基于圖像處理技術(shù)的油菜籽數(shù)量統(tǒng)計方法

劉泰格　潘禮禮　慕帥　梁銳　覃海波　徐勝勇

摘要：單株油菜的籽粒數(shù)是油菜考種中的重要農(nóng)藝性狀參數(shù)。當(dāng)前主要依靠人工方式統(tǒng)計油菜籽的數(shù)量，費時費力且容易出錯。采用圖像處理技術(shù)統(tǒng)計油菜籽數(shù)量是一種高效可行的方式。本文研究了一種基于距離變換的分水嶺算法，能有效地將油菜籽圖像中粘連的區(qū)域分割為單粒油菜籽區(qū)域，進(jìn)而對圖像中連通域的數(shù)量計數(shù)得到油菜籽的數(shù)量。該方法高效可行，對油菜籽的計數(shù)速度達(dá)到3000顆/分鐘，準(zhǔn)確率超過99 .2%

關(guān)鍵詞：油菜籽;數(shù)量統(tǒng)計;分水嶺算法

油菜作為世界范圍內(nèi)廣泛種植的油料作物，應(yīng)用數(shù)字圖像處理技術(shù)采集與提取種子信息，不僅可以實現(xiàn)無損、快速、準(zhǔn)確的測量，也可以定量化獲取全部和單粒種子的各類信息，進(jìn)而實現(xiàn)從量化的角度對油菜種子品質(zhì)進(jìn)行研究。計算機(jī)數(shù)字圖像處理方法為籽粒性狀特征定量化描述提供了技術(shù)支撐。如KONG等應(yīng)用近紅外高光譜成像技術(shù)結(jié)合多元數(shù)據(jù)分析對水稻種子進(jìn)行鑒定【1】，基于全譜的隨機(jī)森林（ RandomForest）模型取得了良好的性能，在校準(zhǔn)集和預(yù)測集上均表現(xiàn)出100%的分類率，證實了RF是一種有效的建模方法。黃霞等提出了一種基于三維點云的谷粒高通量表型信息自動提取方法，能同時自動獲取谷粒的三維模型和40個表型參數(shù)，實現(xiàn)谷粒形狀的定量和定性描述【2】。劉雙喜等使用分類識別器，提出以可見光波段玉米種子的多區(qū)域小波色彩特征作為識別參數(shù)，建立多模型的概率聚類模型進(jìn)行玉米雜交種子種類識別，識別率可達(dá)到75%以上【3】。

油菜籽考種信息中，千粒重是衡量農(nóng)作物種子質(zhì)量的一個關(guān)鍵性指標(biāo)，而當(dāng)計算千粒重指標(biāo)時，關(guān)鍵而繁瑣的任務(wù)莫過于精確計算出種粒的數(shù)目，因此，本文研究了一種圖像處理算法，利用數(shù)字圖像處理技術(shù)對批量油菜籽進(jìn)行數(shù)量的快速提取。本文方法為自動化的油菜考種技術(shù)提供了一個有用的參考范例。

1實驗材料

采用2018年5月自華中農(nóng)業(yè)大學(xué)試驗田采集的油菜籽，品種為“中雙6號”。將油菜籽放置于一個托盤中平鋪，使用手機(jī)垂直向下拍攝得到油菜籽彩色圖像。本文算法開發(fā)和測試的PC機(jī)硬件環(huán)境為Intel（ R） Core（ TM）i7-6600U CPU@2.60 GHz 2.70 GHz、Windows7專業(yè)版SP1、MATLAB R2016a.

2油菜籽粒數(shù)統(tǒng)計圖像處理算法

首先對原彩色圖像進(jìn)行OTSU閾值分割，得到其二值圖像。再對二值圖像進(jìn)行形態(tài)學(xué)“開”操作，結(jié)構(gòu)算子為直徑為5的圓形結(jié)構(gòu)算子，以濾除圖像中的小塊雜質(zhì)區(qū)域。預(yù)處理的圖像中，包括了單粒油菜籽和粘連籽粒區(qū)域。將粘連籽粒區(qū)域分割為單粒區(qū)域，是數(shù)量統(tǒng)計的關(guān)鍵步驟。對于粘連油菜籽，分水嶺分割算法能取得較好的分割效果。但傳統(tǒng)的分水嶺算法受噪聲等因素的干擾，會產(chǎn)生許多局部最小值，易于產(chǎn)生過分割的現(xiàn)象。本文提出了一種基于距離變換的分水嶺算法，以分割粘連油菜籽區(qū)域。

歐式距離變換。距離變換可獲取二值圖像中每個像素到最近的零像素的距離，即目標(biāo)區(qū)域內(nèi)像素點到背景區(qū)域的距離，并將此信息存儲于灰度圖像中，灰度圖像中某點數(shù)值越小，說明該點距離背景像素點越近?；叶葓D像中各點的灰度值代表一個標(biāo)簽，描述其所屬的區(qū)域，可有效避免傳統(tǒng)分水嶺算法中因局部最小值點過多而造成的過分割情況。對于油菜籽圖像，對二值圖像求補，再進(jìn)行歐式距離變換;高斯濾波。為提高分水嶺算法準(zhǔn)確率，本文運用高斯濾波對圖像進(jìn)行平滑處理。采用大

對于單粒油菜籽區(qū)域，該改進(jìn)分水嶺算法不改變圖像形態(tài);對于粘連的油菜籽區(qū)域，將一個大的粘連區(qū)域分離為獨立的小區(qū)域，且基本保持油菜籽的基本形態(tài)。對于上述分水嶺分割得到的圖像，計算其連通域個數(shù)即可得到油菜籽粒數(shù)。

3結(jié)論

本文提出的粘連油菜籽圖像分割算法，可以有效減輕人工計數(shù)的勞動強度，是油菜考種自動化技術(shù)的一個有益參考，可以為油菜的栽培、選種育種等研究提供重要而基礎(chǔ)的數(shù)據(jù)。

參考文獻(xiàn)

【1】李錦衛(wèi)，廖桂平基于數(shù)字圖像處理的油菜種子形狀特征參數(shù)提取及模糊聚類分析【J】計算機(jī)輔助工程，（2006）：75-78

[2]劉飛，楊春艷，謝建新紅外光譜和逐步判別分析法應(yīng)用于油菜籽的研究【J】光譜學(xué)與光譜分析，36（2016）：1363 -1368

【3】劉雙喜，張宏建，王金星，王震，張春慶，李巖基于可見光波段的色彩概率聚類模型的玉米雜交種子識別【J】光譜學(xué)與光譜分析，38（2018）：2516- 2523