基于计算机视觉的玉米穗粒重无损测量方法

作者:周金辉;马钦;朱德海;王越;张晓东;刘哲;李绍明 刊名:农机化研究 上传者:曹东辉

【摘要】目前,国内玉米穗部考种大多采用目测尺量等传统手段,并且进行穗粒重测试时必须要经过脱粒环节,造成了对玉米果穗样本的破坏,无法保留考种原材料,不利于果穗精细化育种。为此,基于计算机视觉技术,利用可见光成像技术和X光成像技术,通过测量与计算果穗的三维几何性状,根据果穗质量分布特征建立了3种穗粒重估算模型:基于单粒重的穗粒重计算模型、基于容重的穗粒重计算模型和基于轴重的穗粒重计算模型。实验结果表明:基于单粒重的穗粒重计算模型和基于容重的穗粒重计算模型对果穗品种依赖较强,计算误差较强;相比较之下,基于单粒重的穗粒重计算模型比基于容重的计算模型拟合效果要更加好一些;相比于单粒重模型和容重模型,通过轴重模型来计算穗粒重有着较高的精确度,平均误差精度能达到1.30%,而且数据波动小,测量结果较稳定。该方法能够满足玉米果穗考种的基本需求,为实现考种流水化、智能化和自动化提供了很有价值的借鉴。

全文阅读

0引言玉米是世界上最重要的粮食和饲料作物之一。影响玉米产量的因素有很多,而玉米果穗的穗粒重是其中很重要的一个指标。测试穗粒重时一般采用先脱粒、再称量的人工测量方法,效率低且人力成本耗费严重,也破坏了原始样本,无法反复测量校验,整穗性状无法追溯。目前,计算机视觉技术在农业生产与控制领域有着广泛的应用,但针对无损测量果穗穗粒重的研究较少。杨锦忠等[1]利用图像处理技术分析了穗体积、穗面积、穗长、穗粗、穗矩形度等果穗三维几何特征与穗粒重的定量关系,对于预测果穗穗粒重有着很好的参考价值,却没有给出无损测量果穗穗粒重的方法。虽然国内还公开了果穗性状测量设备的专利申请,但是都无法实现在不脱粒的情况下无损测量单果穗的穗粒重。因此,研究计算机视觉技术对玉米果穗无损提取穗粒重方法具有重要意义。1硬件系统设计本实验硬件装置由两部分组成:一是可见光图像采集模块;二是X光图像采集模块。其硬件装置主要包括载物台、A3幅面蓝色背景(摆放待测果穗样品)、500万像素的CMOS长焦摄像头、补光灯、白色LED条形光源及支架等。实验设备如图1所示。图1可见光采集装置Fig.1Visiblelightimageacquisitiondevice本文的X光图像是通过X射线成像实验系统获取X射线下的果穗的灰度图像,然后通过图像处理算法来获取需要的内部几何特征参数。2可见光图像处理2.1玉米果穗轮廓提取考虑到果穗颜色为黄色,但果穗的不同细节(秃尖,籽粒缝隙等)的颜色不同,且背景的颜色特征较单一,所以提取果穗轮廓采用了差补法。将背景作为提取目标进行图像增强,待背景特征被提取出来之后再进行反相处理,就能够得到要分离的果穗轮廓了。果穗轮廓提取效果图如图2所示。图2玉米果穗轮廓提取效果图Fig.2Extractioneffectsofmaizecontours2.2玉米果穗秃尖提取玉米果穗的秃尖位置决定了穗部结实部位的长度,但不同果穗秃尖形状差异很大,且秃尖的颜色变化也较大,准确提取相对比较困难。本文利用籽粒和秃尖部分颜色差异提取秃尖的准确位置。首先,将玉米果穗的结实部位作为目标进行反相处理,将黄色的结实部位转换成其补色;然后,利用超蓝色彩特征提取的方法,结合OTSU自动阈值二值化方法,将果穗和秃尖分割开。秃尖的分割效果如图3所示。图3秃尖识别效果Fig.3Recognitioneffectsofbald2.3穗长、穗粗、秃尖长的计算为了计算果穗的穗粒重模型,在获得果穗的二值图像之后,由于果穗是任意摆放的,旋转后的图像会对长度精度造成误差,所以通过提取果穗轮廓的最小外接矩形,结合相机投影的特点及果穗的三维形状特征,便可以精确地计算穗长和穗粗(穗粗是指整穗最粗部位的粗度)。假设测量得到的实际穗粗为w,图像上测得的穗粗投影长为w',那么定义被投影放大了的长度比率为=w'-ww'100%假设测得穗长投影长度为h',则变换到实际的穗长为h=h'-h'。秃尖长度的计算只要根据秃尖位点所在穗长位置的比例,就可以推算出来。2.4果穗体积计算为保证精度,本文采用直接在倾斜果穗上进行积分扫描运算的方法进行体积运算。假设果穗轮廓的外接矩形的宽为a、长为b,且外接矩形的长与x轴的夹角为。取两条宽的中点连成一条直线l1,则直线l1的参数方程可以写为x=tcosy=tsin从起点位置开始,以宽为扫描线,从左向右扫描;设当前扫描线与轴线l1的交点为[0,b],则该交点可以计算得到有,有xi=ticosyi=tisin则扫描线的参数方程为x=ticos-t'siny=tisin+t'cos显然,轴线l1的参数t的取值范围为[0

参考文献

引证文献

问答

我要提问