 4版.北京:清华大学出版社,2016.
【通联编辑:唐一东】