基于LabVIEW葡萄葉片還原糖含量的測(cè)試方法

(甘肅農(nóng)業(yè)大學(xué) 機(jī)電工程學(xué)院，甘肅 蘭州 730070)

LabVIEW[1]是美國國家儀器公司(National Instruments，NI)開發(fā)的一種圖形化編程軟件，目前已在農(nóng)業(yè)檢測(cè)、測(cè)試系統(tǒng)、視頻監(jiān)控等方面得到了廣泛應(yīng)用。2013年朱玲[2]等人設(shè)計(jì)了一套基于 LabVIEW 的小麥生物量檢測(cè)系統(tǒng)，完成了對(duì)數(shù)據(jù)的實(shí)時(shí)采集、顯示和保存；2017年伍權(quán)[3]等人采用LabVIEW技術(shù)，設(shè)計(jì)了一套脈沖渦流檢測(cè)實(shí)驗(yàn)系統(tǒng)，實(shí)現(xiàn)了信號(hào)發(fā)生、采集和控制等功能；2017年莊雷[4]等人針對(duì)高空氣球吊籃姿態(tài)控制系統(tǒng)地面監(jiān)控的需求，利用LabVIEW開發(fā)環(huán)境設(shè)計(jì)了一種吊籃姿態(tài)控制地面監(jiān)控軟件。

葉片是植物的主體器官，隨著植株的生長(zhǎng)或發(fā)生病變，葉片的顏色、紋理等特征會(huì)相應(yīng)改變，這種改變能很好地反映出其內(nèi)在營(yíng)養(yǎng)成分含量的變化。分析植物內(nèi)在營(yíng)養(yǎng)、元素的變化是觀測(cè)植物是否健康成長(zhǎng)的重要指標(biāo)，傳統(tǒng)的葉片營(yíng)養(yǎng)元素診斷一般有光譜儀器分析法和化學(xué)試劑滴定法，此類方法操作簡(jiǎn)單，但測(cè)試成本高，測(cè)試儀器不夠便捷，測(cè)試過程也較復(fù)雜，對(duì)于田間大批量植株?duì)I養(yǎng)元素的測(cè)定有一定局限性，所以，利用視覺技術(shù)對(duì)植株生長(zhǎng)過程中所表現(xiàn)出來的特征差異進(jìn)行分析識(shí)別從而判斷植株?duì)I養(yǎng)含量的方法就應(yīng)運(yùn)而生。早在2013 年徐騰飛[5]等人利用計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)了對(duì)玉米葉片的特征識(shí)別，完成了葉片中含水率的測(cè)定；2017年杜玉紅[6]等人基于機(jī)器視覺技術(shù)實(shí)現(xiàn)了對(duì)玉米葉片葉綠素含量的快速無損檢測(cè)。雖然利用 LabVIEW 軟件對(duì)植物營(yíng)養(yǎng)元素含量的檢測(cè)由來已久，但主要側(cè)重于水稻、番茄、棉花、玉米等一年生作物的葉片葉綠素含量、含水率以及各種微量元素的檢測(cè)上，鮮少見到對(duì)多年生植株?duì)I養(yǎng)元素的測(cè)定。基于此現(xiàn)狀，本研究以田間葡萄葉片作為研究對(duì)象，設(shè)計(jì)開發(fā)了一種基于LabVIEW的葡萄葉片還原糖含量的檢測(cè)系統(tǒng)，該系統(tǒng)利用LabVIEW技術(shù)和機(jī)器視覺技術(shù)，提取葡萄葉片顏色和紋理特征參數(shù)，再將提取到的參數(shù)以變量形式輸入到SVM分類器模型中，完成葉片還原糖含量的識(shí)別，進(jìn)而對(duì)葉片的含糖量進(jìn)行測(cè)定。

1 系統(tǒng)設(shè)計(jì)

1.1 試驗(yàn)材料與方法

本研究的圖像采集系統(tǒng)是由工業(yè)攝像機(jī)、圖像采集卡、LED光源和支架等硬件構(gòu)成。攝像機(jī)選用型號(hào)為acA2500-14uc的工業(yè)攝像機(jī)，其攝像頭接口形式為 USB 3.0型；圖像采集卡為美國NI公司生產(chǎn)的8242采集卡；光源是美國CREE(科銳)公司生產(chǎn)的 XML-2型 LED 燈珠，亮度1100～1200流明、色溫7200 K。以上所有硬件均能在夜間穩(wěn)定工作。

試驗(yàn)于2016年、2017年5月～10月在位于甘肅農(nóng)業(yè)大學(xué)的甘肅省葡萄與葡萄酒工程研究中心葡萄試驗(yàn)田中進(jìn)行，試驗(yàn)田地勢(shì)平坦，土壤透氣性良好，排水方便，不易積水。供試樣本為六年生“紅地球”葡萄，4月中下旬上架，葡萄架為“廠”字型，南北行向，四周無明顯遮擋，空氣流通較好，光照充分。試驗(yàn)選擇健康狀況良好的三行葡萄植株作為測(cè)試對(duì)象，為降低光照等環(huán)境因素的影響，本測(cè)試實(shí)驗(yàn)的圖像采集工作是基于同一光源條件下于晚上8：00～10:00進(jìn)行，每次采樣間隔4天。

該系統(tǒng)總體設(shè)計(jì)方案為系統(tǒng)初始化、葉片圖像在線采集與處理、圖像保存與讀取、圖像特征參數(shù)提取、分類識(shí)別，結(jié)構(gòu)框圖如圖1所示。

1.2 圖像采集與保存程序設(shè)計(jì)

圖像采集與保存程序設(shè)計(jì)均在LabVIEW軟件平

圖1 系統(tǒng)總體結(jié)構(gòu)框圖

臺(tái)上進(jìn)行。在圖像采集階段，需在NI中安裝IMAQ和IMAQdx驅(qū)動(dòng)，圖像連續(xù)采集過程是基于一個(gè)While循環(huán)程序進(jìn)行，在循環(huán)中嵌套6個(gè)子程序，分別為IMAQdx Open Camera.vi子程序——加載攝像頭，IMAQdx Configure.vi子程序——采集圖像信息，IMAQdx Grab.vi子程序——獲取輸出圖像的當(dāng)前幀，IMAQ Create.vi 子程序——設(shè)置當(dāng)前獲取圖像緩存空間，IMAQdx close Camera .vi子程序——停止采集并關(guān)閉攝像頭，IMAQ Dispose.vi 子程序作用為釋放所占緩存空間。采集完成后,圖像會(huì)通過LabVIEW中的Image Display 控件呈現(xiàn)在前面板上。

圖像保存程序設(shè)計(jì)是基于一個(gè)條件循環(huán)程序和一個(gè)while循環(huán)程序來進(jìn)行。當(dāng)循環(huán)條件為真時(shí)，在IMAQ Write File.vi的輸入端口File Path處創(chuàng)建路徑，即可通過IMAQ Write File.vi子程序?qū)⑴臄z到的圖像按照指定的路徑保存起來，設(shè)置圖像預(yù)處理打開路徑與保存路徑相同，可將保存后的圖像送入LabVIEW 的圖像預(yù)處理模塊中，進(jìn)行下一步的操作。

1.3 圖像預(yù)處理程序設(shè)計(jì)

在葡萄葉片圖像采集過程中，各類外界干擾會(huì)影響源圖片的形態(tài)和顏色，降低葉片還原糖測(cè)試的正確率。為此圖像預(yù)處理就尤為重要[7]。本設(shè)計(jì)圖像預(yù)處理是借助于Vision Development Module模塊中的Vision Assistant 來完成，對(duì)圖像進(jìn)行了彩色圖像灰度化、圖像去噪、圖像增強(qiáng)、背景分割和將原始圖像與分割后圖像做乘法運(yùn)算去除背景的彩色圖像等圖像預(yù)處理過程。在圖像預(yù)處理界面上，圖像灰度化和圖像增強(qiáng)可手動(dòng)選擇處理方式，圖像去噪和背景分割則分別利用中值濾波和閾值分割的方法完成。圖像預(yù)處理可消除圖像噪聲等干擾信息,恢復(fù)有用的真實(shí)信息，改進(jìn)特征提取、背景分割、特征識(shí)別的可靠性，提高系統(tǒng)工作效率和還原糖含量測(cè)定的正確率。

1.4 特征提取和分類識(shí)別程序設(shè)計(jì)

該系統(tǒng)利用葉片圖像的顏色一階矩、二階矩和灰度共生矩陣[8-11]的綜合特征參數(shù)來提取圖像顏色和紋理特征，并將該特征向量作為輸入向量構(gòu)建以徑向基為核函數(shù)的支持向量機(jī)(SVM)分類器模型[12]。但由于LabVIEW圖像處理算法的局限性，本研究采用了LabVIEW軟件Matlab軟件混合編程的方法[13]，在LabVIEW中通過 Matlab Script節(jié)點(diǎn)調(diào)用Matlab軟件平臺(tái)完成圖像特征提取和分類識(shí)別工作[14]。調(diào)用方法為先在程序框圖窗口中打開“查看”菜單下的函數(shù)選板，在函數(shù)選板上依次打開數(shù)學(xué)-腳本與公式-腳本節(jié)點(diǎn)-Matlab腳本。然后通過在Matlab Script節(jié)點(diǎn)邊框上選擇“添加輸入”和“添加輸出”來進(jìn)行參數(shù)傳遞。

在編程過程中，需要調(diào)用兩個(gè)Matlab腳本，其中一個(gè)腳本中導(dǎo)入提取顏色和紋理特征的Matlab程序，另一個(gè)腳本中導(dǎo)入分類識(shí)別程序。定義第一個(gè)腳本輸入變量的類型為path，賦值為L(zhǎng)，輸出變量類型為real和string。

當(dāng)圖像預(yù)處理完成后，系統(tǒng)會(huì)直接對(duì)該葡萄葉片圖像特征包括H、S、V三通道顏色一階矩、二階矩的6個(gè)參數(shù)和通過灰度共生矩陣算法得到葉片圖像0°、45°、90°和135°四個(gè)方向的角二階矩、熵、慣性矩、相關(guān)性8個(gè)參數(shù)進(jìn)行提取。一方面系統(tǒng)會(huì)將這14個(gè)參數(shù)利用14個(gè)數(shù)據(jù)輸出框以數(shù)據(jù)的形式輸出，另一方面通過在Matlab腳本中編程將這14數(shù)據(jù)以文本形式輸出，作為輸入變量輸入到系統(tǒng)分類識(shí)別腳本中。其中文本文件的讀取和寫入用LabVIEW中函數(shù)選板-編程-文件I/O里的控件編程。分類識(shí)別結(jié)果利用T0～T8的9 個(gè)數(shù)據(jù)框輸出，T0～T8分別代表還原糖含量的9個(gè)含量區(qū)間，即T0代表還原糖含量在2.81%～2.90%區(qū)間、T1代表3.01%～3.10%區(qū)間、T2代表3.11%～3.20%區(qū)間，依次類推，T8代表還原糖含量在3.61%～3.7%區(qū)間。系統(tǒng)會(huì)將提取到的特征參數(shù)與識(shí)別結(jié)果均顯示在前面版上。

假設(shè)送入系統(tǒng)中處理的葡萄葉片圖像經(jīng)分類識(shí)別后判定該葉片還原糖含量在3.01%～3.10%之間，則會(huì)在T1輸出數(shù)據(jù)框中顯示1，其他輸出數(shù)據(jù)框顯示0。

2 結(jié)果與分析

2.1 圖像采集與保存測(cè)試結(jié)果

在系統(tǒng)開始工作之前先對(duì)攝像頭、服務(wù)器端和客戶端進(jìn)行“系統(tǒng)初始化”操作，再進(jìn)入前面板上“圖像獲取”界面，點(diǎn)擊的“運(yùn)行”按鈕，系統(tǒng)啟動(dòng)進(jìn)入工作狀態(tài)，然后點(diǎn)擊“開始采集”按鈕，系統(tǒng)調(diào)動(dòng)圖像采集程序，進(jìn)入連續(xù)采集模式，圖像采集的同時(shí)點(diǎn)擊“保存圖像”按鈕，使開關(guān)按鈕常亮則進(jìn)入圖像保存模式。最后點(diǎn)擊“停止”按鈕，系統(tǒng)停止工作，采集和保存的圖像格式均為ImageAVI格式，保存后的地址寫入到“圖像保存路徑”中。圖像獲取界面如圖2所示，結(jié)果顯示該系統(tǒng)的采集與保存功能能正常運(yùn)行。

圖2 圖像獲取界面前面板

系統(tǒng)特征提取和分類識(shí)別結(jié)果如圖3所示。前面板上共計(jì)25個(gè)輸出數(shù)據(jù)框，分別為圖像顏色、紋理的14個(gè)特征參數(shù)和還原糖含量檢測(cè)結(jié)果。從圖中可見，輸出顯示數(shù)據(jù)框T7的值為1，說明該葉片還原糖含量在3.41%～3.50%區(qū)間。

圖3 葡萄葉片還原糖含量檢測(cè)結(jié)果

2.2 系統(tǒng)功能測(cè)試結(jié)果分析

實(shí)時(shí)采集487幅葡萄葉片圖像作為測(cè)試的樣本集，其中321幅為訓(xùn)練樣本，166幅為測(cè)試樣本，進(jìn)行系統(tǒng)功能測(cè)試。由表1可知，葡萄葉片的錯(cuò)分?jǐn)?shù)n= 21，測(cè)試樣本N=166，分類識(shí)別正確率P=(1-n/N)×100%=87.349%。實(shí)驗(yàn)結(jié)果表明該系統(tǒng)可用于檢測(cè)葉片還原糖含量。系統(tǒng)測(cè)試結(jié)果如表1所示。

2.3 光譜法測(cè)試結(jié)果分析

本研究對(duì)樣本集葉片還原糖含量的測(cè)定采用光譜分析法——基于3，5-二硝基水楊酸(DNS)比色法來

表1 分類識(shí)別結(jié)果

實(shí)現(xiàn)。在采集葉片圖像的同時(shí)采摘新鮮葡萄葉片，用密封袋封裝帶回實(shí)驗(yàn)室，葉片還原糖含量測(cè)試硬件分別為721型紫外分光光度計(jì)、精度為0.001的電子天平、恒溫水浴箱和型號(hào)為101-A的烘干箱以及各類實(shí)驗(yàn)藥品。測(cè)試開始前先將新鮮樣本放入烘干箱中殺青，使葉片中的氧化酶快速失活，最大限度保持糖分含量的穩(wěn)定并蒸發(fā)葉片部分水分，本次實(shí)驗(yàn)殺青時(shí)長(zhǎng)45 min ，溫度105 ℃。經(jīng)多次實(shí)驗(yàn)，最終確定測(cè)定葉片標(biāo)準(zhǔn)還原糖含量，藥品顯示劑用量3 mL，沸水浴時(shí)長(zhǎng)5 min，測(cè)定波長(zhǎng)580 mm[15]。

本研究旨在利用LabVIEW技術(shù)尋找葡萄葉片圖像特征與其還原糖含量的關(guān)系，如圖4所示，分別對(duì)葉片顏色、紋理的14特征參數(shù)與還原糖糖含量做相關(guān)性分析，顏色特征與還原糖含量的6個(gè)相關(guān)系數(shù)非常高，分別為0.9920、 0.9675、0.8843、0.9904、0.9411、0.9803。而紋理特征與葉片還原糖含量的相關(guān)系數(shù)相對(duì)較小，分別為0.7879、0.7963、0.7690、0.6859、0.5959、0.8586，其中角二階矩的兩個(gè)參數(shù)與糖含量之間相關(guān)性很小，相關(guān)系數(shù)分別為0.0089和0.1720。同時(shí)從系統(tǒng)功能測(cè)試結(jié)果可看出，葉片糖分含量的分類識(shí)別正確率為 87.349%，所以基于LabVIEW 平臺(tái)實(shí)現(xiàn)對(duì)葉片還原糖含量的檢測(cè)有可行性，該系統(tǒng)工作穩(wěn)定，單次測(cè)試時(shí)長(zhǎng)2～5 min，不卡頓、不死機(jī)?？赏茝V至其他農(nóng)作物的營(yíng)養(yǎng)元素檢測(cè)。

3 結(jié)束語

本文利用LabVIEW和Matlab軟件設(shè)計(jì)開發(fā)了一套基于圖像采集處理與分類識(shí)別的葡萄葉片還原糖的測(cè)試系統(tǒng)。首先對(duì)葡萄葉片圖像進(jìn)行采集、保存和預(yù)處理，其次提取顏色、紋理特征參數(shù)，進(jìn)行還原糖含量識(shí)別與分類，最后將得出檢測(cè)結(jié)果顯示在生成的人機(jī)交互界面，實(shí)現(xiàn)了對(duì)葡萄葉片還原糖含量的高精度測(cè)量。

本文設(shè)計(jì)的葡萄葉片還原糖含量測(cè)試系統(tǒng)主要實(shí)現(xiàn)了以下功能：

① 在LabVIEW軟件平臺(tái)下借助視覺采集模塊和視覺開發(fā)模塊，利用工業(yè)攝相頭和圖像采集卡，實(shí)現(xiàn)對(duì)葉片圖像的采集、顯示和保存；

② 利用LabVIEW軟件中的視覺助手模塊完成了圖像預(yù)處理工作；

③ 采用LabVIEW與Matlab混合編程的方法，提取了葉片圖像的6個(gè)顏色特征參數(shù)和8個(gè)紋理特征參數(shù)，并利用支持向量機(jī)(SVM)分類方法對(duì)葉片還原糖含量進(jìn)行分類識(shí)別；

④ 生成人機(jī)交互界面，用戶可直接在前面板上操作，方便直觀。

通過測(cè)試，該還原糖檢測(cè)系統(tǒng)功能良好、效率高。誤差小，在農(nóng)作物成分測(cè)定領(lǐng)域有應(yīng)用價(jià)值。