王應彪， 賈賀鵬， 李 明， 劉 娟， 許鳳仙

(西南林業(yè)大學機械與交通學院，云南 昆明 650224)

研究與設計

基于OpenCV算法的玉米種子品質(zhì)檢測分級方法研究

王應彪， 賈賀鵬， 李 明， 劉 娟， 許鳳仙

(西南林業(yè)大學機械與交通學院，云南 昆明 650224)

玉米種子的質(zhì)量分級是種子加工過程中的重要環(huán)節(jié)之一，利用圖像處理技術對玉米種子進行質(zhì)量分級具有無損、精度及效率高等優(yōu)點。以玉米種子為研究對象，應用圖像處理技術，通過OpenCV提出了獲取玉米種子外觀形狀與特征尺寸的算法，對玉米種子形狀特征進行分級。同時，通過對優(yōu)質(zhì)和帶有傷損、霉變種子的HSV顏色空間進行分析，對種子外觀品質(zhì)進行分級。結(jié)果表明：優(yōu)質(zhì)種子分類正確率為90.5%，一般種子正確率為82.3%，劣質(zhì)種子正確率為92.3%，其可為進一步利用圖像技術對玉米種子進行外觀分級及品質(zhì)檢測提供技術支持。

玉米種子；圖像處理；分級；形狀

玉米是世界三大糧食作物之一，是我國第二大糧食作物，其籽粒的尺寸、形狀等特征是種子分級以及播種機具設計的重要指標，優(yōu)質(zhì)的玉米種子可提高玉米的產(chǎn)量和質(zhì)量，種子質(zhì)量的鑒別和分級是種子加工過程的重要環(huán)節(jié)之一。當前玉米種子的形狀、質(zhì)量分級主要是通過振動篩分選、比重分選及人工分選等方式進行，效率低且對種子損傷嚴重。近年來，圖像處理技術被廣泛應用于農(nóng)產(chǎn)品的檢驗與分級中，如對谷物籽粒顏色[1]、粒形和種類的識別，對水果形狀和缺陷等外觀品質(zhì)的識別等。OpenCV作為開放的計算機視覺資源代碼，可為用戶提供豐富的圖像及計算機視覺處理函數(shù)，為圖像處理、計算機視覺技術的應用提供了極大的方便，OpenCV目前已成為從事機器視覺算法開發(fā)人員使用最廣泛的開發(fā)工具[2]。謝捷如等[3]利用OpenCV實現(xiàn)對蘋果和橘子外形特征的提取、分析及自動識別；劉雙喜等[4]利用OpenCV實現(xiàn)了對棉花異性纖維圖像特征的提取。本文以玉米種子為研究對象，采用圖像處理技術，通過OpenCV提出了獲取玉米種子外觀形狀與特征尺寸的算法，為進一步利用圖像處理技術對玉米種子進行外觀分級及品質(zhì)檢測提供技術支持。

1 玉米種子籽粒形態(tài)及結(jié)構特征

種植較多的常規(guī)類型玉米種子有馬齒型、半馬齒型和硬粒型，玉米種子籽粒實質(zhì)上是果實，植物學上稱為穎果，通常叫籽粒。玉米種子籽粒的形狀、大小和色澤因類型和品種的不同而不同，與種子在果穗上的位置也有關系，如圖1所示，其中L為種子長度(m)，B為種子寬度(m)。在果穗兩端的種子圓形粒居多，而果穗中部的種子則以長扁粒居多。玉米籽粒由皮層、胚、胚乳三大部分構成，籽粒

形態(tài)扁平。玉米種子的外觀尺寸包括長度、寬度和厚度；形狀特征包括周長、面積、圓形度、矩形度、伸長度等，顏色特征包括色度、飽和度等。通過對尺寸與形狀的比較，可把玉米種子分為長扁粒、小圓粒及大圓粒三種。

圖1 玉米種子

2 玉米種子外觀檢測的OpenCV實現(xiàn)

玉米種子外觀檢測程序流程如圖2所示，檢測過程分為五個基本流程，圖像預處理包括圖像平滑、背景去除、形態(tài)學處理、顏色空間變換、灰度處理、二值化處理和邊緣檢測等；特征提取包括種子的長度、寬度、面積、圓形度、緊湊度等尺寸的分割算法，以及顏色特征色度、純度和亮度等數(shù)據(jù)的提??；對不同品種的玉米種子提取出來的特征值進行統(tǒng)計計算及數(shù)據(jù)分析比較，通過閾值分割實現(xiàn)對種子的分類[5]。

圖2 玉米種子外觀檢測程序流程

3 玉米種子的外觀尺寸檢測提取

將采集的RGB圖像根據(jù)Otsu法確定的閾值去除背景，并對圖像進行中值濾波去噪。將圖像從RGB模型轉(zhuǎn)換到HSV模型，將色度值域變換到[0，255]，并從HSV通道提取H、S、V三個單通道進行二值化處理，采用中值濾波及形態(tài)學降噪處理對H、S、V三個單通道圖像進行Canny 邊緣檢測，得到玉米種子外部清晰輪廓，通過對比發(fā)現(xiàn)V空間得到的輪廓最理想。玉米種子圖像預處理及邊緣提取如圖3所示，種子形狀特征示意圖如圖4所示。

圖3 玉米種子圖像預處理及邊緣提取

圖4 種子形狀特征示意圖

3.1 種子尺寸及形狀檢測

玉米的長度定義為玉米邊緣輪廓內(nèi)過形心且內(nèi)部最長的軸線。具體的實現(xiàn)方式是利用OpenCV中的查找輪廓函數(shù)：cvFindContours(pcany，g_storage，&contours，sizeof(CvContour)，CV_RETR_LIST，CV_CHAIN_APPROX_NONE，cvPoint(0，0))，其中pcany為輸入二值圖或者邊緣圖片指針，g_storage為輪廓存入指針。由于存在噪聲輪廓，因此通過循環(huán)遍歷圖片上所有輪廓，比較查找出最大輪廓即為玉米外形輪廓。通過函數(shù)cvBoundingRect(area_max_contour)計算出最大的最外面(up-right)矩形邊界，獲得玉米輪廓最小外接矩形(圖4)，最小外接矩形的長度即為種子長度，寬度即為種子寬度。再通過函數(shù)cvContourArea(area_max_contour)求得輪廓面積即為種子面積，通過函數(shù)cvArcLength(area_max_contour)求得輪廓周長，通過函數(shù)cvMoments(pcany，&moment，2)求得輪廓矩，輪廓矩的計算公式為：

(1)

式中：p為x維度上的矩；q為y維度上的矩；I為輪廓。

函數(shù)cvGetSpatialMoment可獲得特定的矩，通過輪廓矩即可求出輪廓質(zhì)心點坐標，質(zhì)心點坐標的計算公式為：

(2)

式中：xavg為形心橫坐標；yavg為形心縱坐標。

以質(zhì)心點為圓心，種子長軸為直徑可得一圓，則圓形度的計算公式為：

δ=C2/(4πA)

(3)

式中：δ為圓形度；C為玉米種子周長；A為玉米種子面積。

種子的緊湊度可由長短軸比求出。

3.2 種子顏色特征檢測

采集到的玉米種子顏色模型為RGB三個基本通道圖像，而人類更為自然直觀的視覺感知色彩顏色模型則為HSV顏色通道模型。因此，可將種子RGB通道轉(zhuǎn)換為HSV通道，即用種子顏色的色度H、純度S、明度V三個分量的平均值來表示顏色特征，玉米種子的HSV通道圖像如圖5所示。

圖5 玉米種子HSV通道圖像

首先，通過函數(shù)cvCvtColor(src，imghsv，CV_BGR2HSV)將RGB空間轉(zhuǎn)換為HSV空間，再通過函數(shù)cvCvtPixToPlane(imghsv，h_plne，s_plane，v_plane，0)將HSV圖像分割為H、S、V單通道圖像。其中src為輸入RGB原圖，imghsv為輸出HSV圖像，h_plane為H通道(色度)，s_plane為S通道(純度)，v_plane為V通道(明度)，然后經(jīng)過統(tǒng)計分析得出種子的顏色特征[6]。種子區(qū)域的平均色度、平均純度和平均明度的計算公式為：

(4)

4 玉米種子的分類方法

4.1 基于形狀特征的種子分類

根據(jù)尺寸及形狀檢測函數(shù)可得到種子的長度、寬度、圓形度和緊湊度，下面以鄭單958玉米種子為研究對象，分別對選取的50粒長扁粒種子、50粒大圓粒種子、50粒小圓粒種子進行測試，經(jīng)計算得到的尺寸參數(shù)平均值見表1。通過4個參數(shù)統(tǒng)計值，設定固定閾值對玉米種子形狀特征進行分類判別[7]。

表1 玉米種子外觀尺寸

分類長(L)/mm寬(K)/mm圓形度/mm緊湊度/mm長扁粒12