基于形態(tài)特征的玉米種子表面裂紋檢測(cè)方法研究

1、 基于形態(tài)特征的玉米種子表面裂紋檢測(cè)方法研究張俊雄,荀一,李偉中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院,北京 (100083E-mail:gxy5摘要:研究采用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)對(duì)玉米種子表面裂紋的識(shí)別和檢測(cè)。首先選擇CCFL(冷陰極熒光燈設(shè)計(jì)了圖像采集的光照環(huán)境,建立了玉米種子圖像的采集系統(tǒng),然后針對(duì)玉米種子圖像提出了一種基于籽粒形態(tài)學(xué)特征的表面裂紋檢測(cè)方法。該方法首先采用水平和垂直邊緣檢測(cè)算子處理得到裂紋、種子邊界和噪聲等邊緣信息;然后通過玉米籽粒的形態(tài)特征尋找其尖端位置并使用圖像代數(shù)運(yùn)算的方法去除大部分非裂紋信息;最后根據(jù)裂紋的長(zhǎng)度和位置特征提取得到裂紋,并計(jì)算裂紋的絕對(duì)長(zhǎng)度和相對(duì)長(zhǎng)度。對(duì)農(nóng)大4967和農(nóng)大

2、3138兩個(gè)品種玉米分別選取裂紋粒和無裂紋粒各50粒進(jìn)行圖像識(shí)別,試驗(yàn)結(jié)果表明:識(shí)別準(zhǔn)確率分別為94%和90%?；緷M足玉米種子表面裂紋檢測(cè)的精度要求。關(guān)鍵詞:計(jì)算機(jī)視覺;圖像處理;玉米種子;表面裂紋;形態(tài)學(xué)中圖分類號(hào):TP394.11.引言玉米籽粒產(chǎn)生裂紋后會(huì)影響淀粉出率,不能用來加工玉米片等食品,同時(shí)在儲(chǔ)存時(shí)裂紋粒吸濕性強(qiáng),易于引起發(fā)熱和遭受害蟲及霉菌的侵襲,對(duì)于種子還會(huì)影響到種子的發(fā)芽率,即使作為飼料原料也必須嚴(yán)格限制玉米的裂紋率。常規(guī)的玉米裂紋檢測(cè)方法主要有光照法、化學(xué)法、射線法等。這些方法過程復(fù)雜,耗時(shí),而且化學(xué)法、射線法等是破壞性檢測(cè),不適于對(duì)所有樣品進(jìn)行檢測(cè)。近年來,數(shù)字圖像處理

3、技術(shù)已經(jīng)廣泛用于各類產(chǎn)品的質(zhì)量檢測(cè)和控制,同時(shí)也逐漸成為物體表面裂紋檢測(cè)的一種有效辦法,在混凝土表面裂紋檢測(cè)、管道的表面裂紋檢測(cè)、玻璃瓶裂紋檢測(cè)等領(lǐng)域得到了廣泛應(yīng)用1-4。利用計(jì)算機(jī)視覺數(shù)字圖像處理技術(shù)可以實(shí)現(xiàn)產(chǎn)品的無損檢測(cè),而且具有非接觸、快速、柔性等優(yōu)點(diǎn),這為玉米種子的裂紋檢測(cè)提供了一種新的途徑。朱文學(xué)利用掃描電子顯微鏡觀察玉米籽粒的應(yīng)力裂紋,分析了裂紋在胚乳中擴(kuò)展的情況以及對(duì)胚乳結(jié)構(gòu)產(chǎn)生的影響5。Gunasekaran S.采用商業(yè)視覺系統(tǒng)采集玉米籽粒圖像,研究了一種種子內(nèi)部裂紋的識(shí)別方法6。這些方法大多在實(shí)驗(yàn)室的條件下對(duì)玉米種子的內(nèi)部裂紋進(jìn)行檢測(cè),要求較高的實(shí)驗(yàn)技術(shù)與設(shè)備,難以推廣到實(shí)

4、際中去。本文研究了采用計(jì)算機(jī)視覺的玉米種子表面裂紋圖像識(shí)別方法,設(shè)計(jì)了玉米籽粒的圖像采集系統(tǒng)和光照環(huán)境,對(duì)玉米籽粒圖像通過邊緣提取后結(jié)合利用籽粒的形態(tài)學(xué)特征實(shí)現(xiàn)了裂紋的自動(dòng)提取和測(cè)量,對(duì)于玉米裂紋的檢測(cè)具有一定的理論意義和工程實(shí)用價(jià)值。2.材料和方法2.1 試驗(yàn)材料選取中國(guó)農(nóng)業(yè)大學(xué)培育的玉米品種農(nóng)大4967和農(nóng)大3138為研究對(duì)象。圖1為玉米籽粒的形態(tài)結(jié)構(gòu)圖。O為形心,T為尖端,線段TP過形心O為種子的長(zhǎng)軸;寬的一端為冠部,較尖的一端為臍部;定義胚朝上的一面為種子正面,另一面為背面。其中形心O的坐標(biāo)(O x, O y計(jì)算公式為: (,1x x y R O x A = (,1y x y RO y

5、 A =, (1 其中R 為圖像中所有屬于種子的像素集,A 為種子像素集中像素的總數(shù),表征種子圖像的面積,(x , y 為像素點(diǎn)坐標(biāo)。圖1 玉米籽粒的形態(tài)結(jié)構(gòu)圖Fig.1 Profile of corn kernel2.2 圖像采集系統(tǒng)構(gòu)建料圖2是玉米籽粒圖像采集系統(tǒng)示意圖。該系統(tǒng)由攝像機(jī)、圖像采集卡、計(jì)算機(jī)、照明室、光源、載物臺(tái)等組成。攝像機(jī)采用嘉恒中自圖像技術(shù)有限公司的OK_AC1300高分辨率彩色CCD 攝像機(jī)。圖像采集卡采用嘉恒中自圖像技術(shù)有限公司的OK_RGB10B 彩色RGB 分量采集卡,基于PCI 總線結(jié)構(gòu),安裝在計(jì)算機(jī)內(nèi)。照明室截面為圓弧型,上方開孔以便攝像機(jī)進(jìn)行圖像采集。照明

6、室內(nèi)壁為亞白色,光源對(duì)稱均布在內(nèi)壁上。載物臺(tái)用黑色橡膠板經(jīng)磨沙處理后作背景。玉米籽粒平放在載物臺(tái)上,采集系統(tǒng)經(jīng)標(biāo)定后采用空間分辨率為0.10mm/pixel 進(jìn)行圖像采集。 圖2 玉米籽粒圖像采集系統(tǒng)1. CCD 攝像機(jī)2. 圖像采集卡3. 計(jì)算機(jī)4. 采集箱5. 照明室6. 光源7. 載物臺(tái)Fig.2 Images acquisition system of corn kernel1. CCD camera2. grabbing card3. computer4. acquisition box5. illumination room6. lighting7. container2.3 光源

7、分析光源是影響圖像質(zhì)量的一大因素。常用的機(jī)器視覺光源有LED ,熒光燈,鹵素?zé)舻取Ｎ闹蟹謩e對(duì)環(huán)形LED 燈、直流鹵素?zé)簟⒏哳l熒光燈和CCFL (冷陰極熒光燈四種光源進(jìn)行了對(duì)比試驗(yàn)。由于玉米籽粒長(zhǎng)寬高比例相差較小,而且表面光亮,容易產(chǎn)生反光,采用鹵素?zé)粽彰鲿r(shí)由于點(diǎn)光源的鹵素?zé)舴较蛐詮?qiáng),即便使用多個(gè)鹵素?zé)?圖像中的陰影也難以消除,而且魯棒胚臍部背面正面 TO N MP 性較差,對(duì)玉米籽粒的擺放位置敏感度較大,所以不適合選擇該光源。此外,為了進(jìn)一步適應(yīng)后續(xù)在動(dòng)態(tài)中在線檢測(cè)玉米表面裂紋,要求光源必須具有良好的穩(wěn)定性。針對(duì)以上四種光源,通過試驗(yàn)對(duì)比了其穩(wěn)定性。試驗(yàn)方法如下:調(diào)節(jié)攝像機(jī)的快門為1/500秒

8、,在不同光源的光照環(huán)境下,使用幀速為20fps 連續(xù)采集65幀清晰的背景圖像,圖像經(jīng)灰度化處理之后分別計(jì)算其平均灰度值。試驗(yàn)結(jié)果如圖3所示。由圖3可見,使用高頻熒光燈和直流鹵素?zé)粽彰鞯姆€(wěn)定性較差。雖然高頻熒光燈的頻閃頻率遠(yuǎn)高于攝像機(jī)快門的速度,但仍呈現(xiàn)出明顯的波動(dòng)性,圖像平均灰度值波動(dòng)范圍在5個(gè)單位左右,這將增加圖像處理的難度。環(huán)形LED 和CCFL 照明的效果非常理想,圖像平均灰度值波動(dòng)范圍在0.2個(gè)單位以內(nèi),但環(huán)形LED 光源價(jià)格較為昂貴,使用上將很大程度增加設(shè)備的成本。相比之下CCFL 價(jià)格較低,而且具有發(fā)熱量低、發(fā)光效率高、色彩還原性好、壽命長(zhǎng)、安裝方便等優(yōu)點(diǎn)。因此本文選擇CCFL 作

9、為照明光源。 圖3 光照效果比較Fig.3 Comparison of illumination3. 表面裂紋識(shí)別算法3.1 邊緣檢測(cè)和圖像分割經(jīng)過統(tǒng)計(jì),種子籽粒表面的裂紋大多出現(xiàn)在種子背面,且種子尖端臍部附近區(qū)域出現(xiàn)裂紋的概率較低。因此,在采集種子圖像時(shí),將種子放置于載物臺(tái)上,并使種子胚部向上,種子之間彼此不接觸。如圖4(a所示是采集到的單粒玉米籽粒圖像。由圖4(a可知,玉米種子表面的裂紋體現(xiàn)在圖像上是R 通道圖像的灰度值在裂紋兩側(cè)發(fā)生突變,利用邊緣檢測(cè)的方法可將裂紋識(shí)別出來。對(duì)于方向隨機(jī)性較強(qiáng)的邊緣有多種算子可以進(jìn)行增強(qiáng)和檢測(cè)7-10,本文分別采用水平和垂直方向的Sobel 算子,基于R

10、通道對(duì)圖像進(jìn)行邊緣檢測(cè),計(jì)算公式為:(,(,(,(,x x y y E i j OP I i j E i j OP I i j =, (2 其中,(,I i j 為R 通道原始圖像,x OP ,y OP 分別為水平和垂直方向Sobel 算子,(,x E i j ,(,y E i j 為輸出圖像。邊緣檢測(cè)的最后檢測(cè)結(jié)果是(,x E i j 和(,y E i j 的組合,計(jì)算公式為:(,max(,(,x y E i j E i j E i j =, (3其中(,E i j 為最后檢測(cè)的結(jié)果,如圖4(b所示?；赗 通道對(duì)(,E i j 進(jìn)行閾值分割后得到如圖4(c所示結(jié)果。 (a原圖像 (b邊緣圖

11、像 (c分割后的邊緣圖像 (aP rimary image(b Edges of corn kernel(c Edges after thresholding 圖4 玉米籽粒及其邊緣圖像 Fig.4 Image of corn kernel and its edges3.2種子尖端部分非裂紋目標(biāo)的去除在圖4(c中,玉米種子尖端臍部附近存在著大量的非裂紋目標(biāo),這將會(huì)影響裂紋的識(shí)別和提取,需要將其去除。去除的方法是:以種子的尖端點(diǎn)為圓心,減去半徑為r 的圓形區(qū)域,即位于該圓內(nèi)的像素點(diǎn)將視為背景像素點(diǎn)。3.2.1 種子尖端點(diǎn)的確定寧紀(jì)峰根據(jù)玉米籽粒尖端比其他部分尖銳的特點(diǎn),通過曲率變化找到尖端點(diǎn)的位

12、置11。但這種算法對(duì)有較尖銳邊界和尖端特征不明顯的種子不能進(jìn)行有效的尖端點(diǎn)識(shí)別。權(quán)龍哲則根據(jù)種子外邊界上各點(diǎn)到形心距離的分布特點(diǎn),利用小波變換求取尖端點(diǎn)的位置12,但計(jì)算復(fù)雜度較大。通過對(duì)玉米籽粒圖像的分析可知,在B (藍(lán)色通道中,種子尖端附近的白色區(qū)域與其他部分有著較大的灰度級(jí)差。本文利用此特點(diǎn),結(jié)合種子的形心坐標(biāo),提出一種簡(jiǎn)單的確定玉米種子尖端點(diǎn)位置的方法。首先基于B 通道對(duì)圖像進(jìn)行閾值分割,然后利用44模板對(duì)分割的結(jié)果先后進(jìn)行腐蝕和膨脹處理,去除某些離散點(diǎn)的干擾。處理的結(jié)果如圖5(a所示,并將所有目標(biāo)像素點(diǎn)集合記為B R 。種子尖端點(diǎn)T 取為B R 中距離種子形心點(diǎn)O 距離最大的點(diǎn),計(jì)算

13、公式為:max(i i B TO OR R R =, (4 其中TO 為種子尖端點(diǎn)T 到種子形心點(diǎn)O 的距離,i OR 為集合B R 中的點(diǎn)i R 到種子形心點(diǎn)O 的距離。 (a 基于B 通道分割并腐蝕、膨脹后的圖像 (a 的輪廓 (c 除尖端部分后的種子邊緣(a B channel image after segmentation, dilation and erosion (b contours of (a(c edges after removing thetop region 圖5 去除種子尖端非裂紋信息干擾Fig.5 Removing non-cracks on the top of

14、 the corn kernel3.2.2半徑r 的確定計(jì)算圖像5(a的形心坐標(biāo)B O ,并提取輪廓得到5(b所示的圖像。計(jì)算輪廓上各點(diǎn)到尖端點(diǎn)T 的距離i L ,通過以下公式確定半徑r 。 1(i i B r L L TO N =, (5 其中B TO 為尖端點(diǎn)T 到形心B O 的距離,N 為i L 大于B TO 的像素點(diǎn)個(gè)數(shù)。將圖4(c的種子邊緣圖像減去以尖端點(diǎn)T 為圓心,r 為半徑的圓形區(qū)域,得到如圖5(c的圖像。該圖像中已經(jīng)去除了玉米種子臍部的大量非裂紋信息。3.3種子輪廓的去除從圖5(c可以看出,為了提取裂紋還需去除種子的外輪廓。首先基于R (紅色通道提取種子的輪廓,然后利用33的模

15、版對(duì)其進(jìn)行兩次膨脹運(yùn)算,得到圖6(a所示的圖像。同時(shí),對(duì)圖像5(c進(jìn)行細(xì)線化處理,得到圖6(b所示的骨架化圖像。對(duì)圖6(a和圖6(b進(jìn)行減運(yùn)算,結(jié)果如圖7(c所示。大部分的種子輪廓線已被去除。3.4裂紋的提取從圖5(c可以看出,為根據(jù)GB/T16714-1996中的規(guī)定“發(fā)現(xiàn)玉米粒的胚乳有裂痕或粒上有裂紋長(zhǎng)度達(dá)到粒長(zhǎng)1/2以上者,均屬裂紋”,結(jié)合圖像的分辨率,將圖像中連通且滿足以下兩個(gè)準(zhǔn)則的目標(biāo)定義為裂紋:(1目標(biāo)像素點(diǎn)的個(gè)數(shù)大于15;(2目標(biāo)上所有的點(diǎn)到種子尖端點(diǎn)T 的距離的平均值L 大于32TO 。 (a 膨脹后的種子輪廓 (b 圖5(c骨架化的圖像 (c (a-(b的結(jié)果 (a Dila

16、ted contours of corn kernel (b Skeletonization of Fig.5(c(c Result of (a-(b 圖6 去除種子輪廓圖像Fig.6 Removing contours of corn kernel對(duì)圖6(c中的每一個(gè)連通目標(biāo)進(jìn)行區(qū)域標(biāo)記,并記錄每一個(gè)連通目標(biāo)的像素點(diǎn)個(gè)數(shù)i N 。若15i N ,則認(rèn)為該目標(biāo)不是裂紋,將其像素點(diǎn)視為背景像素點(diǎn)。若15i N ,則計(jì)算目標(biāo)上所有的點(diǎn)到種子尖端點(diǎn)的距離的平均值L ,如果L 小于32TO ,說明這一目標(biāo)位于種子上靠近端部的一側(cè),認(rèn)為不是裂紋,將其去除。圖7為裂紋提取的結(jié)果。 圖7 裂紋的提取結(jié)果Fi

17、g.7 Extracted cracks3.5裂紋的絕對(duì)長(zhǎng)度和相對(duì)長(zhǎng)度跟蹤掃描圖7,得到圖像中目標(biāo)的個(gè)數(shù)n 及其長(zhǎng)度l i 。在種子輪廓像素點(diǎn)的去除的過程 中，表面裂紋的少部分也被去除，因此需要對(duì)長(zhǎng)度值 li 進(jìn)行修正。由于使用了 33 的模板對(duì) 種子輪廓線進(jìn)行 2 次膨脹，裂紋上靠近種子輪廓的兩個(gè)像素點(diǎn)被刪除，修正公式為 li+2。表 面裂紋線的絕對(duì)總長(zhǎng)度為： lc = li + 2n , i =1 n (6 相對(duì)長(zhǎng)度為： c= lc , l (7 其中 l 為種子的長(zhǎng)軸。c 值越大，說明種子表面裂紋程度越嚴(yán)重。 4. 結(jié)果與分析 人工選取農(nóng)大 4967 和農(nóng)大 3138 兩個(gè)品種的裂紋種子

18、和無裂紋的種子各 50 粒，利用上 述方法對(duì)其籽粒進(jìn)行裂紋識(shí)別， 統(tǒng)計(jì)正確識(shí)別裂紋粒的準(zhǔn)確率和錯(cuò)誤將無裂紋粒識(shí)別為裂紋 粒的誤判率，統(tǒng)計(jì)結(jié)果如表 1 所示。 表 1 表面裂紋的識(shí)別結(jié)果 Tab.1 Surface cracks detecting results 品種 農(nóng)大 4967 農(nóng)大 3138 裂紋粒 粒數(shù) 47 45 準(zhǔn)確率(% 94 90 粒數(shù) 4 1 無裂紋粒 誤判率(% 8 2 由表 1 可見，對(duì)農(nóng)大 4967 的裂紋識(shí)別準(zhǔn)確率達(dá) 94，誤判率為 8；對(duì)農(nóng)大 3138 的裂 誤判率為 2。 分析影響識(shí)別準(zhǔn)確率的原因主要是少部分籽粒的裂紋 紋識(shí)別準(zhǔn)確率達(dá) 90， 出現(xiàn)在其他表面上。

19、而造成誤判的原因則包括籽粒的畸形、表面有污物等。 5. 結(jié)論 本文根據(jù)玉米籽粒的形態(tài)學(xué)特征， 結(jié)合尖端附近的顏色信息， 準(zhǔn)確識(shí)別出種子的尖端位 置。 采用去除尖端區(qū)域的方法消除了尖端附近的非裂紋目標(biāo)的影響。 通過分析裂紋長(zhǎng)度和位 置的特征有效地提取得到裂紋目標(biāo)， 并計(jì)算出絕對(duì)長(zhǎng)度和相對(duì)長(zhǎng)度。 對(duì)農(nóng)大 4967 和農(nóng)大 3138 品種的玉米籽粒進(jìn)行了有裂紋粒和無裂紋粒的識(shí)別，準(zhǔn)確率分別為 94%和 90%。試驗(yàn)證明 該方法對(duì)于玉米裂紋的檢測(cè)具有一定的理論意義和工程實(shí)用價(jià)值。 參考文獻(xiàn) 1 IYER S, SINHA S K. A robust approach for automatic det

20、ection and segmentation of cracks in underground pipeline images J. Image and Vision Computing, 2005, 23(10: 921-933. 2 SINHA S K, FIEGUTH P W. Automated detection of cracks in buried concrete pipe images J. Automation in Construction, 2006, 15(1: 58-72. 3 AMMOUCHE A, RISS J, BREYSSE D et al. Image

21、analysis for the automated study of microcracks in concrete J. Cement and Concrete Composites, 2001, 23:267-278. 4 李 玉 蘭 , 林 緒 虹 , 劉 桂 雄 . 正 交 設(shè) 計(jì) 方 法 在 優(yōu) 化 空 瓶 檢 測(cè) 圖 像 處 理 參 數(shù) 中 應(yīng) 用 J. 光 學(xué) 精 密 工 程,2005,13(S1:207-211. LI Y L,LIN X H, LIU G X. Application of orthogonal design in optimizing parameters

22、 for the image processing of empty bottle detection system J. Optics and Precision Engineering, 2005, 13(S1: 207-211 (in Chinese. 5 朱文學(xué),曹崇文.玉米應(yīng)力裂紋的顯微分析J.農(nóng)業(yè)工程學(xué)報(bào),1998,14 (2:98-202. -6- ZHU W X, CAO CH W. Microscopic Structure Analysis on Stress Cracks in Corn J. Transactions of the Chinese of Agricult

23、ural Engineering, 1998, 14(2:198-202 (in Chinese 6 GUNASEKARAN S, COOPERT M, BERLAGE A G et al. Image Processing for Stress Cracks in Corn Kernels J. Trans of the ASAE, 1987, 28(1: 266-271. 7 BHANDARKAR S M, LUO X, DANIELS R etc. Detection of Cracks in Computer Tomography Images of Logs J. Pattern R

24、ecognition Letters, 2005, 26(14: 2282-2294. 8 林玉池,崔彥平,黃銀國(guó).復(fù)雜背景下邊緣提取與目標(biāo)識(shí)別方法研究J.光學(xué)精密工程,2006,14(3:509-514. LIN Y CH, CUI Y P, HUANG Y G. Study on edge detection and target recognition in complex background J. Optics and Precision Engineering, 2006, 14(3: 509-514 (in Chinese. 9 烏 旭 , 胡 家 升 , 梁 殿 亮 . 基 于

25、 區(qū) 域 分 割 的 指 紋 奇 異 性 檢 測(cè) 及 中 心 點(diǎn) 計(jì) 算 J. 光 學(xué) 精 密 工 程,2006,14(2:229-235. WU X, HU J SH, LIANG D L. An algorithm for singularity detection and center point calculation based on fingerprint segmentation J. Optics and Precision Engineering, 2006, (2: 229-235 (in Chinese. 10 GIAKOUMIS I, NIKOLAIDIS N, PIT

26、AS I. Digital image processing techniques for the detection and removal of cracks in digitized paintingsJ. Transactions on Image Processing, 2006,15(1: 178-188. 11 寧紀(jì)峰,何東健,楊蜀秦.玉米籽粒的尖端和胚部的計(jì)算機(jī)視覺識(shí)別J.農(nóng)業(yè)工程學(xué)報(bào),2004,20(3:117-119. NING J F, HE D J, YANG SH Q. Identification of tip cap and germ surface of cor

27、n kernel using computer vision J. Transactions of the Chinese society of Agricultural Engineering, 2004, 20(3: 117-119 (in Chinese. 12 權(quán)龍哲,馬小愚.基于小波分析的玉米籽粒圖像正形研究J.農(nóng)機(jī)化研究,2006,2:154-156. QUAN L ZH, MA X Y. Adjusting the Shape of Corn Kernels Based on Wavelet Analysis J. Journal of Agricultural Mechaniz

28、ation Research, 2006, 2: 154-156 (in Chinese Detection of surface cracks of corn kernel based on morphology Zhang Junxiong，Xun Yi，Li Wei College of Engineering，China Agricultural University，Beijing （100083） Abstract Surface cracks identification and detection of corn kernel was studied based on digi

29、tal image processing. CCFL (Cold Cathode Fluorescent Lamps were chosen to construct the image capturing illumination environment, and a set of image acquisition system of corn kernel was established. Then, a method of surface cracks detection was developed base on morphology of corn kernel. Firstly, bin