玉米种子实时检测分选装置设计与试验

孟繁佳 罗 石 孙 红 李民赞

(中国农业大学现代精细农业系统集成研究教育部重点实验室，北京 100083)

0 引言

玉米是世界上主要粮食作物之一，我国是玉米生产和消费大国，玉米产量多年位居中国粮食产量首位[1]。玉米种子发生霉变，种植后不但不能发芽，还会造成霉菌蔓延，污染更多种子。筛除霉变种子是玉米制种生产中的必备环节，降低同一批种子带菌率，进而提高种子发芽率对保障玉米生产和产量具有重要意义[2]。

以酶联免疫吸附法和免疫亲和层析法为代表的免疫分析法[3-5]以及以高效液相色谱法[6-7]和气相色谱法[8]为代表的仪器探测理化分析法被认为是高精度检测种子真菌毒素的手段。但仪器设备价格高昂、测试过程复杂等限制了这些方法在种子生产环节的应用。由于缺少霉变种子快速筛选装置，长期以来主要依靠人工目测分选霉变玉米种子[9]。该方法依赖人工经验、效率低且错检率高。因此，研发霉变玉米种子快速筛选装置、提高种子在线分选效率是目前玉米制种和种子贮藏急需解决的问题。

机器视觉技术已被广泛应用于农产品品质检测中[10-13]。其中，针对作物种粒霉变检测的研究取得了较大的进展[14-17]。褚璇等[18]基于黄曲霉毒素在紫外光照射下发出黄绿色荧光的特性，利用图像处理技术实现了对含黄曲霉毒素玉米种粒的检测。张楠楠等[19]基于图像HSV空间的H分量及V分量，设计了一种玉米种粒霉变程度分级方法。赵炎等[20]基于机器视觉技术发现了霉变玉米真菌毒素含量与图像HSI空间分量之间的正负相关性。王侨[21]基于机器视觉技术分析了玉米种粒RGB颜色特征，确定了霉变玉米的检测指标。文献[22-24]利用机器视觉技术实现了农产品分级与分选，其中苏叶分选准确率为90.09%，圣女果分级准确率为98.4%，苹果分拣准确率为73%～96%。目前，将利用机器视觉技术检测霉变玉米种子的研究成果运用于实际生产线的研究鲜见报道。

本文利用机器视觉技术设计一种玉米种子实时检测分选装置。基于图像HSV空间颜色划分提出以颜色像素占比为判定阈值的霉变玉米种子识别算法，设计种子逐粒分离机构，将玉米种子单粒化，以便于玉米种子排序与分选。

1 硬件系统设计

1.1 整机结构

霉变玉米种子实时检测分选装置硬件部分主要由进料单元、检测单元、分选单元及控制系统组成。装置整机结构如图1所示，其中，1～4构成装置进料单元主体，5、6构成装置检测单元主体，7～10及12、14构成装置分选单元主体。

1.2 关键部件设计

1.2.1进料单元

进料单元将玉米种子逐粒分离至检测单元。进料单元包括机架、进料漏斗、伸缩杆、传动环、种子逐粒分离机构。其中，种子逐粒分离机构如图2所示，可实现玉米种子单粒化，包括种子分离盘、二级齿轮结构、电源、传动轴、直流无刷电机、电机驱动及微控单元、轴承座。

1.2.2分选单元

分选单元用于对霉变玉米种子进行分选剔除。分选单元包括机架、电磁阀、导管支架、挡光板、PU气管、空气压缩机。分选单元结构如图3所示，其中挡光板用于防止分选单元机架两侧光电传感器产生对射干扰。2个电磁阀组成3种工作气路，分别为待机、左侧剔除、右侧剔除。

1.2.3控制系统

控制系统用于控制玉米种子进料、检测、排序、分选。控制系统包括开关电源、电磁阀、光源、通信与控制模块、计算机、工业相机。控制系统框图如图4所示。通信与控制模块由MSP430单片机、光电传感器、继电器组成，负责接收光电传感器信号、控制继电器及与计算机实现双向通信。

1.2.4装置工作参数

电动辊筒的工作电压为24 V DC，功率为200 W，运动速度为1.5～15 m/min；直动式电磁阀工作电压为24 V DC，功率为5 W，最高频率为5 Hz；继电器模块工作电压为5 V，高电平触发；相机分辨率设置为1 280像素×768像素，帧率为60 f/s；光源工作电压为24 V DC，功率为60 W，色温3 000 K；计算机处理器主频2.71 GHz，内存8 GB，Windows10操作系统。

1.3 玉米种子实时检测分选装置工作流程

霉变玉米种子实时检测装置工作流程图如图5所示。具体流程如下：①开机。②MSP430单片机初始化，开启光源，调节空气压缩机至0.3 MPa，开启摄像头，自动对焦至获取清晰图像。③人工上料至进料漏斗，由进料单元将玉米种子分为等间距的两列，进入检测单元。光电传感器1对玉米种子进行计数。④相机采集图像，基于Matlab 2014b搭建的上位机处理并输出识别结果。⑤MSP430单片机接收分选信号，并控制直动式电磁阀，控制气路工作状态，实现霉变玉米种子剔除。即MSP430单片机对比光电传感器2、3计数序号与分选信号，若相同，则激活执行机构对应工作状态，若不相同，则视为正常种子。⑥下料。

2 软件系统设计

2.1 单幅图像多粒霉变玉米种子识别算法

以霉变玉米种子与正常玉米种子颜色特征的差异作为霉变玉米种子识别算法的设计依据，对玉米种子图像像素点进行颜色划分并统计不同颜色的像素数占图像像素数百分比Pa，最后设定阈值Pt判定霉变玉米种子，算法流程如图6所示。

对位于检测单元的玉米种子原始图像(图7)进行霉变玉米种子识别时发现，单幅图像多粒玉米种子霉变识别的关键点是单粒玉米种子图像提取及单粒玉米种子像素颜色分布统计。因此，本文对原始图像(图7)进行感兴趣区域提取(图8a)，并利用大津法[25]进行阈值分割(图8b)，然后设置形态学结构进行开闭操作，获得初步降噪图像(图8c)，从图中可以看出，部分区域仍然存在噪声，对分离玉米种子背景形成了一定障碍。但是，可以发现噪声面积远小于玉米种子面积。在此基础上对初步降噪图像进行基于连通域的区域标记，并对区域面积进行筛选,筛选公式为

(1)

式中g′c,i——降噪后区域i的灰度

gc,i——降噪前区域i的灰度

Ac,i——第i个区域的面积

At——面积阈值

N——连通域数量

经过筛选将噪声灰度置0，同时将面积降噪结果作为掩膜位图，将感兴趣区域作为掩膜原图进行图像掩膜,达到玉米种子背景分离的目的(图8d)。掩膜公式为

(2)

其中

(3)

式中i、j——掩膜图像坐标值

Seg(i,j)——掩膜标志位

gmask(i,j)——掩膜位图灰度

imga,R(i,j)——感兴趣区域R通道灰度

imga,G(i,j)——感兴趣区域G通道灰度

imga,B(i,j)——感兴趣区域B通道灰度

img′a,R、img′a,G、img′a,B——掩膜后R、G、B三通道分量

·——图像位与运算符号

对掩膜结果进行二次标记，对每个种子区域进行标记赋值。获取每个连通域的最小外接矩形，并将每个外接矩形区域保存为单幅图像(图9)，然后对单粒种子图像进行二值化并进行腐蚀膨胀消除种子内部孔洞，结合

(4)

式中x、y——单粒玉米种子图像像素坐标

S(x,y)——单粒玉米种子图像任一点(x,y)处标记值

g(x,y)——单粒玉米种子图像任一点(x,y)处灰度

对单粒玉米种子图像背景像素进行标记，在统计种子图像像素颜色分布时，对背景像素不进行统计。

霉变玉米种子与正常玉米种子在系统中的对比图像如图10所示，表面颜色存在明显差异。

由于图像采集环境为封闭环境，采用光源为色温3 000 K的暖色LED光源，显色指数接近90(接近日光显色指数)，且在进行颜色划分时，需要综合参考像素点的H、S、V值，所以对单粒玉米种子图像进行像素颜色统计时选用经验化颜色空间分量表进行HSV空间颜色划分，如表1所示。

表1 HSV颜色空间分量范围Tab.1 Component range of HSV color space

根据玉米种子图像的颜色像素统计可知，白色、橙色及黄色的像素数并不具备区分性，如图11所示。所以霉变特征颜色不包含上述分类中的白、橙、黄3种颜色，最终确定霉变特征颜色为黑、灰、红、绿、青、蓝、紫7种颜色。

对特征颜色像素进行统计，统计公式为

(5)

式中i——玉米种子序号

Pixf,sum(i)——第i个玉米种子霉变特征颜色像素总数

Pix,sum(i)——第i个单粒玉米种子图像像素总数

pa(i)——第i个单粒玉米种子图像霉变特征颜色像素百分比

设定阈值为Pt，pa(i)高于该阈值时判定为霉变玉米种子。

经试验验证得出感兴趣区域图像坐标原点为原始图像坐标点(100,0)，长800像素，宽500像素时，区域提取效果最佳，At取200像素时，降噪效果最佳。Pt取1%时，霉变玉米种子识别准确率最高。

2.2 玉米种子排序策略

上位机对采集到的玉米种子图像进行霉变识别，由下位机执行霉变玉米种子分选。本文基于识别算法提出了一种玉米种子排序策略，使下位机能够正确识别上位机发送的分选信号，实现实时精确分选。

试验中发现，单幅图像中同一列种子的排序并非按照原始图像(图7)的空间顺序进行区域标记。区域标记算法是从图像坐标原点自上往下、自左向右对连通域进行区域标记，由于玉米种子外形的不规则性，单列种子标记值并不符合其空间位置。为此，根据其中心坐标值在掩膜处理后对单列种子进行区域再赋值，得到符合空间顺序的图像标记序号。

图像标记序号作为分选信号传输至单片机后，需转换成为分选序号

(6)

式中s1——左列分选序号

s2——右列分选序号

Si——图像标记序号

t——图像采集次数

t由光电传感器1计数值决定，计数值能够整除4(即检测单元存在8粒未被检测的种子)则进行图像采集。光电传感器2及光电传感器3计数值为两列玉米种子实时序号。

3 验证试验与讨论

为验证装置稳定性与可靠性，对样机进行了试验，装置样机如图12所示。2019年12月10日装置搭建完成，并进行了系统调试与试验测试。试验样品从大自然金果种业购买，样品为无包衣剂试验用郑单958玉米种子，购得的试验用种表面均无霉变特征。选取100粒正常玉米种子，于恒温28℃放置于马铃薯葡萄糖琼脂培养基中，进行霉变处理，3 d后去除覆盖于玉米种子表面的菌丝，干燥处理后得到霉变玉米种子。试验针对霉变玉米种子识别算法的可靠性及准确率进行测试。

3.1 霉变玉米种子识别算法验证试验

以2019年12月20日的试验为例进行分析，分别选取郑单958玉米品种的正常玉米种子与培养所得的霉变玉米种子各40粒，采用手动进料方式，在表2的工作状态1下进行试验。算法验证试验结果如图13所示。

表2 装置分选结果Tab.2 Device separation results

通过图13可以看出，pa(i)阈值设定为1%时，霉变玉米种子识别准确率为100%，正常玉米种子识别准确率为95%。试验中出现误检测是由于检测箱光源为环形放置，光源从侧面照射玉米种子，若个别种子胚面凹陷过深则采集的种子图像存在黑色阴影，被误识别为霉变特征，改进光源放置方式后该情况得到改善。

3.2 装置分选试验

以2019年1月10日的试验为例，选取郑单958玉米品种的正常玉米种子80粒与霉变玉米种子20粒。为了验证装置在不同速度下的分选准确率及可靠性，采用手动进料方式，在不同传送带速度下进行装置分选试验，并与霉变玉米种子人工分选进行对比(由于分选样品较少，假定人工分选准确率为100%)。

装置分选准确率Ac计算公式为

(7)

式中M——霉变种子正确分选数量，粒

L——正常种子错误分选数量，粒

通过表2可以看出，装置能够成功分选霉变玉米种子，且装置分选准确率最低为94%，最高分选速率为680粒/min。试验表明，相较于人工分选，准确率略有降低，分选效率得到了极大的提升。总体来看，本文设计的分选装置能够实现对霉变玉米种子的实时分选，分选效率远高于人工分选且准确率较高。

3.3 讨论

试验主要针对霉变玉米种子识别算法的可靠性及分选装置分选效率及准确率进行验证，试验中发现装置分选效率可从以下两方面进行改进：

(1)上位机图像处理程序采集图像需200 ms左右，处理单幅图像需要约500 ms，试验测得玉米种子最小间距为0.03 m，图像感兴趣区域长度为0.15 m，则允许传送带最大速度为14 m/min。理论上可以通过提高图像处理速度来加快传送带速度。

(2)玉米种子之间的最小间距由光电传感器的感应范围决定。本装置使用的光电传感器是以检测到玉米种子最低点为目的，光电传感器的信号接收端接收信号范围较大，为避免误排序，单列种子之间需要存在最小间距。可以通过优化光电传感器来减小单列种子之间最小间距，增加单幅图像处理种子个数。

4 结论

(1)在硬件系统中，设计了装置的机械结构及控制系统，解决了玉米种子单粒化及自动输送、分选问题。

(2)在软件系统中，提出了基于机器视觉的霉变玉米种子识别算法和玉米种子排序策略，通过软硬件模块的实时通信，实现了玉米种子实时检测及玉米种子准确排序。

(3)试验表明，该装置对单幅图像的采集及处理时间约为0.7 s，分选速率最高为680粒/min，总体分选准确率不低于94%。