寇 淼, 鄒媛媛, 李廣偉

(1 中國(guó)科學(xué)院 沈陽(yáng)自動(dòng)化研究所，遼寧 沈陽(yáng)110016； 2 中國(guó)科學(xué)院大學(xué)，北京 100049；3 沈陽(yáng)建筑大學(xué) 機(jī)械工程學(xué)院，遼寧 沈陽(yáng) 110168)

玉米育種激光切割采樣視覺檢測(cè)方法研究

寇 淼1,2, 鄒媛媛3, 李廣偉1,2

(1 中國(guó)科學(xué)院 沈陽(yáng)自動(dòng)化研究所，遼寧 沈陽(yáng)110016； 2 中國(guó)科學(xué)院大學(xué)，北京 100049；3 沈陽(yáng)建筑大學(xué) 機(jī)械工程學(xué)院，遼寧 沈陽(yáng) 110168)

【目的】引入機(jī)器視覺技術(shù)引導(dǎo)激光切割玉米種子，實(shí)現(xiàn)玉米育種行業(yè)分子標(biāo)記輔助育種采樣的自動(dòng)化?！痉椒ā吭O(shè)計(jì)基于視覺的玉米粒形質(zhì)量檢測(cè)和姿態(tài)識(shí)別系統(tǒng)，提出玉米粒形質(zhì)量檢測(cè)和姿態(tài)識(shí)別算法：首先，根據(jù)提取的玉米粒形特征參數(shù)，剔除粒形尺寸不合格的玉米種子，然后，計(jì)算合格玉米種子的姿態(tài)，以便姿態(tài)調(diào)整裝置將種子調(diào)整到理想切割姿態(tài)?！窘Y(jié)果】算法處理時(shí)間約0.6 s，姿態(tài)角平均絕對(duì)誤差2.00°，滿足使用的精度要求?！窘Y(jié)論】該方法有助于實(shí)現(xiàn)玉米分子標(biāo)記輔助育種中的激光自動(dòng)切割采樣。

玉米育種； 激光切割； 視覺檢測(cè)； 圖像處理； 分子標(biāo)記

玉米是世界三大糧食作物之一，玉米生產(chǎn)發(fā)展的速度決定著我國(guó)畜牧業(yè)和肉類產(chǎn)業(yè)的發(fā)展[1-2]，選擇適合的玉米優(yōu)良品種是直接關(guān)系到其產(chǎn)量的關(guān)鍵問題。分子標(biāo)記輔助育種作為現(xiàn)代作物育種方法被應(yīng)用于玉米育種，從每一粒玉米種子切取少許胚乳作為樣品進(jìn)行滴定、檢測(cè)、篩選，將含有完整胚芽的種子保留用于作物種植，從而大大提高玉米育種效率、節(jié)約成本[3-6]。分子標(biāo)記輔助玉米育種技術(shù)的研究中，種子切片通常采用人工制作，但手工制取種子切片的方法效率十分低下，準(zhǔn)確率也無法保證[7-8]。因此，將高精度激光自動(dòng)切割技術(shù)應(yīng)用于玉米育種，實(shí)現(xiàn)自動(dòng)化采樣，有助于提高育種的效率和質(zhì)量[9-10]。在玉米育種激光切片自動(dòng)化采樣中，一方面由于玉米種子外形尺寸差異大，需要對(duì)玉米種子外形質(zhì)量進(jìn)行檢測(cè)，篩選出尺寸合格的種子進(jìn)行切割，另一方面需要在線識(shí)別出種子的姿態(tài)，使種子具有一種確定的、已知的姿態(tài)，以便進(jìn)行精確的切割[11-12]。

本文通過對(duì)玉米外形特征進(jìn)行分析，設(shè)計(jì)基于機(jī)器視覺的玉米粒形質(zhì)量檢測(cè)和姿態(tài)識(shí)別系統(tǒng)，研究玉米粒形質(zhì)量檢測(cè)和姿態(tài)識(shí)別算法，基于圖像區(qū)域特征，通過形態(tài)學(xué)圖像處理算法和邊緣跟蹤算法提取出玉米的粒形輪廓，基于區(qū)域幾何中心和輪廓搜索相結(jié)合的方法提取出玉米粒形特征參數(shù)，進(jìn)行玉米粒形質(zhì)量檢測(cè)判斷，剔除粒形尺寸不合格的玉米種子，計(jì)算粒形尺寸合格的玉米種子的姿態(tài)，以便姿態(tài)調(diào)整裝置將種子調(diào)整到理想切割姿態(tài)。將該系統(tǒng)應(yīng)用于玉米育種激光切片取樣機(jī)器人，有助于實(shí)現(xiàn)玉米育種激光切片的自動(dòng)化采樣。

1 玉米特征參數(shù)

依據(jù)玉米分子標(biāo)記輔助育種對(duì)切片質(zhì)量的要求，玉米胚乳的切割位置為接近頂冠位置的直線，示意圖見圖1。

1：胚芽；2：胚乳；3：切割軌跡。

為保證中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所自行研制的玉米育種激光切片取樣機(jī)器人能夠準(zhǔn)確切割玉米種子的少許胚乳，并保留完整胚芽，需要通過視覺采集系統(tǒng)獲取玉米種子長(zhǎng)軸長(zhǎng)度a和方向、短軸長(zhǎng)度b和方向以及輪廓等特征參數(shù)(圖2)。

圖2 玉米特征參數(shù)Fig.2 Feature parameters of corn seed

依據(jù)獲取的特征參數(shù)，通過計(jì)算獲得面積、圓度、長(zhǎng)寬比等特征參數(shù)[13-14]。其中，面積A定義為玉米灰度圖像的像素之和，即玉米顆粒輪廓線內(nèi)包含的像素之和，是反映玉米大小的指標(biāo)之一。圖像經(jīng)過區(qū)域標(biāo)記和邊界跟蹤后，就可以計(jì)算若干輪廓參數(shù)。在一幅圖像中，圖像函數(shù)記為f(x,y)，f(I)表示圖像中某個(gè)輪廓區(qū)域像素點(diǎn)I，n表示圖像中某個(gè)輪廓區(qū)域的像素個(gè)數(shù)。公式為：

圓形度R定義為玉米的邊界形狀接近圓的程度，是反映顆粒圖像投影區(qū)域不規(guī)則性的參數(shù)，由面積A和周長(zhǎng)P計(jì)算出來，其計(jì)算公式為：

R=4πA/P2。

長(zhǎng)寬比m定義為長(zhǎng)軸a與短軸b的比。

2 方法

2.1 視覺識(shí)別系統(tǒng)介紹

玉米育種激光切片取樣機(jī)器人由6個(gè)系統(tǒng)組成，包括分離定向系統(tǒng)、激光器系統(tǒng)、切片系統(tǒng)、標(biāo)準(zhǔn)盤系統(tǒng)、控制系統(tǒng)、動(dòng)力系統(tǒng)。其中，視覺識(shí)別系統(tǒng)屬于分離定向系統(tǒng)，安裝在姿態(tài)調(diào)整裝置上方，包括相機(jī)和附加照明裝置，用于種子外形質(zhì)量檢測(cè)和姿態(tài)識(shí)別。視覺系統(tǒng)識(shí)別算法流程見圖3，視覺系統(tǒng)識(shí)別算法流程包括玉米外形質(zhì)量檢測(cè)和玉米姿態(tài)識(shí)別，具體工作過程為：由攝像機(jī)對(duì)玉米種子原始圖像進(jìn)行采集，根據(jù)采集到的圖像信息分析玉米外形質(zhì)量信息，如果視覺判斷玉米外形質(zhì)量不合格，則由手爪推到廢料回收區(qū)域，之后計(jì)算玉米姿態(tài)，獲得姿態(tài)調(diào)整參數(shù)。

圖3 視覺識(shí)別算法流程Fig.3 Algorithm flow of visual identification

2.2 視覺識(shí)別圖像處理

玉米通過上料裝置送到指定位置進(jìn)行視覺識(shí)別，因此玉米在圖像中的位置相對(duì)固定，為了提高圖像處理速度，可以首先依據(jù)圖像灰度信息確定感興趣區(qū)域，然后針對(duì)感興趣區(qū)域圖像，采用 5×5 模板的中值濾波算子進(jìn)行濾波處理，去除相應(yīng)噪聲影響，完成對(duì)圖像的預(yù)處理。中值濾波后的圖像見圖4a。

基于大津閾值分割法(OTSU)對(duì)濾波后的圖像二值化。OTSU 法也稱為最大類間方差法或最小類內(nèi)方差法，思路是基于圖像的灰度直方圖，以目標(biāo)和背景的類間方差最大或類內(nèi)方差最小為閾值選取準(zhǔn)則[15]?；玖鞒淌牵涸O(shè)置處理圖像由目標(biāo)和背景組成，目標(biāo)和背景灰度值不同，基于直方統(tǒng)計(jì)圖像把灰度劃分為1～L等級(jí)，從中選擇閾值等級(jí)K，將圖像分為目標(biāo)(暗：C0=1～K)與背景(亮：C1=K+1-L)，若2類的類間方差最大，則所求出的K為最佳閾值K。二值化的圖像基于區(qū)域面積分割出玉米粒形部分，去掉圖像中雜質(zhì)影響，并利用形態(tài)學(xué)開閉運(yùn)算，去除邊緣噪聲影響，處理結(jié)果見圖4b。

經(jīng)過閾值分割后的玉米種子二值圖像還存在一些噪聲的干擾，進(jìn)行形態(tài)學(xué)處理可以優(yōu)化玉米種子輪廓，而且還能進(jìn)一步消除圖像中的噪聲。形態(tài)學(xué)的閉運(yùn)算能夠使圖像的區(qū)域縮小，并能夠消除顆粒噪音，開運(yùn)算能夠使圖像的輪廓變得更光滑。本系統(tǒng)采用5×5 結(jié)構(gòu)元素的閉運(yùn)算和5×5 結(jié)構(gòu)元素的開運(yùn)算對(duì)圖像進(jìn)行形態(tài)學(xué)處理?；谖墨I(xiàn)[15]中的邊緣跟蹤算法，提取出二值圖像中玉米的輪廓邊緣，見圖4c。

長(zhǎng)軸獲取方法：首先，0～180°范圍內(nèi)，每隔1°角度值所對(duì)應(yīng)的斜率ki(i=1，2，…,180)；設(shè)邊緣點(diǎn)坐標(biāo)為(xj，yj)，形心坐標(biāo)(x0，y0),計(jì)算Xj=xj-x0和Yj=yj-y0的值(j=1，2，…，n，n為邊緣點(diǎn)的個(gè)數(shù))；令Mi=kiXj-Yj，求(Xj，Yj)中使Mi絕對(duì)值最小的2個(gè)點(diǎn)，記下這2個(gè)點(diǎn)所對(duì)應(yīng)的邊緣點(diǎn)的坐標(biāo)(x1i，y1i)，(x2i，y2i)；令Li=(x1i-x2i)2+(y1i-y2i)2，即計(jì)算兩邊緣點(diǎn)之間的長(zhǎng)度，求出使Li最大的2個(gè)點(diǎn)，這2點(diǎn)即為長(zhǎng)軸兩端點(diǎn)，2點(diǎn)間距離即為長(zhǎng)軸長(zhǎng)度，此時(shí)所對(duì)應(yīng)的斜率即為長(zhǎng)軸的斜率。短軸過形心且垂直于長(zhǎng)軸，求出長(zhǎng)軸后即可據(jù)此求出短軸，見圖4d。

圖4 特征點(diǎn)提取算法流程Fig.4 Procedure of feature points extraction

2.3 粒形檢測(cè)和姿態(tài)識(shí)別

依據(jù)提取出的玉米特征參數(shù)，在粒形檢測(cè)中，以長(zhǎng)度、面積、長(zhǎng)寬比和圓形度為特征參數(shù)，依據(jù)切割要求設(shè)定判定參數(shù)，剔除掉尺寸不合格的玉米種子。在姿態(tài)識(shí)別中，計(jì)算長(zhǎng)軸方向和水平方向的夾角，作為玉米種子當(dāng)前姿態(tài)值。

3 結(jié)果與分析

視覺識(shí)別試驗(yàn)中，使用的設(shè)備有分辨率為1 626×1 236的Basler黑白攝像機(jī)、焦距為8 mm的Computar鏡頭、白色背光光源。根據(jù)前面提出的視覺識(shí)別方法，對(duì)133個(gè)玉米種子進(jìn)行視覺識(shí)別試驗(yàn)，包括粒形質(zhì)量檢測(cè)試驗(yàn)和姿態(tài)識(shí)別試驗(yàn)。通過粒形檢測(cè)試驗(yàn)，剔除掉不合格玉米種子39粒。合格玉米種子94粒，獲得試驗(yàn)部分?jǐn)?shù)據(jù)如表1所示。

表1 玉米特征的視覺識(shí)別試驗(yàn)測(cè)試數(shù)據(jù)

Tab.1 Experimental data of visual identification of corn features

特征長(zhǎng)度/像素寬度/像素面積/像素最大值250．57168．3433006．0最小值190．39119．8218552．0平均值215．37145．3525467．0均方差13．2311．913026．8

對(duì)合格的玉米種子進(jìn)行姿態(tài)識(shí)別，圖5為識(shí)別的姿態(tài)角和實(shí)際姿態(tài)角對(duì)比。姿態(tài)角的誤差范圍為0～4°，平均絕對(duì)誤差為2.00°，誤差方差為1.19°，試驗(yàn)結(jié)果在允許誤差范圍之內(nèi)，能夠滿足玉米切割條件需要。單純一幅圖像的處理時(shí)間為0.6 s左右，滿足在線的切割時(shí)間要求(試驗(yàn)樣機(jī)的切割速度要求為10個(gè)·min-1)。

圖5 姿態(tài)對(duì)比Fig.5 Comparison of corn seed posture

4 結(jié)論

本研究結(jié)合自制樣機(jī)設(shè)計(jì)了基于機(jī)器視覺的玉米粒形質(zhì)量檢測(cè)和姿態(tài)識(shí)別系統(tǒng)，提出了玉米粒形質(zhì)量檢測(cè)和姿態(tài)識(shí)別算法，基于圖像區(qū)域特征，通過形態(tài)學(xué)圖像處理算法和邊緣跟蹤算法提取出玉米的粒形輪廓，基于區(qū)域幾何中心和輪廓搜索相結(jié)合的方法提取出玉米粒形特征參數(shù)，進(jìn)行玉米粒形質(zhì)量檢測(cè)判斷，剔除粒形尺寸不合格的玉米種子，計(jì)算粒形尺寸合格的玉米種子姿態(tài)，以便姿態(tài)調(diào)整裝置將種子調(diào)整到理想切割姿態(tài)，姿態(tài)角平均絕對(duì)誤差為2.00°，處理時(shí)間約0.6 s，試驗(yàn)結(jié)果表明本文提出的系統(tǒng)和方法能滿足玉米育種激光切割的精度要求，同時(shí)也能滿足在線檢測(cè)需要(切割試驗(yàn)速度10個(gè)·min-1)。本文設(shè)計(jì)的視覺檢測(cè)系統(tǒng)有助于實(shí)現(xiàn)玉米分子標(biāo)記輔助育種中的激光自動(dòng)切割采樣。

[1] 張加勇. 近十五年來北京玉米育種發(fā)展的研究[D]. 北京：中國(guó)農(nóng)業(yè)大學(xué)，2006.

[2] 戴景瑞, 鄂立柱. 我國(guó)玉米育種科技創(chuàng)新問題的幾點(diǎn)思考[J]. 玉米科學(xué)，2010，18(1)：1-5.

[3] 李向拓, 毛建昌, 吳權(quán)明. 分子標(biāo)記在玉米育種中的應(yīng)用[J]. 玉米科學(xué)，2004，12(1)：26-29.

[4] 郭景倫. 適用于分子標(biāo)記輔助育種的玉米單粒胚乳DNA快速提取方法[J]. 農(nóng)業(yè)與技術(shù)，2005，25(5)：113-114.

[5] 曹士亮. 分子標(biāo)記輔助選擇在玉米育種中的應(yīng)用進(jìn)展[J]. 作物雜志，2008(6)：107-109.

[6] 梅曼彤. 略談植物生物技術(shù)的現(xiàn)狀和發(fā)展[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，34(3)：281-286.

[7] WU L, WANG C. Application of molecular marker assisted selection in gene pyramiding and selection of new cultivars[J]. Journal of Northeast Agricultural University, 2011, 18(1): 79-84.

[8] THOMAS C O, PAUL C, JOSEPH J K. Systems and methods for processing hybrid seed：US2009061449-A1[P]. 2009-03-05.

[9] 李廣偉, 谷侃峰, 趙明揚(yáng). 育種用玉米種子切片取樣自動(dòng)定向方法與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(4)：40-47.

[10]JASON C, DAVID K. Methodologies, processes and automated devices for orientation, sampling and collections of seed tissues from individual seeds：US2008131924-A1[P]. 2008-06-05.

[11]孟山都技術(shù)有限公司. 自動(dòng)種子取樣器及對(duì)種子進(jìn)行取樣、試驗(yàn)并散裝的方法：102742394A[P]. 2012-10-24.

[12]趙玉連. 太赫茲光譜技術(shù)在農(nóng)業(yè)選種中的應(yīng)用及飛秒激光自相關(guān)儀的研制[D]. 北京：首都師范大學(xué)，2004.

[13]萬鵬, 孫鐘雷, 宗力. 基于計(jì)算機(jī)視覺的玉米粒形檢測(cè)方法[J]. 中國(guó)糧油學(xué)報(bào), 2011, 26(5): 107-110.

[14]閘建文, 陳永艷. 基于外部特征的玉米品種計(jì)算機(jī)識(shí)別系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2004(6):115-118.

[15]GONZALEZ R C, WOOD R E. 數(shù)字圖像處理[M]. 3版.阮秋琦，等，譯. 北京：電子工業(yè)出版社，2002：515-516.

【責(zé)任編輯 霍 歡】

Study on visual inspection for sampling using laser cutting in corn breeding

KOU Miao1,2，ZOU Yuanyuan3，LI Guangwei1,2

(1 Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China; 2 University of Chinese Academy of Sciences, Beijing 100049, China; 3 School of Mechnical Engineering, Shenyang Jianzhu University, Shenyang 110168, China)

【Objective】 To cut corn seed using laser guided by machine vision technology, and to automate sampling of molecular marker-assisted corn breeding. 【Method】 A system for quality inspection and posture recognition based on machine vision was designed. An algorithm was developed to inspect the shape quality and posture of corn seeds. The characteristic parameters of corn seeds were extracted to estimate if the corn seeds were qualified or not, the unqualified ones were removed, and the postures of the qualified ones were calculated so that the posture adjustment device could adjust each seed to the ideal cutting position. 【Result】 The time of algorithm process was about 0.6 s and the mean absolute error of attitude angle was 2.00°, which met the actual precision requirements. 【Conclusion】 This method is helpful to realize the automation of sampling using laser cutting in molecular marker-assisted corn breeding.

corn breeding; laser cutting; visual inspection; image procession; molecular marker

2016- 05- 11優(yōu)先出版時(shí)間：2016-12-28

寇 淼(1991—)，女，碩士，E-mail:koumiao@sia.cn；通信作者：鄒媛媛(1985—)，女，副教授，博士，E-mail：yyzou@sjzu.edu.cn

國(guó)家自然科學(xué)基金(51405481); 遼寧省自然科學(xué)基金(2014020084); 遼寧省農(nóng)業(yè)攻關(guān)及成果產(chǎn)業(yè)化項(xiàng)目(201404236)

S331；TP23

A

1001- 411X(2017)01- 0116- 004

優(yōu)先出版網(wǎng)址：http://www.cnki.net/kcms/detail/44.1110.s.20161228.0922.016.html

寇 淼, 鄒媛媛, 李廣偉.玉米育種激光切割采樣視覺檢測(cè)方法研究[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017,38(1):116- 119.