计算机视觉在水稻大面积制种中的应用研究

莫洪武，万荣泽

(广西农业职业技术学院，南宁 530007)

0 引言

水稻是我国最主要的粮食作物，超过8亿的人口以水稻为主食。我国大部分省份都种植水稻，具有世界第二的种植面积和世界第一的总产量。因此，水稻在我国农业经济中占有极其重要的地位，在保障国家粮食安全中发挥的作用是不可替代的。水稻分布地域广阔，种植环境类型多样，其高产稳产在很大程度上依赖于选育出的适应性品种。一直以来，优良品种都是水稻高产的物质基础，品种选育成为各农业科研单位和育种企业的工作重点。

目前，水稻种植业呈现杂交稻和常规稻并存的格局，它们有各自的优势和不同的生态种植区。杂交稻的产量潜力大，耐肥性好，用种量少，单位面积上能产生更高的效益；但杂交稻种植的成本较大，制种过程相对繁琐。常规稻的品质普遍较高，制种简单，但产量和效益与杂交稻相比有差距。我国杂交水稻的研究位于世界前沿，杂交水稻推广应用是农民增收的重要推动力。

制种是杂交稻生产的关键环节，种子生产质量对杂交稻的推广面积和产量有着决定性的影响，一般采用杂交种产量和纯度来进行评价。杂交制种的产量通常由父母本开花期相遇的程度及开花授粉时期的天气决定，纯度问题则由制种田中的水稻杂株引起。因此，对于杂交水稻制种的研究都是围绕如何在保证纯度的前提下，尽可能地提高制种产量，并减少人工和物资成本。

周艳等针对水稻制种过程中化肥和农药用量大导致经济效益不理想的问题，提出了一种精准轻简的高效制种技术，在大田示范中取得了良好的效果[1]。张绍安等分析了影响水稻制种产量的因素，包括基地选择与管理、亲本播插期确定及栽培措施实施，提出了相应的解决对策[2]。梅凯华等对比了水稻制种实践中常用的花期预测方法效果，认为其中的幼穗剥查预测法最为准确[3]。随着农业机械化的推进，各种农用机械也应用在水稻的制种中，大幅提高了生产作业效率。黄波等针对水稻机械化制种的特性，对育苗管理、大田栽培和激素使用这3个方面的技术进行了解析[4]。熊玮等为解决杂交稻制种人工成本高的问题，设计了一种父母本同栽插秧机，田间试验结果表明其作业性能良好，可以满足生产要求[5]。

计算机视觉是对拍摄的图像进行理解和分析，通过图像分割和特征提取，达到识别目标的目的。计算机视觉在国民生产和科学研究的各个领域都有应用，目前在农业中主要用于农产品的分级、检测和收获[6-8]。在水稻的生产上，计算机视觉的用途也较广泛，如对田间杂草、裂颖种子和叶部病害的识别[9-11]。另外，龚红菊等自制了计算机视觉系统，利用分形理论分析水稻的图像特征，在线性相关关系上计算水稻单位面积上的产量，取得了较为准确的预测结果[12]。陈诚等利用计算机视觉获取水稻叶片的多种颜色指标，建立叶绿素相对含量预测模型，实现了对叶绿素相对含量的准确测定[13]。

水稻大面积制种基地的田块平整，具有完善的设施和规范的栽培管理，可以作为各种新型技术试验应用平台。若将计算机视觉应用于水稻大面积制种，有望显著提高生产效率，降低人工和物资成本，但目前还没有相关的报导。本文在水稻大面积制种过程中引入计算机视觉技术，用以对田间的空行和杂草杂株进行识别，对父母本的抽穗期进行监测，以期提高杂交种产量和纯度，并推动水稻制种的技术发展。

1 硬件和软件

计算机视觉的硬件设备主要为数码相机和计算机。其中，数码相机为Nikon DL24-500型，拍摄图像时距离地面高度3m，拍摄角度与竖直方向夹角为60°，获取的图像为800万像素的JPEG格式，通过MXT2002型A/D转换器转换为计算机可以识别的信号。计算机为联想扬天M4900型台式电脑，配件包括Intel i7中央处理器、8GB的DDR3内存和1TB硬盘。该机型的运行快速稳定，可以满足图像实时处理和数据存储的要求。计算机安装Windows10操作系统和MatLab7.0工具箱，用于图像的视觉处理。

2 图像处理

2.1 图像的采集和预处理

图像的组成部分包括水稻父母本、杂株杂草，背景为水田，本文基于颜色特征对它们进行区分。另外，根据具体的分析目的，选择在合适的水稻生长期拍摄图像，采集时刻为阴天的上午10时左右。俯视拍摄导致采集的图像出现不同程度的畸变，因此参考纪寿文的方法对图像进行矫正[14]；然后，利用低通滤波法进行平滑处理，通过中值滤波去除相机抖动产生的噪音干扰，从而提高图像的质量和后续分析的准确性。

2.2 图像的灰度化

原始图像中的水田背景为白色，水稻和杂草都是绿色，水稻父本、母本及杂草的颜色深浅存在差异。在水稻的抽穗开花期，叶片为绿色，稻穗为黄色，区别较为明显。因此，利用颜色的差异将各个部分从背景中分离出来。这里根据水稻田间图像受光照强度影响的情况，选择HSI模型的颜色空间，以色调H、饱和度S和亮度I作为分量处理图像，在I分量下对图像进行灰度化。

2.3 特征提取

图像分割是提取目标特征的必要步骤，这里根据图像特点和分析目的，通过阈值分割法分割图像。该方法的计算模型简单，运行速度快，适合于水稻制种田的图像处理。通过分析原始图像的直方图，获得合适的阈值用于图像分割。具体方法：将I分量效果图和原图像灰度图做最大类间方差分析，再进行二值化，即得到颜色特征的划分阈值；分析图像中每个像素点的颜色特征值，通过与阈值的比较结果做出判定，从而获得目标图像。

3 应用功能

本文计算机视觉在水稻大面积制种的应用功能为空行识别、杂草杂株识别和抽穗期监测。空行识别的图像在母本返青时拍摄，根据空行与水稻植株的颜色差异进行区分。识别的内容包括父本(黑色)、母本(灰色)和空行(白色)，可以根据空行规划行走路径，以便于机械进行农药喷洒作业，如图1所示。

杂株杂草识别的图像在水稻分蘖盛期拍摄，根据植株颜色的深浅差异进行区分。识别的内容包括正常植株(白色)和杂株杂草(黑色)，用来引导植株人员进行清除，以提高制种的纯度，如图2所示。

(a) 原始图像

(b) 灰度化图像

(c) 特征提取图像

抽穗期监测的图像在水稻父本和母本的抽穗期拍摄，根据叶片与稻穗的颜色差异进行区分。识别的内容包括叶片(白色)和稻穗(黑色)，根据稻穗密度评判父母本抽穗期，计算相差的天数。抽穗期监测可以引导植株人员喷洒植物激素调节花期，以提高制种的产量，如图3所示。

(a) 原始图像

(b) 灰度化图像

(c) 特征提取图像

(a) 原始图像

(b) 灰度化图像

(c) 特征提取图像

4 试验结果和分析

2017年，在本单位的试验基地对计算机视觉的上述3种功能进行了测试。制种所用的水稻父本1个，母本4个，分别种植在4个田块中，每块面积约1hm2。水稻采用人工移栽，先移栽父本，后移栽母本，采用常规的水肥管理。对4个田块分别用计算机视觉进行空行识别、杂株杂草识别和抽穗期监测，同时进行人工观察记载，最后比较两组数据的差异。

计算机视觉在母本返青时期对空行的识别效果(见图1)，可以为机械行走路径的规划提供依据。计算机视觉对杂株杂草的识别和抽穗期监测效果(见图2和图3)，所获得数据如表1所示。以人工观察的数据为标准，计算机视觉能够较准确地识别杂株和杂草，没有出现误检的情况；存在个别漏检的杂草，可能是由于植株太小造成的，不会影响制种的纯度。计算机视觉监测的父母本抽穗期与实际接近，最大的差异仅为1天。

表1 两种方式采集的数据比较

5 结论

本文在水稻大面积制种过程中引入计算机视觉技术，用数码相机拍摄田间图像，然后用计算机依次进行预处理、灰度化和特征提取，实现对田间的空行和杂草杂株的识别，以及对父母本抽穗期的监测。试验表明：计算机视觉能够有效识别水稻空行，对杂株杂草的识别也较为准确，没有出现误检的情况。计算机视觉监测的父母本抽穗期与实际接近，最大的差异仅为1天，可以提高杂交种产量和纯度，推动水稻制种技术的发展。