基于機器視覺的葵盤面積提取及產量預估試驗研究

　　摘 要: 產量的獲取是實施精準農業的關鍵，許多研究人員提出了多種向日葵產量監測方法，但測產的精度 及 適用性還不能完全滿足用戶要求。為此，提出了采用圖像處理的方法對向日葵產量進行監測，并搭建了機器視覺系統的硬件平臺對向日葵葵盤圖像進行采集，擬定兩種圖像處理方案，確 定 最 優 方 法。選用八鄰域算法對兩種方案標記的最大連通區域進行面積信息計算，通過面積信息與人工計數得到的籽粒數量獲取單個籽粒的面積信息，再由多組試驗確定單個籽粒面積信息，依據葵盤面積與單個籽粒的面積計算單個葵盤中的籽粒數量，以 稱 取千粒質量的方法獲得單盤產量及總產量。

　　關鍵詞: 向日葵; 測產; 機器視覺; 葵盤面積; 圖像處理

　　雷禾雨1 ，李海軍1 ，李 皓2 ，李 嶠; 農機化研究 2022 年 7 月

　　0 引言

　　近年來，我國對葵花的需求量很大，播種面積逐年擴大，向日葵種植生產呈上升趨勢。向日葵聯合收獲機的起步較晚，在完成脫粒、分離和清選等作業后仍存在較多的雜質。同時，由于田間土地不平整而導致機器傾斜，籽粒升運器將種子拋灑至籽粒倉時可能會有部分種子監測不到; 機器的振動也比較大，對籽粒流量的監測會造成較大的干擾，所以采用籽粒流量監測的方法會出現較大的誤差。脫粒質量決定于較為恒定的喂入量和與之相匹配的滾筒轉速。因茂密程度及作物性質的變化，往往會造成滾筒堵塞和脫離損失率高等故障，故采用機器視覺亦可監測收割機的割臺喂入量。

　　為此，筆者提出了基于機器視覺技術的向日葵測產系統，以向日葵葵盤為監測對象，通過對向日葵葵盤的抓拍，測量其尺寸及數量計算出葵盤中的籽粒數量從而達到預估產量的目的。這樣既可以避免了葵盤碎片、葉、稈等雜質的干擾，也避免了機械振動的干擾。

　　1 總體研究方案

　　1. 1 試驗樣品

　　試驗樣品選自內蒙古自治區烏蘭察布市卓資縣梨花鎮品種為“SH361”的雜交種，隨機選取 115 株作為試驗樣品。取向日葵葵盤為研究對象，分別對葵盤直徑進行 2、4、8 次的多徑向測量，并求其每組徑向測量的平均值; 測量完成后，統一對葵盤進行編號，放置陰涼通風干燥處保存。

　　1. 2 圖像采集

　　構建的機器視覺系統硬件包括工業相機、光 照箱、光源系統和計算機。

　　此系統工作原理分為 3 部分: 向日葵的圖像采集、圖像預處理和向日葵葵盤面積的測量。向日葵葵盤面積的測量分為兩部分: 一是圖像采集葵盤并對其面積測量; 二是對采集的圖像進行預處理以及葵盤面積的測量。系統的操作過程是把向日葵葵盤置于傳送帶上，調整光源照射角度，工業攝像頭顯示圖像; 然后，將顯示的模擬圖像通過工業攝像頭傳遞到圖像采集設備，把得到的圖像保存到電腦。利用數字化圖像處理的過程把得到的圖像通過灰度化、二值化等過程之后，最后通過得到的葵盤面積像素值與單個籽粒像數值計算出單個葵盤籽粒總數量，并把所得的數據與實際數據互相對照，檢驗系統是否達到預估產量要求。該測產方式的目的是避免傳統測產方式存在作物雜質造成的測量誤差和機械振動的影響。

　　1. 3 圖像處理

　　1. 3. 1 圖像灰度化處理

　　灰度圖像也稱為單色圖像，為了便于圖像預處理及增強運行速度，一般把工業相機采集到的圖像即RGB 圖像轉換為灰度圖像。灰度化處理可以提高效率并使計算量變小，如圖 1 所示。

　　1. 3. 2 圖像二值化

　　在圖像的預處理中，圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，且數據量減小，能提取目標的輪廓，可增加識別效率，如圖 2 所示。

　　1. 3. 3 基于形態學處理和面積閾值的向日葵二值圖像消噪

　　由于向日葵植株碎葉及硬件本身的影響，得到的二值圖像還存在許多噪聲，需要進一步的處理來獲取理想的目標區域。

　　首先，獲取整個葵盤面積目標區域。將二值圖像進行“開”運算消除其葵盤圖像中細小的點，得到了較為完整的目標區域，如圖 2( a) 所示。但是，葵盤中還存在一些細小的孔洞，這些孔洞的像素值要遠遠小于背景像素值，采用手動設置合適的閾值來消除葵盤中的孔洞，得到的圖像如圖( b) 所示。對此圖像進行取反操作，獲得目標區域為“1”，背景區域為“0”的二值圖像，如圖 2( c) 所示。此時得到的目標區域的面積遠遠大于圖像中噪聲干擾面積，所以經過面積閾值獲得了較為理想的目標區域圖像，如圖 2( d) 所示。

　　2 算法設計

　　2. 1 區域標記

　　八鄰域算法可以分析圖像中區域的連通性以及有多少個互不連通的區域。在圖像中每個像素周圍有 8 個像素點，圖像的邊界點除外，彼此連通的點形成了一個區域。如果在一個區域內，某一個像素的八鄰域有與其像素值相同的點，則稱其為一個連通域。使用的軟件開發工具為 MatLab ( 矩陣實驗室) ，MatLab 中的 regionprops( ) 函數可以用于統計圖像區域的屬性，所以直接調用 MatLab 中的函數就可獲取已標記連通區域的面積大小。

　　2. 2 籽粒計數

　　以研究葵花籽粒數量與葵花產量的關系來得到產量信息，葵花籽粒的計數也是至關重要的一部分。采用人工計數的方法來得到實際葵盤中的籽粒數量:

　　1) 將已經過測量并記錄編號的葵盤進行手工脫粒，將脫離葵盤后的籽粒裝入密封袋再次進行編號;

　　2) 隨機抽取 10 袋對其進行人工計數并記錄實際籽粒數量;

　　3) 根據圖像處理獲取的葵盤面積像素值 Ai 與實際籽粒數量 N 的比值得到單個籽粒的面積像素值 A0 。

　　雖然同一品種的葵花籽大小相差不大，但實際測量中也存在著一定的誤差，因此對得到的單個籽粒像素值求平均值，以此來補償測產誤差。

　　取葵盤面積像素值與單個葵花籽粒像素值的比值得到葵盤中的籽粒數量 Ni ，即 Ni = round( Ai / A0 ) ( 1) 式中 Ni —試驗所求籽粒數量;round —用四舍五入的方法進行取整; Ai —葵盤面積像素值; A0 —單個籽粒的面積像素值。此方法簡便，容易實現，運行速度更為快捷。

　　2. 3 向日葵空殼率

　　空殼是影響向日葵產量的重要因素。葵盤中的秕殼使用機器視覺是檢測不到的，所以在計算產量時也應當考慮籽粒的空秕率。向日葵在干旱地區空殼現象較普遍，一般空殼率 20% ～ 35% ，高者在 50% 以上，甚至花盤全是秕粒。向日葵空殼以花盤中心部位秕粒最多。

　　2. 4 產量計算

　　計算向日葵產量時，先測定其籽粒的千粒質量。千粒質量是以克表示的一千粒種子的質量，是體現種子大小與飽滿程度的一項指標。

　　從除去雜 質 的 凈 糧 中，不加挑選地數出兩組試樣，大粒籽每組 500 粒，中、小粒籽每組 1000 粒，按組分別稱重( 準確至 0. 1g) 。

　　隨機從密封袋中人工數出 3 組 1000 粒葵花籽，分別稱重。

　　自然水分千粒質量為 mH = W m × 1000 ( 2) 式中 W —實測試樣質量( g) ; m —實測試樣粒數; mH —自然水分千粒質量。雙試驗結果允許差: 千粒質量 20g 以下的不超過 0. 4g，千粒質量 20. 1g ～ 50g 的不超過 0. 7g，千粒質量 50. 1g 以上的不超過 1. 0g。根據葵盤的數量及葵花籽粒的數量，再按其籽粒千粒質量可得出產量信息，最后刨去其空殼率，即產量 = 葵花籽粒數量 × mH 1000 × ( 1 - 空殼率) ( 3)

　　3 試驗分析

　　3. 1 試驗方案

　　1) 去除中央空殼籽粒區域的圖像信息，直接提取向日葵圓盤的面積信息。由于向日葵中央空殼區域的籽粒相較于正常的飽滿籽粒要小很多，而且緊實嵌入在向日葵葵盤中，人工脫粒時很難將此區域的籽粒脫離干凈，即使使用機械脫粒也會有部分存留在葵盤碎片中。在人工脫粒后的籽粒進行計數時，只計算飽滿顆粒的數量。在處理葵盤圖像時直接提取圓盤的面積信息，使用此面積進行籽粒計數時，假設葵盤中的籽粒都是正常飽滿顆粒。

　　2) 保留葵盤中央空殼籽粒區域的圖像信息。試驗選取的向日葵花盤中央區域有空殼的現象，空殼籽粒上方緊密覆蓋一層小花，區域形狀大多不規則，也有類似圓形的區域，小花顏色呈褐色，與籽粒顏色有區別。在處理向日葵圖像的過程中，可保留中央空殼區域，將此區域處理為背景區域，標記前景圖像中最大的連通區域，計算標記連通區域的面積。

　　3. 2 試驗步驟

　　1) 基于向日葵葵盤輪廓進行多個徑向的直徑測量，分別對葵盤直徑進行 n 次手工測量，n 分別為 2、 4、8，計算 n 次直徑測量后的平均值。

　　2) 基于 MatLab 軟件開發工具對向日葵葵盤圖像進行處理，得到目標區域，計算目標區域的像素面積。

　　3) 人工對向日葵籽粒進行脫粒，將脫離葵盤后的葵花籽裝入密封袋并對應葵盤編號記錄，并隨機抽取 10 袋進行人工籽粒計數。

　　4) 根據上述兩種方案得到的目標區域面積和人工計數得到的籽粒數量計算單個籽粒的像素面積，并對得到的單個籽粒像素面積求平均值。

　　5) 根據已知的兩種葵盤像素面積和單個籽粒像素面積的比值，求出葵盤中的籽粒數量，最后將數據代入式中計算其產量信息。

　　3. 3 試驗結果及分析

　　采用圖像處理的方法，可以快速無損地提取向日葵葵盤的尺寸，使用上述兩種方案分別對向日葵葵盤進行面積獲取，兩種方案獲取的葵盤面積像素值如表 1 所示。

　　方案一獲取的葵盤面積像素值保留了中央空殼區域的面積，方案二為整個葵盤的面積大小。經過兩組方案得到的面積尺寸對照，計算出中央空殼區域對于整個葵盤的空殼率。在向日葵生長過程中，每個植株的生長情況不能統一而論，所以向日葵中央空殼區域的面積也不可能在每個葵盤中均勻分布。由表 1 可知: 出去幾個異常值，向日葵中央區域的空殼率基本都在 2. 9% ～ 5. 5% 之間。

　　根據兩種方案獲取的葵盤面積像素值與人工計數得到的籽粒數量，按照對應的編號取面積與籽粒數量的比值，從而獲取兩種情況下單個籽粒的像素值。單個籽粒像素值如表 2 所示。

　　由表 2 可看出: 每個葵盤中的單個籽粒像素值大小不均勻，呈離散型，所求取的平均值不具說服力。

　　試驗中采集到的葵盤大小不同，直徑最小的 為14. 7cm，最大的為 24. 7cm，按照大、中、小把葵盤分為 3 種規格: 直徑 14 ～ 17cm 為較小葵盤，直徑 18 ～ 21cm 為中等葵盤，直徑 22 ～ 25cm 為較大葵盤; 每種規格選取 15 個葵盤，分別計算 3 組葵盤的單個籽粒像素值并計算 3 組數據的平均值，最后，再對數據得到的平均值求平均值，計算結果如表 3 所示。

　　試驗結果顯示: 使用兩種方案對 3 種規格大小的葵盤圖像處理，得到的單個籽粒像素值的平均值大小還是存在微小的差別，但是總體趨于平穩。兩種方案對 3 種規格的葵盤，圖像處理得到的單個籽粒像素值的總體平均值分別對應兩種方案獲取的葵盤面積像素值計算葵盤中的籽粒數量，得到的籽粒數量與實際籽粒數量相互對照，驗證此種方法的可行性。試驗得到的籽粒數量如表 4 所示。

　　兩種方案得到的籽粒總數量與實際總數量存在的誤差較小，但單個葵盤籽粒數量存在有較大誤差的異常值，所以此數據不能作為測產依據，需要查明原因并對數據進一步處理，為后續測產提高準確度。在實際生產中，播種過程中可能會混入其他品種的種子，在同一地塊選取試驗材料時默認地塊中的作物為同一品種，但實際選取的材料中摻雜了其他品種的作物，也就造成了籽粒數量計算的結果個別誤差較大。剔除誤差較大的異常值，計算兩種方案得到的籽粒總數量與實際籽粒總數量對照，結果如表 5 所示。

　　由表 5 可知: 兩種方案獲得的籽粒總數量相差較小，但是采用方案一獲得的籽粒數量相較于實際情況誤差更小。將方案一中試驗所得三組規格大小籽粒數量和已獲取的葵盤面積代入測產公式，測產結果如表 6 所示。

　　在向日葵生長期營養充分，花盤中央的空殼率只有 4%，缺少水肥時空殼率高達 35%，如果嚴重缺水，花盤會全部空殼。在處理葵盤圖像的過程中，已把中央空殼區域當做背景信息處理，提取到葵花籽有效區域。

　　由表 6 可以看出: 試驗樣本獲得的產量信息與實際產量大部分存在的誤差在 10% 以內，有將近五分之一的單個葵盤產量誤差在 10% 以上。造成此誤差較大的原因，很大程度上是因為葵盤中的空殼率比較大，按照飽滿顆粒計算產量的方法就會忽略空殼的情況。

　　4 結論

　　以向日葵品種 SH361 雜交種為研究對象，采用機器視覺可以無損提取向日葵葵盤的面積尺寸信息，以此方法來預估向日葵的產量。通過產量公式的計算，得到的單個葵盤產量信息與實際產量對比，產量誤差在 0. 09% ～ 19. 4% 之間。大部分的誤差在 4% 左右，總產量的誤差為 2. 5% ，誤差都在可允許范圍之內。在合理育種正確栽培的飽滿顆粒作物中，本試驗可為今后測產提供重要依據。