莫洪武，萬榮澤

(廣西農(nóng)業(yè)職業(yè)技術(shù)學院，南寧 530007)

0 引言

水稻是我國最主要的糧食作物，超過8億的人口以水稻為主食。我國大部分省份都種植水稻，具有世界第二的種植面積和世界第一的總產(chǎn)量。因此，水稻在我國農(nóng)業(yè)經(jīng)濟中占有極其重要的地位，在保障國家糧食安全中發(fā)揮的作用是不可替代的。水稻分布地域廣闊，種植環(huán)境類型多樣，其高產(chǎn)穩(wěn)產(chǎn)在很大程度上依賴于選育出的適應(yīng)性品種。一直以來，優(yōu)良品種都是水稻高產(chǎn)的物質(zhì)基礎(chǔ)，品種選育成為各農(nóng)業(yè)科研單位和育種企業(yè)的工作重點。

目前，水稻種植業(yè)呈現(xiàn)雜交稻和常規(guī)稻并存的格局，它們有各自的優(yōu)勢和不同的生態(tài)種植區(qū)。雜交稻的產(chǎn)量潛力大，耐肥性好，用種量少，單位面積上能產(chǎn)生更高的效益；但雜交稻種植的成本較大，制種過程相對繁瑣。常規(guī)稻的品質(zhì)普遍較高，制種簡單，但產(chǎn)量和效益與雜交稻相比有差距。我國雜交水稻的研究位于世界前沿，雜交水稻推廣應(yīng)用是農(nóng)民增收的重要推動力。

制種是雜交稻生產(chǎn)的關(guān)鍵環(huán)節(jié)，種子生產(chǎn)質(zhì)量對雜交稻的推廣面積和產(chǎn)量有著決定性的影響，一般采用雜交種產(chǎn)量和純度來進行評價。雜交制種的產(chǎn)量通常由父母本開花期相遇的程度及開花授粉時期的天氣決定，純度問題則由制種田中的水稻雜株引起。因此，對于雜交水稻制種的研究都是圍繞如何在保證純度的前提下，盡可能地提高制種產(chǎn)量，并減少人工和物資成本。

周艷等針對水稻制種過程中化肥和農(nóng)藥用量大導致經(jīng)濟效益不理想的問題，提出了一種精準輕簡的高效制種技術(shù)，在大田示范中取得了良好的效果[1]。張紹安等分析了影響水稻制種產(chǎn)量的因素，包括基地選擇與管理、親本播插期確定及栽培措施實施，提出了相應(yīng)的解決對策[2]。梅凱華等對比了水稻制種實踐中常用的花期預(yù)測方法效果，認為其中的幼穗剝查預(yù)測法最為準確[3]。隨著農(nóng)業(yè)機械化的推進，各種農(nóng)用機械也應(yīng)用在水稻的制種中，大幅提高了生產(chǎn)作業(yè)效率。黃波等針對水稻機械化制種的特性，對育苗管理、大田栽培和激素使用這3個方面的技術(shù)進行了解析[4]。熊瑋等為解決雜交稻制種人工成本高的問題，設(shè)計了一種父母本同栽插秧機，田間試驗結(jié)果表明其作業(yè)性能良好，可以滿足生產(chǎn)要求[5]。

計算機視覺是對拍攝的圖像進行理解和分析，通過圖像分割和特征提取，達到識別目標的目的。計算機視覺在國民生產(chǎn)和科學研究的各個領(lǐng)域都有應(yīng)用，目前在農(nóng)業(yè)中主要用于農(nóng)產(chǎn)品的分級、檢測和收獲[6-8]。在水稻的生產(chǎn)上，計算機視覺的用途也較廣泛，如對田間雜草、裂穎種子和葉部病害的識別[9-11]。另外，龔紅菊等自制了計算機視覺系統(tǒng)，利用分形理論分析水稻的圖像特征，在線性相關(guān)關(guān)系上計算水稻單位面積上的產(chǎn)量，取得了較為準確的預(yù)測結(jié)果[12]。陳誠等利用計算機視覺獲取水稻葉片的多種顏色指標，建立葉綠素相對含量預(yù)測模型，實現(xiàn)了對葉綠素相對含量的準確測定[13]。

水稻大面積制種基地的田塊平整，具有完善的設(shè)施和規(guī)范的栽培管理，可以作為各種新型技術(shù)試驗應(yīng)用平臺。若將計算機視覺應(yīng)用于水稻大面積制種，有望顯著提高生產(chǎn)效率，降低人工和物資成本，但目前還沒有相關(guān)的報導。本文在水稻大面積制種過程中引入計算機視覺技術(shù)，用以對田間的空行和雜草雜株進行識別，對父母本的抽穗期進行監(jiān)測，以期提高雜交種產(chǎn)量和純度，并推動水稻制種的技術(shù)發(fā)展。

1 硬件和軟件

計算機視覺的硬件設(shè)備主要為數(shù)碼相機和計算機。其中，數(shù)碼相機為Nikon DL24-500型，拍攝圖像時距離地面高度3m，拍攝角度與豎直方向夾角為60°，獲取的圖像為800萬像素的JPEG格式，通過MXT2002型A/D轉(zhuǎn)換器轉(zhuǎn)換為計算機可以識別的信號。計算機為聯(lián)想揚天M4900型臺式電腦，配件包括Intel i7中央處理器、8GB的DDR3內(nèi)存和1TB硬盤。該機型的運行快速穩(wěn)定，可以滿足圖像實時處理和數(shù)據(jù)存儲的要求。計算機安裝Windows10操作系統(tǒng)和MatLab7.0工具箱，用于圖像的視覺處理。

2 圖像處理

2.1 圖像的采集和預(yù)處理

圖像的組成部分包括水稻父母本、雜株雜草，背景為水田，本文基于顏色特征對它們進行區(qū)分。另外，根據(jù)具體的分析目的，選擇在合適的水稻生長期拍攝圖像，采集時刻為陰天的上午10時左右。俯視拍攝導致采集的圖像出現(xiàn)不同程度的畸變，因此參考紀壽文的方法對圖像進行矯正[14]；然后，利用低通濾波法進行平滑處理，通過中值濾波去除相機抖動產(chǎn)生的噪音干擾，從而提高圖像的質(zhì)量和后續(xù)分析的準確性。

2.2 圖像的灰度化

原始圖像中的水田背景為白色，水稻和雜草都是綠色，水稻父本、母本及雜草的顏色深淺存在差異。在水稻的抽穗開花期，葉片為綠色，稻穗為黃色，區(qū)別較為明顯。因此，利用顏色的差異將各個部分從背景中分離出來。這里根據(jù)水稻田間圖像受光照強度影響的情況，選擇HSI模型的顏色空間，以色調(diào)H、飽和度S和亮度I作為分量處理圖像，在I分量下對圖像進行灰度化。

2.3 特征提取

圖像分割是提取目標特征的必要步驟，這里根據(jù)圖像特點和分析目的，通過閾值分割法分割圖像。該方法的計算模型簡單，運行速度快，適合于水稻制種田的圖像處理。通過分析原始圖像的直方圖，獲得合適的閾值用于圖像分割。具體方法：將I分量效果圖和原圖像灰度圖做最大類間方差分析，再進行二值化，即得到顏色特征的劃分閾值；分析圖像中每個像素點的顏色特征值，通過與閾值的比較結(jié)果做出判定，從而獲得目標圖像。

3 應(yīng)用功能

本文計算機視覺在水稻大面積制種的應(yīng)用功能為空行識別、雜草雜株識別和抽穗期監(jiān)測?？招凶R別的圖像在母本返青時拍攝，根據(jù)空行與水稻植株的顏色差異進行區(qū)分。識別的內(nèi)容包括父本(黑色)、母本(灰色)和空行(白色)，可以根據(jù)空行規(guī)劃行走路徑，以便于機械進行農(nóng)藥噴灑作業(yè)，如圖1所示。

雜株雜草識別的圖像在水稻分蘗盛期拍攝，根據(jù)植株顏色的深淺差異進行區(qū)分。識別的內(nèi)容包括正常植株(白色)和雜株雜草(黑色)，用來引導植株人員進行清除，以提高制種的純度，如圖2所示。

(a) 原始圖像

(b) 灰度化圖像

(c) 特征提取圖像

抽穗期監(jiān)測的圖像在水稻父本和母本的抽穗期拍攝，根據(jù)葉片與稻穗的顏色差異進行區(qū)分。識別的內(nèi)容包括葉片(白色)和稻穗(黑色)，根據(jù)稻穗密度評判父母本抽穗期，計算相差的天數(shù)。抽穗期監(jiān)測可以引導植株人員噴灑植物激素調(diào)節(jié)花期，以提高制種的產(chǎn)量，如圖3所示。

(a) 原始圖像

(b) 灰度化圖像

(c) 特征提取圖像

(a) 原始圖像

(b) 灰度化圖像

(c) 特征提取圖像

4 試驗結(jié)果和分析

2017年，在本單位的試驗基地對計算機視覺的上述3種功能進行了測試。制種所用的水稻父本1個，母本4個，分別種植在4個田塊中，每塊面積約1hm2。水稻采用人工移栽，先移栽父本，后移栽母本，采用常規(guī)的水肥管理。對4個田塊分別用計算機視覺進行空行識別、雜株雜草識別和抽穗期監(jiān)測，同時進行人工觀察記載，最后比較兩組數(shù)據(jù)的差異。

計算機視覺在母本返青時期對空行的識別效果(見圖1)，可以為機械行走路徑的規(guī)劃提供依據(jù)。計算機視覺對雜株雜草的識別和抽穗期監(jiān)測效果(見圖2和圖3)，所獲得數(shù)據(jù)如表1所示。以人工觀察的數(shù)據(jù)為標準，計算機視覺能夠較準確地識別雜株和雜草，沒有出現(xiàn)誤檢的情況；存在個別漏檢的雜草，可能是由于植株太小造成的，不會影響制種的純度。計算機視覺監(jiān)測的父母本抽穗期與實際接近，最大的差異僅為1天。

表1 兩種方式采集的數(shù)據(jù)比較

5 結(jié)論

本文在水稻大面積制種過程中引入計算機視覺技術(shù)，用數(shù)碼相機拍攝田間圖像，然后用計算機依次進行預(yù)處理、灰度化和特征提取，實現(xiàn)對田間的空行和雜草雜株的識別，以及對父母本抽穗期的監(jiān)測。試驗表明：計算機視覺能夠有效識別水稻空行，對雜株雜草的識別也較為準確，沒有出現(xiàn)誤檢的情況。計算機視覺監(jiān)測的父母本抽穗期與實際接近，最大的差異僅為1天，可以提高雜交種產(chǎn)量和純度，推動水稻制種技術(shù)的發(fā)展。