屠禮芬,彭 祺,吳雪妮,顧建偉,李春生
(1.湖北工程學(xué)院物理與電子信息工程學(xué)院,湖北 孝感 432000;2.湖北工程學(xué)院湖北省新農(nóng)村發(fā)展研究院,湖北 孝感 432000)
種子是農(nóng)業(yè)生產(chǎn)中不可替代的物質(zhì),是決定農(nóng)作物產(chǎn)量和質(zhì)量的關(guān)鍵因素,優(yōu)良種子是確保農(nóng)業(yè)豐產(chǎn)的前提。發(fā)芽率是衡量種子質(zhì)量的重要指標(biāo)之一,一般發(fā)芽率高,代表存活種子多、苗數(shù)多[1-2]。因此,只有采用高發(fā)芽率的種子用于生產(chǎn),才能確保農(nóng)業(yè)生產(chǎn)的安全和效益。
近年來,關(guān)于種子質(zhì)量檢測的方法有一些優(yōu)秀成果,Miller Mcdonald利用數(shù)字圖像處理技術(shù)研制了種子活力檢測軟件平臺[3-4]。Hoffmaster等[5]利用數(shù)字圖像技術(shù)研發(fā)了大豆種子活力指數(shù)檢測系統(tǒng)。也有利用序列化的圖像來測定種子活力的研究[6-7]。在國內(nèi),程紹明[8]研究了基于電子鼻檢測種子發(fā)芽率;于征等[9]研究了圖像處理與分析技術(shù)和四唑染色法相結(jié)合檢測種子活力的方法,通過相機對種子發(fā)育的圖像進行拍攝,基于圖像識別技術(shù)檢測種子的活力。
各種研究方法的有效性最終都需要通過大量的發(fā)芽試驗進行驗證。種子的發(fā)芽期通常需要2~7 d,在這個過程中,每隔6 h對發(fā)芽的種子進行計數(shù),要完成這項工作,需要專業(yè)技術(shù)人員進行大量重復(fù)的工作,耗時耗工,并且很容易出現(xiàn)主觀誤差,可靠性有待檢驗。
為使種子發(fā)芽率的統(tǒng)計更為客觀、快捷,本研究設(shè)計并制作了培養(yǎng)箱中種子發(fā)芽過程動態(tài)監(jiān)測系統(tǒng),包括硬件的構(gòu)建和對應(yīng)的發(fā)芽率檢測軟件。
一方面農(nóng)作物種子可能帶有多種病菌蟲體,甚至是檢疫性病菌蟲體,會隨種子傳播而引起作物發(fā)生病蟲害,從而影響作物生長發(fā)育和產(chǎn)量品質(zhì);另一方面在低溫季節(jié)要對作物種子進行催芽,如不加溫則種子催芽速度慢甚至不發(fā)芽。為了使種子有一個良好穩(wěn)定的培育環(huán)境,引進了種子發(fā)芽培育箱,如圖1所示。
圖1 種子發(fā)芽培育箱Fig.1 Seed germination incubator
1.1.1種子發(fā)芽箱內(nèi)相機固定架的制作
一般種子發(fā)芽培育箱內(nèi)無配套的相機設(shè)備,因此需要將相機固定在培育箱內(nèi)。根據(jù)以上條件,設(shè)計并制作相機固定架,如圖2所示。
相機固定架的設(shè)計結(jié)合實際的需求,具備以下多種功能:
1) 如圖2中①所示,在兩臂之間添加螺絲,使其可以轉(zhuǎn)動,從而改變其兩臂之間的角度。此設(shè)計可適應(yīng)各種類型的種子培育箱。
2) 如圖2中②所示,凹槽設(shè)計,使相機固定架可以卡在種子培育箱的兩側(cè)邊緣,方便固定架的放置。
3) 如圖2中③所示,在一臂的中心位置安裝一個相機固定板,相機可固定在架子上。
4) 如圖2中④所示,添加了4個支撐柱,但其均可以拆卸,此設(shè)計的目的是:當(dāng)種子發(fā)芽培育箱沒有卡住凹槽的邊緣時,固定架可以直接放置在培育箱的底部;若種子箱太小無法放置支撐柱時,也可將其拆卸。
5) 如圖2中⑤所示,在支撐柱底端添加底板,因為相機有一定的重量,為了使其更穩(wěn)定,增加支撐面積。
1.1.2暗光相機
種子發(fā)芽并不是24 h在強光條件下,若想24 h實時監(jiān)測種子的發(fā)芽情況則必須研究暗光條件下種子的發(fā)芽情況。種子發(fā)芽檢測在國外已有較為成熟的系統(tǒng),但均為有光照環(huán)境下,因此,本試驗旨在研究暗光條件下種子發(fā)芽的檢測。為了適應(yīng)種子發(fā)芽培育箱的暗環(huán)境,購置微視高感光相機“HK-A 5100-GC 17”,該相機在大幅面、高幀頻下具有高靈敏度、低噪聲特性,能在光線極其微弱的條件下實時獲取種子照片。使用中發(fā)現(xiàn),該相機在工作時產(chǎn)生的熱量較高,因此對相機外殼進行改進,加裝了風(fēng)扇,并更換散熱外殼,使其散熱功能得到改進,改進后的外殼如圖3所示。
基于已設(shè)計完成的硬件系統(tǒng)及開發(fā)改裝完畢的暗光相機條件下,將種子置于種子培育箱內(nèi)。在種子生長的暗光環(huán)境中進行圖像采集,采集的原始圖像如圖4所示,即使在暗光條件下,依然可以得到清晰的圖像。
圖3 改進后的相機外殼Fig.3 Improved camera housing
圖4 采集的種子圖像Fig.4 The collected seed image
在對種子發(fā)芽圖像進行靜態(tài)圖像采集時,由于光源的不均勻性和相機自身不可避免的噪聲,采集到的種子發(fā)芽圖像會受到一定程度噪聲的影響。因此,噪聲的濾除是圖像處理技術(shù)中的一個非常重要的環(huán)節(jié)[10]。
由于本系統(tǒng)工作環(huán)境為暗光環(huán)境,所獲取的圖像噪聲較大,顏色信息也不充足,為了提高軟件運行速度,先把圖像轉(zhuǎn)變?yōu)榛叶葓D,為了準(zhǔn)確地提取發(fā)芽種子的特征值,減少對圖像特征值提取與分析的影響,需要對圖像噪聲進行處理。
1.2.1灰度轉(zhuǎn)換
把彩色圖像轉(zhuǎn)化為灰度圖像,這樣不僅節(jié)省了內(nèi)存也提高了系統(tǒng)的運行速度,為后續(xù)圖像處理算法的實現(xiàn)打下基礎(chǔ)。本研究使用加權(quán)平均法根據(jù)重要性及其他指標(biāo),將像素點三個分量以不同的權(quán)值加權(quán)平均,得到較為合理的灰度圖像。
1.2.2圖像增強
本系統(tǒng)由于拍攝距離近,光照條件差,獲取的圖像噪聲較為嚴(yán)重,故在對原始圖像進行處理時,依次使用均值濾波法、高斯濾波法和中值濾波法對圖像進行預(yù)處理。經(jīng)過以上圖像處理后效果如圖5所示。
圖5 圖像預(yù)處理效果圖Fig.5 Image preprocessing effect drawing
2.1.1圖像自適應(yīng)閾值分割
在對種子圖像進行分析時,只需分析種子所在的目標(biāo)區(qū)域,其余的背景區(qū)域不予分析。為了辨別和分析目標(biāo),需要將有關(guān)區(qū)域分離出來,只有在此基礎(chǔ)上才能對目標(biāo)進一步利用。由于本系統(tǒng)需要24 h使用,不同的時間環(huán)境光照不同,有時還會光照不均勻,故采用OpenCV提供的自適應(yīng)閾值分割函數(shù)adaptiveThreshold來實現(xiàn)自適應(yīng)閾值處理。自適應(yīng)閾值分割效果圖如圖6所示:
圖6 自適應(yīng)閾值分割效果圖Fig.6 Adaptive threshold segmentation effect drawing
2.1.2圖像形態(tài)學(xué)處理
從閾值分割結(jié)果可知,受淺色芽的影響,種子區(qū)域出現(xiàn)了中空區(qū)域,影響種子的提取,所以需要用形態(tài)學(xué)將該區(qū)域進行連接獲取種子區(qū)域,方法如下:
用15×15的矩形卷積核對圖像進行腐蝕和膨脹操作:先腐蝕,去掉較大顆粒噪聲,再膨脹,恢復(fù)丟失的種子區(qū)域,并將由于發(fā)芽導(dǎo)致的種子區(qū)域斷裂進行連接。形態(tài)學(xué)處理之后的效果如圖7所示。
圖7 形態(tài)學(xué)處理效果圖Fig.7 The morphological treatment effect drawing
2.1.3獲取所有種子區(qū)域
獲取二值圖像之后,提取所有輪廓,并對每一個輪廓用最小圓形將其包圍。當(dāng)擬合的圓半徑在某個范圍內(nèi)時,認(rèn)為這是一個種子區(qū)域,該范圍涉及到的上下限閾值需要根據(jù)具體場景預(yù)設(shè),在設(shè)計的種子識別算法和軟件的基礎(chǔ)上可以直接獲取所有的種子區(qū)域,如圖8所示。
圖8 獲取所有種子區(qū)域Fig.8 Getting all seed areas
2.1.4判斷種子是否發(fā)芽
獲取種子區(qū)域后,為了確保該圓包含了種子和芽的全部區(qū)域,將圓的半徑擴大1.5倍形成一個新的圓區(qū)域,在該區(qū)域內(nèi)分析種子的長度,判斷是否發(fā)芽,方法如下:
首先軟件自動統(tǒng)計背景的灰度均值,假設(shè)為ThBack在本系統(tǒng)中要求種子為深色,芽為淺色,背景介于二者之間。
在每個新圓區(qū)域內(nèi)進行圖像二值化,當(dāng)某一點的灰度大于ThBack的倍數(shù)RateBack時,則認(rèn)為是芽,填充為白色,否則為黑色,其中參數(shù)ThBack為軟件自動分析獲得,RateBack為預(yù)設(shè)值,一般選擇1.5~1.9之間,參數(shù)選擇較小,則得到的芽點數(shù)更多,否則更少。
最后統(tǒng)計每個新圓內(nèi)白點的數(shù)量,當(dāng)該數(shù)量超過閾值ThFaya時,則認(rèn)為該種子發(fā)芽。閾值ThFaya由芽的粗細(xì)、發(fā)芽的長度標(biāo)準(zhǔn)決定。在本系統(tǒng)中,認(rèn)為芽長超過2 mm即為發(fā)芽狀態(tài),經(jīng)過初步預(yù)估,種子的直徑接近2 mm,芽的粗細(xì)接近1 mm??紤]到圖像與相機之間的距離對白點(芽)的數(shù)量的影響,構(gòu)建的閾值模型與種子半徑的平方線性相關(guān),即:
ThFaya=RateFaya×R×R
其中,RateFaya為系數(shù),一般設(shè)置為0.6~1之間,值越小,判定為發(fā)芽的長度要求越低,同一幅圖像中被判定為已發(fā)芽種子的數(shù)量越多。R為種子的半徑,在參數(shù)設(shè)置界面獲取。
發(fā)芽分析結(jié)果如圖9所示,藍(lán)色圓圈標(biāo)記已發(fā)芽的種子,紅色圓圈標(biāo)記尚未出芽的種子。
圖9 發(fā)芽檢測結(jié)果Fig.9 Seed germination test result
為了實現(xiàn)對發(fā)芽種子的自動檢測,方便種子發(fā)芽的監(jiān)測,提高育種人員的工作效率,本研究設(shè)計了種子發(fā)芽率自動監(jiān)測軟件。
此軟件主要功能是自動采集培養(yǎng)皿中的種子圖像,實現(xiàn)對種子的自動計數(shù)和分類,并實時顯示培養(yǎng)皿中的種子總數(shù)和已經(jīng)發(fā)芽成功的種子數(shù),計算當(dāng)前發(fā)芽率。將相機固定在培養(yǎng)箱中,根據(jù)用戶需求設(shè)置好相關(guān)參數(shù)后,就可以對種子發(fā)芽過程實現(xiàn)自動監(jiān)測。
注:a為主界面;b為參數(shù)設(shè)置界面。圖10 軟件界面Fig.10 Software interface
圖11 發(fā)芽率計數(shù)Fig.11 Germination rate counting
軟件主界面如圖10 a所示,左邊是實時監(jiān)測區(qū)域,即可根據(jù)用戶要求,每隔1 min自動獲取一幀圖像,自動對當(dāng)前圖像進行種子發(fā)芽分析;右邊是單幅圖像測試區(qū)域,即可以人工載入一幀圖像,軟件自動對當(dāng)前圖像進行種子發(fā)芽分析。載入種子圖像后,在如圖10 b所示的種子參數(shù)設(shè)置界面設(shè)置相關(guān)參數(shù)。
參數(shù)設(shè)置完畢后,點擊主界面種子發(fā)芽分析即可計算出待測種子個數(shù)、已發(fā)芽個數(shù)、發(fā)芽率。如圖11所示,程序主界面顯示全部種子個數(shù)、已發(fā)芽種子個數(shù)和發(fā)芽率,并在對應(yīng)圖像中標(biāo)記所檢測的種子區(qū)域,用紅色圓圈標(biāo)記未發(fā)芽種子,藍(lán)色圓圈標(biāo)記已發(fā)芽種子,方便用戶可視化管理。若所測多張圖像是在同一環(huán)境下拍攝則無需重復(fù)上述設(shè)置參數(shù)步驟;若更換拍攝環(huán)境則需要根據(jù)拍攝環(huán)境重復(fù)上述操作重新設(shè)置種子參數(shù)。
本研究的方法較前人計算種子發(fā)芽率的方法而言,不僅可以省去實驗人員大量重復(fù)計數(shù),并且對種子是否發(fā)芽的判斷依據(jù)進行固定,故發(fā)芽率的統(tǒng)計精度和穩(wěn)定性不會受主觀因素影響。更重要的是,軟件實時記錄的大量發(fā)芽率數(shù)據(jù)可以根據(jù)用戶要求自動進行后期處理,如計算每日發(fā)芽率、動畫模擬發(fā)芽過程、不同種子之間的發(fā)芽曲線等。
該系統(tǒng)的優(yōu)點在于,設(shè)計并制作了種子圖像采集的硬件系統(tǒng),開發(fā)了種子發(fā)芽率自動監(jiān)測軟件,將兩者結(jié)合得到了一個完整的培養(yǎng)箱中種子發(fā)芽率自動檢測系統(tǒng);根據(jù)種子特征,對種子進行了灰度轉(zhuǎn)換,節(jié)省了內(nèi)存空間并提高了系統(tǒng)運行速度。對噪聲進行濾除,對圖像進行自適應(yīng)閾值分割,更準(zhǔn)確地提取發(fā)芽種子特征,減少了對圖像特征分析的影響;可極大地提高實驗人員檢測種子發(fā)芽率的工作效率,為農(nóng)業(yè)研究打下基礎(chǔ)。