商 林

(武漢交通職業(yè)學(xué)院 電子與信息工程學(xué)院， 武漢 430065)

0 引言

水稻是重要的糧食作物，全世界1/2的人口以水稻為主食。我國(guó)每年的稻米生產(chǎn)量極其龐大，為超過(guò)60%的人口提供了主食，也為保障糧食安全做出了貢獻(xiàn)。近年來(lái)，人們的生活水平逐步提高，稻米產(chǎn)業(yè)的目標(biāo)也從解決人口的溫飽問(wèn)題開(kāi)始轉(zhuǎn)向改善稻米品質(zhì)和食用口感，優(yōu)質(zhì)稻育種成為新時(shí)期水稻品種培育的主要方向。在水稻眾多的外觀性狀中，粒型與品質(zhì)的關(guān)系最為緊密，在品質(zhì)育種中受到重點(diǎn)關(guān)注[1]。

水稻粒型是指稻米粒長(zhǎng)與粒寬的比值，常用長(zhǎng)寬比來(lái)描述。粒型對(duì)多種主要的品質(zhì)性狀有很大的影響，可以作為商品稻米品質(zhì)等級(jí)評(píng)定的依據(jù)[2]。一般情況下，稻米的粒寬太大會(huì)導(dǎo)致堊白率增加，因此長(zhǎng)粒型稻米的品質(zhì)相對(duì)較好；但是，當(dāng)粒長(zhǎng)過(guò)大時(shí)，稻米在加工的過(guò)程中容易斷裂，導(dǎo)致整精米率下降，對(duì)稻米品質(zhì)造成不利影響。研究表明：絕對(duì)長(zhǎng)度較大，長(zhǎng)寬比大于3.0，千粒質(zhì)量較小，這三者是稻米品質(zhì)的最佳特征[3]。除了影響稻米品質(zhì)，粒型還與粒重密切相關(guān)，進(jìn)而與產(chǎn)量之間形成顯著的正相關(guān)性[4]。因此，加強(qiáng)水稻粒型的相關(guān)研究，對(duì)品質(zhì)改良和產(chǎn)量提升都有重要意義。

水稻粒型的研究依賴于準(zhǔn)確獲得稻米的長(zhǎng)度和寬度信息，目前在國(guó)內(nèi)主要是由人工利用直尺或微粒子計(jì)等工具測(cè)量完成的。直尺測(cè)量的方法是隨機(jī)選擇10個(gè)完整的稻米放置在測(cè)量板上，頭對(duì)頭、尾對(duì)尾地沿著直尺排成1行，米粒之間不存在重疊和空隙，測(cè)量總的長(zhǎng)度；用相同的方式測(cè)量總的寬度，然后計(jì)算長(zhǎng)寬比。這種方法沒(méi)有設(shè)備和技術(shù)的要求，但是操作較為繁瑣，測(cè)量的效率低，產(chǎn)生的誤差也較大。直尺測(cè)量作為傳統(tǒng)的方法沿用至今，在效率和精度上的局限性使其難以適應(yīng)現(xiàn)代農(nóng)業(yè)發(fā)展的要求。微粒子計(jì)測(cè)量方法對(duì)技術(shù)的要求高，操作難度大，效率也很低。另外，國(guó)外公司的谷物外觀檢測(cè)儀可以通過(guò)全自動(dòng)影像分析稻米粒型，但機(jī)器的價(jià)格昂貴，與微粒子計(jì)一樣沒(méi)有能夠在我國(guó)推廣應(yīng)用。

機(jī)器視覺(jué)技術(shù)是以計(jì)算機(jī)科學(xué)和信息科學(xué)為基礎(chǔ)建立的，利用專業(yè)設(shè)備采集圖像，然后依據(jù)相應(yīng)的視覺(jué)特征將目標(biāo)從背景中識(shí)別并提取出來(lái)，根據(jù)需要對(duì)其進(jìn)行分析。機(jī)器視覺(jué)誕生后在農(nóng)業(yè)領(lǐng)域中得到了廣泛的應(yīng)用，用途包括果實(shí)、雜草和農(nóng)機(jī)行駛路徑的識(shí)別、農(nóng)產(chǎn)品的分級(jí)檢測(cè)及作物生長(zhǎng)信息的監(jiān)測(cè)。谷物形態(tài)分析是機(jī)器視覺(jué)的應(yīng)用內(nèi)容之一，利用機(jī)器視覺(jué)對(duì)稻米進(jìn)行檢測(cè)，可以準(zhǔn)確、快速地獲得粒型和完整度信息[5]。黃星奕較早利用機(jī)器視覺(jué)檢測(cè)稻米的粒型，由于對(duì)米粒的擺放朝向有嚴(yán)格的要求，該方法的實(shí)用性受到了一定的限制[6]。凌云設(shè)計(jì)了基于極坐標(biāo)的機(jī)器視覺(jué)粒型檢測(cè)算法，分析結(jié)果不受目標(biāo)旋轉(zhuǎn)的影響，但對(duì)稻米形狀的橢圓擬合無(wú)法獲得較高的準(zhǔn)確度[7]。因此，需要改進(jìn)機(jī)器視覺(jué)對(duì)水稻粒型的分析方法，以提高實(shí)用性和準(zhǔn)確性。

在拍攝的稻米圖像中，目標(biāo)輪廓一般較為清楚，背景也很簡(jiǎn)單，可以根據(jù)研究目的采用邊緣檢測(cè)進(jìn)行粒型分析。邊緣檢測(cè)是檢測(cè)圖像中像素的灰度階躍變化，以相鄰的導(dǎo)數(shù)變化規(guī)律體現(xiàn)邊緣，利用特定的算法提取出目標(biāo)與背景之間的分界線[8]。作為機(jī)器視覺(jué)分析方法的一個(gè)分支，圖像的邊緣檢測(cè)演化出了多種算法，都有各自的優(yōu)缺點(diǎn)，能夠?qū)Σ煌庥^特性的農(nóng)產(chǎn)品進(jìn)行檢測(cè)[9-12]。張聰和張慧等對(duì)基于邊緣檢測(cè)的稻米粒型分析進(jìn)行了大量的研究，提出新的檢測(cè)算法，也比較了原有算法的應(yīng)用效果，為完善稻米粒型的機(jī)器視覺(jué)分析提供了依據(jù)[13-16]。

之前的相關(guān)研究側(cè)重于稻米輪廓的提取效果，缺少對(duì)粒長(zhǎng)、粒寬和長(zhǎng)寬比的全面分析，也沒(méi)有設(shè)置相應(yīng)的算法來(lái)檢測(cè)破碎的不完整米粒。本文基于圖像邊緣檢測(cè)技術(shù)分析水稻的粒型，采集稻米的圖像進(jìn)行閾值分割和去除噪音，然后利用自適應(yīng)Canny算法檢測(cè)獲得稻米的邊緣，并通過(guò)數(shù)學(xué)形態(tài)學(xué)排除不完整的稻米，以最小外接矩形反映完整稻米的長(zhǎng)度和寬度，最后計(jì)算得到稻米的長(zhǎng)寬比，評(píng)價(jià)粒型特征，為水稻的品質(zhì)育種提供指導(dǎo)。

1 硬件設(shè)備

本文中水稻粒型分析所用的硬件設(shè)備主要為掃描儀和計(jì)算機(jī)。掃描儀是杭州萬(wàn)深MICROTEK ScanMaker i800 plus型，光學(xué)分辨率達(dá)到800×1600dpi，48位色彩深度，光源為白色冷陰極燈。工作時(shí)，掃描范圍305mm×432mm，形成單幅圖像耗時(shí)18s，掃描速度保持恒定，成像穩(wěn)定清晰，圖像通過(guò)USB2.0高速接口傳輸給計(jì)算機(jī)。計(jì)算機(jī)是戴爾XPS8910型臺(tái)式電腦，配件包括Intel i7處理器、GTX1070型顯卡和16G內(nèi)存，主機(jī)體積小、兼容性強(qiáng)，運(yùn)行快速穩(wěn)定。計(jì)算機(jī)安裝Windows10操作系統(tǒng)、ScanWizard EZ掃描軟件及用于機(jī)器視覺(jué)分析的MatLab工具箱，可以快速處理各種類型的圖像。

2 圖像處理

2.1 圖像分割

掃描得到的圖像由稻米和背景兩部分組成，稻米為灰白色，背景為黑色，其中夾雜少量的白色斑點(diǎn)，稻米與背景之間的區(qū)別較為明顯，如圖1(a)所示。對(duì)稻米進(jìn)行粒型分析時(shí)，首先要將其從圖像中分離出來(lái)。常用的圖像分割方法包括閾值分割法、迭代法和最大類間方差法等。本研究根據(jù)圖像的特點(diǎn)，同時(shí)綜合考慮計(jì)算量，選擇最大類間方差法。該方法屬于自動(dòng)的非參數(shù)閾值選擇法，以圖像直方圖的一階統(tǒng)計(jì)特性作為判別的依據(jù)。最大類間方差法首先選取一個(gè)灰度值，以此將圖像中的像素按照灰度值大小分為兩類，并計(jì)算兩類像素的點(diǎn)數(shù)和灰度平均值，統(tǒng)計(jì)二者的類間方差。最后，選取類間方差的最大值作為灰度閾值，將圖像分割為目標(biāo)和背景兩個(gè)部分，如
圖1(b)所示。該方法的計(jì)算量較小，分割準(zhǔn)確，但是存在過(guò)度分割造成的稻米局部空洞和邊緣毛刺現(xiàn)象。 為此，采用腐蝕對(duì)圖像內(nèi)部濾波處理，并通過(guò)3×3的結(jié)構(gòu)元素進(jìn)行開(kāi)運(yùn)算消除點(diǎn)狀和線狀噪音，得到更為清晰、平滑的目標(biāo)圖像，如圖1(c)所示。

圖1 圖像的目標(biāo)提取

2.2 邊緣檢測(cè)

在圖像分割的基礎(chǔ)上，采用自適應(yīng)Canny算法檢測(cè)稻米圖像的邊緣。Canny算法是一種階梯型的邊緣檢測(cè)算法，基本思想是將目標(biāo)圖像的邊緣轉(zhuǎn)換為單位函數(shù)的極大值，檢測(cè)的準(zhǔn)確性建立在信噪比準(zhǔn)則、定位精度準(zhǔn)則和單邊響應(yīng)準(zhǔn)則上。Canny算法的具體過(guò)程是以二維高斯函數(shù)任一方向上的一階方程導(dǎo)數(shù)為噪音濾波器，對(duì)圖像卷積進(jìn)行處理；然后，在經(jīng)過(guò)處理的圖像中搜索提地極大值，最終以特定方向上的矢量模極大值點(diǎn)作為目標(biāo)圖像的邊緣。Canny算子具有較高的精確度，但會(huì)伴隨產(chǎn)生假邊緣和丟失局部邊緣。針對(duì)這些問(wèn)題，自適應(yīng)Canny算法引入信息熵以適應(yīng)Canny算子的極值，反映平均信息源的隨機(jī)性，以信息熵最大時(shí)的Canny算子為閾值提取得到稻米的邊緣輪廓，如圖2(a)所示。

2.3 最小外接矩形分析

檢測(cè)獲得的邊緣輪廓中，會(huì)存在破碎的不完整稻米，不能反映水稻的真實(shí)粒型。完整稻米僅在長(zhǎng)軸的兩端出現(xiàn)共2個(gè)尖角，而不完整稻米的尖角數(shù)增加。以此為依據(jù)，利用數(shù)學(xué)形態(tài)學(xué)方法排除不完整的稻米，剩余的完整稻米通過(guò)最小外接矩形方法計(jì)算長(zhǎng)度和寬度。對(duì)單個(gè)稻米先標(biāo)記邊緣像素點(diǎn)，找出上、下、左、右4個(gè)方向上的坐標(biāo)極值，計(jì)算外接矩形的面積；然后，將稻米輪廓以3°為單位順時(shí)針旋轉(zhuǎn)直至90°，比較各個(gè)狀態(tài)下的外接矩形面積，以面積最小的外接矩形表示該稻米的長(zhǎng)度和寬度，進(jìn)而計(jì)算出長(zhǎng)寬比，如圖2(b)所示。

圖2 稻米的邊緣檢測(cè)

3 試驗(yàn)結(jié)果與分析

試驗(yàn)所用的3個(gè)水稻品種是天優(yōu)華占、甬優(yōu)2640和秀水11，分別是長(zhǎng)粒型秈稻、秈粳雜交稻和短粒型粳稻的代表性品種。每個(gè)品種取稻米先用直尺法測(cè)量粒長(zhǎng)、粒寬和長(zhǎng)寬比，再用邊緣檢測(cè)法測(cè)量上述3個(gè)指標(biāo)，各5個(gè)重復(fù)，比較兩種測(cè)量方法的穩(wěn)定性和準(zhǔn)確性。

試驗(yàn)結(jié)果如表1所示。與直尺法測(cè)量的結(jié)果相比，邊緣檢測(cè)法測(cè)量獲得的稻米粒長(zhǎng)和粒寬的變異系數(shù)更小，計(jì)算得到的長(zhǎng)寬比也更接近于標(biāo)準(zhǔn)值，表現(xiàn)出更好的穩(wěn)定性和準(zhǔn)確性。

表1 兩種測(cè)量方法的效果比較

4 結(jié)論

基于圖像邊緣檢測(cè)技術(shù)分析水稻的粒型，采集稻米的圖像進(jìn)行閾值分割和去除噪音，然后利用自適應(yīng)Canny算法檢測(cè)獲得稻米的邊緣。同時(shí)，通過(guò)數(shù)學(xué)形態(tài)學(xué)排除不完整的稻米，以最小外接矩形反映完整稻米長(zhǎng)度和寬度，最后計(jì)算得到稻米的長(zhǎng)寬比。試驗(yàn)表明：與直尺法相比，邊緣檢測(cè)法獲得的稻米粒長(zhǎng)和粒寬變異系數(shù)更小，計(jì)算得到的長(zhǎng)寬比也更接近于標(biāo)準(zhǔn)值，具有更好的穩(wěn)定性和準(zhǔn)確性。因此，邊緣檢測(cè)可以用于評(píng)價(jià)稻米的粒型特征，為水稻的品質(zhì)育種提供技術(shù)支持。