劉雙喜 傅生輝 王金星 范連祥 牟華偉 孟凡榮 張春慶

基于多閾值分割技術的玉米角質率定量測定方法研究

劉雙喜1傅生輝2王金星1范連祥2牟華偉2孟凡榮2張春慶3

（山東農業(yè)大學山東省園藝機械與裝備重點試驗室1，泰安 271018）
（山東農業(yè)大學機械與電子工程學院2，泰安 271018）
（山東農業(yè)大學農學院3，泰安 271018）

為解決人工測定玉米角質率工序復雜、精度低的問題，提出一種基于多段閾值分割技術的玉米角質率定量測定方法。通過對玉米籽粒進行縱剖染色處理，將玉米胚部與其他部位進行區(qū)分，然后對樣本剖面圖像進行預處理，并且利用多段閾值分割方法對玉米籽粒進行多次閾值分割，分別得到玉米角質區(qū)、粉質區(qū)圖像，統(tǒng)計各區(qū)域像素數，得到各區(qū)域面積，計算可求得玉米角質率。試驗表明，該方法測試速度優(yōu)于人工測試，可達到3～10 min／100粒，且變異系數在2.0以下，方法穩(wěn)定性好，面積誤差可精確到每像素0.002 mm2，保證了測試的有效性。該方法操作簡便且不受人為因素干擾，可為玉米角質率測定及玉米品質定級提供有效手段。

玉米角質率 預處理 多段閾值分割 角質 粉質

玉米不僅是人們的口糧和“飼料之王”，還是重要工業(yè)原料。作為玉米重要的籽粒品質參數，玉米角質率不僅影響玉米保存、貯藏期限，而且決定了玉米加工品質的高低。測定玉米角質率可實現對玉米品質的分級，對玉米種子和糧食的加工品質和商品品質具有重要影響。但是，目前玉米角質率的測定方法還沒有統(tǒng)一的標準［1-6］。最常用的方法是手工檢測，可參考小麥角質率的檢測方法GB 1351—1999［7］，該方法雖然技術成熟，但是存在較大的人為誤差。2004年，Corinda等［8］曾經試圖建立一套快速無損影像分析技術，用于檢測玉米籽粒的角質率，但是受玉米顏色、胚的大小和種子厚度的限制，技術通用性相對較差。還有許多研究直接采用統(tǒng)計學等方法［9-11］，通過檢測與角質率相關的其他性狀而間接檢測角質率，本身存在一定誤差。

本研究根據玉米角質率檢測存在的問題，對多種玉米籽粒進行試驗之后，提出一種基于多段閾值分割技術測定玉米籽粒剖面的角質面積百分率的方法。試驗表明，該方法準確性高，操作簡便，可實現玉米角質率的快速測定。

1 材料與方法

1.1 材料選擇

供試玉米品種為240份玉米自交系材料，共計30 000多粒。玉米種子自交系玉米果穗比較均勻一致，便于試驗切割分析。玉米種子剖面圖像采集板填充材料選擇黑色橡皮泥，可以固定玉米種子與玉米種子剖面形成色差，易于后期圖像的處理。

1.2 儀器與設備

采集玉米籽粒剖面圖像所用的設備為玉米籽粒圖像采集系統(tǒng)［12］。該系統(tǒng)由CCD相機、玉米種子剖面圖像采集板、光箱、四面無影光源和計算機組成。DFK 41BU02彩色CCD相機：The Imaging Source公司；M3Z1228C-MP工業(yè)鏡頭：日本Computar公司；聯想揚天M4600D-10計算機：聯想集團有限公司。

1.3 樣本處理及采集方法

使用玉米種子切割器將玉米籽粒沿玉米胚的中心軸線一分為二，得到玉米籽粒剖面。對籽粒胚部進行染色并把玉米種子鑲嵌在以黑色橡皮泥填充的玉米籽粒剖面圖像采集板上。將玉米種子剖面朝上，調整種子斷面平行于圖像采集板，盡量減小因成像角度造成的誤差以及投影對測量的影響。利用玉米籽粒圖像采集系統(tǒng)采集的籽粒剖面圖像為1 280 Pix×960 Pix的真彩色24位BMP圖像，玉米籽粒剖面彩色圖像如圖1所示。

圖1 玉米籽粒剖面圖像

2 玉米籽粒剖面區(qū)域提取

2.1 圖像預處理

將籽粒剖面彩色圖像轉化為256級的BMP灰度圖像，加快后續(xù)處理速度，然后對灰度圖像進行中值濾波，抑制圖像噪聲，再對籽粒剖面圖像做背景分割，提取玉米籽粒單粒剖面圖像。玉米籽粒剖面圖像預處理結果如圖2所示。

圖2 籽粒剖面圖像預處理

2.2 多段閾值提取區(qū)域

玉米籽粒剖面圖像中每個區(qū)域的RGB顏色值不盡相同，故對籽粒角質區(qū)域、粉質區(qū)域和整體面積進行計算時，采用多段閾值分割技術，對不同區(qū)域進行不同閾值的分割提取，通過輪廓面積計算各區(qū)域的像素點數量，即可得到目標區(qū)域的面積。面積計算公式為：

式中：S為目標區(qū)域面積／mm2；N為像素數量；Si為像素單位實際面積。使用10 mm×10 mm標準尺寸圖像作為單位像素面積標定圖像，將在本研究圖像采集系統(tǒng)拍攝條件下采集到的RGB圖像輸入計算機，計算分析獲得單位像素所代表的實際尺寸。

經多次測定，單位面積標定圖像約有42 553個像素單位，總面積為10 mm×10 mm，單位面積Si為：

對籽粒背景分割圖像（圖2b）進行連通域提取可獲得單粒籽粒剖面整體面積，計算每個輪廓內的像素數即為所求整體面積。利用MATLAB獲得玉米籽粒剖面圖像RGB三分量統(tǒng)計直方圖，如圖3所示。玉米籽粒角質呈乳黃色，粉質為白色，胚部呈白色略透明。由于胚部被染成紅色，其顏色值與角質相近且均比粉質顏色深。在RGB分量直方圖中，剖面籽粒RGB值像素數明顯集中在2個閾值范圍內。對照玉米籽粒剖面各區(qū)域RGB值統(tǒng)計表（表1），粉質區(qū)域RGB分量值均在120以上，相比其他區(qū)域，粉質區(qū)域更容易辨認識別，而角質與胚部的RGB值相對比較接近，在RGB三分量顏色直方圖中，角質和胚部區(qū)域R分量值范圍在45～120，B分量在15～120。而G分量直方圖中，各區(qū)域G分量在3個不同度量值范圍內，因此，G分量將作為本方法的主要分割依據。

表1 玉米種子籽粒剖面各區(qū)域部分RGB值統(tǒng)計表

分析玉米籽粒各區(qū)域RGB三分量散點圖（如圖4）可知，粉質與其他2部分RGB三分量數值差異最明顯，而在三分量散點圖中，粉質區(qū)的G分量更為集中，與其他區(qū)域顏色值差異最大，故玉米籽粒粉質區(qū)分割閾值范圍為150～254。分析粉質與角質區(qū)域的散點圖（圖4）和直方圖（圖3）得出，胚部閾值分割范圍為20～54；玉米籽粒角質的閾值下限55，閾值上限110。以G分量值為150時作為分割點進行第1次閾值分割，并加入圖像膨脹與腐蝕算法，準確獲得籽粒粉質區(qū)圖像，如圖5所示，對獲取圖像進行面積計算處理，得到區(qū)域輪廓像素面積即各區(qū)域的像素點數，最終可通過式（1）得到玉米籽粒粉質面積。

圖3 玉米籽粒RGB分量統(tǒng)計直方圖

由于玉米籽粒胚部與角質區(qū)域RGB三分量中R分量與B分量互相混雜，只有G分量差異最大，通過試驗發(fā)現，分割閾值為54時，胚部分割較為準確，切除胚部圖像如圖6所示。切除玉米胚后，可發(fā)現角質和粉質區(qū)顏色對比明顯，如圖4中RGB分量散點圖所示，且角質為乳黃色，粉質區(qū)為白色，易于分割。當分割閾值為180時，對切除胚部圖像進行分割可得到玉米籽粒剖面角質區(qū)域，如圖7所示。對輪廓像素進行處理，求得角質區(qū)域輪廓像素面積，利用公式求得實際角質區(qū)面積。部分分割代碼：Cv Threshold （Sn，dst，180，25，Cv＿THRESH＿BINARY）。

圖4 玉米籽粒剖面RGB分量散點圖

圖5 玉米籽粒粉質圖像

圖6 切除胚部圖像

圖7 角質圖像

3 結果與分析

選取不同品種玉米種子，利用本方法獲取玉米籽粒的整體面積以及各區(qū)域面積，如表2所示。同時，采用現有人工測量技術（不規(guī)則圖形面積測量的畫線法，即從上到下在圖形內畫一些等距的平行線，然后測量每根線的長度（線的長度和×平行線之間的距離＝面積）和本方法進行比對，得到測試結果如表3所示。

表2 部分玉米籽粒樣本剖面面積統(tǒng)計表

表3 不同玉米種子百分率測試

從表3可見，本方法測試出的角質率優(yōu)于人工測試法，可以精確到每像素0.002 mm2。該方法方便可行，具有適用性高，測試速度快（測試時間為3～10 min／100 粒），精度高等特點。

用于穩(wěn)定性檢測的15份玉米自交系材料（果穗均勻一致）的角質率測定結果如表4所示。每份自交系的3個重復選自同一份材料的3個果穗，每個果穗均取果穗中部的籽粒20粒（不同果穗的不同籽粒的角質面積百分率本身就存在一定的差異），按上述方法進行檢測。結果顯示，15份材料的3個重復的變異系數均在2.0以下，角質率的測定結果穩(wěn)定性較好。

表4 玉米角質面積百分率

4 結論

本研究提出一種基于多段閾值分割技術的玉米角質率的定量測定方法。該方法通過對玉米籽粒剖面各區(qū)域閾值分析，選取合理的閾值對籽粒各區(qū)域進行分割，提取玉米籽粒的角質和粉質圖像，通過輪廓面積計算獲取各區(qū)域面積，最終準確得到玉米角質率。試驗表明，該方法解決了傳統(tǒng)人工測定方法誤差大、操作繁瑣等缺點，能夠準確快速計算玉米角質率，可實現對玉米角質率的快速測量，對推進玉米育種及品質檢測技術發(fā)展具有重要意義。

［1］郭禎祥，趙仁勇.玉米硬度測定方法研究［J］.糧食與飼料工業(yè)，2002，12：44-46

Guo Zhenxiang，Zhao Renyong.Corn hardness determination［J］.Cereal and Feed Industry，2002，12：44-46

［2］伊祖濤，張海艷.玉米角質和粉質胚乳淀粉粒粒徑、糊化特性及凝膠質構特性的研究［J］.中國糧油學報，2014，29（7）：27-32

Yi Zutao，Zhang Haiyan.Starch granule size，pasting properties and textural properties of horny endosperm and silty endosperm in maize ［J］.Journal of the Chinese Cereals and Oils Association，2014，29 （7）：27-32

［3］張海艷，董樹亭，高榮岐，等.玉米籽粒品質性狀及其相互關系分析［J］. 中國糧油學報，2005，20（6）：19-24.

Zhang Haiyan，Dong Shuting，Gao Rongqi，et al.Analysis of quality characters and their relationships for maize kernels［J］.Journal of the Chinese Cereals and Oils Association，2005，20（6）：19-24

［4］林成鏘，錢家崇.小麥角質率和主要品質性狀的相關性［J］. 作物雜志，1996（6）：26

Lin Chengqiang，Qian Jiachong.The correlation analysis of vitreousness and main quality charactersof wheat［J］.Crops，1996（6）：26

［5］范璐，杜娟，周展明，等.圖像分析技術測定小麥角質率和硬度的方法探討［J］.河南工業(yè)大學學報：自然科學版，2006，27（5）：51-54

Fan Lu，Du Juan，Zhou Zhanming，et al.Study on determination of wheat vitreosity and hardness by image analysis［J］.Journal of Henan University of Technology：Natural Science Edition，2006，27（5）：51-54

［6］GB 1353—2009 玉米［S］

［7］GB 1351—1999 小麥［S］

［8］Corinda Erasmus，John R N.Taylor.Optimising the determination of maize endosperm vitreousness by a rapid non-destructive image analysis technique ［J］.Journal of the Science of Food and Agriculture，2004，84（9）：920-930

［9］N Wang，F E Dowell，N Zhang.Determining wheat vitreousness using image processing and a neural network ［J］.Transactions of the ASAE，2003，46（4）：1143-1150

［10］Venora G，Grillo O，Saccone R.Quality assessment of durum wheat storage centres insicily：evaluation of vitreous，starchy and shrunken kernels using an image analysis system［J］.Journal of Cereal Science，2009，49（3）：429-440

［11］Almeida-Dominguez H D，Suhendro E L，Rooney L W.Factors affecting rapid visco analyser curves for the determination of maize kernel hardness ［J］.Journal of Cereal Science，1997，25（1）：93-102

［12］閆小梅，劉雙喜，張春慶，等.基于顏色特征的玉米種子純度識別［J］. 農業(yè)工程學報，2010，26（S1）：46-50

Yan Xiaomei，Liu Shuangxi，Zhang Chunqing，et al.Purity identification of maize seed based on color characteristics［J］.Transactions of the CSAE，2010，26（S1）：46-50.

Quantitative Determination of Maize Endosperm
Vitreousness Based on Multi-Threshold Segmentation

Liu Shuangxi1Fu Shenghui2Wang Jinxing1Fan Lianxiang2Mou Huawei2Meng Fanrong2Zhang Chunqing3
（Shandong Provincial Key Laboratory of Horticultural Machineries and Equipments，Shandong Agricultural University1，Taian 271018）
（College of Mechanical and Electronic Engineering，Shandong Agricultural University2，Taian 271018）
（College of Agriculture，Shandong Agricultural University3，Taian 271018）

At present，the way to get the maize endosperm vitreousness by manual measurement is too complicated and inefficiency to be used widely.In order to solve the problem，the paper puts forward a method for the quantitative determination of maize endosperm vitreousness based on multi-threshold segmentation.At first，the maize embryo can been distinguished from the maize seed by dying with the reagent.And then the image of single maize seed is gotten after image preprocessing.The different areas of maize seeds image are extracted by multi-threshold segmentation including keratin endosperm part and farinaceous albumen part.Finally，the actual area of every part can be gotten by calculating the number of pixels in the region which can calculate the percentage of maize endosperm vitreousness.The experiment result shows that the method to determine the maize vitreous rate by the machine vision is faster than manual testing，it only takes 3～10 min to test one hundred seeds.And the stability of the method is better which the variance coefficient is below 2.0 and the computational accuracy of the area reaches to 0.002 mm2.This method is simple and reduces man-made factors，and can provide an effective way for the vitreousness determination and grading of maize quality.

maize endosperm vitreousness，image processing，multi-threshold segmentation，keratin endosperm，farinaceous albumen

TP391.4

A

1003-0174（2016）09-0141-05

國家公益性行業(yè)專項計劃（201303005）

2015-01-20

劉雙喜，男，1978年出生，博士，電氣工程及其自動化

王金星，男，1970年出生，教授，機器視覺、農業(yè)機械工程及其自動化