暗光环境下油菜种子发芽率自动监测系统

屠礼芬，彭 祺，吴雪妮，顾建伟，李春生

(1.湖北工程学院物理与电子信息工程学院，湖北 孝感 432000；2.湖北工程学院湖北省新农村发展研究院，湖北 孝感 432000)

种子是农业生产中不可替代的物质，是决定农作物产量和质量的关键因素，优良种子是确保农业丰产的前提。发芽率是衡量种子质量的重要指标之一，一般发芽率高，代表存活种子多、苗数多[1-2]。因此，只有采用高发芽率的种子用于生产，才能确保农业生产的安全和效益。

近年来，关于种子质量检测的方法有一些优秀成果，Miller Mcdonald利用数字图像处理技术研制了种子活力检测软件平台[3-4]。Hoffmaster等[5]利用数字图像技术研发了大豆种子活力指数检测系统。也有利用序列化的图像来测定种子活力的研究[6-7]。在国内，程绍明[8]研究了基于电子鼻检测种子发芽率；于征等[9]研究了图像处理与分析技术和四唑染色法相结合检测种子活力的方法，通过相机对种子发育的图像进行拍摄，基于图像识别技术检测种子的活力。

各种研究方法的有效性最终都需要通过大量的发芽试验进行验证。种子的发芽期通常需要2～7 d，在这个过程中，每隔6 h对发芽的种子进行计数，要完成这项工作，需要专业技术人员进行大量重复的工作，耗时耗工，并且很容易出现主观误差，可靠性有待检验。

为使种子发芽率的统计更为客观、快捷，本研究设计并制作了培养箱中种子发芽过程动态监测系统，包括硬件的构建和对应的发芽率检测软件。

1 材料和方法

1.1 种子图像采集平台硬件设计

一方面农作物种子可能带有多种病菌虫体，甚至是检疫性病菌虫体，会随种子传播而引起作物发生病虫害，从而影响作物生长发育和产量品质；另一方面在低温季节要对作物种子进行催芽，如不加温则种子催芽速度慢甚至不发芽。为了使种子有一个良好稳定的培育环境，引进了种子发芽培育箱，如图1所示。

图1 种子发芽培育箱Fig.1 Seed germination incubator

1.1.1种子发芽箱内相机固定架的制作

一般种子发芽培育箱内无配套的相机设备，因此需要将相机固定在培育箱内。根据以上条件，设计并制作相机固定架，如图2所示。

相机固定架的设计结合实际的需求，具备以下多种功能：

1) 如图2中①所示，在两臂之间添加螺丝，使其可以转动，从而改变其两臂之间的角度。此设计可适应各种类型的种子培育箱。

2) 如图2中②所示，凹槽设计，使相机固定架可以卡在种子培育箱的两侧边缘，方便固定架的放置。

3) 如图2中③所示，在一臂的中心位置安装一个相机固定板，相机可固定在架子上。

4) 如图2中④所示，添加了4个支撑柱，但其均可以拆卸，此设计的目的是：当种子发芽培育箱没有卡住凹槽的边缘时，固定架可以直接放置在培育箱的底部；若种子箱太小无法放置支撑柱时，也可将其拆卸。

5) 如图2中⑤所示，在支撑柱底端添加底板，因为相机有一定的重量，为了使其更稳定，增加支撑面积。

1.1.2暗光相机

种子发芽并不是24 h在强光条件下，若想24 h实时监测种子的发芽情况则必须研究暗光条件下种子的发芽情况。种子发芽检测在国外已有较为成熟的系统，但均为有光照环境下，因此，本试验旨在研究暗光条件下种子发芽的检测。为了适应种子发芽培育箱的暗环境，购置微视高感光相机“HK-A 5100-GC 17”，该相机在大幅面、高帧频下具有高灵敏度、低噪声特性，能在光线极其微弱的条件下实时获取种子照片。使用中发现，该相机在工作时产生的热量较高，因此对相机外壳进行改进，加装了风扇，并更换散热外壳，使其散热功能得到改进，改进后的外壳如图3所示。

1.2 种子图像采集及图像预处理

基于已设计完成的硬件系统及开发改装完毕的暗光相机条件下，将种子置于种子培育箱内。在种子生长的暗光环境中进行图像采集，采集的原始图像如图4所示，即使在暗光条件下，依然可以得到清晰的图像。

图3 改进后的相机外壳Fig.3 Improved camera housing

图4 采集的种子图像Fig.4 The collected seed image

在对种子发芽图像进行静态图像采集时，由于光源的不均匀性和相机自身不可避免的噪声，采集到的种子发芽图像会受到一定程度噪声的影响。因此，噪声的滤除是图像处理技术中的一个非常重要的环节[10]。

由于本系统工作环境为暗光环境，所获取的图像噪声较大，颜色信息也不充足，为了提高软件运行速度，先把图像转变为灰度图，为了准确地提取发芽种子的特征值，减少对图像特征值提取与分析的影响，需要对图像噪声进行处理。

1.2.1灰度转换

把彩色图像转化为灰度图像，这样不仅节省了内存也提高了系统的运行速度，为后续图像处理算法的实现打下基础。本研究使用加权平均法根据重要性及其他指标，将像素点三个分量以不同的权值加权平均，得到较为合理的灰度图像。

1.2.2图像增强

本系统由于拍摄距离近，光照条件差，获取的图像噪声较为严重，故在对原始图像进行处理时，依次使用均值滤波法、高斯滤波法和中值滤波法对图像进行预处理。经过以上图像处理后效果如图5所示。

图5 图像预处理效果图Fig.5 Image preprocessing effect drawing

2 结果与分析

2.1 种子的提取和发芽率分析

2.1.1图像自适应阈值分割

在对种子图像进行分析时，只需分析种子所在的目标区域，其余的背景区域不予分析。为了辨别和分析目标，需要将有关区域分离出来，只有在此基础上才能对目标进一步利用。由于本系统需要24 h使用，不同的时间环境光照不同，有时还会光照不均匀，故采用OpenCV提供的自适应阈值分割函数adaptiveThreshold来实现自适应阈值处理。自适应阈值分割效果图如图6所示：

图6 自适应阈值分割效果图Fig.6 Adaptive threshold segmentation effect drawing

2.1.2图像形态学处理

从阈值分割结果可知，受浅色芽的影响，种子区域出现了中空区域，影响种子的提取，所以需要用形态学将该区域进行连接获取种子区域，方法如下：

用15×15的矩形卷积核对图像进行腐蚀和膨胀操作：先腐蚀，去掉较大颗粒噪声，再膨胀，恢复丢失的种子区域，并将由于发芽导致的种子区域断裂进行连接。形态学处理之后的效果如图7所示。

图7 形态学处理效果图Fig.7 The morphological treatment effect drawing

2.1.3获取所有种子区域

获取二值图像之后，提取所有轮廓，并对每一个轮廓用最小圆形将其包围。当拟合的圆半径在某个范围内时，认为这是一个种子区域，该范围涉及到的上下限阈值需要根据具体场景预设，在设计的种子识别算法和软件的基础上可以直接获取所有的种子区域，如图8所示。

图8 获取所有种子区域Fig.8 Getting all seed areas

2.1.4判断种子是否发芽

获取种子区域后，为了确保该圆包含了种子和芽的全部区域，将圆的半径扩大1.5倍形成一个新的圆区域，在该区域内分析种子的长度，判断是否发芽，方法如下：

首先软件自动统计背景的灰度均值，假设为ThBack在本系统中要求种子为深色，芽为浅色，背景介于二者之间。

在每个新圆区域内进行图像二值化，当某一点的灰度大于ThBack的倍数RateBack时，则认为是芽，填充为白色，否则为黑色，其中参数ThBack为软件自动分析获得，RateBack为预设值，一般选择1.5～1.9之间，参数选择较小，则得到的芽点数更多，否则更少。

最后统计每个新圆内白点的数量，当该数量超过阈值ThFaya时，则认为该种子发芽。阈值ThFaya由芽的粗细、发芽的长度标准决定。在本系统中，认为芽长超过2 mm即为发芽状态，经过初步预估，种子的直径接近2 mm，芽的粗细接近1 mm。考虑到图像与相机之间的距离对白点(芽)的数量的影响，构建的阈值模型与种子半径的平方线性相关，即：

ThFaya=RateFaya×R×R

其中，RateFaya为系数，一般设置为0.6～1之间，值越小，判定为发芽的长度要求越低，同一幅图像中被判定为已发芽种子的数量越多。R为种子的半径，在参数设置界面获取。

发芽分析结果如图9所示，蓝色圆圈标记已发芽的种子，红色圆圈标记尚未出芽的种子。

图9 发芽检测结果Fig.9 Seed germination test result

2.2 种子发芽率自动监测软件

为了实现对发芽种子的自动检测，方便种子发芽的监测，提高育种人员的工作效率，本研究设计了种子发芽率自动监测软件。

此软件主要功能是自动采集培养皿中的种子图像，实现对种子的自动计数和分类，并实时显示培养皿中的种子总数和已经发芽成功的种子数，计算当前发芽率。将相机固定在培养箱中，根据用户需求设置好相关参数后，就可以对种子发芽过程实现自动监测。

注：a为主界面；b为参数设置界面。图10 软件界面Fig.10 Software interface

图11 发芽率计数Fig.11 Germination rate counting

软件主界面如图10 a所示，左边是实时监测区域，即可根据用户要求，每隔1 min自动获取一帧图像，自动对当前图像进行种子发芽分析；右边是单幅图像测试区域，即可以人工载入一帧图像，软件自动对当前图像进行种子发芽分析。载入种子图像后，在如图10 b所示的种子参数设置界面设置相关参数。

参数设置完毕后，点击主界面种子发芽分析即可计算出待测种子个数、已发芽个数、发芽率。如图11所示，程序主界面显示全部种子个数、已发芽种子个数和发芽率，并在对应图像中标记所检测的种子区域，用红色圆圈标记未发芽种子，蓝色圆圈标记已发芽种子，方便用户可视化管理。若所测多张图像是在同一环境下拍摄则无需重复上述设置参数步骤；若更换拍摄环境则需要根据拍摄环境重复上述操作重新设置种子参数。

3 结论与讨论

本研究的方法较前人计算种子发芽率的方法而言，不仅可以省去实验人员大量重复计数，并且对种子是否发芽的判断依据进行固定，故发芽率的统计精度和稳定性不会受主观因素影响。更重要的是，软件实时记录的大量发芽率数据可以根据用户要求自动进行后期处理，如计算每日发芽率、动画模拟发芽过程、不同种子之间的发芽曲线等。

该系统的优点在于，设计并制作了种子图像采集的硬件系统，开发了种子发芽率自动监测软件，将两者结合得到了一个完整的培养箱中种子发芽率自动检测系统；根据种子特征，对种子进行了灰度转换，节省了内存空间并提高了系统运行速度。对噪声进行滤除，对图像进行自适应阈值分割，更准确地提取发芽种子特征，减少了对图像特征分析的影响；可极大地提高实验人员检测种子发芽率的工作效率，为农业研究打下基础。