基于機(jī)器視覺(jué)的玉米穗行數(shù)自動(dòng)檢測(cè)算法設(shè)計(jì)

　　玉米是糧食、飼料、工業(yè)原料兼用型作物。玉米生產(chǎn)在國(guó)家糧食生產(chǎn)和糧食安全中占有極重要的戰(zhàn)略地位。研究證明，玉米優(yōu)良種的推廣使玉米增產(chǎn)40%。種子質(zhì)量直接關(guān)系到玉米產(chǎn)量高低及玉米質(zhì)量和品質(zhì)的優(yōu)劣，而推廣優(yōu)良的雜交種需要大量的優(yōu)質(zhì)種子[1-4]。

　　玉米穗籽粒行數(shù)(穗行數(shù))是穗部重要農(nóng)藝性狀之一。不同品種的玉米穗行數(shù)有較大差別，生長(zhǎng)條件也會(huì)影響穗行數(shù)，在玉米育種、栽培及新品種DUS測(cè)試[5]等科研中準(zhǔn)確計(jì)數(shù)穗行數(shù)非常重要。玉米穗行數(shù)的傳統(tǒng)測(cè)定靠人工計(jì)數(shù)，存在人工計(jì)數(shù)方法固有的缺陷—易于疲勞、誤差大、效率低。

　　本文基于機(jī)器視覺(jué)的相關(guān)理論即數(shù)字圖像處理的方法，設(shè)計(jì)出一種玉米穗行數(shù)自動(dòng)檢測(cè)算法確定其行數(shù)。特別提出用一維最小值濾波器對(duì)排序好的角度-半徑曲線圖進(jìn)行濾波，這樣做可以濾去角度-半徑變化曲線中的噪聲，避免直接計(jì)算其極大值或極小值點(diǎn)的個(gè)數(shù)，可能會(huì)出現(xiàn)的誤差。經(jīng)過(guò)檢測(cè)，該算法可以客觀、高效、準(zhǔn)確地檢測(cè)出玉米穗行數(shù)，滿足我國(guó)玉米糧食產(chǎn)業(yè)的選種需要。

　　1 自動(dòng)檢測(cè)算法整體方案設(shè)計(jì)

　　根據(jù)人工行數(shù)檢測(cè)習(xí)慣，我們只關(guān)心玉米橫斷面外邊緣輪廓圖像信息，穗行數(shù)是由外邊緣輪廓的凸凹變換所決定的。因此，設(shè)計(jì)基于機(jī)器視覺(jué)的玉米穗行數(shù)自動(dòng)檢測(cè)算法，主要包括圖像采集，圖像預(yù)處理，圖像特征提取和特征統(tǒng)計(jì)四個(gè)部分[6-8]。其流程圖如圖1所示。

　　在上述流程圖中，圖像采集即玉米穗橫斷面照片的獲取。將玉米穗橫斷面放在白色背景上，在它上方加上環(huán)形光源，相機(jī)在環(huán)形光源正中、玉米穗橫斷面正上進(jìn)行拍攝獲取玉米穗橫斷面圖像。本文在實(shí)驗(yàn)中獲的圖像為JPEG格式，該格式的的特點(diǎn)是具有高壓縮比，能夠保留RGB顏色模型中的所有顏色信息，可以有效地提取與玉米顏色相關(guān)的特征。

　　2 圖像預(yù)處理

　　圖像預(yù)處理是整個(gè)設(shè)計(jì)的關(guān)鍵步驟[9]，預(yù)處理效果直接關(guān)系到后面特征提取的效果，進(jìn)而關(guān)系到整個(gè)設(shè)計(jì)的處理精度和準(zhǔn)確率。本設(shè)計(jì)對(duì)圖像的預(yù)處理主要包括對(duì)比度增強(qiáng)、彩色圖像轉(zhuǎn)換成灰度圖像、采樣壓縮、最大類間方差圖像分割。

　　2.1 對(duì)比度增強(qiáng)

　　由于玉米部分多數(shù)為黃白色，而背景部分選擇了白色，兩部分灰度級(jí)差別不大，故需要對(duì)圖片先進(jìn)行主題部分加強(qiáng)，通過(guò)減小主題部分的細(xì)節(jié)，增大背景和主題的對(duì)比度，來(lái)區(qū)分玉米穗橫斷面主題和背景。

　　圖2所示的HSV(Hue-Saturation-Value)顏色空間[10]是一種均勻的顏色空間，能夠反映人的視覺(jué)對(duì)顏色的感覺(jué)。色調(diào)H飽和度S包含顏色信息，而亮度V與顏色無(wú)關(guān)。由于飽和度與一定色調(diào)的亮度有關(guān)，純光譜色是完全飽和的，隨著白光的加入飽和度逐漸減少。而對(duì)比度增強(qiáng)就是要減少玉米橫斷面圖像中的黃白色分量即增大S的數(shù)值。

　　本算法采用下面步驟增強(qiáng)對(duì)比度：

　　1) 原有RGB彩色圖像轉(zhuǎn)換為HSV顏色模型;

　　2) 單獨(dú)提取HSV模型中飽和度S分量進(jìn)行增強(qiáng);

　　3) 利用增強(qiáng)后的S和原有H、V重構(gòu)圖像并轉(zhuǎn)換為RGB顏色模型;

　　4) 根據(jù)公式Gray = 0.2990 * R + 0.58700* G + 0.1140 * B將彩色圖像轉(zhuǎn)換為灰度圖像。

　　2.2 圖像采樣壓縮

　　為提高行數(shù)自動(dòng)檢測(cè)效率，減少算法執(zhí)行時(shí)間。本文對(duì)灰度圖像的行和列進(jìn)行重新采樣，采樣頻率降為原有1/2，圖像大小由原有976*1000降為488*500。

　　以下是實(shí)現(xiàn)代碼：

　　p2=2;%圖像采樣率

　　f=f(1:p2:end,1:p2:end);%對(duì)圖像f進(jìn)行采樣壓縮

　　2.3 圖像分割

　　圖像分割[11]的目的是把圖像空間分成一些有意義的區(qū)域。該設(shè)計(jì)中最關(guān)鍵的部分是能夠準(zhǔn)確地將采集到的圖像分割成兩部分，一是玉米穗橫斷面部分即主題部分，二是圖片背景部分，只有正確地分割才能準(zhǔn)確地提取玉米穗部分的邊緣，才能夠順利地進(jìn)行后面的工作。

　　為實(shí)現(xiàn)以上目的，需要將壓縮后的灰度圖片翻轉(zhuǎn)，使玉米穗主題部分變亮，然后再在圖片中心增加一個(gè)點(diǎn)光源，使玉米穗部分更加亮，增大兩部分的灰度值，最后采用閾值分割法將圖片分割成兩部分，而閾值t的選取是用最大類間方差法(簡(jiǎn)稱otsu法)[12]求解的。