燕紅文，崔清亮

（山西農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院，山西 太谷 030801）

燕麥，學(xué)名莜麥，是我國晉北地區(qū)的特產(chǎn)作物，在穩(wěn)定旱區(qū)糧食生產(chǎn)和維持膳食結(jié)構(gòu)多樣性方面具有不可替代作用。農(nóng)場進(jìn)行燕麥?zhǔn)斋@時(shí)，清選必不可少，而此過程中燕麥籽粒損失難以避免[1-3]，其損失率也成為清選設(shè)備的基礎(chǔ)指標(biāo)，是清選機(jī)工作參數(shù)調(diào)整的重要依據(jù)[4-7]。損失率的計(jì)算大多采用人工計(jì)算[8-9]，準(zhǔn)確度低且效率低下。將計(jì)算機(jī)視覺技術(shù)應(yīng)用于清選過程是智能農(nóng)業(yè)發(fā)展的需要，本文基于Otsu方法在燕麥清選過程中對燕麥籽粒進(jìn)行識別，其研究結(jié)果為清選損失率智能計(jì)算提供前期技術(shù)支持。

1 試驗(yàn)材料與方法

1.1 樣品采集

本研究試驗(yàn)材料采集于山西省右玉縣，樣本的質(zhì)量對于籽粒的識別有較大的影響，研究中將樣品分為5 g、15 g和20 g 3組，進(jìn)行試見圖1）所示。清選機(jī)工作時(shí)會(huì)包含一些雜質(zhì)，常見的雜質(zhì)有燕麥莖稈、枝翹和穎殼3種，（見圖2）。

1.2 儀器設(shè)備

本文采用山西農(nóng)業(yè)大學(xué)自行研制的清選機(jī)為試驗(yàn)臺，取來的燕麥樣品通過本試驗(yàn)臺清選，實(shí)驗(yàn)采用的風(fēng)機(jī)轉(zhuǎn)速為68rpm。

圖像采集系統(tǒng)使用M0814-MP型鏡頭（Computar，f=8mm，F(xiàn)1.4），F(xiàn)201C型CCD（AVTGmb H，1/2.3英寸 CCD），RL45100-R24型LED光源（深圳市晶慶光電有限公司，5.76W），CP502型電子天平（Ohaus公司，感量0.01 g）和百諾A1682TB0三腳架（百諾集團(tuán)，工作高度440～1 590 mm）。

1.3 圖像采集

燕麥樣品從清選機(jī)篩體落到地面緩沖接收板上，在獲取圖像時(shí)為減少作業(yè)機(jī)器產(chǎn)生的陰影的影響，本試驗(yàn)將緩沖板謹(jǐn)慎從清選機(jī)下端移出，為取像做準(zhǔn)備。

要注意事項(xiàng)：一是將光源和CCD相機(jī)安裝到三腳架上并固定。二是記錄圖像數(shù)據(jù)時(shí)做好標(biāo)定，以保證圖像數(shù)據(jù)有相同的獲取標(biāo)準(zhǔn)。

1.4 數(shù)據(jù)分析軟件

本文中的數(shù)據(jù)處理和分析是基于軟件Matlab 7.5（The MathWorks，Natick，USA）來實(shí)現(xiàn)。

2 基于O tsu方法燕麥籽粒識別

本文中第一步選用合適的去噪方法，對采集到的燕麥籽粒圖像預(yù)處理，第二步選擇大津法對其分割，經(jīng)試驗(yàn)確定，分割閾值為89可取得較好分割效果，可分性測度達(dá)到0.757 8。

2.1 圖像預(yù)處理

籽粒圖像采集時(shí)的光源強(qiáng)弱、背景的變換、不同的采集速度以及其形狀差異和雜質(zhì)等因素都會(huì)對其采集質(zhì)量造成一定干擾。為消除圖像干擾，文中使用多種預(yù)處理進(jìn)行去噪：銳化、維納、中值濾波等。多種預(yù)處理結(jié)果對比顯示，采用中值濾波首先可去除圖像干擾，其次可對原圖特征做最大程度保留，選用中值濾波方法，并設(shè)定元素尺寸為77，處理效果如圖3所示。因此，本研究選擇中值濾波結(jié)果進(jìn)行后續(xù)試驗(yàn)。

2.2 Otsu方法燕麥籽粒識別

大津法通過圖像二值化閾值對圖像進(jìn)行分割，于20世紀(jì)70年代末被大津提出，其最大的優(yōu)勢是圖像的亮度對分割結(jié)果沒有影響，并且圖像的對比度對分割結(jié)果也沒有影響，其應(yīng)用非常普遍[10]。圖像中的灰度值往往呈現(xiàn)不均勻分布，其度量指標(biāo)較多，而方差則使用頻繁，其值越大，分布越不均勻，其值越小則灰度分布較為均勻，理論上使其方差達(dá)到最大，閾值分割出錯(cuò)的概率就可以達(dá)到最小，分割公式如式（1）、式（2）所示。

式中：mG——圖像平均灰度；

ρ1（K）——集合C1發(fā)生的概率；

sB2（k）——表示類間方差。

式中：hk——不同類的方差與總的灰度方差比值。

為實(shí)現(xiàn)對燕麥籽粒的識別，需對圖像進(jìn)行分割，將燕麥籽粒從復(fù)雜背景中分離。采用Otsu方法進(jìn)行閾值確定必須使其分割以后的效果可以到達(dá)同一類的圖取得方差最小值，而不同類的圖則取得最大值。文中采用該方法分割燕麥籽粒，經(jīng)試驗(yàn)確定最佳分割閾值取89可取得最好的分割效果，可分性測度達(dá)到0.7578，分割結(jié)果如圖4，由圖4，該方法能夠很好地將燕麥籽粒從復(fù)雜背景中分離開。

3 結(jié)論

（1）本研究中采用Otsu方法對燕麥籽粒進(jìn)行識別，試驗(yàn)確定分割閾值取為89可達(dá)到最好分割效果，可分測度值0.7578，為現(xiàn)代農(nóng)場作業(yè)中清選損失率的自動(dòng)計(jì)算與設(shè)備開發(fā)提供技術(shù)前提。

（2）受圖像采集環(huán)境的干擾以及算法不足的影響，處理的結(jié)果圖當(dāng)中通常會(huì)出現(xiàn)大小不同、數(shù)量各異的孔洞，這些孔洞不僅影響了燕麥籽粒的檢測效果，也破壞了燕麥籽粒輪廓的完整性，不利于燕麥籽粒的統(tǒng)計(jì)分析，這也正是下一階段需要解決的問題。