(甘肅農(nóng)業(yè)大學(xué) 機(jī)電工程學(xué)院，甘肅 蘭州 730070)

LabVIEW[1]是美國國家儀器公司(National Instruments，NI)開發(fā)的一種圖形化編程軟件，目前已在農(nóng)業(yè)檢測、測試系統(tǒng)、視頻監(jiān)控等方面得到了廣泛應(yīng)用。2013年朱玲[2]等人設(shè)計了一套基于 LabVIEW 的小麥生物量檢測系統(tǒng)，完成了對數(shù)據(jù)的實時采集、顯示和保存；2017年伍權(quán)[3]等人采用LabVIEW技術(shù)，設(shè)計了一套脈沖渦流檢測實驗系統(tǒng)，實現(xiàn)了信號發(fā)生、采集和控制等功能；2017年莊雷[4]等人針對高空氣球吊籃姿態(tài)控制系統(tǒng)地面監(jiān)控的需求，利用LabVIEW開發(fā)環(huán)境設(shè)計了一種吊籃姿態(tài)控制地面監(jiān)控軟件。

葉片是植物的主體器官，隨著植株的生長或發(fā)生病變，葉片的顏色、紋理等特征會相應(yīng)改變，這種改變能很好地反映出其內(nèi)在營養(yǎng)成分含量的變化。分析植物內(nèi)在營養(yǎng)、元素的變化是觀測植物是否健康成長的重要指標(biāo)，傳統(tǒng)的葉片營養(yǎng)元素診斷一般有光譜儀器分析法和化學(xué)試劑滴定法，此類方法操作簡單，但測試成本高，測試儀器不夠便捷，測試過程也較復(fù)雜，對于田間大批量植株營養(yǎng)元素的測定有一定局限性，所以，利用視覺技術(shù)對植株生長過程中所表現(xiàn)出來的特征差異進(jìn)行分析識別從而判斷植株營養(yǎng)含量的方法就應(yīng)運而生。早在2013 年徐騰飛[5]等人利用計算機(jī)視覺技術(shù)實現(xiàn)了對玉米葉片的特征識別，完成了葉片中含水率的測定；2017年杜玉紅[6]等人基于機(jī)器視覺技術(shù)實現(xiàn)了對玉米葉片葉綠素含量的快速無損檢測。雖然利用 LabVIEW 軟件對植物營養(yǎng)元素含量的檢測由來已久，但主要側(cè)重于水稻、番茄、棉花、玉米等一年生作物的葉片葉綠素含量、含水率以及各種微量元素的檢測上，鮮少見到對多年生植株營養(yǎng)元素的測定?；诖爽F(xiàn)狀，本研究以田間葡萄葉片作為研究對象，設(shè)計開發(fā)了一種基于LabVIEW的葡萄葉片還原糖含量的檢測系統(tǒng)，該系統(tǒng)利用LabVIEW技術(shù)和機(jī)器視覺技術(shù)，提取葡萄葉片顏色和紋理特征參數(shù)，再將提取到的參數(shù)以變量形式輸入到SVM分類器模型中，完成葉片還原糖含量的識別，進(jìn)而對葉片的含糖量進(jìn)行測定。

1 系統(tǒng)設(shè)計

1.1 試驗材料與方法

本研究的圖像采集系統(tǒng)是由工業(yè)攝像機(jī)、圖像采集卡、LED光源和支架等硬件構(gòu)成。攝像機(jī)選用型號為acA2500-14uc的工業(yè)攝像機(jī)，其攝像頭接口形式為 USB 3.0型；圖像采集卡為美國NI公司生產(chǎn)的8242采集卡；光源是美國CREE(科銳)公司生產(chǎn)的 XML-2型 LED 燈珠，亮度1100～1200流明、色溫7200 K。以上所有硬件均能在夜間穩(wěn)定工作。

試驗于2016年、2017年5月～10月在位于甘肅農(nóng)業(yè)大學(xué)的甘肅省葡萄與葡萄酒工程研究中心葡萄試驗田中進(jìn)行，試驗田地勢平坦，土壤透氣性良好，排水方便，不易積水。供試樣本為六年生“紅地球”葡萄，4月中下旬上架，葡萄架為“廠”字型，南北行向，四周無明顯遮擋，空氣流通較好，光照充分。試驗選擇健康狀況良好的三行葡萄植株作為測試對象，為降低光照等環(huán)境因素的影響，本測試實驗的圖像采集工作是基于同一光源條件下于晚上8：00～10:00進(jìn)行，每次采樣間隔4天。

該系統(tǒng)總體設(shè)計方案為系統(tǒng)初始化、葉片圖像在線采集與處理、圖像保存與讀取、圖像特征參數(shù)提取、分類識別，結(jié)構(gòu)框圖如圖1所示。

1.2 圖像采集與保存程序設(shè)計

圖像采集與保存程序設(shè)計均在LabVIEW軟件平

圖1 系統(tǒng)總體結(jié)構(gòu)框圖

臺上進(jìn)行。在圖像采集階段，需在NI中安裝IMAQ和IMAQdx驅(qū)動，圖像連續(xù)采集過程是基于一個While循環(huán)程序進(jìn)行，在循環(huán)中嵌套6個子程序，分別為IMAQdx Open Camera.vi子程序——加載攝像頭，IMAQdx Configure.vi子程序——采集圖像信息，IMAQdx Grab.vi子程序——獲取輸出圖像的當(dāng)前幀，IMAQ Create.vi 子程序——設(shè)置當(dāng)前獲取圖像緩存空間，IMAQdx close Camera .vi子程序——停止采集并關(guān)閉攝像頭，IMAQ Dispose.vi 子程序作用為釋放所占緩存空間。采集完成后,圖像會通過LabVIEW中的Image Display 控件呈現(xiàn)在前面板上。

圖像保存程序設(shè)計是基于一個條件循環(huán)程序和一個while循環(huán)程序來進(jìn)行。當(dāng)循環(huán)條件為真時，在IMAQ Write File.vi的輸入端口File Path處創(chuàng)建路徑，即可通過IMAQ Write File.vi子程序?qū)⑴臄z到的圖像按照指定的路徑保存起來，設(shè)置圖像預(yù)處理打開路徑與保存路徑相同，可將保存后的圖像送入LabVIEW 的圖像預(yù)處理模塊中，進(jìn)行下一步的操作。

1.3 圖像預(yù)處理程序設(shè)計

在葡萄葉片圖像采集過程中，各類外界干擾會影響源圖片的形態(tài)和顏色，降低葉片還原糖測試的正確率。為此圖像預(yù)處理就尤為重要[7]。本設(shè)計圖像預(yù)處理是借助于Vision Development Module模塊中的Vision Assistant 來完成，對圖像進(jìn)行了彩色圖像灰度化、圖像去噪、圖像增強(qiáng)、背景分割和將原始圖像與分割后圖像做乘法運算去除背景的彩色圖像等圖像預(yù)處理過程。在圖像預(yù)處理界面上，圖像灰度化和圖像增強(qiáng)可手動選擇處理方式，圖像去噪和背景分割則分別利用中值濾波和閾值分割的方法完成。圖像預(yù)處理可消除圖像噪聲等干擾信息,恢復(fù)有用的真實信息，改進(jìn)特征提取、背景分割、特征識別的可靠性，提高系統(tǒng)工作效率和還原糖含量測定的正確率。

1.4 特征提取和分類識別程序設(shè)計

該系統(tǒng)利用葉片圖像的顏色一階矩、二階矩和灰度共生矩陣[8-11]的綜合特征參數(shù)來提取圖像顏色和紋理特征，并將該特征向量作為輸入向量構(gòu)建以徑向基為核函數(shù)的支持向量機(jī)(SVM)分類器模型[12]。但由于LabVIEW圖像處理算法的局限性，本研究采用了LabVIEW軟件Matlab軟件混合編程的方法[13]，在LabVIEW中通過 Matlab Script節(jié)點調(diào)用Matlab軟件平臺完成圖像特征提取和分類識別工作[14]。調(diào)用方法為先在程序框圖窗口中打開“查看”菜單下的函數(shù)選板，在函數(shù)選板上依次打開數(shù)學(xué)-腳本與公式-腳本節(jié)點-Matlab腳本。然后通過在Matlab Script節(jié)點邊框上選擇“添加輸入”和“添加輸出”來進(jìn)行參數(shù)傳遞。

在編程過程中，需要調(diào)用兩個Matlab腳本，其中一個腳本中導(dǎo)入提取顏色和紋理特征的Matlab程序，另一個腳本中導(dǎo)入分類識別程序。定義第一個腳本輸入變量的類型為path，賦值為L，輸出變量類型為real和string。

當(dāng)圖像預(yù)處理完成后，系統(tǒng)會直接對該葡萄葉片圖像特征包括H、S、V三通道顏色一階矩、二階矩的6個參數(shù)和通過灰度共生矩陣算法得到葉片圖像0°、45°、90°和135°四個方向的角二階矩、熵、慣性矩、相關(guān)性8個參數(shù)進(jìn)行提取。一方面系統(tǒng)會將這14個參數(shù)利用14個數(shù)據(jù)輸出框以數(shù)據(jù)的形式輸出，另一方面通過在Matlab腳本中編程將這14數(shù)據(jù)以文本形式輸出，作為輸入變量輸入到系統(tǒng)分類識別腳本中。其中文本文件的讀取和寫入用LabVIEW中函數(shù)選板-編程-文件I/O里的控件編程。分類識別結(jié)果利用T0～T8的9 個數(shù)據(jù)框輸出，T0～T8分別代表還原糖含量的9個含量區(qū)間，即T0代表還原糖含量在2.81%～2.90%區(qū)間、T1代表3.01%～3.10%區(qū)間、T2代表3.11%～3.20%區(qū)間，依次類推，T8代表還原糖含量在3.61%～3.7%區(qū)間。系統(tǒng)會將提取到的特征參數(shù)與識別結(jié)果均顯示在前面版上。

假設(shè)送入系統(tǒng)中處理的葡萄葉片圖像經(jīng)分類識別后判定該葉片還原糖含量在3.01%～3.10%之間，則會在T1輸出數(shù)據(jù)框中顯示1，其他輸出數(shù)據(jù)框顯示0。

2 結(jié)果與分析

2.1 圖像采集與保存測試結(jié)果

在系統(tǒng)開始工作之前先對攝像頭、服務(wù)器端和客戶端進(jìn)行“系統(tǒng)初始化”操作，再進(jìn)入前面板上“圖像獲取”界面，點擊的“運行”按鈕，系統(tǒng)啟動進(jìn)入工作狀態(tài)，然后點擊“開始采集”按鈕，系統(tǒng)調(diào)動圖像采集程序，進(jìn)入連續(xù)采集模式，圖像采集的同時點擊“保存圖像”按鈕，使開關(guān)按鈕常亮則進(jìn)入圖像保存模式。最后點擊“停止”按鈕，系統(tǒng)停止工作，采集和保存的圖像格式均為ImageAVI格式，保存后的地址寫入到“圖像保存路徑”中。圖像獲取界面如圖2所示，結(jié)果顯示該系統(tǒng)的采集與保存功能能正常運行。

圖2 圖像獲取界面前面板

系統(tǒng)特征提取和分類識別結(jié)果如圖3所示。前面板上共計25個輸出數(shù)據(jù)框，分別為圖像顏色、紋理的14個特征參數(shù)和還原糖含量檢測結(jié)果。從圖中可見，輸出顯示數(shù)據(jù)框T7的值為1，說明該葉片還原糖含量在3.41%～3.50%區(qū)間。

圖3 葡萄葉片還原糖含量檢測結(jié)果

2.2 系統(tǒng)功能測試結(jié)果分析

實時采集487幅葡萄葉片圖像作為測試的樣本集，其中321幅為訓(xùn)練樣本，166幅為測試樣本，進(jìn)行系統(tǒng)功能測試。由表1可知，葡萄葉片的錯分?jǐn)?shù)n= 21，測試樣本N=166，分類識別正確率P=(1-n/N)×100%=87.349%。實驗結(jié)果表明該系統(tǒng)可用于檢測葉片還原糖含量。系統(tǒng)測試結(jié)果如表1所示。

2.3 光譜法測試結(jié)果分析

本研究對樣本集葉片還原糖含量的測定采用光譜分析法——基于3，5-二硝基水楊酸(DNS)比色法來

表1 分類識別結(jié)果

實現(xiàn)。在采集葉片圖像的同時采摘新鮮葡萄葉片，用密封袋封裝帶回實驗室，葉片還原糖含量測試硬件分別為721型紫外分光光度計、精度為0.001的電子天平、恒溫水浴箱和型號為101-A的烘干箱以及各類實驗藥品。測試開始前先將新鮮樣本放入烘干箱中殺青，使葉片中的氧化酶快速失活，最大限度保持糖分含量的穩(wěn)定并蒸發(fā)葉片部分水分，本次實驗殺青時長45 min ，溫度105 ℃。經(jīng)多次實驗，最終確定測定葉片標(biāo)準(zhǔn)還原糖含量，藥品顯示劑用量3 mL，沸水浴時長5 min，測定波長580 mm[15]。

本研究旨在利用LabVIEW技術(shù)尋找葡萄葉片圖像特征與其還原糖含量的關(guān)系，如圖4所示，分別對葉片顏色、紋理的14特征參數(shù)與還原糖糖含量做相關(guān)性分析，顏色特征與還原糖含量的6個相關(guān)系數(shù)非常高，分別為0.9920、 0.9675、0.8843、0.9904、0.9411、0.9803。而紋理特征與葉片還原糖含量的相關(guān)系數(shù)相對較小，分別為0.7879、0.7963、0.7690、0.6859、0.5959、0.8586，其中角二階矩的兩個參數(shù)與糖含量之間相關(guān)性很小，相關(guān)系數(shù)分別為0.0089和0.1720。同時從系統(tǒng)功能測試結(jié)果可看出，葉片糖分含量的分類識別正確率為 87.349%，所以基于LabVIEW 平臺實現(xiàn)對葉片還原糖含量的檢測有可行性，該系統(tǒng)工作穩(wěn)定，單次測試時長2～5 min，不卡頓、不死機(jī)?？赏茝V至其他農(nóng)作物的營養(yǎng)元素檢測。

3 結(jié)束語

本文利用LabVIEW和Matlab軟件設(shè)計開發(fā)了一套基于圖像采集處理與分類識別的葡萄葉片還原糖的測試系統(tǒng)。首先對葡萄葉片圖像進(jìn)行采集、保存和預(yù)處理，其次提取顏色、紋理特征參數(shù)，進(jìn)行還原糖含量識別與分類，最后將得出檢測結(jié)果顯示在生成的人機(jī)交互界面，實現(xiàn)了對葡萄葉片還原糖含量的高精度測量。

本文設(shè)計的葡萄葉片還原糖含量測試系統(tǒng)主要實現(xiàn)了以下功能：

① 在LabVIEW軟件平臺下借助視覺采集模塊和視覺開發(fā)模塊，利用工業(yè)攝相頭和圖像采集卡，實現(xiàn)對葉片圖像的采集、顯示和保存；

② 利用LabVIEW軟件中的視覺助手模塊完成了圖像預(yù)處理工作；

③ 采用LabVIEW與Matlab混合編程的方法，提取了葉片圖像的6個顏色特征參數(shù)和8個紋理特征參數(shù)，并利用支持向量機(jī)(SVM)分類方法對葉片還原糖含量進(jìn)行分類識別；

④ 生成人機(jī)交互界面，用戶可直接在前面板上操作，方便直觀。

通過測試，該還原糖檢測系統(tǒng)功能良好、效率高。誤差小，在農(nóng)作物成分測定領(lǐng)域有應(yīng)用價值。