基于计算机图像技术作物籽粒识别研究.docVIP

基于计算机图像技术作物籽粒识别研究 　　摘要： 计算机图像识别技术是计算机视觉技术的重要内容之一。为了较好的解决作物籽粒计数方法的不足，提高农作物生产自动水平和农产品增值效益，可以采用计算机图形技术通过外部设备来获取高质量的籽粒图像。 　　Abstract： Computer image recognition technology is one of the important contents of computer vision technology. In order to improve the crop seeds counting method， and enhance the crop production automatic level and Value-added benefits of agricultural products， computer graphics technology can be used to obtain high quality grain image through an external device. 　　关键词： 计算机图像技术；图像处理；作物籽粒 　　Key words： computer graphic technology；image processing；crop seeds 　　中图分类号：TP391.4 文献标识码：A 文章编号：1006-4311（2014）22-0212-02 　　0 引言 　　粮食的人类赖以生存的基本保障。近年来，我国农业技术不断进步与发展，全面提高了城乡居民生活水平，人们对粮食的追求已经从单纯的数量需求逐渐过渡到对其品质的追求了。为了顺应生产和市场变化的需求，在作物籽粒的识别研究上，引入了计算机图像处理技术，降低了农业生产的成本，能快速准确的识别出作物籽粒的数量，准确率高达98%，提高了农作物的质量，促进我国粮食在国际市场的竞争水平。 　　1 作物籽粒图像识别处理的研究分析 　　作物籽粒外观品质的计算机视觉检测系统包括图像获取、图像增强、特征参数提取和分类等。如图1所示。其中，采集设备、照明设备、载样台构成的图像获取装置，能提供清晰稳定的作物数字图像；图像增强可以进行图像的预处理和分割，达到改善图像质量，增强图像识别的效果；在此之后，需要分析和变换方法，计算作物颜色、形态和纹理结构，放映作物的特征参数；最后选择合适的算法，进行品种的鉴别和外观品质的检测。 　　优质、高产的农业生产必须依靠优良的种质资源，农作物籽粒图像识别处理技术已经成为现代农业研究和发展的必然选择。籽粒的图像特征能反映籽粒内部的生理特征，帮助技术研究人员对种子的质量进行鉴别。计算机图像识别作物籽粒质量的过程一般分为以下几个部分： 　　1.1 作物籽粒图像采集 往往籽粒的尺寸都比较小，其图像的采集会在室内进行。计算机图形识别处理技术在采取籽粒图像时，为了获取高质量、稳定的籽粒图像，就必须保证采集环境的稳定性。如摄像机摆放的位置、不同分辨率、不同光源造成的色差、不同焦距对图像的影响等。在研究过程中，有些技术人员利用扫描仪作为采集系统的主要设备，能获取高质量的籽粒图像，实验效果比较准确、理想。2009年孙光明等人利用MS3100多光谱成像仪，结合可见光和近红外方法对大麦进行成像，较好的反映了农作物籽粒的品质特性。 　　1.2 作物籽粒图像预处理 往往籽粒的图像需要经过分割、去噪等预处理工作。在作物籽粒分割方面，按照一定的规定把其放置在载样台上。但是彼此不能连接，这样比较容易分割籽粒图像。在实际作物籽粒在线检测系统中，籽粒随机放置在载样台上，两者难免会接触，导致检测效率降低。针对这个难点，可以利用形态学方法对籽粒进行分割。2005年Gong Zhang等人使用椭圆匹配的方法对加拿大的四种不同小麦的籽粒进行了分割，随后技术研究人员还利用了分水岭分割、公共区域或籽粒轮廓寻找分割点等方法实现了作物籽粒图像的自动分割。 　　1.3 作物籽粒特征参数提取 作物籽粒图像特征参数一般包括籽粒的颜色、纹理结构、形状（质心、长宽比）以及尺寸（面积、体积、周长）等。另外在一些研究中采用不变矩和傅里叶从不同角度描述了作物籽粒的形状特征，并进行分类。2004年凌云等人提出用分形的思想描述大米籽粒上垩白区域的分布情况。2010年权龙哲等人采用K―L变换技术对外观相似的玉米籽粒图像进行了参数提取，利用少量的特征，并采用图像信息压缩技术，反映了玉米品种籽粒的外观特性，为后期有效的鉴别相似玉米品种提供了强有力的保障。 　　1.4 作物籽粒品质鉴别 一般来讲，籽粒鉴别的类型包括对籽粒甄别其品质的检测、不同籽粒的品种归属，两种鉴别类型都是利用遗传算法、人工神经网络和支持向量机等模