基于最優(yōu)閾值自動分割算法的穴盤幼苗識別研究

摘要：在現(xiàn)代自動化移栽技術(shù)領(lǐng)域中，穴盤幼苗識別的發(fā)展對我國移栽自動化水平的提高具有重要意義。本文提出一種優(yōu)化的自動閾值分割方法，用于提高和增強在穴盤輪廓、土壤、肥料雜質(zhì)背景條件下各穴孔中幼苗識別的效果。用CCD工業(yè)相機采集矮牽牛幼苗圖像，根據(jù)綠色特征分量G確定各像素點對應(yīng)的灰度值，得到灰度圖像并生成灰度直方圖。對灰度直方圖采用中值濾波算法進行輪廓處理，利用優(yōu)化的多閾值分割算法確定初始閾值，設(shè)定初始閾值與最大波谷點值的相對值小于10，然后進行條件判別，從而實現(xiàn)自動確定最優(yōu)分割閾值。與經(jīng)典Otsu自動分割算法進行對比，并對分割效果進行分析。將得到的二值圖像進行形態(tài)學處理進一步去除背景干擾。結(jié)果表明，該方法在穴盤背景干擾下的幼苗識別適應(yīng)性強，能夠精確地將目標從背景中區(qū)分開。

關(guān)鍵詞：自動化移栽；自動閾值；綠色特征；直方圖；幼苗識別

引言

育苗移栽作為一種農(nóng)藝栽培技術(shù)，能夠避開春季低溫、倒春寒等自然災(zāi)害 [1] 。在移栽穴盤育苗中會出現(xiàn)穴孔死苗、壞苗的現(xiàn)象，為了能夠從穴孔中抓取滿足移栽條件的幼苗，實時識別穴孔幼苗的生長狀況是非常必要的[2] 。Albertus等人發(fā)明了一套基于視覺識別系統(tǒng)的多穴盤傳輸自動移栽機[3] 。Hofmaster等設(shè)計了一套基于圖像處理識別大豆幼苗的種子活力評價系統(tǒng)[4] 。Ryu等設(shè)計了一個基于形態(tài)學檢測方法進行識別的自動移栽機[5] 。蔣煥煜等使用基于分水嶺算法分割識別幼苗葉片，以判斷不同生長狀況的秧苗生長質(zhì)量[6] 。上述研究均是針對目標進行識別，并沒有考慮到背景的影響，處理時穴盤幼苗和背景容易混合，降低了幼苗識別的準確性及移栽質(zhì)量。本研究以矮牽牛穴盤幼苗為試驗對象，研制一套能準確識別穴孔幼苗的處理算法，可以準確地將目標幼苗從背景條件下識別出幼苗葉片特征。該技術(shù)可為研制穴盤苗移栽機器人奠定基礎(chǔ)[7] 。

1 實驗設(shè)備與材料

實驗材料選用7ⅹ7黑色幼苗穴盤，生長期為16天的矮牽牛幼苗，設(shè)備采用SunWay 品牌的U2H130工業(yè)相機（分辨率為640ⅹ480，圖像格式為JPG）進行穴盤幼苗圖像的采集，工控機安裝Visual C++2010與Opencv 3.0betal數(shù)據(jù)庫進行圖像處理，采用視遠公司SY8004圖像采集卡采集與計算機連接。

2 原理及方法

本研究針對一般穴盤培育基質(zhì)背景中提取矮牽牛幼苗，利用圖像處理手段進行識別，進而判斷幼苗的生長狀況。所設(shè)計的圖像處理流程為：圖像采集、灰度化處理、直方圖平滑、最優(yōu)閾值自動分割、圖像去噪、圖像輸出。

2.1 基于幼苗顏色特征轉(zhuǎn)換成灰度圖

穴盤幼苗如圖1所示，為了突出幼苗葉片，利用幼苗具有突出的綠色顏色特征對矮牽牛幼苗、肥料雜質(zhì)、土壤和穴盤輪廓進行區(qū)分，同時考慮到識別的時效性，本文采用單綠的彩色灰度化因子算法將彩色圖像轉(zhuǎn)化成灰度圖像。該轉(zhuǎn)換因子計算量小，處理速度快，且能夠突出捕捉幼苗葉片的“綠色”特征要求。

2.2 繪制并處理灰度化直方圖

直方圖表可以直觀地表達出各個灰度級對應(yīng)的像素個數(shù)所占比例信息，直方圖的橫坐標表示穴盤幼苗圖像的灰度級，縱坐標表示對應(yīng)灰度級的頻率。本文采用中值濾波進行處理，濾波后的圖片及直方圖分別如圖2、3所示。

2.3 圖像的自動閾值分割

為降低穴盤幼苗中目標幼苗與背景的灰度值重合，更準確地將目標從背景中分割出來，使分割效果優(yōu)于傳統(tǒng)Otus分割法。本文設(shè)計一種優(yōu)化的自動閾值分割算法，基本原理為：將灰度圖像分為4類灰度值比較集中的樣本，利用類間方差最大法求出方差值進行交叉比較得出3個閾值，留下最大的閾值Tmax，取 ，再設(shè)定分割閾值與最大波谷點值的相對值小于10，即|Tmax-最大波谷點|≤10，確定Tmax最終取值。本文最終Tmax=193。算法流程圖6所示：

3 結(jié)論

（1）對一般穴盤基質(zhì)培育的矮牽牛幼苗復(fù)雜背景條件下，根據(jù)圖像的顏色信息特征，用綠色單量法突出了目標幼苗的葉片特征。

（2）中值濾波對擴大類間灰度值間距、增強波峰波谷特征具有良好的效果，提高了基于類間方差的自動閾值分割算法的適應(yīng)性。

（3）采用了優(yōu)化的多閾值算法將圖像進行3閾值4分層分割，保留最大閾值。同時，結(jié)合直方圖最大波谷點值比較，設(shè)定最大閾值與最大波谷點值得相對值，進而進行最佳閾值的確定，能夠?qū)崿F(xiàn)對圖像的較好分割，將目標精確地從背景中區(qū)分開來。

參考文獻：

[1] 李華，曹衛(wèi)彬，李樹峰，等.2ZXM-2型全自動蔬菜穴盤苗鋪膜移栽機的研制[J].南京農(nóng)業(yè)大學學報，2017，33（15）：P23-33.

[2] 陳鼎才，王定成，查金水.基于機器視覺的顯示葉片面積測量方法的研究[J]，計算機應(yīng)用，2006（5）：P1226-1228.

[3] Albertus J V V.Multiplc Transplanting Apparatus[P].US，No.20040020110A1，2004.

[4] Hofmaster A L，F(xiàn)ujimura K，McDonald M B，et al.An automated system for vigor testing three-day-old soybean seedings[J].Seed Sci and Technology，2003，31（3）：701-713.

[5] Ryu K H，Kim G，Han J S.AE - Automation and emerging tech-nologies：Development of a robotic transplanter for bedding plants[J].Journal of Agricultural Engineering Research，2001，78（2）：141 – 146.

[6] 蔣煥煜，施經(jīng)揮，任燁，等.機器視覺在幼苗自動缽體作業(yè)中的應(yīng)用[J].農(nóng)業(yè)工程學報，2009，5：P127-131.

[7] 胡飛，尹文慶，陳彩蓉，等.基于機器視覺的穴盤幼苗識別與定位研究[J].西北農(nóng)林科技大學學報，2013，5：P183-188.

作者簡介：

向代陽（1996.02-），男，四川資陽人，單位：成都理工大學，碩士研究生，研究方向，機械工程。

（作者單位：成都理工大學）