任意姿态玉米种子定位方法研究

摘 要：为准确提取玉米种子不同区域色彩特征和形状特征，解决机器视觉检测中需以特定装置固定种子位置以及人工规则摆放的问题，提出一种任意姿态玉米种子定位的方法。该方法首先对采集的任意姿态的玉米种子彩色图像进行预处理，实现对单粒玉米种子图像的分割提取；然后利用B通道阈值对单粒种子图像进行分割，计算黄色部分像素面积比例，判断出种子无胚芽侧面并对其归类；其次，对种子轮廓图像坐标以遍历方式计算轮廓间最长距离的方法获取种子尖端点坐标，并通过一阶中心矩提取质心坐标，得到玉米种子图像倾斜度，求得图像旋转角度θ°；最后，对玉米种子图像进行θ°仿射变换（Affine transformation）旋转，获取玉米种子水平放置图像，为进一步提取色彩特征和形状特征提供准确定位。试验表明，该方法可将任意姿态的玉米种子进行有效旋转定位，具有较好的实用性，同时该方法对于其他需要定位的种子图像同样适用。

关键词：任意姿态；玉米种子；阈值分割；仿射变换定位

中图分类号：S513 文献识别码：A DOI编码：10.3969/j.issn.1006-6500.2017.01.001

Abstract： In order to extract color features of different regions of maize seed and solve the problem that seeds need to be put by manual regular operation and specific device in machine vision detection，a method of maize seed location at random position was put forward. Firstly， the color image of maize seeds at random position was preprocessed and single seed images were extracted. Then single seed was segmented by B component threshold to calculate area of yellow part and the ratio of endosperm area in all seed， judging the classes of maize side. Then， the longest distance L between all contour-coordinates could be calculated by traversal behaviors that were used to obtain tip coordinate of grain. The centroid of grain image counted by first order central moment of grain contour combines with tip coordinate to calculate gradient of maize seed image and rotation angle θ°. Finally， the grain image was rotated in certain angle by affine transformation to get horizontal position image of maize seed which could provide accurate location of grain seed for extracting the color features and shape characteristic further. The result showed that this algorithm could rotate the maize seed at random position to horizontal position effectively， and that it was suitable for other grain seed which needs to locate in detection and recognition.

Key words： random position；maize seed；threshold segmentation；affine transformation localization

机器视觉以其无损、快速、准确的检测方式在玉米种子检测研究中得到了广泛应用[1-2]。朱启兵等[3]通过人工规则摆放种子，利用高光谱信息识别种子纯度；张俊雄等[4]利用特定小孔放置玉米籽粒，通过Navajo标记籽粒胚部，筛选玉米单倍体；曹维时[5]、刘双喜等[6]利用孔板式玉米种子摆放装置[7]提取玉米侧面和冠部色特征，对种子进行纯度识别。特定装置以及规则摆放虽然在一定程度上规范了玉米种子数据的采集方法，但设备的增多、人为放置不仅增加了误差产生的几率，而且费时费力。同时，随着研究的深入，对玉米种子特定区域的颜色特征以及外形参数的提取须进行准确定位。国内已有专家对玉米籽粒尖端识别及姿态正形定位进行了研究。权龙哲等[8]利用小波变换对玉米籽粒图像进行正形；宁纪锋等[9]通过籽粒尖端尖锐程度和胚部亮度实现了玉米尖端及胚部的识别；杨蜀秦等[10]提出了基于Harris的玉米籽粒尖端识别方法；张俊雄等[11]根据形心与籽粒尖端距离，找到尖端位置。这些方法都在一定程度上实现了籽粒的正形或尖端定位，但实现步骤略显繁琐，适应性较差。

本研究提出一种任意姿态的玉米籽粒图像定位方法。该方法通过RGB颜色模型的B通道单阈值对籽粒侧面进行分割，并统计黄色部分的面积，利用面积比实现对无胚面的识别归类；以遍历计算轮廓间最长距离L的方式找到玉米籽粒尖端坐标，结合质心计算出籽粒图像的倾斜度；最后，经过仿射变换[12-15]θ°旋转，实现籽粒的水平定位。试验表明，该方法可对任意姿态的玉米籽粒实现定位，具有较好的实用性，且对相似的其它种子定位同样适用。

1 材料和方法

1.1 试验材料与设备

选取北京金色农华种业科技有限公司生产的未包衣玉米品种郑单958为试验材料。采集玉米籽粒图像所用设备为玉米种子图像采集系统[16]。该系统主要由CCD相机、背景板、光箱、四面无影光源和计算机组成。其中，DFK 41BU02彩色CCD相机（The Imaging Source公司）；M3Z1228C-MP工业镜头（日本Computar公司）；联想扬天M4600D-10计算机（联想集团有限公司）；SP-300-192-W四面无影光源（东莞康视达自动化科技有限公司）；背景板为哑光黑色硬纸板。

1.2 样本采集与预处理

随机抓取玉米种子，洒在背景板上。利用采集设备拍摄的玉米种子图像为1 280 × 960 Pix的真彩色24位BMP图像，玉米种子彩色图像如图1所示。

将玉米籽粒彩色图像转化为256级的BMP灰度图像，加快后续处理速度，然后对灰度图像进行高斯滤波，抑制图像噪声，再对种子图像做背景分割，提取单粒玉米种子图像，最后进行单粒种子轮廓提取。玉米籽粒剖面图像预处理结果如图2所示。

1.3 玉米种子定位方法

1.3.1 籽粒侧面判定 随意抛洒的玉米籽粒姿态位置是随机的，因此需要对玉米的籽粒尖端、顶部位置、有胚面和无胚面进行判定。本研究采用阈值分割方法，对提取的种子图像进行分割识别。利用RGB模型对籽粒进行色彩分析，玉米籽粒尖端及胚部为白色，胚乳为黄色或淡黄色。从玉米籽粒有胚面的RGB分量三维直方图（图3）中可看出，整个籽粒侧面R分量值分布相对均匀，黄色区域与白色区域的G值有细微差异，但不适合作为两区域的分割阈值，而B分量值差异最明显，可用于区分黄、白两区域。图4为籽粒侧面B通道颜色散点图，从中可观察到两区域B值差异明显，黄色区域B值主要集中在30～120，白色区域B分量值多集中在120～250之间。经多次试验，确定以B分量值120作为籽粒侧面分割阈值。

利用B分量值120对籽粒图像进行色彩分割，分别计算同一籽粒有胚面和无胚面的白色区域像素面积及单粒种子的总面积。图5为种子侧面分割效果图，其中（a）为有胚面图像，（b）为有胚面分割图像，（c）为无胚面图像，（d）为无胚面分割图像。表1为10粒玉米种子各个侧面黄色部分面积统计的结果。

通过图6可看出，籽粒有胚面和无胚面两侧黄色区域所占籽粒总面积比率不同。经多次对比分析，以占籽粒总面积70%作为判定玉米种子侧面位置的依据，并对玉米籽粒侧面图像进行标记归类处理。当黄色部分所占面积比率大于70%时，表示玉米种子的无胚侧面朝向CCD照相机（朝上）；当黄色面积所占比率小于70%时，表明种子有胚侧面朝上。

1.3.2 最长距离L 以遍历方式计算获取单粒玉米种子轮廓像素位置坐标，并计算轮廓坐标间的距离。假设某轮廓点坐标为（x， y），则点（x， y）与其他像素（xi， yi）的距离如公式（1）。轮廓间距离统计结果如表2所示。

对全部轮廓坐标间的距离L进行比较，得到最大距离Lmax时的两点坐标（xi， yi）和（xk， yk）。为区分（xi， yi）和（xk， yk）两坐标位置，提取图像中两坐标位置的B通道值。由于玉米种子尖端颜色呈白色，顶端颜色呈黄色，在（1.3.1）中得知，玉米籽粒黄色区域与白色区域B分量值差异较大。白色部分B分量值较大，黄色部分B分量值较小，分类阈值为120。以此判断两坐标所属玉米籽粒区域，作为计算玉米种子旋转中心轴线的一端点。判断依据如下所示：

1.3.3 质心的获取 对玉米种子任意姿态的定位，需确定玉米种子外形中心轴线，即过质心和玉米籽粒尖端点的直线。对单粒玉米种子图像进行目标质心提取，求得质心坐标（xc ， yc），并在原图标记。对于一幅二维的连续图像，其阶矩定义为：

其中，p和q为非负整数，对离散化的数字图像，式（3）可为：

通常，图像的前10个矩（p+q≤3）获得最为广泛的应用，且具有实在的物理意义。0阶矩（m00）表示物体的质量，1阶矩（m10， m01）表示物体的质心。由上式可知，质心即是第0阶矩和第1阶矩，图像质心的坐标公式为：

以图2（c）种子为例，质心示意图如图7（a）所示。最终，利用质心与籽粒尖端得到中心轴线。已获得籽粒质心坐标为（xc ， yc）及尖端坐标（xj ， yj），以质心为坐标原点，籽粒尖端位置的相对坐标（x， y）为：

通过反正切函数，可求得角度θ，同时利用相对坐标（x ， y）在象限图中的分布（如图7（b），数据来自验证试验），最终确定旋转角度θr：

1.3.4 籽粒D像的仿射变换 仿射变换（Affine transformation）是一种二维坐标到二维坐标之间的线性变换，它保持了二维图形的平直性。对任意姿态的玉米种子图像采用仿射变换进行旋转校正，将单粒种子图像围绕图像中心旋转一定角度，实现对种子姿态的调整。假设x-y坐标系中，坐标原点为（0 ， 0），坐标原点移动（x0 ， y0），围θ绕坐标轴旋转θ°，则在新坐标系X-Y中坐标值的方程组可求，同时，为将原点移动的值放入矩阵，加入一个冗余方程，则坐标值旋转矩阵方程如（9）所示。

2 结果与分析

随机挑选玉米种子进行本方法的准确性试验和可行性验证。将玉米籽粒图像每旋转15°进行一次拍摄，如图8（a）所示，然后利用本文方法对图像进行旋转定位，以玉米籽粒原图像为参照，计算每次旋转的相对误差，试验数据如表3所示。经过验证，所有任意姿态的玉米籽粒均实现了水平定位。以玉米籽粒θ°图像为参照标准，旋转相对误差范围为0.187 1°～2.046 3°。随机选取部分玉米种子，实现定位结果如图8（b）所示。结果表明，该算法可实现任意姿态的玉米种子水平定位，具有一定的实用性。

3 结 论

（1）采用基于RGB颜色模型的B通道阈值分割方法实现玉米侧面黄色区域和白色区域的分离，并通过统计玉米侧面黄色面积比对玉米籽粒有胚面、无胚面并进行归类。简化识别分类方法，提高算法的适应性。

（2）提出一种基于遍历最长距离L的玉米种子尖端和顶点坐标的获取方法，快速准确地得到玉米籽粒两端坐标，实现玉米籽粒尖端识别。

（3）以玉米尖端与质心作为籽粒中心轴线，通过计算旋转角度对单籽粒图像进行仿射变换，实现对任意姿态的玉米种子图像的水平定位，以解决目前玉米种子在检测中图像采集需要特定装置固定以及人工摆放的问题，简化机器视觉在农产品检测中的设备使用及处理工序，提高检测的效率。

参考文献：

[1]郑小东，王杰.机器视觉在玉米籽粒品质检测中的应用研究[J].中国粮油学报，2013，28（4）：124-128.

[2]成芳，应义斌.机器视觉技术在农作物种子质量检验中的应用研究进展[J].农业工程学报，2001，17（6）：175-179.

[3]朱启兵，冯朝丽，黄敏，等.基于图像熵信息的玉米种子纯度高光谱图像识别[J].农业工程学报，2012，28（23）：271-276.

[4]张俊雄，武占元，宋鹏，等.玉米单倍体种子胚部特征提取及动态识别方法[J].农业工程学报，2013，29（4）：199-203.

[5]CAO W S，ZHANG C Q，WANG J X，et al.Purity identification of maize seed based on discrete wavelet transform and BP neural network[J].Transactions of the Chinese society of agricultural engineering（Transactions of the CSAE），2012，28（S2）：253-258.

[6]刘双喜，王盼，张春庆，等.基于优化DBSCAN算法的玉米种子纯度识别[J].农业机械学报，2012，43（4）：188-192.

[7]山东农业大学.一种孔板式玉米种子摆放装置： 201020530776.1 [P].2011-05-11.

[8]权龙哲，马小愚.基于小波分析的玉米籽粒图像正形研究[J].农机化研究，2006 （2）：154-156.

[9]宁纪锋，何东健，杨蜀秦.玉米籽粒的尖端和胚部的计算机视觉识别[J].农业工程学报，2004，20（3）：117-119.

[10]杨蜀秦，宁纪锋，何东健.基于Harris算子的籽粒尖端识别方法[J].农业机械学报，2011，42（3）：166-169.

[11]俊雄，荀一，李伟.基于形态特征的玉米种子表面裂纹检测方法[J].光学精密工程，2007，15（6）：951-956.

[12]李培华，肖莉娟.基于Mean Shift的相似性变换和仿射变换目标跟踪算法[J].中国图象图形学报A，2011，16（2）：258-266.

[13]张伟，任仙怡，张桂林，等.基于对数极坐标变换和仿射变换的目标识别定位方法[J].中国图象图形学报，2006，11（9）：1255-1259.

[14]SONG X H， MUSELET D， TRMEAU A.Affine transforms between image space and color space for invariant local descriptors [J]. Pattern recognition， 2013，46（8）：2376-2389.

[15]HUANG Z Y，KANG W X，WU Q X，et al.A new descriptor resistant to affine transformation and monotonic intensity change[J].Computer vision and image understanding，2014，120（5）：117-125.

[16]王盼.基于机器视觉和优化DBSCAN的玉米种子纯度识别[D].泰安：山东农业大学，2012.