计算机视觉技术在玉米种子自动检测的应用

梁文东

摘要：基于机器视觉考量、分析玉米种子品质这一领域的研究动态进行综述，主要从玉米种子纯度、品种、活力、机械和霉菌损害等方面的自动检测进行阐述，并对玉米种子检测自动化方面存在诸多尚待改进之处进行总结，以期给后续学者开展相关研究提供必要的参考。

关键词：计算机；视觉技术；玉米种子；质量；检测

中图分类号：S513 文献标识码：A 文章编号：1003-4374（2015）01-0047-04

引言

计算机视觉是提高人类生产、生活自动化和智能化程度的有效手段。目前，农产品分级与品质检测、种子品质检测、果实的采摘、病害检测等方面，机器视觉都有广泛研究。作为世界三大粮食作物之一，玉米在粮食贸易中所占比重不断升高。随着计算机技术进步，尤其是图像技术的发展，建立在视觉技术的测量方法也高速发展，要适应测量的现代化步伐，算法快速并且精度要高是图像实现测量途径的必然要求。在玉米生产中，种子质量是最为关键的因素之一，玉米的收获产量和产品品质与种子质量的优劣息息相关。十多年来，国内学者对应用机器视觉技术进行玉米种子检测方面开展了深入研究。本文主要综述这类研究，为今后该领域学者提供参考信息，从而加快系列研究的深入开展。

图像采集与模式识别

目前，CCD相机、扫描仪或数码相机是主要的图像采集设备。CCD相机在生产线的开发当中是最好的选择，而对静态检测设备而言面阵相机则是上选，如果应用场合是既有设备，那么数码相机等更为适用。由于在封闭的环境光照足够稳定，此时图像噪声干扰较小，免除标定这一环节，在后续处理时非常方便，所以图像采集通常是在封闭环境中进行。用于移动设备的相关软件的研究中，则有四个方面的情况需要着重考虑：第一，当前采集玉米图像时所用背景都是单一颜色，而在生产具体应用中则完全有可能是非单一颜色；第二，在用户使用过程中，光照条件不确定、特别是颜色特征对图像质量有影响。第三，玉米种子体积不大，当玉米种子的空间位置发生移动时，图像中种子的特征会随着改变。第四，在图像采集时，如采集的角度存在偏移，图像中玉米种子的形态也不会保持不变。

玉米种子纯度检测

种子最主要的质量指标之一是纯度，目前，形态学鉴定和蛋白质电泳分析法是主要的鉴定籽粒纯度方法。

国外学者从图像当中提取玉米种子形态方面的参数，并结合判别函数实现对玉米统计学的种子外形判断，实现玉米种子从非完整玉米种识别。当然，该方法效率不高，所费时间过多。

朱晓利用高光谱反射图像技术，提取多个波段种子图像特征，然后通过遗传算法选择最优波段图像，建立分级模型，达到对玉米种子纯度检测的目的。所建立的分类模型测试精度达到97.22%。

另一批学者针对纯度考虑图像识别这一方法实现识别玉米种子，首先是彩色相机获得图谱，通过基于阈值的二值化处理图像灰度变换、图像均衡化，实现和电泳图谱进行比对以期判断纯度水平，玉米种子纯度在计算机和人眼检测结果，得到一种高效测玉米种子纯度的方法，而这个技术对2个品种玉米的平均识别准确度接近100%。

综合几种玉米种子纯度检测方案，形态鉴定法方法简单，但效率与精度不高。随着检测识别算法的改进和计算机处理能力的提高，计算机视觉技术将比其他方法更高效更准确。

玉米种子品质自动检测

周红等为实现对种子评级，借助图像处理技术得到玉米种子轮廓。通过计算机模糊识别代替玉米种子形态传统鉴定法，目的是将识别水平大幅度提高；基于模糊数学以及统计学，得到隶属函数，从而制定对品种进行判别的规律，玉米种子得以判别，所构建的系统投资低，而且玉米种子品质的识别率为88%。

闫小梅等通过CCD相机，对玉米种子冠部和无胚芽面图像进行提取，利用图像预处理将单个籽粒分割出来，通过图像分割，将冠部核心区域和侧面黄色区域6个颜色特征提取出来，以Fisher判别理论和K-均值聚类为依据，将特征投影到一维空间，进行纯度识别，识别率不低于93.75%。

玉米收获后加工的重要环节之一就是对玉米种子质量进行分级，在玉米种子质量分级工作中，机器视觉技术优势明显，例如不会对玉米种子造成损坏、更好实现分级。相关学者提出从特征值按照一定的等级进行分类，采用典型神经网络与隶属函数方法对玉米种子实现分级，发现：BP神经网络处理时间更短，具有更好的实时性，为现实应用打下良好的基础。有学者将形态学加上种子分级设备，能够实现准确率高达90%以上的将种子分为4级的方法。吴继华等开发了一种种子品种实时检测系统，该系统是基于机器视觉，由CCD摄像机进行图像采集，每隔2s停止1次，在分析结束时就可以得到特征参数，二十粒种子只需一秒钟时间。Wan等18-19]将机器视觉应用在谷物类进行动态识别，并进行分类，得到图像就进行处理，并将信号传给对应的PLC，从而闭合电磁阀，以达到吹离目的。宋鹏等就分级系统在动态玉米品质检测，抓住玉米种子的特征，把种子分类形态以及颜色分别分为4级和3级，合格率分别为8 1.8%和93.04%，还能够实现玉米种子品种，应用Bayes分类器以及模式识别法实现识别玉米种子品种达到5种，识别准确率不低于92%；结合玉米颜色等信息，实现单倍体籽粒分类，待识别玉米单倍体后，将用气吸方式和二自由度并联机器人机构相结合进行分拣，精度不低于80%。

目前的玉米种子品质自动检测中，多采用可见光进行图像采集，然后通过综合处理分析种子的外部特征来确定品质等级。鲜有利用红外等不可见光生成的图像来进行品质分级，因而无法精确分析种子内部的品质特征，影响到检测精度。因此，运用不同波段图像分析玉米种子品质，将成为以后种子品质检测的一个重要方向。

玉米种子活力检测

漫射光法、热浸法、电导率测定、四唑染色法、冷浸法、发芽实验等是种子活力的常规检测方法。目前，有效结合图像识别与处理等技术以及发芽试验和四唑染色法等方法的优势，能够准确测定种子活力。赵新子等对活力识别进行论述，染色种胚后获取彩色图像，判断染色区域在种胚的面积占比，得到活力水平评判，识别率为94%。

张晓宇等通过处理和分析种苗图像，根据玉米种苗特征建立起可以方便、快速地获取苗高、苗鲜重等信息的相关统计模型，该模型直接用于玉米种子的发芽试验，以便获得准确可靠实验结果。该技术将作为玉米种子发芽试验新的检测手段，同时应用于其它植物种子发芽试验。

Zayas等通过形态学参数把玉米种子从被破坏的玉米种识别，结合统计学方面的判别函数，将被破坏的玉米种子剔除。为了检验播种材料，需要对种子发芽的规律以及所需条件进行研究，研究必须将玉米种子发芽进行系列实验，这时候对于发芽粒数以及苗高等种子的信息大多由人工获取。

玉米种子机械和霉菌损害检测

玉米种子质量检测的重要指标之一是种子是否有裂纹和发生霉变，采用视觉无损检测，我们发现如果光线对应入射孔直径设定在2.4mm时，所得背景是黑色的，如果入射光是白色光，采集得到的图像采用高速滤波法识别玉米籽粒裂纹处与其他部位的像素灰度值的不同，检测精度不低于百分之九十。有学者利用生霉粒对光照变化非常敏感的特点，光照变化对颜色标定是鉴定生霉粒的主要途径，认为机器视觉算法在精确性以及一致性方面具有非常明显的优势，这给玉米种子质量检测的提高打下良好的实践基础。

有学者基于图像分析等途径分析玉米应力裂纹，主要结论是重度裂纹最易于被识别出，达到完全被识别的水平；无裂纹以及中度裂纹则朝着变差方向发展，不能完全被识别，占比约有30%-12%。

张俊雄等实现表面裂纹检测：在获取单粒玉米种子的图像后采用Sobel算子得到玉米种子边缘并通过分割阈值、腐蚀以及膨胀等传统图像处理，从而可以判断满足什么样的条件可以判定为种子尖端点，并能实现尖端部分拿掉；将R通道膨胀，同时细线化处理B通道图像结果，并执行减运算操作，根据连通性判别有无裂纹，识别率超过90%。

结束语

计算机视觉技术在玉米种子自动检测中的应用非常普遍，对于促进玉米的生产以及管理大有裨益。然而，在玉米种子自动化检测方面，还存在诸多尚待改进之处，如：检测玉米种子质量的方法比较深入，但是仍然没有一种方法能全部考虑将玉米种子从发霉、破损的种子，甚至杂质等当中识别出来；玉米种子识别主要是基于静态图像，而且步骤大多是灰度化一-值化一分割处理，暂未见到对动态图像的处理；对于玉米种子检测精度和准确性不高，时间效率低；对玉米等农作物的检测大都是有损的，无损检测很少。因此，研究适用于中国玉米种子的自动检测系统，对实现玉米生产自动化乃至农业现代化都有重要的意义。