APP下载

稻麦籽粒计数方法研究现状及展望

2020-07-06周麟武威刘涛孙成明

现代农业科技 2020年12期
关键词:机器视觉小麦水稻

周麟 武威 刘涛 孙成明

摘要    作物籽粒计数是作物研究中重要的工作之一。本文在总结国内外常用的籽粒计数方法及原理的基础上,对基于计算机视觉的图像分析法、碰撞声音识别法以及基于红外线的颗粒计数方法进行综合比较、分析。结果表明,图像分析法和碰撞声音法操作简单,但易受环境影响;红外计数法被广泛使用,但籽粒下落速度过快时,受光电信息处理电路限制。针对不同的研究需求,采用不同的研究方法是比较合理的选择。

关键词    水稻;小麦;籽粒计数;图像分析;机器视觉

中图分类号    S511;S512        文献标识码    A

文章编号   1007-5739(2020)12-0018-03                                                                                     开放科学(资源服务)标识码(OSID)

Research  Status  and  Prospect  of  Rice  and  Wheat  Grain  Counting  Methods

ZHOU Lin 1    WU Wei 2    LIU Tao 2    SUN Cheng-ming 2 *

(1 College of Horticulture and Plant Conservation,Yangzhou University, Yangzhou Jiangsu 225009; 2 Agricultural College, Yangzhou University)

Abstract    Grain count is one of the important tasks in crop research. On the basis of summarizing the common methods and principles of grain counting at home and abroad,the image analysis method based on computer vision, collision sound recognition method and the particle counting method based on infrared ray were comprehensively compared and analyzed in this paper. The results showed that the image analysis method and the impact sound method were simple but easy to be affected by the environment; the infrared counting method was widely used, but when the grains fell too fast, it was limited by the photoelectric information processing circuit. According to different research needs, it is a reasonable choice to adopt different research methods.

Key words    rice; wheat; grain count; image analysis; machine vision

在農业生产中,经常要对农作物籽粒进行计数,以评估农作物的产量和品质。传统的人工计数费时、费力,长时间观察计数容易引起视觉及大脑的疲劳,导致计数错误。随着计算机视觉技术的发展,其在农业领域上已得到广泛应用[1-4],主要包括水果和蔬菜的检测[5-7]、经济作物的检测(烟叶、茶叶等)[8-10]、谷物的检测(如小麦、玉米、大米等)[11-13];动物性产品的检测。依据农产品检测部位的不同,又可划分为外部品质检测(形状、大小、颜色、裂纹、表面缺陷等)、内部品质检测(水分、糖酸度、机械损伤、内部腐败、变质、虫害等)[14]。

机器视觉等技术利用计算机的高速运算能力代替人眼和人耳进行物件的识别,结合不同算法,可以实现分析决策判断等操作。水稻和小麦籽粒计数常用方法包括图像分析法、碰撞声音识别法以及基于红外线的颗粒计数方法。其中,图像分析法的难点在于粘连籽粒的分割,主要算法有腐蚀膨胀法、分水岭算法、主动轮廓模型法和特征点匹配法[15-16]。

本文在总结国内外常用的籽粒计数方法及原理的基础上,对基于计算机视觉的图像分析法、碰撞声音识别法以及基于红外线的颗粒计数方法的优缺点及其发展趋势进行阐述,为水稻和小麦籽粒计数的研究工作提供了相关参考。

1    籽粒计数方法

云超设计实现了红外计数传感器、基于IIC总线技术的键盘扫描与LED数码管显示、继电器控制电路。红外线光电计数传感器中的红外线对管对称布置,对小麦、菜籽、玉米籽粒和泡沫颗粒的实际试验以及用遮挡红外线对管模拟籽粒通过的方法试验,结果表明,计数准确度较高,能够满足计数需求[16]。应玉明设计了一套适用于颗粒工件计数的自动计数仪控制系统。该系统使用红外光电传感器作为检测元件,当有工件通过时红外光被遮挡,传感器接收端产生相应的脈冲信号,通过对脉冲信号进行计数,实现对工件的自动计数。对控制系统的硬件电路和软件控制流程作了详细介绍并进行了样机验证,结果表明,该系统能对不同直径的颗粒工件进行快速、准确地计数[42]。

梁文俊等发明了一种高精度自动颗粒计数器,包括红外发射管、驱动电路、主控制器、液晶屏、信号调理放大电路和红外接收管,红外发射管与驱动电路连接,红外接收管与信号调理放大电路连接,驱动电路、信号调理放大电路和液晶屏均与主控制器连接。采用红外发射和接收管作为检测的传感器,红外发射管的驱动电路采用动态调节的电路,通过主控制器来检测红外接收管的信号强弱来动态调节。其中,红外接收管接收到信号后经过信号调理放大电路,把信号进行滤波和放大,进入到主控制器,主控制器通过内部的ADC转换器读取电压,再识别颗粒的计数[43]。

2    籽粒计数方法比较

为了更好地认识3种籽粒计数方法,有必要对其进行比较,3种方法的优缺点如表1所示。

在图像分析法的基础上,也有学者进行了改进,即将待测籽粒放在电磁振动工作台上,经振动后使均匀平铺后,固定在电磁振动台的摄像头,在良好的光照条件下对平铺后的籽粒进行拍摄,获得模拟信号图像数据,经图像采集卡转换成数字信号后传输给PC机,然后在PC机上利用基于虚拟仪器开发的软件对图像进行处理、分析,得出测量结果输出到显示器[44-45]。但是该方法对硬件要求较高,组成复杂,软件开发平台复杂,系统研发与实现成本高,数据处理量大,不易实现实时在线测量[46]。

碰撞声音识别法能够显著提高籽粒计数计量的效率和精度,且便于试验数据的分析处理,能够为科研育种和农业生产措施的制定与评价提供可靠的技术保障。根据所要计数籽粒的力学特性的不同,还可以通过改变敏感板的材料、厚度以及吸声垫的材料、厚度来改变密闭空间的型腔结构,进而使籽粒与敏感板的碰撞声音特性发生变化,从而改变传感器对籽粒碰撞响应的灵敏度[47]。而现有的籽粒计数仪器多属于光电式,先用电磁振动器将籽粒排成单粒队列,送入光电转换槽后形成光电脉动,然后由计数电路获得籽粒数目,但当籽粒下落速度太快时,受光电信息处理电路的限制,籽粒检测误差较大[48-50]。

3    籽粒计数方法发展趋势

3.1    籽粒计数智能化

籽粒计数主要包括人工计数法和仪器分析法。就当前籽粒计数相关研究结果来看,几乎没有研究者研究传统的计数法,大多研究者均选择精度高、操作简单、可同时测得大批量样品的仪器分析法。科学技术的发展已对现代检测仪器提出越来越高的要求,不仅要求测量仪器及时、精密、可靠地获取有关物质的特征,同时还要求操作简单,尽量避免运用大量人力,逐渐追求仪器智能化,操作简单化、便捷化[51]。

3.2    籽粒计数精准化

从腐蚀膨胀法、分水岭算法、主动轮廓模型法和特征点匹配法等图像分析法,到碰撞声音识别法和红外线计数法,研究者都在研究如何用仪器替代人工,提高检测精准化程度,扩大测素范围[52-53]。随着微电子技术、计算机科学技术以及多媒体技术、人机友好交互、虚拟现实、模糊控制、人工神经网络等新技术的巨大进步,实现了作物籽粒监测计数精度逐步提高。特别是在不同场景、不同光照条件、不同设备性能的条件下,都能精确计算籽粒的数量[54-55]。

4    参考文献

[1] LIU T,WU W,CHEN W,et al.A shadow-based method to calculate the percentage of filled rice grains[J].Biosystems Engineering,2016,150:79.

[2] 周竹,黄懿,李小昱,等.基于机器视觉的马铃薯自动分级方法[J].农业工程学报,2012,28(7):178-183.

[3] 李伟,康晴晴,张俊雄,等.于机器视觉的苹果表面纹理检测方法[J].吉林大学学报(工学版),2008,38(5):1110-1112.

[4] 刘福.电子计算机在农业上的应用[J].广西农村金融研究,1985(1):53.

[5] SHAHIN M A,TOLLNER E W,ARABNIA H R,et al.Apple classification based on surface bruises using image processing and neural networks[J].Transactions of the ASAE,2002,45(5):1619-1628.

[6] 赵彦如,钱东平,杨世风,等.鸭梨品质检测计算机视觉系统研究[J].河北农业大学学报,2003,26(增刊1):280-282.

[7] 应义斌,饶秀勤,马俊福.柑橘成熟度机器视觉无损检测方法研究[J].农业工程学报,2004,20(2):144-147.

[8] 蔡健荣.利用计算机视觉定量描述茶叶色泽[J].农业机械学报,2000,31(4):67-70.

[9] 陈全胜,赵杰文,张海东,等.利用计算机视觉识别茶叶的色泽类型[J].江苏大学学报(自然科学版),2005,26(6):461-464.

[10] 易克传,岳鹏翔,陈全胜,等.基于聚类分析的计算机视觉对茶叶色泽的识别[J].中国茶叶加工,2006(2):39-41.

[11] 杜世伟,李毅念,姚敏,等.基于小麦穗部小穗图像分割的籽粒计数方法[J].南京农业大学学报,2018,41(4):742-751.

[12] 纪寿文,王荣本,陈佳娟,等.应用计算机图像处理技术识别玉米苗期田间杂草的研究[J].农业工程学报,2001,17(2):154-156.

[13] 馬志宏,贡亮,林可,等.基于稻穗几何形态模式识别的在穗籽粒数估测[J].上海交通大学学报,2019,53(2):239-246.

[14] 凌云.基于机器视觉的谷物外观品质检测技术研究[D].北京:中国农业大学,2004.

[15] 云超,朱瑞祥,陈丽,等.离心式籽粒均布器的设计[J].农机化研究,2009,31(2):104-106.

[16] 云超.基于单片机的籽粒计数计量系统设计[D].杨陵:西北农林科技大学,2009.

[17] 宋鹏,张晗,王成,等.玉米籽粒考种信息获取装置设计与试验[J].农业机械学报,2017,48(12):19-25.

[18] 张恒敢,杨四军,顾克军,等.基于计算机视觉的小麦籽粒计数系统[J].数据采集与处理,2010(增刊1):80-83.

[19] 涂其远,吴建华,万国金.动态阈值结合全局阈值对图像进行分割[J].南昌大学学报(工科版),2002,24(1):37-40.

[20] 周德祥,毋桂萍,杨红卫,等.基于数学形态学粘连粮食籽粒图像分割算法的改进[J].农机化研究,2010,32(7):49-52.

[21] 权龙哲,辛伯来,奚德君,等.粘连玉米粒群的分水岭分割与粒形的多尺度小波校正算法研究[J].中国科技论文,2016(2):191-196.

[22] 荀一,鲍官军,杨庆华,等.粘连玉米籽粒图像的自动分割方法[J].农业机械学报,2010,41(4):163-167.

[23] SHATADAL P,JAYAS D S,BULLEY N R.Digital image analysis for software separation and classification of touching grains:I.disconnect algorithm[J].Transactions of the ASAE,1995,38(2):645-649.

[24] 李永锋,周德祥,邢超,等.基于数学形态学的粘连大米籽粒分割研究[J].农业网络信息,2010(10):18-21.

[25] BLEAU A,LEON L J.Watershed-based segmentation and region merging[J].Computer Vision & Image Understanding,2000,77(3):317-370.

[26] 李永锋,周德祥,邢超,等.基于形态分水岭算法的粘连大米籽粒分割研究[J].计算机与信息技术,2010(10):42-45.

[27] 杨蜀秦.农作物籽粒的图像处理和识别方法研究[D].杨陵:西北农林科技大学,2012.

[28] DOUGHERTY E R.Granulometric size density for segmented random-disk models[J].Journal of Mathematical Imaging and Vision,2002,17(3):271-281.

[29] 肖助明,冯月亮,李涛,等.形态分水岭算法在重叠米粒图像分割中的应用[J].计算机工程与应用,2007,43(24):196-199.

[30] GUO S W,TANG J H,DENG Y P,et al.An improved approach for the segmentation of starch granules in microscopic images[J].BMC Genomics,2010,11(2):S13.

[31] DUARTE A,S?譧NCHEZ A,FERN?譧NDEZ F,et al.Improving image seg-mentation quality through effective region merging using a hierarchical social metaheuristic[J].Pattern Recognition Letters,2006,27(11):1239-1251.

[32] WANG W,PALIWAL J.Separation and identification of touching kernels and dockage components in digital images[J].Canadian Biosystems Eng-ineering,2006,48:1.

[33] CHOU J J,WANG Y C.Automatic segmentation of touching rice kernels with an active contour model[J].Transactions of the ASAE,2004,47(5):1803-1811.

[34] 杨蜀秦,何东健.连接大米籽粒图像的自动分割算法研究[J].农机化研究,2005(3):62-65.

[35] ZHENG Y,SUN X,SUN X,et al.A geometric active contour model without re-initialization for color images[J].Image & Vision Computing,2009,27(9):1411-1417.

[36] YANG S Q,NING J F,HE D J.Image segmentation algorithm of touching rice kernels based on active contour model[J].Transactions of the Chinese Society of Agricultural Engineering,2010,26(2):207-211.

[37] 楊蜀秦,宁纪锋,何东健.基于Harris算子的籽粒尖端识别方法[J].农业机械学报,2011,42(3):166-169.

[38] LIN P,CHEN Y M,HE Y,et al.A novel matching algorithm for splitting touching rice kernels based on contour curvature analysis[J].Computers & Electronics in Agriculture,2014,109:124-133.

[39] SONG H,ZHAO Q,LIU Y.Splitting touching cells based on concave-point and improved watershed algorithms[J].Frontiers of Computer Science,2014,8(1):156-162.

[40] 李耀明,梁振伟,赵湛.籽粒损失监测传感器敏感板振动特性与试验[J].农业机械学报,2013,44(10):104-111.

[41] 李耀明,梁振伟,徐立章.一种基于碰撞声音识别的籽粒计数传感器.中国:CN104050503A[P].2014.

[42] 应玉明.基于单片机控制的工件自动计数系统设计[J].机电工程技术,2011(7):47-49.

[43] 梁文俊,陈雪华,周志.一种高精度自动颗粒计数器.中国:CN205486238U[P].2016.

[44] 刘子洲.一种电磁振源振动机.中国:CN102101107A[P].2011.

[45] 戴文华,吴翔,裘正军,等.基于圆心定位的籽粒计数方法研究[J].农机化研究,2015(7):198-202.

[46] 凌云,王一鸣,孙明,等.基于流域算法的谷物籽粒图像分割技术[J].农业机械学报,2005,36(3):95-98.

[47] 蒋国珠.具有微流通道的体声波传感器研究[D].南京:南京大学,2014.

[48] 梅海峰.红外线光电计数器的设计及制作[J].大氮肥,2005,28(5):356-357.

[49] 王怀舟.光电式传感器.中国:CN 201583285 U[P].2010.

[50] 张燕,曾光宇.光电式传感器的应用与发展[J].图书情报导刊,2006,16(13):254-255.

[51] 张雪飞,王建春,彭凯,等.基于图像处理和蓝牙传输技术的水稻种粒计数计量系统[J].山东农业科学,2018,50(7):157-160.

[52] 唐忠,李耀明,赵湛,等.夹带损失传感器不同安装位置对籽粒检测精度的影响[J].农业工程学报,2012,28(10):46-52.

[53] 赵志衡,宋欢,朱江波,等.基于卷积神经网络的花生籽粒完整性识别算法及应用[J].农业工程学报,2018,34(21):195-201.

[54] LIU T,CHE W,WANG Y F,et al.Rice and wheat grain counting method and software development based on Android system[J].Computers and Electronics in Agriculture,2017,141:302-309.

[55] WU W,LIU T,ZHOU P,et al.Image analysis-based recognition and quantification of grain number per panicle in rice[J].Plant Methods,2019,15(1):1-14.

猜你喜欢

机器视觉小麦水稻
水稻种子
水稻栽培现状与高产栽培技术建议
解读山东小麦栽培技术要点及发展前景
小麦,你好
黔北山乡水稻飘香
防止小麦倒伏和增加穗数及穗重的措施
大场景三维激光扫描仪在研究生实践教学培养中的应用
基于机器视觉的工件锯片缺陷检测系统设计
基于机器视觉技术的动态“白带”常规检测系统的开发
机器视觉技术在烟支钢印检测中的应用