張　雷，田素博

(沈陽農業(yè)大學 工程學院，沈陽　110866)

?

甜瓜嫁接機嫁接苗接縫視覺識別系統(tǒng)研究

張雷，田素博

(沈陽農業(yè)大學 工程學院，沈陽110866)

摘要：嫁接可以有效地解決甜瓜連作障礙，提高產量，但嫁接作業(yè)勞動強度大、生產效率較低。目前，半自動化蔬菜嫁接機器人仍然需要人工對嫁接后的接縫進行質量檢測，由于個人的主觀性和技術熟練程度的不同，會影響嫁接質量和嫁接效率，從而影響嫁接成活率。因此，在嫁接之后，需要對嫁接苗進行接縫質量的自動識別與檢測。為此，確定了嫁接幼苗接縫的成功標準，并利用圖像采集技術和分割處理的基本理論與方法，研制嫁接幼苗接縫自動識別、檢測的算法，完成了接縫檢測軟件程序編制。 對嫁接幼苗接縫視覺檢測識別系統(tǒng)軟硬件進行了調試和試驗研究，選取了60株甜瓜嫁接幼苗進行接縫圖像檢測和識別試驗。試驗結果表明：甜瓜嫁接幼苗接縫檢測的成功率為90%，因莖稈折斷彎曲造成了嫁接幼苗接縫的檢測失敗。

關鍵詞：甜瓜；接縫；識別；機器視覺；嫁接機；圖像處理

0引言

我國作為農業(yè)大國，水果和蔬菜在人類的生活中占有很重要的地位。近年來，甜瓜栽培的面積隨著人們需求的不斷增加而逐年增加，造成了甜瓜種植出現(xiàn)連作障礙等問題。尤其隨著設施園藝及溫室大棚的推廣和普及，此問題變得愈加嚴重。目前，園藝生產上通常采用土壤化學處理方法和蔬菜嫁接方法來解決這一問題。在農業(yè)可持續(xù)發(fā)展要求及人們環(huán)境保護意識提高的條件下，利用土壤中施加某些化學合成物去除土壤傳播病害及致病微生物的土壤化學處理方法，在解決連作障礙的同時卻污染了土壤環(huán)境，因而國家頒布了相關規(guī)定限制了此種方法(邢宇等，2004)。

目前，嫁接成為解決園藝作物連作障礙及病蟲害防治問題的重要方法。人工嫁接是將一種植株的芽或者枝接到另外一種植株的莖或者根上，貼合在一起的兩種植株生長成為另外一種完整的植株(鄧向君與卓敏華，2010)。嫁接技術在減輕土傳病害、克服連作障礙、提高水肥利用率、增強抗逆性、提高產量和果實品質等方面，與傳統(tǒng)的栽培技術相比，具有明顯的優(yōu)勢，在農業(yè)生產中得到了廣泛地推廣應用(Jung-Myung Lee等，2010)。

由于個人的操作技能及熟練程度不同，會直接影響到嫁接苗的成活率(楊海君，2003)。人工嫁接育苗存在著作業(yè)效率低、勞動強度大、嫁接苗成活率低等問題，制約了嫁接技術的推廣與應用，而且不符合設施園藝生產向工業(yè)化及機械化方向發(fā)展的趨勢(辜松等，2007)。

近年來，國際上為了適應農業(yè)生產要求出現(xiàn)了一種“嫁接機器人技術”，此高新技術將園藝技術、機械方法、自動化控制綜合運用于一體，可以在極短的嫁接時間內，通過機械動作把僅有幾毫米莖粗的接穗與砧木接合在一起，速度相比于人工嫁接有了很大的提高；并且機械嫁接時接合迅速，因此莖稈內營養(yǎng)液流失較少，切口短時間內不被氧化，從而嫁接苗的成活率得到了大大提高(張鐵中與徐麗明，2001)。

目前，國內外已成功研制了蔬菜半自動化嫁接機器人，但嫁接完成后仍需由人工檢查嫁接接縫的質量，因為嫁接后的接縫貼合是否完全、對接是否緊密將直接影響到嫁接的成活率和蔬菜產量。采用機器視覺及圖像處理技術對嫁接幼苗接縫進行檢測是本文研究的核心問題。本研究設計開發(fā)了嫁接幼苗嫁接后接縫識別和檢測系統(tǒng)，為全自動嫁接機器人的開發(fā)奠定了基礎。

1機器嫁接苗視覺識別系統(tǒng)設計

1.1機器嫁接苗視覺識別系統(tǒng)設計

典型的機器視覺系統(tǒng)一般由圖像采集、圖像處理、輸入輸出及控制執(zhí)行機構等部分構成，如圖1所示(穆向陽與張?zhí)劊?007)。

1.被測目標　2.光源　3.光源控制器　4.光學鏡頭　5.相機　6.圖像采集卡　7.計算機(圖像處理系統(tǒng))　8.顯示器

1.1.1光源的設計選型

光源的作用不僅是簡單地照亮物體，而是突出拍攝目標中所需要的信息特征。足夠大的對比度增強可以簡化圖像處理的算法和降低圖像分析的難度，便于后續(xù)更好地對所拍攝的圖像進行處理。

在已搭建的視覺硬件結構系統(tǒng)中使用兩種不同方案的照明環(huán)境采集嫁接幼苗接縫的圖像：一種試驗方案是在有LED白色條形前景光照射的情況下采集圖像；另一種試驗方案是在有LED綠色環(huán)形前景光照射的情況下采集圖像，如圖2所示。借助計算機上的MatLab圖像分析處理軟件(見圖3)分別對兩種照明環(huán)境下采集的嫁接幼苗接縫圖像進行處理分析，得出圖像中每一點的灰度值沿豎直軸線的變化曲線。通過觀察變化曲線中灰度值的變化情況，確定哪種照明環(huán)境下采集到的圖像更能提高嫁接幼苗的接縫與嫁接幼苗莖稈的對比度，對比度越大則更能凸顯出嫁接幼苗接縫的特征。

(a)　LED白色前景光圖像　　(b)　綠色環(huán)形前景光圖像

圖3　Matlab軟件界面

將從MatLab圖像分析處理軟件中得到的數據輸入到Excel表格中，利用Excel的繪圖功能繪制出兩組甜瓜嫁接幼苗接縫處灰度值沿豎直方向的變化曲線。

由圖4變化曲線可以看出：在LED白色條形前景光條件下采集的甜瓜嫁接幼苗接縫圖像中嫁接幼苗接縫處灰度值波動不規(guī)律；而LED綠色環(huán)形前景光條件下采集的甜瓜嫁接幼苗接縫圖像中嫁接幼苗灰度值急劇地變化在中間接縫部分，對比十分明顯。試驗得出：LED綠色環(huán)形前景光照明條件比其他照明系統(tǒng)更能提高甜瓜嫁接幼苗接縫與莖稈的對比度，所以本研究選用了由北京大恒科技有限公司生產型號為DHV-HX-A00-D92-R4-G-24V的LED綠色環(huán)形光源。

1.1.2鏡頭選型

鏡頭的作用相當于人眼的晶狀體，在整個機器視覺系統(tǒng)中，鏡頭最接近被測物體，入射光通過它才能夠使得被測物體成像到相機的感光器件上。 由于鏡頭的參數會直接影響整個系統(tǒng)的性能，所以應合理選擇和安裝鏡頭。

本研究選用Computer系列M2514-MP2鏡頭，焦距參數分別為16、25、35mm。

圖4　不同照明系統(tǒng)對圖像沿豎直軸線的灰度值的影響

1.1.3相機選型

相機在機器視覺系統(tǒng)圖像采集部分起著至關重要的作用，是一種光電轉換器件，可將光信號轉換成電信號并以一定的格式輸出。其核心器件為圖像傳感器，目前常用的圖像傳感器件主要為CCD和CMOS。

在相機選擇方面，有以下3種相機的性能可以滿足甜瓜嫁接幼苗接縫視覺識別檢測系統(tǒng)的要求，分別為PointGrey系列CMLN-13S2C彩色CCD相機，分辨率為1296×964，USB2.0接口；MV-VDF系列彩色CMOS相機，USB2.0接口；大恒水星系列MER-125-30UC彩色CCD相機，USB2.0接口。雖然CCD相機在工作時發(fā)熱較大，容易因發(fā)熱產生干擾；但與CMOS相機相比，CCD相機的色彩層次效果有一定很大優(yōu)勢，而且反應速度快，因此選擇彩色CCD相機。除此之外大恒公司所生產的水星系列相機與PointGrey系列相機相比具有結構緊湊、小巧輕便、堅固耐用及性價比高等優(yōu)點，所以最終確定選擇大恒公司生產的水星系列MER-125-30UC彩色數字CCD相機，接口為USB2.0，分辨率為1 292(H)×964(V)，圖像傳感器芯片尺寸比例1/3inch(4.8 mm×3.6mm)。

為了明確拍攝的嫁接幼苗圖像的參數信息與嫁接幼苗實際的參數信息之間相互對應的大小關系，本研究選擇傳統(tǒng)相機標定法來確定兩者之間的對應關系。

本研究中使用的鏡頭焦距為25mm，相機與鏡頭安裝組合成一體，相機圖像傳感器芯片尺寸為1/3inch(4.8mm×3.6mm)。相機標定過程是在試驗中選取一株甜瓜幼苗，同時放置一把刻度準確的直尺，將其垂直于水平面，以此作為參照物體。為了防止光源照射過程中溫度對甜瓜幼苗影響，將相機的各項參數調整到最適宜的條件下對該甜瓜幼苗進行圖像采集。采集到的圖像像素尺寸為1 292×964pixel，然后利用MatLab圖像處理軟件對該圖像進行處理分析。測定出其采集的圖像高度為28.5mm，即每一個像素點所代表的實際長度lpixel為0.03mm。根據相機的分辨率及CCD尺寸可知，圖像的面積為4.8mm×3.6mm，即 1292×964(像素×像素)。根據成像原理，鏡頭的焦距與拍攝物體的大小及鏡頭到拍攝物體距離之間的關系，如圖5所示。

圖5　焦距、實際距離及物體大小之間的關系

根據圖5可以計算出被測物體與相機之間的實際長度，也就是物距S，則有

根據上述的計算結果，在誤差允許的范圍內，相機鏡頭與甜瓜幼苗之間的距離為198mm。

為了精確標定，可對相機視場中的不同方位的標定參照物進行多次標定，再求其平均值作為最終的標定系數，可以減少一定的畸變誤差和隨機誤差。

1.2機器視覺軟件系統(tǒng)設計

本系統(tǒng)所應用的核心技術是計算機圖像處理技術，利用MatLab圖像處理軟件來實現(xiàn)。MatLab是matrix & laboratory兩個單詞的組合，意為矩陣工廠(矩陣實驗室)，是由美國mathworks公司發(fā)布的主要用于面對科學計算、可視化及交互式程序設計的高科技計算環(huán)境。MatLab可以進行矩陣運算、繪制函數和數據、實現(xiàn)算法、創(chuàng)建用戶界面,以及連接其他編程語言的程序等，可方便用于圖像處理過程中。

2接縫識別理論和算法

2.1甜瓜嫁接苗接縫識別標準

根據甜瓜和南瓜的生理特點及在生產實踐中的經驗，在嫁接過程中將第1片真葉未展開的南瓜砧木去掉1片子葉及生長點，將第1片真葉完全展開的甜瓜接穗苗從第1對子葉下方1cm處的位置沿30°角向下切去根部；然后將接穗苗和砧木苗按切削面對接，使砧木苗子葉和接穗苗的子葉成十字型交叉，用嫁接夾夾好；接穗苗和砧木苗的貼合面有90%對接即為嫁接效果良好。圖6是獲取的典型甜瓜機械嫁接苗嫁接之后的接縫圖像。

圖6　嫁接后的接縫圖像

2.2接縫圖像識別原理及算法設計

研究嫁接幼苗接縫機器視覺識別檢測系統(tǒng)設計總流程如圖7所示。當程序啟動后，嫁接幼苗依次被處理，并把每一株嫁接幼苗處理所得的信息最終顯示在屏幕上；一株嫁接幼苗處理完畢后，判斷穴盤中是否還有嫁接幼苗等待處理，如果穴盤中不再有苗則程序終止，這一系列過程都將通過指令自動完成。

圖7　視覺系統(tǒng)設計總流程圖

根據嫁接幼苗接縫的特征，依據視覺識別的原理，借助MatLab圖像處理軟件進行算法研究。首先進行彩色圖像灰度變換，再將灰度圖像做閾值化處理，根據紅色嫁接夾的上下邊緣找出嫁接夾夾持住的嫁接幼苗莖稈部分(包含嫁接夾)，如圖8(b)所示；然后再根據圖像分割原理去除嫁接夾，如圖8(c)所示；并對邊界做形態(tài)學閉操作運算處理，這樣就獲得了包含接縫部分的圖像，如圖8(d)和(e)所示；再對此圖像中的最長直線進行延伸，延伸到中間區(qū)域的邊界，然后以寬度16沿著直線對像素點灰度值進行累加求和，獲得如圖8(f)所示的曲線。考慮到在嫁接過程中可能產生的傾角，中間區(qū)域分割時采用了平行于夾子的分割方法，即中間區(qū)域如果是傾斜的，可以分割出傾斜的夾子中間區(qū)域。分析曲線可知：如果是一段常規(guī)的接穗苗或砧木苗的莖稈部分，則曲線接近于一條豎直的直線；而嫁接夾中間為接穗苗和砧木苗結合的一段直徑，此曲線中間部分即為接縫所在位置的像素點累加和曲線。如果接穗苗和砧木苗的接縫質量較好，則接穗苗和砧木苗的嫁接結合面接觸緊密，因而接縫部位灰度值較小，故整條曲線為中部向左側凹進去的線；如果此嫁接幼苗接縫有縫隙，則得到的曲線中部位置像素點的灰度值較大，因而曲線呈向右凸出的形狀。

(a)　原始接縫圖像　　　 (b)　帶嫁接夾及其內部莖稈圖像

(c)　嫁接夾內部莖稈圖像　　　(d)　原始圖像中接縫處莖稈圖像

(e)　閾值處理結果圖　　　　　 (f)　灰度值求和曲線

3結果與分析

本研究中以甜瓜嫁接幼苗為研究對象，利用視覺檢測系統(tǒng)獲取嫁接苗接縫檢測的圖像來進行處理，對嫁接幼苗接縫視覺識別檢測系統(tǒng)軟硬件進行了調試和試驗研究。 用甜瓜嫁接幼苗接縫視覺檢測系統(tǒng)檢測60個不同的接縫，試驗結果表明：該系統(tǒng)的識別成功率為90%；雖然莖稈的表面圖像容易采集，但是處在莖稈內部細小接縫的圖像不容易采集，導致識別失敗。

4結論

本研究選定了甜瓜嫁接幼苗接縫的成功標準，并研制了嫁接幼苗接縫自動識別、檢測的算法，完成了接縫識別檢測系統(tǒng)的算法研究及軟件程序設計。對嫁接幼苗接縫進行識別和檢測，提出了分割嫁接夾內部包含接縫的莖稈圖像方法，獲取了接縫部分的特征曲線，進而判斷是否存在接縫及接縫質量的好壞。利用MatLab圖像處理軟件，對該圖像特征提取方法進行編程，并對其進行調試、運行。結果證明：該程序能夠成功提取圖像的特征信息。最后，用甜瓜嫁接幼苗接縫識別檢測系統(tǒng)軟硬件進行了試驗研究，獲得了60株甜瓜嫁接幼苗的接縫圖像進行識別和檢測試驗，結果表明：甜瓜嫁接幼苗檢測的成功率為90%。雖然莖稈的表面圖像容易采集，但是處在莖稈內部細小接縫的圖像不容易采集，導致識別失敗。

參考文獻：

[1]鄧向君,卓敏華.嫁接技術方法及其運用[J].中國園藝文摘, 2010(7):157-158.

[2]辜松,江林斌.國內外蔬菜嫁接機的發(fā)展現(xiàn)狀[J].東北農業(yè)大學學報, 2007，38(6):847-851.

[3]穆向陽,張?zhí)?機器視覺系統(tǒng)的設計[J].西安石油大學學報：自然科學版,2007， 22(6):104-109.

[4]邢宇,李文嬈,劉生祥,等.我國甜瓜嫁接栽培技術研究進展[J].寧夏農學院學報, 2004，25(1):81-84.

[5]楊海君.嫁接苗木自動化品質檢測與分級研究[D].長沙：湖南農業(yè)大學，2003.

[6]張鐵中,徐麗明.大有前景的蔬菜自動嫁接機器人技術[J].機器人技術與應用,2001(2):14-15.

[7]Jung-Myung Lee, C Kubota S J Tsao, Z Bie P Hoyos Echevarria, et al.Oda.Current status of vegetable grafting:Diffusion, grafting techniques, automation[J].Science Horticulture, 2010，127:93-105.

Abstract ID:1003-188X(2016)03-0086-EA

Visual Recognition System on Gap of Grafting Seedlings for Muskmelon Grafting Machine

Zhang Lei, Tian Subo

(College of Engineering, Shenyang Agricultural University, Shenyang 110866, China)

Abstract：Grafting can solve the problem of continuous cropping obstacle effectively and increase yield of the muskmelon, but the labor intensity is large during grafting operation and the productivity is low. Grafting machines have been developed with the widely application of grafting technology. The working process including detection the quality of gap after grafting is still made by manual, so the difference between the subjectivity of the individual and the level of technical proficiency may affect the quality , efficiency of grafting and the survival rate. As a result, it is necessary to inspect grafting seedlings’ gap automatically after grafting. The success criteria of recognizing grafting seedlings’ gap were determined based on the theory and methods of image segmentation and the technology of image acquisition. The algorithm of automatic recognition and detection for grafting seedlings’ gap was designed, and then the software programming was completed and debugged. Experimental research on visual recognition and detection of grafting seedlings’ gap for hardware and software system of grafting seedlings’ gap was carried out with 60 muskmelon grafting seedlings. The results show that success rate reaches 90%, because the broken or bending of stem lead to the failure of test. The results meet the requirements of the design.

Key words：muskmelon； gap； recognition； machine vision； grafting machine； image processing

文章編號：1003-188X(2016)03-0086-05

中圖分類號：S223.1

文獻標識碼：A

作者簡介：張雷(1990-)，男，內蒙古通遼人，碩士研究生，(E-mail)389367908@163.com。通訊作者：田素博(1973-)，女，遼寧錦州人，副教授，碩士生導師，(E-mail)tiansubo@163.com。

基金項目：國家自然科學基金項目(31101076)；遼寧省優(yōu)秀人才支持計劃項目(LJQ2012061)；沈陽農業(yè)大學天柱山學者資助項目(2014-2016)

收稿日期：2015-02-15