周志強,郭帥超,成軍虎

(1.河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院,河南鄭州 450001;2.河南工業(yè)大學(xué)糧油食品學(xué)院,河南鄭州 450052)

玉米品質(zhì)性狀計算機視覺識別與評價研究進(jìn)展

周志強1,郭帥超2,成軍虎2

(1.河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院,河南鄭州 450001;2.河南工業(yè)大學(xué)糧油食品學(xué)院,河南鄭州 450052)

計算機視覺技術(shù)是計算機科學(xué)和人工智能的重要分支,它作為一種無損檢測技術(shù)在農(nóng)業(yè)領(lǐng)域有著廣泛的應(yīng)用前景.綜述了計算機視覺技術(shù)在玉米品質(zhì)識別與評價中的研究進(jìn)展,為計算機視覺技術(shù)精確測量玉米籽粒特征,建立玉米的特征信息與其品質(zhì)的相關(guān)性,實現(xiàn)對玉米品質(zhì)檢測提供了參考,同時提出了利用計算機視覺技術(shù)并結(jié)合紅外、微波、核磁共振等技術(shù)進(jìn)行農(nóng)產(chǎn)品內(nèi)部品質(zhì)的視覺信息提取與檢測、研究快速并行圖像處理算法等作為今后的發(fā)展趨勢.

玉米品質(zhì);計算機視覺;特征提取;純度;應(yīng)力裂紋

0 前言

計算機視覺技術(shù)是計算機科學(xué)和人工智能的重要分支,它所研究的是從圖像中提取信息,實現(xiàn)三維景物的識別、定位和描述,從而使機器具備與人相似的視覺功能.隨著計算機技術(shù)的發(fā)展與進(jìn)步,計算機視覺技術(shù)在農(nóng)業(yè)領(lǐng)域有著廣泛的應(yīng)用前景.國外在利用計算機視覺進(jìn)行農(nóng)產(chǎn)品檢測方面的研究取得了較快發(fā)展,利用計算機視覺技術(shù)對農(nóng)產(chǎn)品表面缺陷與損傷、尺寸和表面顏色等農(nóng)產(chǎn)品重要品質(zhì)特征的檢測,不僅可以排除主觀因素干擾,而且還能對這些指標(biāo)進(jìn)行定量描述,具有人工檢測所無法比擬的優(yōu)越性[1-2].把計算機視覺技術(shù)、農(nóng)業(yè)傳統(tǒng)方法與現(xiàn)代新方法 (神經(jīng)網(wǎng)絡(luò)、并行算法、遺傳算法、模糊技術(shù)、人工智能、圖像形態(tài)學(xué)、分形學(xué)、小波變換和多光譜技術(shù)等)有效結(jié)合起來可以有效促進(jìn)我國農(nóng)業(yè)科技水平的發(fā)展.作者重點綜述了國內(nèi)外利用計算機視覺技術(shù)研究玉米品質(zhì)檢測的進(jìn)展情況,為計算機視覺技術(shù)如何精確測量農(nóng)產(chǎn)品特征,如何建立農(nóng)產(chǎn)品的特征信息與農(nóng)產(chǎn)品品質(zhì)的相關(guān)性,如何實現(xiàn)對高速運動農(nóng)產(chǎn)品群體的品質(zhì)檢測等提供了參考.

1 計算機視覺技術(shù)在玉米品質(zhì)性狀中的識別與評價研究

1.1 計算機視覺技術(shù)在玉米籽粒特征提取中的應(yīng)用

玉米是世界三大作物之一,其籽粒的胚部特征是重要農(nóng)藝性狀之一,不同品種的玉米胚部特征有較大差別,因此,在玉米育種、栽培及新品種測試等科研實踐中準(zhǔn)確檢測玉米胚部的顏色、形狀、紋理等特征非常重要[3-4].目前主要通過手工方法進(jìn)行測量.為了實現(xiàn)通過機器視覺圖像處理的方法進(jìn)行玉米胚部特征的自動檢測,韓仲志等[5]提出了一種基于獨立分量分析 ICA的玉米胚部測量方法,并建立了檢測模型.和手工檢測結(jié)果相比,面積誤差為 0.7%,決定系數(shù)達(dá) 0.984.與前人的基于顏色模型區(qū)域生長的檢測結(jié)果比較,檢測準(zhǔn)確度有明顯提高.表明采用基于 ICA的方法檢測的結(jié)果準(zhǔn)確可靠,能夠用于玉米胚部的自動檢測.張杰[6]分別利用 Roberts算子、Sobel算子、Prewitt算子、LoG算子和 Canny算子對玉米圖像進(jìn)行邊緣檢測,通過比較檢測結(jié)果,最終采用Canny算子對玉米圖像進(jìn)行邊緣檢測.剔除兩側(cè)輪廓線,得到玉米籽粒應(yīng)力裂紋的圖像.分析應(yīng)力裂紋的圖像,通過搜索二維邏輯矩陣,統(tǒng)計出了裂紋的條數(shù).史智興等[7]通過對不同品種玉米籽粒數(shù)字圖像信息的分析對比,發(fā)現(xiàn)玉米籽粒白色部分 (胚部)與黃色部分 (冠部)的面積、顏色等信息可以作為識別玉米品種的特征.采用基于支持向量機的遺傳算法結(jié)合 SPSS統(tǒng)計軟件進(jìn)行試驗驗證,得出玉米籽粒白色部分與黃色部分的面積比例、黃色部分的藍(lán)色分量與飽和度在玉米品種識別方面具有顯著價值.Zayas等[8]借助于一系列形態(tài)學(xué)參數(shù)從破損的玉米籽粒中提取出完整的籽粒,用 SAS程序中的統(tǒng)計學(xué)判別函數(shù)來進(jìn)行外形判別分析.結(jié)果表明,玉米籽粒的形態(tài)學(xué)參數(shù)能夠準(zhǔn)確地將完整玉米從破損玉米中分離出來.但采用這些技術(shù)只有在時間極少限制或沒有限制的情況下才是可行的.Ruiz-Altisenta等[9]借助于圖像處理技術(shù)研究了玉米的色澤和質(zhì)構(gòu)的變化,提出了檢測玉米物理特性的無損檢測方法.Liao等[10]借助于人工神經(jīng)網(wǎng)絡(luò)分類器的方法,從二值化圖像中簡化出一維數(shù)字信號來描述玉米外形,通過分析玉米外形來選擇形狀參數(shù),并輸入到機器學(xué)習(xí)算法中來訓(xùn)練完整籽粒相對于破損籽粒的形狀成員函數(shù).試驗表明,對 720粒完整扁平玉米的分類準(zhǔn)確率達(dá) 99%,對 720粒破損玉米的分類準(zhǔn)確率達(dá) 96%,而對圓形玉米則分別是 91%和 95%.Panigrahi等[11]為了精確快速地測量玉米籽粒的尺寸,提出了一種從背景中分割玉米籽粒圖像的閾值自動選擇技術(shù),并利用機器視覺測定了玉米籽粒的最大長度、最大寬度和沿長度方向每 5 mm測量一次所得的連續(xù)寬度,三者與所測結(jié)果的相關(guān)性分別為 0.998、0.997和 0.970.Ni等[12]研究了利用機器視覺可以不考慮籽粒放置的方向獨立測量籽粒的大小.獲得了玉米籽粒三維信息,根據(jù)不同形狀的玉米籽粒其圖像灰度曲線有明顯差異,有效的將凸形冠頂、光滑凹形冠頂和非光滑凹形冠頂玉米籽粒區(qū)分開.周紅等[13]介紹了利用數(shù)字圖像處理技術(shù)(灰度變換、圖像增強、基于直方圖的閾值分割、輪廓提取與跟蹤)快速準(zhǔn)確地提取玉米種子外形輪廓,為玉米種子等級的評定作了前期準(zhǔn)備工作.根據(jù)玉米種子外形輪廓,可以進(jìn)一步進(jìn)行玉米種子外形尺寸、式樣、匹配度等的識別,從而為玉米種子等級的分類提供有效的方法.

1.2 計算機視覺技術(shù)在玉米品種識別中的應(yīng)用

王瑤[14]利用計算機視覺技術(shù)從玉米籽粒的大小、飽滿度、健康度、破損率和含雜率這 5個特征來考慮玉米種子的品質(zhì).通過專家的經(jīng)驗選用面積、矩形度、顏色、邊緣、紋理這 5個特征參數(shù)和含雜率作為相應(yīng)的評價指標(biāo).對于每一個評價指標(biāo),建立了相應(yīng)的隸屬函數(shù).權(quán)龍哲等[15]利用圖像標(biāo)記法,實現(xiàn)了在含有眾多散放玉米籽粒的圖像中對單個籽粒的有效拾取,分析并設(shè)計了單個籽粒圖像的形心及邊緣曲線的提取方法,研究了利用 coif5小波來識別玉米籽粒尖頂?shù)姆椒?提高了識別的準(zhǔn)確率及精度.閘建文等[16]用基于外部特征參數(shù)的計算機自動識別方法來替代目前廣泛使用的品種形態(tài)鑒定法,以提高玉米品種識別效率和精度;并利用數(shù)理統(tǒng)計和模糊數(shù)學(xué)知識建立了反映玉米品種間特征參數(shù)相似程度的特征貼近度、品種貼近度計算公式和品種判別準(zhǔn)則;基于 3類 11個外部特征參數(shù)構(gòu)造出成本低、使用簡便的玉米品種計算機識別系統(tǒng).在 5個品種 50次實驗檢測中,正確率達(dá) 96%,品種正確識別率達(dá) 88%.熊凱等[17]研究了一種基于玉米外觀形態(tài)和顏色特征進(jìn)行的玉米品種的特征主分量分析及 BP神經(jīng)網(wǎng)絡(luò)識別方法.試驗結(jié)果表明,方法對 11個品種 550個籽粒的品種檢出率為 92%以上,得到了較好的識別效果.為實現(xiàn)外觀相似的不同玉米品種的有效識別,權(quán)龍哲等[18]提出了 K-L變換與最小二乘支持向量機相結(jié)合的籽粒品種鑒別方法.采用標(biāo)記算法及多尺度小波分析方法獲得玉米單籽粒圖像,應(yīng)用 K-L變換技術(shù)提取籽粒圖像的特征數(shù)據(jù),設(shè)計了二叉樹型多類 LS-SVM分類器,實現(xiàn)了對特征數(shù)據(jù)的有效分類.通過試驗分析,確定了較為合理的狀態(tài)空間維數(shù) (L=3),正確識別率可達(dá) 95.3%.宋韜等[19]應(yīng)用計算機視覺技術(shù)選擇并獲得了 11個玉米粒形態(tài)參數(shù),采用 BP沖量算法,建立了一個三層前饋神經(jīng)元網(wǎng)絡(luò),實現(xiàn)了一幅多顆粒任意放置玉米粒的完整與破損的在線自動識別,對 175粒完整及 175粒破損玉米粒的識別試驗顯示,正確率為 93%.王玉亮等[20]研制了玉米品種識別硬件系統(tǒng)和軟件系統(tǒng).針對玉米種子及種子圖像的特點,對玉米種子品種識別技術(shù)與算法進(jìn)行了深入地研究和探索,提出了一種基于多對象有效特征提取和主成分分析優(yōu)化神經(jīng)網(wǎng)絡(luò)的玉米種子品種識別方法,提取了玉米種子的幾何特征和顏色特征參數(shù),優(yōu)化了基于機器視覺的玉米種子圖像處理策略和品種識別算法,提高了玉米品種識別的速度和準(zhǔn)確率.Neethirajan等[21]借助于計算機視覺技術(shù)研究了玉米生蟲后的部位和營養(yǎng)物質(zhì)的損失情況,很直觀地分析了玉米品質(zhì)的變化.Del Fiore[22]利用計算機光譜成像技術(shù)能夠有效區(qū)分完好玉米顆粒與病變顆粒.與傳統(tǒng)檢測方法相比,這種方法可以快速準(zhǔn)確的檢測出被真菌毒素污染過的玉米顆粒[23].

1.3 計算機視覺技術(shù)在玉米應(yīng)力裂紋檢測中的應(yīng)用

裂紋率是影響干燥后玉米品質(zhì)的一個重要指標(biāo),應(yīng)力裂紋的存在嚴(yán)重影響玉米的品質(zhì):一是在后續(xù)輸送和加工過程中易產(chǎn)生破碎;二是裂紋玉米使玉米濕法加工淀粉得率降低;三是裂紋玉米在貯存過程中易吸濕、霉變和產(chǎn)生病蟲害;四是食品加工中 (如玉米片的加工)不能使用有裂紋的玉米;五是有裂紋玉米降低玉米等級;六是裂紋玉米會降低種子發(fā)芽率[24].因此,研究玉米應(yīng)力裂紋的檢測方法具有重要意義.常規(guī)的玉米裂紋檢測方法主要有光照法、化學(xué)法、射線法等.這些方法過程復(fù)雜、耗時,而且化學(xué)法、射線法等是破壞性檢測,不適于對所有樣品進(jìn)行檢測.近年來,數(shù)字圖像處理技術(shù)已經(jīng)廣泛用于各類產(chǎn)品的質(zhì)量檢測和控制,同時也逐漸成為物體表面裂紋檢測的一種有效辦法并得到了廣泛應(yīng)用[25-28].

張杰[6]利用圖像分析方法對玉米應(yīng)力裂紋圖像進(jìn)行識別,結(jié)果發(fā)現(xiàn):重度裂紋玉米的識別效果最佳,其識別準(zhǔn)確率為 100%;無裂紋玉米的識別效果次之,其識別準(zhǔn)確率為 97%;而輕度裂紋玉米和中度裂紋玉米的識別準(zhǔn)確率分別為 91%和 88%.朱文學(xué)等[29]利用掃描電子顯微鏡觀察玉米籽粒的應(yīng)力裂紋,分析了裂紋在胚乳中擴展的情況以及對胚乳結(jié)構(gòu)產(chǎn)生的影響.張俊雄等[30]采用數(shù)字圖像處理技術(shù)實現(xiàn)了對玉米種子表面裂紋的識別和檢測.試驗結(jié)果表明:識別準(zhǔn)確率分別為 94%和 90%,基本滿足玉米種子表面裂紋檢測的精度要求.Bhandarkar等[31]研究了采用計算機視覺的玉米種子表面裂紋圖像識別方法,對玉米籽粒圖像先通過邊緣提取再利用籽粒的形態(tài)學(xué)特征實現(xiàn)了裂紋的自動提取和測量,對于玉米裂紋的檢測具有一定的理論意義和工程實用價值.

1.4 計算機視覺技術(shù)在玉米種子純度鑒定中的應(yīng)用

純度是種子最主要的質(zhì)量指標(biāo),純度低將明顯影響作物的產(chǎn)量.隨著種子市場的放開,種子的質(zhì)量受到了嚴(yán)重的威脅,出現(xiàn)了許多以次充好、以假充真的坑農(nóng)和害農(nóng)現(xiàn)象.因此,玉米種子純度鑒定技術(shù)是當(dāng)前我國種子檢驗工作的重點與難點之一,也是種子管理工作中迫切需要解決的問題.目前鑒定玉米雜交種子純度的方法有籽粒形態(tài)鑒定法、幼苗形態(tài)鑒定法、田間種植鑒定法及分析生化指標(biāo)的電泳分析法等[32].籽粒形態(tài)鑒定法只有對雜交種子及親本自交系十分熟悉的專家才適用,且有些雜交種無法依此方法鑒定.幼苗形態(tài)鑒定法只適于鑒定少數(shù)品種.田間種植鑒定是現(xiàn)在國際采納的方法,準(zhǔn)確可靠,但周期長,且消耗大量人力、財力.電泳法分析生化指標(biāo)檢驗種子純度快捷、成本低,易于普及且結(jié)果較可靠[33-34].將計算機圖像識別與處理技術(shù)與種子純度檢測方法相結(jié)合,可以快速準(zhǔn)確地檢驗種子純度[35-37].司秀麗等[38]利用計算機圖像識別與處理技術(shù)處理 2種不同品種玉米,對通過蛋白質(zhì)凝膠電泳獲取的譜帶進(jìn)行計算機圖像識別與處理,并將玉米種子純度計算機圖像識別結(jié)果與人工測定結(jié)果進(jìn)行對比研究.試驗結(jié)果表明:圖像識別與處理系統(tǒng)對玉米種子純度鑒定最低準(zhǔn)確度為 90%,平均準(zhǔn)確度達(dá)99.5%.利用計算機進(jìn)行玉米種子純度的檢測在理論和方法上可行.

1.5 計算機視覺技術(shù)在玉米種子精選與質(zhì)量分級中的應(yīng)用

玉米種子的質(zhì)量分級是收獲后加工的重要環(huán)節(jié)之一,利用機器視覺技術(shù)對玉米種子進(jìn)行質(zhì)量分級具有無損、分級精度高、速度快等優(yōu)點,可代替大量的、重復(fù)性的人工勞動.楊杰[39]利用圖像處理算法提取玉米種子的周長、面積、圓形度、矩形度、伸長度、色度這 6個特征值,并對其進(jìn)行統(tǒng)計分析.從大小、形狀、飽和度、顏色等多角度對實現(xiàn)種子的質(zhì)量分級,并使用MATLAB進(jìn)行了算法的軟件實現(xiàn)和試驗驗證,并分別采用基于隸屬函數(shù)的玉米種子分級和基于 BP神經(jīng)網(wǎng)絡(luò)的玉米種子分級的方法進(jìn)行試驗對比,試驗表明基于 BP神經(jīng)網(wǎng)絡(luò)的玉米種子分級的方法更有利于實時處理.從而證明了利用計算機視覺代替人力來實現(xiàn)玉米種子自動分級的可行性.蔡衛(wèi)國等[40]基于形態(tài)學(xué)信息并結(jié)合計算機視覺技術(shù)的精選種子實時分級裝置可將種子分為 4級,分級準(zhǔn)確率可達(dá)90%以上.吳繼華等[41]開發(fā)了基于機器視覺的種子品種實時檢測系統(tǒng),該系統(tǒng)每隔 2 s停止 1次,由 CCD攝像機采集圖像,經(jīng)圖像處理分析后提取品種的特征參數(shù),系統(tǒng)識別 100粒種子的時間為5 s.Wan等[42-43]研制了一套谷物動態(tài)識別與分類系統(tǒng),采用機器視覺方式,拍攝谷物圖像并將處理結(jié)果發(fā)送給可編程邏輯控制器 (PLC),由 PLC控制相應(yīng)電磁閥的開閉,實現(xiàn)谷物籽粒的吹離.W inter等[44]開發(fā)了谷物品種識別與品質(zhì)分析系統(tǒng).宋鵬等[45]設(shè)計了動態(tài)玉米籽粒品質(zhì)檢測分級系統(tǒng),利用玉米籽粒的形態(tài)特征將種子分為 4級,利用顏色特征將種子分為 3級,分級合格率分別為81.8%和 93.04%;設(shè)計了玉米籽粒品種識別系統(tǒng),利用基于貝葉斯準(zhǔn)則的分類器和基于支持向量機的模式識別方法,可實現(xiàn) 5個玉米品種的識別,平均識別準(zhǔn)確率為 92%;研制了玉米單倍體籽粒分揀系統(tǒng),根據(jù)其顏色特征及模式識別技術(shù)進(jìn)行玉米單倍體識別后使用二自由度并聯(lián)機器人機構(gòu),采用氣吸方式進(jìn)行分揀,分揀精度為 80%.

2 結(jié)束語

近幾年計算機視覺圖像處理技術(shù)在國外農(nóng)業(yè)工程中得到了應(yīng)用,相應(yīng)地出現(xiàn)了許多新的方法和理論與之相融合,也取得了一些成果.如水果品質(zhì)動態(tài)檢測系統(tǒng),自動收獲機器人技術(shù)等,但由于我國在這方面起步很晚,與國外相比仍存在很多不足.首先,在動態(tài)圖像處理系統(tǒng)中,由于動態(tài)圖像處理需要很高的幀速,這勢必減少攝像機在拍攝每幀圖像時的進(jìn)光量,導(dǎo)致圖像質(zhì)量下降.在試圖采用提高鏡頭折射率和增大輔助光源強度的方法解決這一問題的同時,還可以考慮結(jié)合其他硬件或圖像增強軟件等方法以彌補進(jìn)光量的不足.其次,農(nóng)業(yè)工程中的圖像由于受生物多樣性、氣候和環(huán)境等因素的影響,相對于工業(yè)圖像處理要復(fù)雜得多.

如何將相對成熟的工業(yè)動態(tài)圖像處理技術(shù)應(yīng)于農(nóng)業(yè)工程,許多關(guān)鍵技術(shù)有待解決.但是,隨著傳感技術(shù)的發(fā)展,人們對農(nóng)業(yè)物料特性認(rèn)識的深入,出現(xiàn)了紅外、近紅外圖像處理的研究,使計算機視覺技術(shù)從單純的外觀視覺向物料的性狀、組成和成分分布等品質(zhì)內(nèi)部特性方向發(fā)展,并逐步建立了以計算機視覺技術(shù)為主導(dǎo)部件的檢測分級系統(tǒng).雖然該技術(shù)目前還存在許多需要解決的問題,但隨著社會和科學(xué)水平的發(fā)展,積極探索新的理論和方法,研究適合我國國情的農(nóng)產(chǎn)品視覺自動識別和分級系統(tǒng),并結(jié)合紅外、微波、核磁共振等技術(shù)進(jìn)行農(nóng)產(chǎn)品內(nèi)部品質(zhì)的視覺信息提取與檢測、研究快速并行圖像處理算法等作為今后的發(fā)展趨勢.

[1] Zheng C X,Sun D W,Zheng L Y.Recent applications of i mage texture for evaluation of food qualities—a review[J].Trends in Food Science and Technology,2006,17:113-128.

[2] Sun D W.Computer vision—an objective,rapid and non-contact quality evaluation tool for the food industry[J].Journal of Food Engineering,2004,61:1-2.

[3] DubeyB,Bhagwat S G,Shouehe S P,et al.Potential of artificial neural networks in varietals identifications using morphomet of wheat grains[J].Biosystems Engineering,2006,95(1):61-67.

[4] Venora G,Grillo O,Shahin M A,et al.I-dentification of sicilian landraces and canadian cultivars of lentil using an i mage analysis system[J].Food Research International,2007,40(1):161-166.

[5] 韓仲志,趙友剛,楊錦忠.基于籽粒 RGB圖像獨立分量的玉米胚部特征檢測[J].農(nóng)業(yè)工程學(xué)報,2010,26(3):222-226.

[6] 張杰.基于聲學(xué)和圖像分析的玉米應(yīng)力裂紋檢測方法研究 [D].長春:吉林大學(xué),2007.

[7] 史智興,程洪,李江濤,等.圖像處理識別玉米品種的特征參數(shù)研究[J].農(nóng)業(yè)工程學(xué)報,2008,24(6):193-195.

[8] Zayas I,Converse H,Steele J.Discrimination of whole from broken corn kernels with image analysis[J]. Trans of the ASAE,1990,33(5):1642-1646.

[9] Neethirajan S,Karunakaran C,Jayas D S,et al.Detection techniques for stored-product insects in grain[J].Food Control,2007,18(2):157-162.

[10]Liao K,PaulsenM R,Reid J F,et al.Corn kernel breakage classification by machine vision using a neural network classifier[J].Transof the ASAE,1993,36 (6):1949-1953.

[11]Panigrahi S,MisraM K,Bern,et al.Background segmentation and di mensional measurement of corn ger mplasm[J].Trans of the ASAE,1995,38(1):291-297.

[12]Ni B,Paulsen M R,Reid J F.Corn kernel crown shape identification using image processing[J].Trans of the ASAE,1997,40(3):833-838.

[13]周紅,劉光蓉,管庶安.數(shù)字圖像處理技術(shù)在玉米種子輪廓檢測中的應(yīng)用[J].種子,2004,23(9):90-92.

[14]王瑤.種子分類與檢測的圖像分割與識別[D].長春:吉林大學(xué),2007.

[15]權(quán)龍哲,馬小愚.基于小波分析的玉米籽粒圖像正形研究[J].農(nóng)機化研究,2006(2):154-156.

[16]閘建文,陳永艷.基于外部特征的玉米品種計算機識別系統(tǒng) [J].農(nóng)業(yè)機械學(xué)報,2004,35(6):115-118.

[17]熊凱,李向紅,李言照,等.基于 ANN和PCA的玉米品種特征分析與識別研究[J].糧油食品科技,2010,18(4):1-5.

[18]權(quán)龍哲,祝榮欣,雷溥,等.基于 K-L變換與LS-SVM的玉米品種識別方法 [J].農(nóng)業(yè)機械學(xué)報,2010,41(4):168-172.

[19]宋韜,曾德超.基于人工神經(jīng)網(wǎng)絡(luò)的玉米粒形態(tài)識別方法的研究[J].農(nóng)業(yè)工程學(xué)報,1996,12(1):177-181.

[20]王玉亮,劉賢喜,蘇慶堂.多對象特征提取和優(yōu)化神經(jīng)網(wǎng)絡(luò)的玉米種子品種識別[J].農(nóng)業(yè)工程學(xué)報,2010,26(6):199-204.

[21]Del Fiore A,ReverberiM,Ricelli A,et al.Early detection of toxigenic fungi on maize by hyperspectral imaging analysis[J].International Journal of Food Microbiology,2010,144:64-71.

[22]Xavier P Burgos-Artizzu,Angela Ribeiro,Alberto Tellaeche,et al.Analysisof natural images processing for the extraction of agricultural elements[J].I mage and Vision Computing,2010,28:138-149.

[23]Ruiz-Altisenta M,Ruiz-Garcia L,Moreda G P,et al.Sensors for product characterization and quality of specialty crops—A review[J].Computers and Electronics in Agriculture,2010,74:176-194.

[24]張玉榮,成軍虎,周顯青,等.高水分玉米微波干燥特性及對加工品質(zhì)的影響[J].河南工業(yè)大學(xué)學(xué)報:自然科學(xué)版,2009(6):1-4.

[25]Iyer S,Sinha S K.A robust approach for automatic detection and segmentation of cracks in underground pipe-line images[J].I mage and Vision Computing,2005,23(10):921-933.

[26]Sinha S K,Fieguth P W.Automated detection of cracks in buried concrete pipe i mages[J].Automation in Construction,2006,15(1):58-72.

[27]Ammouche A,Riss J,Breysse D,et al.I mage analysis for the automated study ofmicrocracks in concrete[J].Cement and Concrete Composites,2001,23:267-278.

[28]李玉蘭,林緒虹,劉桂雄.正交設(shè)計方法在優(yōu)化空瓶檢測圖像處理參數(shù)中應(yīng)用[J].光學(xué)精密工程,2005,13:207-211.

[29]朱文學(xué),曹崇文.玉米應(yīng)力裂紋的顯微分析[J].農(nóng)業(yè)工程學(xué)報,1998,14(2):98-202.

[30]張俊雄,荀一,李偉.基于形態(tài)特征的玉米種子表面裂紋檢測方法 [J].光學(xué)精密工程,2007,15(6):951-956.

[31]Bhandarkar S M,Luo X,Daniels R,et al.Detection of cracks in computer tomography images of corns[J].Pattern Recognition Letters,2005,26(14):2282-2294.

[32]朱迎春.玉米種子純度檢測最有效的幾種方法[J].雜糧作物,2003,23(2):75-77.

[33]劉燕德,應(yīng)義斌,成芳.機器視覺技術(shù)在種子純度檢驗中的應(yīng)用 [J].農(nóng)業(yè)機械學(xué)報,2003(5):161-163.

[34]劉玉欣,王萬雙,劉會靈.蛋白質(zhì)凝膠電泳與田間種植鑒定玉米種子純度的相關(guān)性研究[J].農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究,2000,16(1):74-75.

[35]趙新子,吳巍,司秀麗.玉米種子活力圖像識別與處理技術(shù)研究[J].吉林農(nóng)業(yè)大學(xué)學(xué)報,2004,26(5):572-576.

[36]王璽,張寶石.玉米種子純度鑒定技術(shù)研究進(jìn)展 [J].種子,2002(1):43-45.

[37]任東.種子純度與活力的快速測定的人工智能圖像識別與處理系統(tǒng)[D].長春:吉林農(nóng)業(yè)大學(xué),2003.

[38]司秀麗,吳巍,趙新子,等.玉米種子純度的計算機圖像識別 [J].吉林農(nóng)業(yè)大學(xué)學(xué)報,2005,27(6):694-697.

[39]楊杰.基于數(shù)字圖像處理的玉米種子質(zhì)量分級方法研究 [D].武漢:武漢理工大學(xué),2009.

[40]蔡衛(wèi)國,李偉,荀一.種子精選分級裝置自動控制方法研究[J].農(nóng)業(yè)機械學(xué)報,2005,36(8):90-92.

[41]吳繼華,劉燕德,歐陽愛國.基于機器視覺的種子品種實時檢測系統(tǒng)研究[J].傳感技術(shù)學(xué)報,2005,18(4):742-744.

[42]Wan YN.Kernel handling performance of an automatic grain quality inspection system[J].Trans of the ASAE,2002,45(2):369-378.

[43]Pearson T C.Low-cost bi-chromatic image shorting device for grains[C].In:2006 ASABE Meeting Presentation.Portland:ASABE,2006:63-85.

[44]W inter Philip,Shahab Sokhansanj,Wood Hugh.Machineision methods for use in grain variety discrimination and uality analysis[J].Proceeding of SPIE,1996,29(7):230-240.

[45]宋鵬,張俊雄,荀一,等.玉米種子自動精選系統(tǒng)開發(fā)[J].農(nóng)業(yè)工程學(xué)報,2010,26(9):124-127.

RESEARCH PROGRESS IN COMPUTER V ISI ON IDENTIFICATI ON AND EVALUATI ON OFMA IZE QUAL ITY

ZHOU Zhi-qiang1,GUO Shuai-chao2,CHENG Jun-hu2
(1.School of Infor m ation Science and Engineering,Henan University of Technology,Zhengzhou450001,China;2.School of Food Science and Technology,Henan University of Technology,Zhengzhou450052,China)

Computer vision is an important branch of computer science and artificial intelligence,and haswide application in the agriculture field as a non-destructive testing technology.This paper reviewed the research progress in the computer vision technology in the identification and evaluation ofmaize quality,and provided a reference for the accurate measurement of characteristics of maize kernels,the construction of correlation between the feature information and quality ofmaize,and the maize quality detection.The paper also proposed the application of the computer vision technology in the vision information extraction and detection of agricultural products,and in the study of quick and parallel image treatment algorithms in combination with IR,microwave and magnetic resonance techniqueswas the future development trend.

maize quality;computer vision;feature extraction;purity;stress crack

TS210

A

1673-2383(2011)01-0083-06

2010-11-26

周志強 (1977-),男,河南駐馬店人,講師,碩士,研究方向為計算機科學(xué)技術(shù)在糧油食品檢測中的應(yīng)用.