張宏建+王金星+孫林林+戚武振+傅生輝+張春慶+劉雙喜

摘 要：為準(zhǔn)確提取玉米種子不同區(qū)域色彩特征和形狀特征，解決機器視覺檢測中需以特定裝置固定種子位置以及人工規(guī)則擺放的問題，提出一種任意姿態(tài)玉米種子定位的方法。該方法首先對采集的任意姿態(tài)的玉米種子彩色圖像進行預(yù)處理，實現(xiàn)對單粒玉米種子圖像的分割提??；然后利用B通道閾值對單粒種子圖像進行分割，計算黃色部分像素面積比例，判斷出種子無胚芽側(cè)面并對其歸類；其次，對種子輪廓圖像坐標(biāo)以遍歷方式計算輪廓間最長距離的方法獲取種子尖端點坐標(biāo)，并通過一階中心矩提取質(zhì)心坐標(biāo)，得到玉米種子圖像傾斜度，求得圖像旋轉(zhuǎn)角度θ°；最后，對玉米種子圖像進行θ°仿射變換（Affine transformation）旋轉(zhuǎn)，獲取玉米種子水平放置圖像，為進一步提取色彩特征和形狀特征提供準(zhǔn)確定位。試驗表明，該方法可將任意姿態(tài)的玉米種子進行有效旋轉(zhuǎn)定位，具有較好的實用性，同時該方法對于其他需要定位的種子圖像同樣適用。

關(guān)鍵詞：任意姿態(tài)；玉米種子；閾值分割；仿射變換定位

中圖分類號：S513 文獻識別碼：A DOI編碼：10.3969/j.issn.1006-6500.2017.01.001

Abstract： In order to extract color features of different regions of maize seed and solve the problem that seeds need to be put by manual regular operation and specific device in machine vision detection，a method of maize seed location at random position was put forward. Firstly， the color image of maize seeds at random position was preprocessed and single seed images were extracted. Then single seed was segmented by B component threshold to calculate area of yellow part and the ratio of endosperm area in all seed， judging the classes of maize side. Then， the longest distance L between all contour-coordinates could be calculated by traversal behaviors that were used to obtain tip coordinate of grain. The centroid of grain image counted by first order central moment of grain contour combines with tip coordinate to calculate gradient of maize seed image and rotation angle θ°. Finally， the grain image was rotated in certain angle by affine transformation to get horizontal position image of maize seed which could provide accurate location of grain seed for extracting the color features and shape characteristic further. The result showed that this algorithm could rotate the maize seed at random position to horizontal position effectively， and that it was suitable for other grain seed which needs to locate in detection and recognition.

Key words： random position；maize seed；threshold segmentation；affine transformation localization

機器視覺以其無損、快速、準(zhǔn)確的檢測方式在玉米種子檢測研究中得到了廣泛應(yīng)用[1-2]。朱啟兵等[3]通過人工規(guī)則擺放種子，利用高光譜信息識別種子純度；張俊雄等[4]利用特定小孔放置玉米籽粒，通過Navajo標(biāo)記籽粒胚部，篩選玉米單倍體；曹維時[5]、劉雙喜等[6]利用孔板式玉米種子擺放裝置[7]提取玉米側(cè)面和冠部顏色特征，對種子進行純度識別。特定裝置以及規(guī)則擺放雖然在一定程度上規(guī)范了玉米種子數(shù)據(jù)的采集方法，但設(shè)備的增多、人為放置不僅增加了誤差產(chǎn)生的幾率，而且費時費力。同時，隨著研究的深入，對玉米種子特定區(qū)域的顏色特征以及外形參數(shù)的提取須進行準(zhǔn)確定位。國內(nèi)已有專家對玉米籽粒尖端識別及姿態(tài)正形定位進行了研究。權(quán)龍哲等[8]利用小波變換對玉米籽粒圖像進行正形；寧紀(jì)鋒等[9]通過籽粒尖端尖銳程度和胚部亮度實現(xiàn)了玉米尖端及胚部的識別；楊蜀秦等[10]提出了基于Harris的玉米籽粒尖端識別方法；張俊雄等[11]根據(jù)形心與籽粒尖端距離，找到尖端位置。這些方法都在一定程度上實現(xiàn)了籽粒的正形或尖端定位，但實現(xiàn)步驟略顯繁瑣，適應(yīng)性較差。

本研究提出一種任意姿態(tài)的玉米籽粒圖像定位方法。該方法通過RGB顏色模型的B通道單閾值對籽粒側(cè)面進行分割，并統(tǒng)計黃色部分的面積，利用面積比實現(xiàn)對無胚面的識別歸類；以遍歷計算輪廓間最長距離L的方式找到玉米籽粒尖端坐標(biāo)，結(jié)合質(zhì)心計算出籽粒圖像的傾斜度；最后，經(jīng)過仿射變換[12-15]θ°旋轉(zhuǎn)，實現(xiàn)籽粒的水平定位。試驗表明，該方法可對任意姿態(tài)的玉米籽粒實現(xiàn)定位，具有較好的實用性，且對相似的其它種子定位同樣適用。

1 材料和方法

1.1 試驗材料與設(shè)備

選取北京金色農(nóng)華種業(yè)科技有限公司生產(chǎn)的未包衣玉米品種鄭單958為試驗材料。采集玉米籽粒圖像所用設(shè)備為玉米種子圖像采集系統(tǒng)[16]。該系統(tǒng)主要由CCD相機、背景板、光箱、四面無影光源和計算機組成。其中，DFK 41BU02彩色CCD相機（The Imaging Source公司）；M3Z1228C-MP工業(yè)鏡頭（日本Computar公司）；聯(lián)想揚天M4600D-10計算機（聯(lián)想集團有限公司）；SP-300-192-W四面無影光源（東莞康視達自動化科技有限公司）；背景板為啞光黑色硬紙板。

1.2 樣本采集與預(yù)處理

隨機抓取玉米種子，灑在背景板上。利用采集設(shè)備拍攝的玉米種子圖像為1 280 × 960 Pix的真彩色24位BMP圖像，玉米種子彩色圖像如圖1所示。

將玉米籽粒彩色圖像轉(zhuǎn)化為256級的BMP灰度圖像，加快后續(xù)處理速度，然后對灰度圖像進行高斯濾波，抑制圖像噪聲，再對種子圖像做背景分割，提取單粒玉米種子圖像，最后進行單粒種子輪廓提取。玉米籽粒剖面圖像預(yù)處理結(jié)果如圖2所示。

1.3 玉米種子定位方法

1.3.1 籽粒側(cè)面判定 隨意拋灑的玉米籽粒姿態(tài)位置是隨機的，因此需要對玉米的籽粒尖端、頂部位置、有胚面和無胚面進行判定。本研究采用閾值分割方法，對提取的種子圖像進行分割識別。利用RGB模型對籽粒進行色彩分析，玉米籽粒尖端及胚部為白色，胚乳為黃色或淡黃色。從玉米籽粒有胚面的RGB分量三維直方圖（圖3）中可看出，整個籽粒側(cè)面R分量值分布相對均勻，黃色區(qū)域與白色區(qū)域的G值有細(xì)微差異，但不適合作為兩區(qū)域的分割閾值，而B分量值差異最明顯，可用于區(qū)分黃、白兩區(qū)域。圖4為籽粒側(cè)面B通道顏色散點圖，從中可觀察到兩區(qū)域B值差異明顯，黃色區(qū)域B值主要集中在30～120，白色區(qū)域B分量值多集中在120～250之間。經(jīng)多次試驗，確定以B分量值120作為籽粒側(cè)面分割閾值。

利用B分量值120對籽粒圖像進行色彩分割，分別計算同一籽粒有胚面和無胚面的白色區(qū)域像素面積及單粒種子的總面積。圖5為種子側(cè)面分割效果圖，其中（a）為有胚面圖像，（b）為有胚面分割圖像，（c）為無胚面圖像，（d）為無胚面分割圖像。表1為10粒玉米種子各個側(cè)面黃色部分面積統(tǒng)計的結(jié)果。

通過圖6可看出，籽粒有胚面和無胚面兩側(cè)黃色區(qū)域所占籽?？偯娣e比率不同。經(jīng)多次對比分析，以占籽?？偯娣e70%作為判定玉米種子側(cè)面位置的依據(jù)，并對玉米籽粒側(cè)面圖像進行標(biāo)記歸類處理。當(dāng)黃色部分所占面積比率大于70%時，表示玉米種子的無胚側(cè)面朝向CCD照相機（朝上）；當(dāng)黃色面積所占比率小于70%時，表明種子有胚側(cè)面朝上。

1.3.2 最長距離L 以遍歷方式計算獲取單粒玉米種子輪廓像素位置坐標(biāo)，并計算輪廓坐標(biāo)間的距離。假設(shè)某輪廓點坐標(biāo)為（x， y），則點（x， y）與其他像素（xi， yi）的距離如公式（1）。輪廓間距離統(tǒng)計結(jié)果如表2所示。

對全部輪廓坐標(biāo)間的距離L進行比較，得到最大距離Lmax時的兩點坐標(biāo)（xi， yi）和（xk， yk）。為區(qū)分（xi， yi）和（xk， yk）兩坐標(biāo)位置，提取圖像中兩坐標(biāo)位置的B通道值。由于玉米種子尖端顏色呈白色，頂端顏色呈黃色，在（1.3.1）中得知，玉米籽粒黃色區(qū)域與白色區(qū)域B分量值差異較大。白色部分B分量值較大，黃色部分B分量值較小，分類閾值為120。以此判斷兩坐標(biāo)所屬玉米籽粒區(qū)域，作為計算玉米種子旋轉(zhuǎn)中心軸線的一端點。判斷依據(jù)如下所示：

1.3.3 質(zhì)心的獲取 對玉米種子任意姿態(tài)的定位，需確定玉米種子外形中心軸線，即過質(zhì)心和玉米籽粒尖端點的直線。對單粒玉米種子圖像進行目標(biāo)質(zhì)心提取，求得質(zhì)心坐標(biāo)（xc ， yc），并在原圖標(biāo)記。對于一幅二維的連續(xù)圖像，其階矩定義為：

其中，p和q為非負(fù)整數(shù)，對離散化的數(shù)字圖像，式（3）可為：

通常，圖像的前10個矩（p+q≤3）獲得最為廣泛的應(yīng)用，且具有實在的物理意義。0階矩（m00）表示物體的質(zhì)量，1階矩（m10， m01）表示物體的質(zhì)心。由上式可知，質(zhì)心即是第0階矩和第1階矩，圖像質(zhì)心的坐標(biāo)公式為：

以圖2（c）種子為例，質(zhì)心示意圖如圖7（a）所示。最終，利用質(zhì)心與籽粒尖端得到中心軸線。已獲得籽粒質(zhì)心坐標(biāo)為（xc ， yc）及尖端坐標(biāo)（xj ， yj），以質(zhì)心為坐標(biāo)原點，籽粒尖端位置的相對坐標(biāo)（x， y）為：

通過反正切函數(shù)，可求得角度θ，同時利用相對坐標(biāo)（x ， y）在象限圖中的分布（如圖7（b），數(shù)據(jù)來自驗證試驗），最終確定旋轉(zhuǎn)角度θr：

1.3.4 籽粒圖像的仿射變換 仿射變換（Affine transformation）是一種二維坐標(biāo)到二維坐標(biāo)之間的線性變換，它保持了二維圖形的平直性。對任意姿態(tài)的玉米種子圖像采用仿射變換進行旋轉(zhuǎn)校正，將單粒種子圖像圍繞圖像中心旋轉(zhuǎn)一定角度，實現(xiàn)對種子姿態(tài)的調(diào)整。假設(shè)x-y坐標(biāo)系中，坐標(biāo)原點為（0 ， 0），坐標(biāo)原點移動（x0 ， y0），圍θ繞坐標(biāo)軸旋轉(zhuǎn)θ°，則在新坐標(biāo)系X-Y中坐標(biāo)值的方程組可求，同時，為將原點移動的值放入矩陣，加入一個冗余方程，則坐標(biāo)值旋轉(zhuǎn)矩陣方程如（9）所示。

2 結(jié)果與分析

隨機挑選玉米種子進行本方法的準(zhǔn)確性試驗和可行性驗證。將玉米籽粒圖像每旋轉(zhuǎn)15°進行一次拍攝，如圖8（a）所示，然后利用本文方法對圖像進行旋轉(zhuǎn)定位，以玉米籽粒原圖像為參照，計算每次旋轉(zhuǎn)的相對誤差，試驗數(shù)據(jù)如表3所示。經(jīng)過驗證，所有任意姿態(tài)的玉米籽粒均實現(xiàn)了水平定位。以玉米籽粒θ°圖像為參照標(biāo)準(zhǔn)，旋轉(zhuǎn)相對誤差范圍為0.187 1°～2.046 3°。隨機選取部分玉米種子，實現(xiàn)定位結(jié)果如圖8（b）所示。結(jié)果表明，該算法可實現(xiàn)任意姿態(tài)的玉米種子水平定位，具有一定的實用性。

3 結(jié) 論

（1）采用基于RGB顏色模型的B通道閾值分割方法實現(xiàn)玉米側(cè)面黃色區(qū)域和白色區(qū)域的分離，并通過統(tǒng)計玉米側(cè)面黃色面積比對玉米籽粒有胚面、無胚面并進行歸類。簡化識別分類方法，提高算法的適應(yīng)性。

（2）提出一種基于遍歷最長距離L的玉米種子尖端和頂點坐標(biāo)的獲取方法，快速準(zhǔn)確地得到玉米籽粒兩端坐標(biāo)，實現(xiàn)玉米籽粒尖端識別。

（3）以玉米尖端與質(zhì)心作為籽粒中心軸線，通過計算旋轉(zhuǎn)角度對單籽粒圖像進行仿射變換，實現(xiàn)對任意姿態(tài)的玉米種子圖像的水平定位，以解決目前玉米種子在檢測中圖像采集需要特定裝置固定以及人工擺放的問題，簡化機器視覺在農(nóng)產(chǎn)品檢測中的設(shè)備使用及處理工序，提高檢測的效率。

參考文獻：

[1]鄭小東，王杰.機器視覺在玉米籽粒品質(zhì)檢測中的應(yīng)用研究[J].中國糧油學(xué)報，2013，28（4）：124-128.

[2]成芳，應(yīng)義斌.機器視覺技術(shù)在農(nóng)作物種子質(zhì)量檢驗中的應(yīng)用研究進展[J].農(nóng)業(yè)工程學(xué)報，2001，17（6）：175-179.

[3]朱啟兵，馮朝麗，黃敏，等.基于圖像熵信息的玉米種子純度高光譜圖像識別[J].農(nóng)業(yè)工程學(xué)報，2012，28（23）：271-276.

[4]張俊雄，武占元，宋鵬，等.玉米單倍體種子胚部特征提取及動態(tài)識別方法[J].農(nóng)業(yè)工程學(xué)報，2013，29（4）：199-203.

[5]CAO W S，ZHANG C Q，WANG J X，et al.Purity identification of maize seed based on discrete wavelet transform and BP neural network[J].Transactions of the Chinese society of agricultural engineering（Transactions of the CSAE），2012，28（S2）：253-258.

[6]劉雙喜，王盼，張春慶，等.基于優(yōu)化DBSCAN算法的玉米種子純度識別[J].農(nóng)業(yè)機械學(xué)報，2012，43（4）：188-192.

[7]山東農(nóng)業(yè)大學(xué).一種孔板式玉米種子擺放裝置： 201020530776.1 [P].2011-05-11.

[8]權(quán)龍哲，馬小愚.基于小波分析的玉米籽粒圖像正形研究[J].農(nóng)機化研究，2006 （2）：154-156.

[9]寧紀(jì)鋒，何東健，楊蜀秦.玉米籽粒的尖端和胚部的計算機視覺識別[J].農(nóng)業(yè)工程學(xué)報，2004，20（3）：117-119.

[10]楊蜀秦，寧紀(jì)鋒，何東健.基于Harris算子的籽粒尖端識別方法[J].農(nóng)業(yè)機械學(xué)報，2011，42（3）：166-169.

[11]張俊雄，荀一，李偉.基于形態(tài)特征的玉米種子表面裂紋檢測方法[J].光學(xué)精密工程，2007，15（6）：951-956.

[12]李培華，肖莉娟.基于Mean Shift的相似性變換和仿射變換目標(biāo)跟蹤算法[J].中國圖象圖形學(xué)報A，2011，16（2）：258-266.

[13]張偉，任仙怡，張桂林，等.基于對數(shù)極坐標(biāo)變換和仿射變換的目標(biāo)識別定位方法[J].中國圖象圖形學(xué)報，2006，11（9）：1255-1259.

[14]SONG X H， MUSELET D， TRMEAU A.Affine transforms between image space and color space for invariant local descriptors [J]. Pattern recognition， 2013，46（8）：2376-2389.

[15]HUANG Z Y，KANG W X，WU Q X，et al.A new descriptor resistant to affine transformation and monotonic intensity change[J].Computer vision and image understanding，2014，120（5）：117-125.

[16]王盼.基于機器視覺和優(yōu)化DBSCAN的玉米種子純度識別[D].泰安：山東農(nóng)業(yè)大學(xué)，2012.