牧草種子品質智能鑒定系統設計與實現

文 / 李艷梅 尚應文

（甘肅農業大學 信息科學與技術學院，甘肅 蘭州 730070）（甘肅電力投資集團有限責任公司，甘肅 蘭州 730070）

牧草種子品質智能鑒定系統設計與實現

文 / 李艷梅 尚應文

（甘肅農業大學 信息科學與技術學院，甘肅 蘭州 730070）（甘肅電力投資集團有限責任公司，甘肅 蘭州 730070）

牧草種子品質好壞很大程度上決定了牧草的產量。目前，種子純度鑒定采用人工鑒定的方法，存在工作效率低、主觀性強的問題。本文采用機器視覺系統獲取牧草種子數字圖像；再采用邊緣檢測、灰度直方圖等方法，對牧草種子圖像進行處理分析，自動檢測提取出能反映牧草種子品質的特征參數，如種子的大小、質量、形狀、顏色等數據信息；最后利用模糊綜合評判法，給出種子品質好壞的打分結果。試驗數據表明, 對某種特定的牧草種子，本系統可以實現對其品質的智能鑒定。

牧草種子；邊緣檢測；雙目測量;模糊綜合評判

1 、引言

牧草生產是畜牧業的基礎，優良品質的牧草種子是牧草生產的前提，牧草種子品質的檢驗鑒定工作是保證牧草品質的基本。傳統人工牧草種子品質人工鑒定方法，費時費力，而且由于人工鑒定存在很大的主觀性。隨著計算機視覺的發展，使用數字圖像處理技術對牧草種子圖像進行自動檢測，根據所提取出的圖像邊緣點信息對影響牧草種子品質的條件數字信息化，為實現牧草種子品質智能鑒定打下基礎，提供定量分析的新思路和新方法。

邊緣是圖像最基本的特征之一，邊緣檢測已經成為圖像處理領域中一個重要的環節,有著廣泛的應用[3]。圖像邊緣檢測的相關理論研究已趨于成熟,經典的邊緣檢測算子有Canny,Sobel,Laplace, Roberts,SUSAN[4]等。本文結合所測目標圖像邊緣點連續的性狀特征，采用基于sobel的種子點生長邊緣檢測算法[6]，對牧草種子圖像進行邊緣點特征提取，再根據左右圖像平面上牧草種子的投影平面圖像，利用雙目測量原理，計算能夠標識牧草種子品質的所有特征點的實際三維坐標，得到影響牧草種子品質的參數化信息，最后根據數字化的參數，利用模糊綜合評判法對牧草種子的品質優劣進行判定，給出牧草種子品質智能分級結果。

2 、影響牧草種子品質的參數信息數字化

本系統先利用Sobel 邊緣檢測算子對采集到的圖像提取邊緣，利用邊緣信息，獲取牧草種子的大小、圓度、均勻度、顏色四個數據信息。對于不同的牧草種子其外觀形態差異很大，因此，在對牧草品質智能鑒定系統設計初期，先以典型的牧草種子作為鑒定對象，本文以山黎豆和燕麥作為研究對象，設計程序和相應算法，提取出牧草種子的大小、圓度、均勻度、顏色等信息。

（一）提取牧草種子大小、圓度信息

Sobel 邊緣檢測算子采用3×3大小的模板，在水平方向和垂直方向上的卷積算子表示如圖1所示。

圖1 Sobel卷積算子

對牧草種子圖像的特征參數提取時，均需要先對圖像進行二值化處理，將彩色圖像處理成只包括黑色像素點和白色像素點的圖像。經過二值化處理后的圖像，白色點表示種子內部像素點，黑色點代表背景像素點。在采集圖像時考慮到圖像處理的速度和效果，將牧草種子的背景采用純藍色背景，圖像中僅含有藍色和非藍色兩種顏色區域，牧草種子面積區域是一塊連通區域，因此，采用種子點生長算法，可以很好的提取出牧草種子。

牧草種子的圓度可以采用計算牧草種子長軸的長度和短軸的長度，通過長短軸的比值來衡量牧草種子的圓度。如圖所示，燕麥的長短軸比值用來表示其圓度。

（二）提取牧草種子均勻度和顏色信息

對多粒牧草種子進行檢測，若種子大小均勻，則種子品質好，否則，種子品質差。因此，鑒定牧草種子品質不僅要看單粒種子，還要以多粒種子的大小圓度分布是否均勻作為品質優劣的判定條件。本文對牧草種子均勻度統計分析分為三個步驟進行：

第一步，采用區域生長法或者邊緣檢測算法對原圖像進行圖像分割，將圖像分割成不同的很多連通區，每個連通區，表示一粒種子圖像；第二步，計算每個連通區的圓度和大??；第三步，統計圖像中連通區總數目和連通區大小和圓度在不同區間內的連通區個數，若大小圓度差異小，則可判定牧草種子品質好，否則品質差。

統計連通區內所有像素點的RED、GREEN、BLUE三個顏色分量，形成圖像的灰度直方圖，通過查找灰度直方圖的峰底，找到影響種子顏色的主色調，利用主色調顏色區分種子的好壞，如果種子上有發霉斑點，則被判定為品質差，若顏色均勻單一，則被判定為品質好。

3 、利用模糊綜合評判算法對牧草種子進行智能分級

目前，模糊數學中的模糊綜合評判方法可以對模糊事物實現較合理的評價，并被廣泛應用于社會、經濟、科學和技術等領域[6]。牧草種子品質的好壞主要受外觀形狀的大小、圓度、均勻度、顏色等多方面因素的影響，對圖像處理方法獲取的牧草種子數字化信息，利用模糊綜合評判法根據多個參數信息，得到接近人工分級的自動智能分級結果。

結合牧草種子品質人工鑒定的經驗和牧草種子不同種類形狀差異大的特點，對不同種類牧草種子，記影響種子品質的四個信息量為因素集U。U={大小，圓度，均勻度，顏色}，U中各元素表示種子品質好壞的某個判斷條件，該條件數據通過圖像處理系統提供數字化信息。

在牧草種子判斷條件中，由于每一條件在決定牧草種子品質時的權重不同，因此，記模糊子集，元素ai表示第i個因素所占的權重值，本模型中所用權重值主要是根據植保專家提供的經驗和知識給出。

把牧草種子品質劃分為四個等級：優、良、一般和差。令評價集V={優，良，一般，差}，其中Vi表示對牧草種子品質鑒定的結果?？紤]四個因素對評價集V中的牧草種子品質等級的隸屬度不同，記單因素評判矩陣為：

4 、結果及分析

本文以山黎豆和燕麥種子作為鑒定對象，人工挑選出100粒山黎豆種子和100粒燕麥種子，其中優、良、一般和差不同品質的種子各25粒。采用型號為MV-VEM200SC的小型GigE工業網絡數字攝像機和AFT-0614MP百萬像素工業鏡采集牧草種子的圖像，圖像大小為：1600*1200，單位：像素。實驗平臺選用Visual Basic6.0。

圖2和圖3是25粒品質優的山黎豆種子和25粒品質差的山黎豆種子的邊緣點檢測圖像，從圖像可以看出，圖像的邊緣可以反映出種子的大小圓度等信息。圖4為一粒品質優的山黎豆種子的種子區域聯通圖，可以提取出該粒種子的大小和圓度信息，圖5為20粒品質優和20粒品質差的種子聯通區圖像，由此圖像可分析得到多粒種子的均勻度。

圖2 品質差的25粒種子

圖3 品質好的25粒種子

圖4 一粒種子的連通區

圖5 40粒種子的連通區

通過本鑒定系統，可對山黎豆和燕麥兩類牧草種子進行智能鑒定，通過圖像獲取，從而得到接近現實的正確分類。

5 、結束語

本文利用數字圖像處理方法和機器視覺雙目測量系統對牧草種子圖像進行處理分析，提取出可用于牧草種子品質分級的種子大小、種子圓度、種子分布均勻度、和種子的顏色四個數字化參數信息，最后利用模糊綜合評判方法，根據人工鑒定經驗，給出影響種子品質鑒定的四個因素所占的權重，得到接近現實分級的智能鑒定結果。實驗證明，本文設計的算法能夠對山黎豆和燕麥種子品質進行智能自動分級，是一種有效的鑒定方法。

[1] 嵇鐘玉,龔麗農,黃挺堅等.種子自動篩選系統軟件設計.農機化研究, 2013, 11(11):56-60

[2] 魏光杏,吳錫生.新型邊緣檢測法[J].計算機工程與設計,2007,28(4):882-883,887

[3] 章毓晉.圖像分割[M].北京:科學出版社,2001.

[4] 曾脈.基于數字圖像處理的羊毛測量與分類系統[D].西安:電子科技大學碩士學位論文,2008.

[5] 何斌,馬天宇.Visual C++數字圖像處理（第二版）[M].北京:人民郵電出版社.2003.

[6] 汪培莊,模糊集合論及其應用[M].上海:上?？茖W技術出版社,1983.

甘肅農業大學盛彤笙基金項目（GSAU-STS-1413）