基于机器视觉的葵盘面积提取及产量预估试验研究

　　摘 要: 产量的获取是实施精准农业的关键，许多研究人员提出了多种向日葵产量监测方法，但测产的精度 及 适用性还不能完全满足用户要求。为此，提出了采用图像处理的方法对向日葵产量进行监测，并搭建了机器视觉系统的硬件平台对向日葵葵盘图像进行采集，拟定两种图像处理方案，确 定 最 优 方 法。选用八邻域算法对两种方案标记的最大连通区域进行面积信息计算，通过面积信息与人工计数得到的籽粒数量获取单个籽粒的面积信息，再由多组试验确定单个籽粒面积信息，依据葵盘面积与单个籽粒的面积计算单个葵盘中的籽粒数量，以 称 取千粒质量的方法获得单盘产量及总产量。

　　关键词: 向日葵; 测产; 机器视觉; 葵盘面积; 图像处理

　　雷禾雨1 ，李海军1 ，李 皓2 ，李 峤; 农机化研究 2022 年 7 月

　　0 引言

　　近年来，我国对葵花的需求量很大，播种面积逐年扩大，向日葵种植生产呈上升趋势。向日葵联合收获机的起步较晚，在完成脱粒、分离和清选等作业后仍存在较多的杂质。同时，由于田间土地不平整而导致机器倾斜，籽粒升运器将种子抛洒至籽粒仓时可能会有部分种子监测不到; 机器的振动也比较大，对籽粒流量的监测会造成较大的干扰，所以采用籽粒流量监测的方法会出现较大的误差。脱粒质量决定于较为恒定的喂入量和与之相匹配的滚筒转速。因茂密程度及作物性质的变化，往往会造成滚筒堵塞和脱离损失率高等故障，故采用机器视觉亦可监测收割机的割台喂入量。

　　为此，笔者提出了基于机器视觉技术的向日葵测产系统，以向日葵葵盘为监测对象，通过对向日葵葵盘的抓拍，测量其尺寸及数量计算出葵盘中的籽粒数量从而达到预估产量的目的。这样既可以避免了葵盘碎片、叶、秆等杂质的干扰，也避免了机械振动的干扰。

　　1 总体研究方案

　　1. 1 试验样品

　　试验样品选自内蒙古自治区乌兰察布市卓资县梨花镇品种为“SH361”的杂交种，随机选取 115 株作为试验样品。取向日葵葵盘为研究对象，分别对葵盘直径进行 2、4、8 次的多径向测量，并求其每组径向测量的平均值; 测量完成后，统一对葵盘进行编号，放置阴凉通风干燥处保存。

　　1. 2 图像采集

　　构建的机器视觉系统硬件包括工业相机、光 照箱、光源系统和计算机。

　　此系统工作原理分为 3 部分: 向日葵的图像采集、图像预处理和向日葵葵盘面积的测量。向日葵葵盘面积的测量分为两部分: 一是图像采集葵盘并对其面积测量; 二是对采集的图像进行预处理以及葵盘面积的测量。系统的操作过程是把向日葵葵盘置于传送带上，调整光源照射角度，工业摄像头显示图像; 然后，将显示的模拟图像通过工业摄像头传递到图像采集设备，把得到的图像保存到电脑。利用数字化图像处理的过程把得到的图像通过灰度化、二值化等过程之后，最后通过得到的葵盘面积像素值与单个籽粒像数值计算出单个葵盘籽粒总数量，并把所得的数据与实际数据互相对照，检验系统是否达到预估产量要求。该测产方式的目的是避免传统测产方式存在作物杂质造成的测量误差和机械振动的影响。

　　1. 3 图像处理

　　1. 3. 1 图像灰度化处理

　　灰度图像也称为单色图像，为了便于图像预处理及增强运行速度，一般把工业相机采集到的图像即RGB 图像转换为灰度图像。灰度化处理可以提高效率并使计算量变小，如图 1 所示。

　　1. 3. 2 图像二值化

　　在图像的预处理中，图像的二值化有利于图像的进一步处理，使图像变得简单，且数据量减小，能提取目标的轮廓，可增加识别效率，如图 2 所示。

　　1. 3. 3 基于形态学处理和面积阈值的向日葵二值图像消噪

　　由于向日葵植株碎叶及硬件本身的影响，得到的二值图像还存在许多噪声，需要进一步的处理来获取理想的目标区域。

　　首先，获取整个葵盘面积目标区域。将二值图像进行“开”运算消除其葵盘图像中细小的点，得到了较为完整的目标区域，如图 2( a) 所示。但是，葵盘中还存在一些细小的孔洞，这些孔洞的像素值要远远小于背景像素值，采用手动设置合适的阈值来消除葵盘中的孔洞，得到的图像如图( b) 所示。对此图像进行取反操作，获得目标区域为“1”，背景区域为“0”的二值图像，如图 2( c) 所示。此时得到的目标区域的面积远远大于图像中噪声干扰面积，所以经过面积阈值获得了较为理想的目标区域图像，如图 2( d) 所示。

　　2 算法设计

　　2. 1 区域标记

　　八邻域算法可以分析图像中区域的连通性以及有多少个互不连通的区域。在图像中每个像素周围有 8 个像素点，图像的边界点除外，彼此连通的点形成了一个区域。如果在一个区域内，某一个像素的八邻域有与其像素值相同的点，则称其为一个连通域。使用的软件开发工具为 MatLab ( 矩阵实验室) ，MatLab 中的 regionprops( ) 函数可以用于统计图像区域的属性，所以直接调用 MatLab 中的函数就可获取已标记连通区域的面积大小。

　　2. 2 籽粒计数

　　以研究葵花籽粒数量与葵花产量的关系来得到产量信息，葵花籽粒的计数也是至关重要的一部分。采用人工计数的方法来得到实际葵盘中的籽粒数量:

　　1) 将已经过测量并记录编号的葵盘进行手工脱粒，将脱离葵盘后的籽粒装入密封袋再次进行编号;

　　2) 随机抽取 10 袋对其进行人工计数并记录实际籽粒数量;

　　3) 根据图像处理获取的葵盘面积像素值 Ai 与实际籽粒数量 N 的比值得到单个籽粒的面积像素值 A0 。

　　虽然同一品种的葵花籽大小相差不大，但实际测量中也存在着一定的误差，因此对得到的单个籽粒像素值求平均值，以此来补偿测产误差。

　　取葵盘面积像素值与单个葵花籽粒像素值的比值得到葵盘中的籽粒数量 Ni ，即 Ni = round( Ai / A0 ) ( 1) 式中 Ni —试验所求籽粒数量;round —用四舍五入的方法进行取整; Ai —葵盘面积像素值; A0 —单个籽粒的面积像素值。此方法简便，容易实现，运行速度更为快捷。

　　2. 3 向日葵空壳率

　　空壳是影响向日葵产量的重要因素。葵盘中的秕壳使用机器视觉是检测不到的，所以在计算产量时也应当考虑籽粒的空秕率。向日葵在干旱地区空壳现象较普遍，一般空壳率 20% ～ 35% ，高者在 50% 以上，甚至花盘全是秕粒。向日葵空壳以花盘中心部位秕粒最多。

　　2. 4 产量计算

　　计算向日葵产量时，先测定其籽粒的千粒质量。千粒质量是以克表示的一千粒种子的质量，是体现种子大小与饱满程度的一项指标。

　　从除去杂 质 的 净 粮 中，不加挑选地数出两组试样，大粒籽每组 500 粒，中、小粒籽每组 1000 粒，按组分别称重( 准确至 0. 1g) 。

　　随机从密封袋中人工数出 3 组 1000 粒葵花籽，分别称重。

　　自然水分千粒质量为 mH = W m × 1000 ( 2) 式中 W —实测试样质量( g) ; m —实测试样粒数; mH —自然水分千粒质量。双试验结果允许差: 千粒质量 20g 以下的不超过 0. 4g，千粒质量 20. 1g ～ 50g 的不超过 0. 7g，千粒质量 50. 1g 以上的不超过 1. 0g。根据葵盘的数量及葵花籽粒的数量，再按其籽粒千粒质量可得出产量信息，最后刨去其空壳率，即产量 = 葵花籽粒数量 × mH 1000 × ( 1 - 空壳率) ( 3)

　　3 试验分析

　　3. 1 试验方案

　　1) 去除中央空壳籽粒区域的图像信息，直接提取向日葵圆盘的面积信息。由于向日葵中央空壳区域的籽粒相较于正常的饱满籽粒要小很多，而且紧实嵌入在向日葵葵盘中，人工脱粒时很难将此区域的籽粒脱离干净，即使使用机械脱粒也会有部分存留在葵盘碎片中。在人工脱粒后的籽粒进行计数时，只计算饱满颗粒的数量。在处理葵盘图像时直接提取圆盘的面积信息，使用此面积进行籽粒计数时，假设葵盘中的籽粒都是正常饱满颗粒。

　　2) 保留葵盘中央空壳籽粒区域的图像信息。试验选取的向日葵花盘中央区域有空壳的现象，空壳籽粒上方紧密覆盖一层小花，区域形状大多不规则，也有类似圆形的区域，小花颜色呈褐色，与籽粒颜色有区别。在处理向日葵图像的过程中，可保留中央空壳区域，将此区域处理为背景区域，标记前景图像中最大的连通区域，计算标记连通区域的面积。

　　3. 2 试验步骤

　　1) 基于向日葵葵盘轮廓进行多个径向的直径测量，分别对葵盘直径进行 n 次手工测量，n 分别为 2、 4、8，计算 n 次直径测量后的平均值。

　　2) 基于 MatLab 软件开发工具对向日葵葵盘图像进行处理，得到目标区域，计算目标区域的像素面积。

　　3) 人工对向日葵籽粒进行脱粒，将脱离葵盘后的葵花籽装入密封袋并对应葵盘编号记录，并随机抽取 10 袋进行人工籽粒计数。

　　4) 根据上述两种方案得到的目标区域面积和人工计数得到的籽粒数量计算单个籽粒的像素面积，并对得到的单个籽粒像素面积求平均值。

　　5) 根据已知的两种葵盘像素面积和单个籽粒像素面积的比值，求出葵盘中的籽粒数量，最后将数据代入式中计算其产量信息。

　　3. 3 试验结果及分析

　　采用图像处理的方法，可以快速无损地提取向日葵葵盘的尺寸，使用上述两种方案分别对向日葵葵盘进行面积获取，两种方案获取的葵盘面积像素值如表 1 所示。

　　方案一获取的葵盘面积像素值保留了中央空壳区域的面积，方案二为整个葵盘的面积大小。经过两组方案得到的面积尺寸对照，计算出中央空壳区域对于整个葵盘的空壳率。在向日葵生长过程中，每个植株的生长情况不能统一而论，所以向日葵中央空壳区域的面积也不可能在每个葵盘中均匀分布。由表 1 可知: 出去几个异常值，向日葵中央区域的空壳率基本都在 2. 9% ～ 5. 5% 之间。

　　根据两种方案获取的葵盘面积像素值与人工计数得到的籽粒数量，按照对应的编号取面积与籽粒数量的比值，从而获取两种情况下单个籽粒的像素值。单个籽粒像素值如表 2 所示。

　　由表 2 可看出: 每个葵盘中的单个籽粒像素值大小不均匀，呈离散型，所求取的平均值不具说服力。

　　试验中采集到的葵盘大小不同，直径最小的 为14. 7cm，最大的为 24. 7cm，按照大、中、小把葵盘分为 3 种规格: 直径 14 ～ 17cm 为较小葵盘，直径 18 ～ 21cm 为中等葵盘，直径 22 ～ 25cm 为较大葵盘; 每种规格选取 15 个葵盘，分别计算 3 组葵盘的单个籽粒像素值并计算 3 组数据的平均值，最后，再对数据得到的平均值求平均值，计算结果如表 3 所示。

　　试验结果显示: 使用两种方案对 3 种规格大小的葵盘图像处理，得到的单个籽粒像素值的平均值大小还是存在微小的差别，但是总体趋于平稳。两种方案对 3 种规格的葵盘，图像处理得到的单个籽粒像素值的总体平均值分别对应两种方案获取的葵盘面积像素值计算葵盘中的籽粒数量，得到的籽粒数量与实际籽粒数量相互对照，验证此种方法的可行性。试验得到的籽粒数量如表 4 所示。

　　两种方案得到的籽粒总数量与实际总数量存在的误差较小，但单个葵盘籽粒数量存在有较大误差的异常值，所以此数据不能作为测产依据，需要查明原因并对数据进一步处理，为后续测产提高准确度。在实际生产中，播种过程中可能会混入其他品种的种子，在同一地块选取试验材料时默认地块中的作物为同一品种，但实际选取的材料中掺杂了其他品种的作物，也就造成了籽粒数量计算的结果个别误差较大。剔除误差较大的异常值，计算两种方案得到的籽粒总数量与实际籽粒总数量对照，结果如表 5 所示。

　　由表 5 可知: 两种方案获得的籽粒总数量相差较小，但是采用方案一获得的籽粒数量相较于实际情况误差更小。将方案一中试验所得三组规格大小籽粒数量和已获取的葵盘面积代入测产公式，测产结果如表 6 所示。

　　在向日葵生长期营养充分，花盘中央的空壳率只有 4%，缺少水肥时空壳率高达 35%，如果严重缺水，花盘会全部空壳。在处理葵盘图像的过程中，已把中央空壳区域当做背景信息处理，提取到葵花籽有效区域。

　　由表 6 可以看出: 试验样本获得的产量信息与实际产量大部分存在的误差在 10% 以内，有将近五分之一的单个葵盘产量误差在 10% 以上。造成此误差较大的原因，很大程度上是因为葵盘中的空壳率比较大，按照饱满颗粒计算产量的方法就会忽略空壳的情况。

　　4 结论

　　以向日葵品种 SH361 杂交种为研究对象，采用机器视觉可以无损提取向日葵葵盘的面积尺寸信息，以此方法来预估向日葵的产量。通过产量公式的计算，得到的单个葵盘产量信息与实际产量对比，产量误差在 0. 09% ～ 19. 4% 之间。大部分的误差在 4% 左右，总产量的误差为 2. 5% ，误差都在可允许范围之内。在合理育种正确栽培的饱满颗粒作物中，本试验可为今后测产提供重要依据。