机器视觉在种子自动分选系统中的应用_卢卓

- 161 -
2008 年 1 月
农机化研究
第1期
的控制器选用可编程控制器 PLC，采用气动吹离方 式等。试验结果显示，总的分级合格率达到了 90% 以上，处理速度达 20 粒/s 左右。吴继华、刘燕德、 欧 阳 爱 国 [19]（ 2005）研 究 了 一 种 基 于 机 器 视 觉 技 术 的快速低成本实时检测杂交水稻种子品种新系统和 方法。该系统包括自动上料机构、光照箱、图像采 集卡、CCD 摄像头和自动下料机构等硬件以及图像 处理及品种识别软件组成。通过此系统识别 100 粒 种 子 的 时 间 为 5s，品 种 的 识 别 率 分 别 达 到 了 ：先 农 5 号 为 99.99%，金 优 桂 为 99.93%，优 166 为 98.89%, 先农 3 号为 78.82%,中优 463 为 86.65%。
收稿日期：2007-03-25 基金项目：国家自然科学基金项目（60468002，30560064） 作者简介：卢 卓（1981-）,男，湖南祁阳人，硕士研究生，(E-
mail)zhuozhuo0918@。 通 讯 作 者 ： 刘 燕 德 （ 1967-）， 女 ， 江 西 泰 和 人 ， 教 授 ， 博 士 ，（ E-
种子自动检测分选系统由软件和硬件两部分 组成，其中软件部分主要包括图像处理及品种识别 检测软件。硬件部分如图 1 所示。
图像采集卡 排种机
摄像头 光源 输送装置 下料斗
步进电机
图 1 种子自动分选系统
硬 件 主 要 由 5 大 组 成 部 分 ：一 是 种 子 落 料 机 构 。 如排种机及辅助装置，通过落料机构可以将大量的 种子规则散布到输送机构的传送带上。二是种子输 送机构。包括传送带、电动机、传送滚子等，起输 送物料的作用。三是图像采集和处理系统。主要包 括光源、摄像头、图像采集卡、计算机等。其主要 功能是采集由输送机构输送来的农作物种子图像， 并将其图像信息传递到计算机中进行处理，进行判 断识别和检测，并发出检测结果信息。四是分级机 构。包括各种机械式、电动式或气动式分级装置， 在控制系统的控制作用下将种子按预期的目的进行
1Байду номын сангаас检测分选系统及功能
传 统 的 种 子 检 测 分 级 主 要 以 清 选 为 主 [1]， 如 气 流清选、筛选、窝眼筒分选、比重清选、摩擦分离 器分选等，都是单一地针对种子大小、质量、颜色 的不同去除杂渣、碎裂和病粒；而种子品质有多方 面的含义，还包括分子生物信息、生长活力信息、 胚乳信息等。因此，传统的机械分级手段已不能满 足现代农业的要求。20 世纪 70 年代以来，随着机 器视觉技术的迅速发展，国际上许多研究人员利用 该技术在农业生产自动化领域中开展了许多方面的 研究，尤其在需要重复、单调地依靠视觉获取信息 的场合，可以做到快速、准确、无损等人工无法比 拟的效果。其在农产品分级和检测方面也得到了广
4 展望及设想
通过对国内外研究现状的分析，笔者认为在以 后的研究中，一方面应该大力研制集成农作物种子 检测算法的硬件与检测仪器，并提高处理速度。与 国外相比，国内起步较晚，现有的研究成果距实际 应用还存在着有一定的距离，且主要停留在检测算 法和静态图象处理的水平上，而动态下的实时精选 分 级 装 置 尚 不 完 善 ，目 前 还 没 有 商 业 化 的 检 测 仪 器 ， 国外的检测仪器不能完全适用我国的多种农作物类 型。另一方面要研究用于实际生产线的技术，开发 快速、可靠、高自动化、低成本的种子检测分选设 备及生产线，实现利用机器视觉技术进行种子动态 在线检测、识别与分级，促进农作物增产增收，提 高我国种业在国际市场上的竞争力。 参考文献：
3 国内研究进展
宋韬等[13]人（1996）应用机器视觉技术选择并 获得了 11 个玉米粒形态参数，采用 BP 冲量算法建 立了一个 3 层前馈神经元网络，实现了在任意放置 玉米粒的情况下都能在线自动识别出完好玉米与破 损玉米，对 175 粒完整玉米以及 175 粒破损玉米的 识 别 试 验 显 示 ， 正 确 率 为 93%。 成 芳 、 应 义 斌 [14] （2003）根据机器视觉检测杂交水稻种子质量的要 求，对单粒、静态稻种图像进行霉变分析识别，比 较了提取颜色特征的 3 种方法，研究了基于颜色特 征的稻种霉变检测法。经试验验证，该算法对正常 稻种，轻度霉变稻种，严重霉变稻种的检测准确率 分别为 92%，95%，83%。黄星奕[15]（2004）对基于 机器视觉的稻谷品种的识别技术进行了研究，提出 了将图像的颜色特征和形状特征相结合进行识别的 方法，通过贝叶斯决策方法设计识别分类器，识别 的正确率达到 83.3%以上。凌云、李伟[16]（2005） 以稻米、小麦和玉米为检测对象，研究了一套动态 外观品质检测系统。该系统由硬件和软件两部分组 成，系统硬件由计算机、CCD 摄像机、进料机构、 驱动机构、出料机构和光源系统等几部分组成。在 采集谷物籽粒图像时，实现了自动进样，动态采集 谷物籽粒正反两面图像和自动回收样品的功能，方 便了用户使用，能够对标准米、垩白米、破损米和 异型米进行分类，对标准麦、破损麦和异种麦进行 分类，还能够对标准玉米、破损玉米和异种玉米进 行 分 类 。 成 芳 [17]（ 2005） 应 用 机 器 视 觉 对 稻 种 质 量 无 损 检 测 进 行 系 统 研 究 ，开 发 了 基 于 Matlab 平 台 的 图像分析系统，提出了针对稻种质量检测的专用图 像 预 处 理 方 法 ，以 实 现 稻 种 尺 寸 ，形 态 和 颜 色 共 23 个基本特征参数的提取，并用 K-W 检测进行单特征 分析，图形考察特征值分布，直接选择特征或经主 成分分析选择最优特征组合。对于稻种常见缺陷如 芽谷、霉变和裂颖，开发了高精度的识别算法。蔡 卫国 [18]（2005）研制 了 一套 种 子精 选分 级 系统 ，该 系统采用类似水果检测分级装置中通常采用的传送 带作为输送方式，并在传送带上预制孔穴，用来精 确 定 位 ；采 用 基 于 机 器 视 觉 的 图 像 采 集 和 处 理 系 统 ， 用传感器对被检测的种子位置进行实时跟踪。系统
[1] 李 自 华 ，柯 保 康 .农 业 机 械 学 [M].北 京 :中 国 农 业 出 版社,1999:231-253.
[2] 应义斌 ,傅宾忠,蒋亦元 ,等.机器视觉技术 在农业 生 产 自 动 化 中 的 应 用 [J].农 业 工 程 学 报 ,1999,15 (3):199-203.
[3] 刘燕德,应义斌,成 芳.机器视觉技术在种子纯度 检 验 中 的 应 用 [J].农 业 机 械 学 报 ,2003,34(5):22 -25.
态与颜色来判断破损率；另一个是近红外传感器， 用 于 检 测 含 水 率 、 蛋 白 质 含 量 。 Hong-Sun Yun， Won-ok Lee 等 [12]（ 2003）运 用 机 器 视 觉 对 大 米 外 观 品质进行分级，将大米分为精米、碎米、垩白米， 整 个 系 统 的 运 行 速 度 为 每 2s 分 类 200 个 样 品 ，分 级 精度超过 98.9%。
认为种子的动态在线检测应用前景广阔。同时，指出了当今国内外研究中存在的问题和对今后研究的进一
步展望。
关键词：农业工程；机器视觉；应用；种子；自动分选
中 图 分 类 号 ：S223.1+2
文 献 标 识 码 ：A
文 章 编 号 ：1003─ 188X(2008)01─ 0160─ 03
0 引言
农作物种子质量的好坏很大程度上决定了种 植业的成败，而种子检验分选是确保种子质量的重 要环节。我国农作物种类繁多，品种各异，其种子 特性如大小、质量、形状、颜色等差异也非常大。 为此，对种子分选提出了不同的要求，各种分选方 法也应运而生。近年来，随着计算机运算速度的不 断提高和机器视觉技术在农业工程领域的广泛应 用，采用机器视觉技术并结合图像处理技术、自动 控制技术、人工智能来实现种子质量动态检测和自 动分选的方法有着广阔的应用前景。
- 160 -
2008 年 1 月
农机化研究
第1期
分级。五是控制系统。主要包括控制器 PLC、传感 器、电磁阀、继电器、变频器、空气压缩机和其他 辅 助 元 件 等 ，功 能 是 实 现 整 个 检 测 分 级 系 统 的 自 动 、 准确地运行。
分选系统的工作原理是：大量种子通过落料机 构规则分散到传送机构的输送带上，随着输送带的 运动送入到图像采集和处理系统；通过计算机进行 图像处理，编制品种识别软件判定种子的质量或种 类，并输出检测结果信息到控制系统；控制系统发 出指令来控制相应的分选执行机构动作，将农作物 种子按要求进行分选。
2 国外研究进展
在利用机器视觉进行农作物种子质量检测和 自动分级的研究方面，国外起步比较早，无论是检 测算法和静态图像处理方面的研究还是动态在线检 测与自动分级装置和仪器研制方面都取得了很多的 成 果 。早 在 1985 年 就 有 学 者 进 行 了 谷 物 籽 粒 形 态 识 别方面的研究，目前已经有商品化的仪器。例如， 瑞典 Foss 公司的 1625 型自动谷物品质分析仪，日 本 株 式 会 社 Kett 科 学 研 究 所 的 米 谷 粒 判 别 器 等 。近 几年，针对种子的自动检测分级技术进行了大量的 探索性研究。Liao K.等[4]人（1994）根据玉米粒的 颜 色 和 表 面 缺 陷 进 行 实 时 分 级 ，每 秒 处 理 12 个 玉 米 粒。Ni B 等[5]人（1997）设计建立了对玉米籽粒进 行自动识别和分级的机器视觉系统，对整粒和破损 粒成功地进行了鉴别，成功率达 90%以上。Ng H F 等 [6]人 （ 1998） 建 立 了 一 套 视 觉 系 统 用 于 测 定 玉 米 的 机 械 损 伤 和 发 霉 损 失 ，具 有 很 高 的 精 度 和 一 致 性 ， 总体偏差在 5%以内。Pearsor T C.等[7]（1998）用 机器视觉系统自动检验污染黄曲霉的阿月浑子，分 选 达 到 163kg/（ channel·h）的 商 业 速 度 ，一 次 可 检验出 97.8%的无污染果。Tao Y 等人[8](1998)提供 了一种有效的在线自动标定多照相机检查系统的闭 环搜索方法，适用于大型视觉系统以确保检验精度 的一致性。Wan Y N 等[9]人（1999）研制的谷物分 级系统，通过六盘式送料机构，将种子送入检测视 场 ，CCD 采 集 系 统 统 一 采 集 24 粒 ，通 过 分 类 系 统 识 别、比较，共分 6 级，由 PLC 控制高压气体将谷物 吹入分级通过，最后进入集料箱，系统处理速度为 0.045s/粒 ，检 测 健 康 谷 物 的 合 格 率 为 97%。Shahin and Symons 等[10]人（2002）基于颜色和纹理特征对 小扁豆进行分级，并建立了在线分级系统。 Shuso.Kawamura 等 [11]人（ 2003）研 究 了 干 燥 后 的 谷 物自动检测系统，该系统有两个视频采集输入：一 是计算机视觉采集，主要是通过检测谷物的外观形