◎ 朱亞琪

（東阿縣檢驗(yàn)檢測(cè)中心，山東 聊城 252200）

大豆作為人類(lèi)植物蛋白質(zhì)的主要來(lái)源，在種植領(lǐng)域占據(jù)重要地位。我國(guó)曾是世界最大的大豆生產(chǎn)國(guó)和出口國(guó)，進(jìn)入20 世紀(jì)90 年代之后，大豆出口呈遞減趨勢(shì)，進(jìn)口量在不斷增加，其主要原因在于大豆種子品質(zhì)檢測(cè)與分選技術(shù)落后，致使大豆質(zhì)量下降，生產(chǎn)成本較高。為此，進(jìn)行大豆種子品質(zhì)檢測(cè)與分選，不僅是提高大豆質(zhì)量、產(chǎn)量的需要，也是農(nóng)業(yè)發(fā)展的必然需求。

1 大豆種子品質(zhì)檢測(cè)與分選技術(shù)綜述

1.1 傳統(tǒng)的大豆種子品質(zhì)檢測(cè)與分選方法

傳統(tǒng)的大豆種子品質(zhì)檢測(cè)與分選方法主要依賴人工，包括目測(cè)、人工篩選及重量測(cè)量等物理手段，不僅耗時(shí)耗力，需要投入大量的人力資源，而且弊端十分明顯。①以目測(cè)對(duì)大豆種子進(jìn)行觀察和判斷，雖然較為直觀、方便，但是受主觀因素影響，人眼的觀察和判斷會(huì)受個(gè)體經(jīng)驗(yàn)和感知能力的限制，給種子的品質(zhì)評(píng)估和分段帶來(lái)一定誤判和不確定性，導(dǎo)致評(píng)估精準(zhǔn)性不足[1]。同時(shí)，目測(cè)方法非?？简?yàn)操作人員的經(jīng)驗(yàn)，種子的形狀、色澤及大小等特征，也可能會(huì)因?yàn)檫z傳差異或環(huán)境因素產(chǎn)生細(xì)微的變化，只有經(jīng)驗(yàn)十分豐富且專(zhuān)業(yè)知識(shí)扎實(shí)的人員才可以分辨。然而，面臨大規(guī)模大豆種子篩選時(shí)，檢測(cè)人員并不一定都具備足夠的經(jīng)驗(yàn)和專(zhuān)業(yè)能力，難以保證種子的評(píng)估結(jié)果。②相對(duì)于目測(cè)方式來(lái)說(shuō)，手工篩選弊端更為明顯。手工篩選是指人工逐個(gè)篩選大豆種子，這種方式不僅效率低下，而且勞動(dòng)強(qiáng)度大，容易造成人員疲勞，很難對(duì)大豆種子的微小缺陷或病蟲(chóng)害進(jìn)行準(zhǔn)確的判斷和分選。③重量測(cè)量主要以大豆種子重量來(lái)衡量大豆種子的品質(zhì)。重量作為一種定性指標(biāo)，只能提供種子的整體質(zhì)量信息，無(wú)法區(qū)分種子內(nèi)部的細(xì)微差異，如胚乳的充實(shí)度、胚乳的發(fā)育程度等。因此，為克服人工檢測(cè)的這些弊端，需要機(jī)器視覺(jué)相關(guān)技術(shù)的介入，利用自動(dòng)化手段精準(zhǔn)、高效地檢測(cè)大豆種子，以提高大豆種子品質(zhì)檢測(cè)與分選的整體效率[2]。

1.2 基于機(jī)器視覺(jué)的大豆種子品質(zhì)檢測(cè)與分選技術(shù)的發(fā)展現(xiàn)狀

機(jī)器視覺(jué)技術(shù)發(fā)展的第一階段，主要以高光譜成像技術(shù)進(jìn)行大豆種子的品質(zhì)檢測(cè)與分選。高光譜成像技術(shù)主要采用圖譜合一的方式，獲取大豆種子內(nèi)部的具體信息，能夠反映大豆種子的真實(shí)情況，其精度較高，但設(shè)備過(guò)于昂貴，成本較高，故使用頻率逐步降低。機(jī)器視覺(jué)發(fā)展的第二階段主要以物理圖像識(shí)別為主，相對(duì)于高光譜成像來(lái)說(shuō)，物理識(shí)別成本低，且高效、快速，在大豆種子品質(zhì)檢測(cè)與分選技術(shù)中的應(yīng)用較為廣泛[3]。然而，物理圖像識(shí)別因無(wú)法支持長(zhǎng)時(shí)間工作，存在一定安全隱患，逐漸退出舞臺(tái)?，F(xiàn)如今，機(jī)器視覺(jué)發(fā)展第三階段，主要采用高分辨攝像機(jī)、光源和圖像處理算法等設(shè)備和技術(shù)，對(duì)大豆種子進(jìn)行圖像采集，然后運(yùn)用圖像處理算法進(jìn)行分析，可以快速準(zhǔn)確地監(jiān)測(cè)出大豆種子的大小、形狀、顏色等特征，從而判斷其品質(zhì)。

2 大豆種子品質(zhì)檢測(cè)與分選系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

2.1 系統(tǒng)結(jié)構(gòu)與流程

系統(tǒng)結(jié)構(gòu)圖主要分為5 大模塊，包括圖像采集模塊、圖像處理模塊、特征提取模塊、分類(lèi)模塊及分選模塊，主要流程如下。①圖像采集模塊為采集大豆種子的圖像數(shù)據(jù)；圖像處理模塊對(duì)所采集的數(shù)據(jù)圖像進(jìn)行預(yù)處理，包括去噪、圖像增強(qiáng)、灰度化等操作，重點(diǎn)提高圖像的幀數(shù)和質(zhì)量。例如，使用直方圖均衡化或自適應(yīng)直方圖均衡化來(lái)增強(qiáng)圖像的對(duì)比度和細(xì)節(jié)。②特征提取模塊在前2 個(gè)模塊工作的基礎(chǔ)上，從已處理的圖像數(shù)據(jù)中提取一些有效的特征，以這些特征反映種子的品質(zhì)信息。比如，大豆種子的大小、形狀的均勻性以及表面的光滑度等。其中，紋路特征可以使用局部二值模式（LBP）或灰度共生矩陣（GLCM）等方法進(jìn)行提取，形狀特征可以使用邊緣檢測(cè)算法進(jìn)行提取。③分類(lèi)模塊基于提取特征進(jìn)行分類(lèi)，傳統(tǒng)的機(jī)器學(xué)習(xí)算法包括支持向量機(jī)（SVM）、k 最近鄰（k-NN）等；深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）等。使用分類(lèi)模塊前，需要預(yù)先進(jìn)行訓(xùn)練，使用已標(biāo)記好的大豆種子圖像數(shù)據(jù)進(jìn)行模型訓(xùn)練，訓(xùn)練好的模型可以根據(jù)提取到的特征對(duì)種子進(jìn)行分類(lèi)，從而判斷其品質(zhì)。④分選模塊是基于分類(lèi)結(jié)果，將大豆種子按照品質(zhì)進(jìn)行分選的一種形式，其主要采用機(jī)械臂、傳送帶及氣流分選裝置等設(shè)備，將不同品質(zhì)的種子分別放入不同的容器內(nèi)，以便后續(xù)進(jìn)行種植和銷(xiāo)售。

2.2 硬件設(shè)備與集成

硬件設(shè)備如圖1 所示。①數(shù)字1 為攝像設(shè)備，在設(shè)備選擇方面，可以選擇高分辨率的攝像機(jī)，因?yàn)榉直媛试礁?，圖像顯示就更為清晰；也可以使用工業(yè)相機(jī)或者高性能數(shù)碼相機(jī)，此相機(jī)具有快速拍攝和高分辨率的特點(diǎn)，實(shí)用性更強(qiáng)一些。同時(shí)，最為主要的是，攝像設(shè)備需要與計(jì)算機(jī)進(jìn)行連接，以傳輸圖像數(shù)據(jù)。②數(shù)字2 為光源系統(tǒng)，其主要作用是為攝像提供光源，以此獲取高質(zhì)量的圖像。目前，常用的光源包括LED或者熒光燈，可以根據(jù)大豆種子的種類(lèi)和特性進(jìn)行亮度和顏色溫度的調(diào)整，且光源可以均勻分布在照射區(qū)域，避免陰影和反光對(duì)圖像質(zhì)量的影響。③數(shù)字3、5、6、7 為傳送裝置，是實(shí)現(xiàn)大豆種子自動(dòng)化分選的重要部分。如圖1 所示，數(shù)字3 為振動(dòng)喂料機(jī)，將大豆種子放入其中，即可通過(guò)振動(dòng)使其傳送到數(shù)字5 傳送帶上，然后利用數(shù)字6 支架的穩(wěn)定性，進(jìn)入數(shù)字7 收納容器之中。需要注意的是，傳送帶應(yīng)具備調(diào)節(jié)速度的功能，這樣可以適應(yīng)不同種子的處理速度。同時(shí)，通過(guò)調(diào)整傳送帶的速度，可以實(shí)現(xiàn)圖像采集和處理模塊的同步，確保種子的連續(xù)傳送和分選過(guò)程的順利進(jìn)行。除此之外，傳送帶的寬度和長(zhǎng)度應(yīng)根據(jù)種子的大小和處理量進(jìn)行設(shè)計(jì)，足夠的寬度可以保證種子在傳送帶上穩(wěn)定運(yùn)輸，足夠的長(zhǎng)度可以確保系統(tǒng)的處理能力滿足需求。④數(shù)字4 為一種可編程的自動(dòng)化裝置，由可控制的執(zhí)行器組成，其主要作用是為預(yù)算設(shè)定的動(dòng)作軌跡和邏輯進(jìn)行自動(dòng)化分選操作。其核心原理是利用特征信息，使用風(fēng)吹的方式進(jìn)行篩選，然后根據(jù)種子的位置信息，精確定位，放置種子。也可以利用視覺(jué)傳感器或力傳感器來(lái)檢測(cè)種子的位置和力的大小。⑤數(shù)字8 為硬件設(shè)備的總操作系統(tǒng)，是整個(gè)系統(tǒng)的核心處理單元，其主要功能是進(jìn)行復(fù)雜的算法運(yùn)算，進(jìn)行圖像處理和分析任務(wù)，所以該硬件設(shè)備通常需要高性能的處理和顯卡，以保證算法的執(zhí)行速度和系統(tǒng)的顯示正常[4]。

圖1 硬件設(shè)備與集成圖

2.3 軟件界面與功能

①圖像處理與分割。需要開(kāi)發(fā)圖像處理算法，包括去噪、圖像增強(qiáng)和圖像分割，以提高圖像質(zhì)量和分割種子與背景，將結(jié)果實(shí)時(shí)顯示在軟件界面上，以便操作人員實(shí)施監(jiān)控和參數(shù)調(diào)整。②特征提取與分類(lèi)。設(shè)計(jì)并實(shí)現(xiàn)特征提取算法，從分割后的圖像中提取有效的特征，主要包括大豆種子的紋路、內(nèi)部表現(xiàn)、顏色現(xiàn)狀等特征，然后將提取的特征輸入分類(lèi)算法中，進(jìn)行品質(zhì)分類(lèi)。需要注意的是，分類(lèi)結(jié)果應(yīng)實(shí)時(shí)顯示在軟件界面上，這樣可以讓操作人員及時(shí)了解種子的具體劃分[5]。③分選控制與反饋。根據(jù)分類(lèi)結(jié)果，控制傳送帶和分類(lèi)裝置進(jìn)行分選操作。在傳送帶方面，應(yīng)控制傳送帶的速度和方向，進(jìn)而保證不同品質(zhì)的種子輸送到相應(yīng)的容器之中。在分類(lèi)裝置方面，可以設(shè)定其動(dòng)作軌跡和邏輯，以便根據(jù)分類(lèi)記錄進(jìn)行篩選操作。

3 結(jié)語(yǔ)

綜上所述，大豆作為糧油兼用型作物，是生活中植物油脂和植物蛋白的重要來(lái)源。近年，大豆生產(chǎn)和需求之間的缺口比較大，不僅會(huì)影響大眾生活質(zhì)量，也會(huì)嚴(yán)重威脅我國(guó)糧食安全。因此，機(jī)器視覺(jué)技術(shù)作為提高大豆產(chǎn)量、加速大豆育種的重要舉措，應(yīng)給予足夠重視，不斷挖掘和進(jìn)一步完善該系統(tǒng)，從而為大豆生產(chǎn)提供科技支持。相信隨著技術(shù)的不斷發(fā)展，該系統(tǒng)能夠?yàn)檗r(nóng)業(yè)生產(chǎn)帶來(lái)更多的便利和效益，實(shí)現(xiàn)我國(guó)大豆的自給自足。