水稻雜質及破碎籽粒的機器識別

《農業工程學報》2018年第34卷第13期刊載了江蘇大學陳進、顧琰、練毅和韓夢娜的論文——「基於機器視覺的水稻雜質及破碎籽粒在線識別方法」。該研究由國家重點研發計劃重點專項(項目號：2016YFD0702001)等資助。

目前國內的聯合收穫機普遍缺乏作業過程中對穀物含雜率、破碎率的監測裝置，只能停機後依靠人工完成。採用機器視覺技術可以實現作業過程中對穀物含雜率、破碎率的監測，提高穀物收穫的質量。

該文提出基於機器視覺的水稻圖像採集，雜質與破碎籽粒識別方法。機器視覺系統主要由穀物採集裝置、嵌入式處理器Jetson TK1、工業相機、光源以及顯示器等部分組成。嵌入式處理器控制穀物採集裝置周期性地採集穀物、拍攝圖像，並利用圖像處理演算法實現雜質及破碎籽粒的識別。

採用帶色彩恢復的多尺度Retinex演算法增強原始圖像，利用最大類間方差法獲得二值圖像。將原始圖像從RGB顏色空間轉化到HSV顏色空間。對HSV顏色模型的色調、飽和度兩個通道分別設定閾值進行圖像分割，並結合形狀特徵判斷得到分類識別結果。

對100幅田間採集的水稻圖像進行雜質和破碎籽粒的分類識別，平均一幅圖的識別時間為3.24 s。採用綜合評價指標F1值對識別結果進行量化評價，莖稈雜質識別的F1值達到了86.92%，細小枝梗雜質識別的F1值為85.07%，破碎籽粒識別的F1值為84.74%。

結果表明，提出的方法能夠對聯合收穫機糧箱內的水稻進行圖像採集，並且能快速、有效、穩定地識別雜質和破碎穀粒，為水稻含雜率、破碎率的在線監測提供技術支撐。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！