專利名稱：小麥麥穗發芽程度檢測方法
技術領域：
本發明涉及農作物育種及圖像識別技術領域，特別涉及一種小麥麥穗發芽程度檢測方法。
背景技術：
小麥麥穗發芽是指小麥在收獲期遇到陰雨天氣麥穗上發芽的現象,小麥麥穗發芽是一個世界范圍性的問題，主要分布在收獲期易降雨的地區，是一種嚴重的自然災害。小麥麥穗發芽不僅會使小麥產量降低而且由小麥麥穗發芽引起的一系列生理變化會使小麥的品質受到嚴重影響，影響到企業和農民的經濟利益。因此，小麥麥穗發芽的檢測具有重要的意義。小麥麥穗發芽與穎殼形態、芒的長短、種皮顏色、籽粒大小、α -淀粉酶含量等多種因素有關。
目前對于小麥麥穗發芽的鑒定方法主要有三種種子發芽試驗、整穗發芽試驗和酶活性測定。鑒定的指標有形態指標、生化指標、發芽率或者發芽指數。形態指標主要通過人工目測法來判斷種子是否發芽，從而計算出發芽率，來衡量發芽的程度，這種方法易受人為主觀因素的影響，同時需要逐粒觀察種子，效率較低。生化指標的測量主要通過測量沉降值、α -淀粉酶活性，來表示穗發芽的程度，這種方法具有破壞性，且操作復雜，耗時耗力。現有技術中提出了一種基于機器視覺的芽谷檢測方法。其中，機器視覺就是利用機器視覺產品如工業相機、攝像頭等來代替人眼獲取物體的圖像，將利用機器視覺獲取的圖片結合相應的圖像處理算法獲取目標物體的特征信息。目前機器視覺已廣泛用在種子質量檢測與分級、種子病蟲害檢測等種子無損檢測方面。隨著機器視覺技術在農業中的應用，目前已有關于機器視覺技術運用于種子和穗發芽檢測的報道。此方法首先是利用研制的稻種質量檢測機器視覺系統分別獲取黑、白背景的兩種稻種圖像，繼而對圖像進行預處理，得到相應的二值圖像，獲取稻種輪廓特征參數。利用主成分分析對特征參數進行降維操作后，將特征參數作為網絡輸入，對網絡結構進行優化并充分訓練后分別建立各個品種的兩層人工神經網絡，用來對正常稻谷和芽谷進行識別。現有技術中還提出了一種基于軟X射線技術的種子發芽檢測方法。此方法是利用軟X射線系統同時獲取發芽種子和健康種子的X射線圖。從X射線圖里就可以很清晰的看到所有發芽種子的射線圖里都有白色的斑點。利用相應的算法從掃描獲取的圖像中提取包括灰度級模型和直方圖在內的55個圖像特征，然后利用統計和神經網絡分類器對發芽種子和健康種子進行識別。然而，傳統的小麥穗發芽程度檢測方法，關于基于機器視覺的芽谷檢測方法，僅能實現識別出健康種子和芽谷種子的定性判定；利用基于軟X射線技術的種子發芽檢測方法同樣是獲取圖像的特征信息，利用統計和神經網絡分類器對種子進行識別，也沒有實現對小麥麥穗發芽程度等級的定量檢測
發明內容
(一)解決的技術問題本發明解決的技術問題是實現對小麥麥穗發芽程度等級的定量檢測的問題。(二)技術方案本發明提出了一種小麥麥穗發芽程度檢測方法，所述方法包括步驟SI :采集小麥發芽籽粒的圖像；S2:根據所述圖像，判斷所述小麥發芽籽粒是否露白，并獲取所述小麥發芽籽粒的胚芽圖像；S3:根據所述小麥發芽籽粒的胚芽圖像，計算胚芽長度，并根據所述小麥發芽籽粒是否露白及所述小麥發芽籽粒的胚芽長度，判定小麥麥穗發芽程度的等級。 優選地，在所述步驟SI之前包括對小麥麥穗進行預處理，得到所述小麥發芽籽粒。優選地，步驟S2中所述根據所述圖像判斷所述小麥發芽籽粒是否露白具體包括對所述圖像進行背景校正，獲取所述小麥發芽籽粒的灰度圖，若所述灰度圖中有波谷出現，則所述小麥發芽籽粒的當前形態為露白。優選地，步驟S2中所述獲取所述小麥發芽籽粒的胚芽圖像具體包括S21 :對所述圖像進行背景校正；S22:獲取所述小麥發芽籽粒胚芽和種體的紅色通道、綠色通道和藍色通道的灰度直方圖；S23:分別比較所述胚芽和種體的各個通道的灰度直方圖，選取差異最大的灰度直方圖對應的通道，根據該通道灰度直方圖中出現波谷的閾值進行背景分割；S24:對分割后得到的圖像進行形態學處理和提取骨架的操作，得到所述小麥發芽籽粒的胚芽圖像。優選地，所述步驟S21具體包括對所述圖像進行高斯濾波處理，將處理后的圖像轉成二值圖像，把二值圖像中的背景像素與彩色圖像中相對應的位置改變為黑色，彩色圖像中其他位置的圖像保持不變即將彩色圖像的背景改變為黑色，完成彩色圖像背景的校正。優選地,所述步驟S3具體包括S31 :計算實際尺寸與像素的比例關系；S32:根據所述比例關系，將所述小麥發芽籽粒的胚芽圖像的像素轉換為實際的胚芽長度。優選地，所述方法還包括判斷小麥發芽籽粒的圖像是否有明顯形態變化，若無，則為早期小麥發芽籽粒或正常小麥籽粒。優選地，所述方法還包括判斷小麥發芽籽粒的圖像是否有葉子，若有，則為進入一葉期的小麥發芽籽粒。優選地，所述方法還包括設定小麥麥穗發芽程度的等級，具體包括所述小麥發芽籽粒，無明顯形態變化，為第廣2等級；露白，為第3等級；胚芽長度為1mm，為第4等級；胚芽長度為2 3mm，為第5等級；胚芽長度為4、mm，為第6等級；胚芽長度為為第7等級；胚芽長度為2(T29mm,為第8等級；胚芽長度為3(T39mm,為第9等級；胚芽長度超過40mm，進入一葉期，為第10等級。
(三)有益效果本發明對小麥穗發芽程度進行檢測，可以實現快速、無損測量，通過對發芽全過程進行各階段的細分，能夠判斷發芽早期的露白狀態，并能夠得到發芽中后期小麥胚芽的具體長度，從而進行穗發芽等級的劃分，為實現小麥穗發芽程度的快速、自動化定量檢測奠定了方法基礎。


圖I是本發明提出的小麥麥穗發芽程度檢測方法的流程圖；圖2是本發明提出的發芽籽粒胚芽和種體的藍色通道灰度直方圖；
圖3分別是本發明提出的對于小麥發芽籽粒48小時時紅綠通道相加結果灰度圖和72小時紅色通道灰度圖；圖4分別是本發明提出的進行形態學處理后得到48小時和72小時的圖像；圖5分別是本發明提出的進行提取骨架操作后得到48小時和72小時的圖像。
具體實施例方式下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述。實施例I :本發明提出了一種小麥麥穗發芽程度檢測方法，該檢測方法的原理為小麥發芽籽粒是由種體、胚芽和胚根組成的。小麥麥穗發芽的籽粒外觀形態上會發生變化，比如早期吸脹時體積變大、露白時胚的破裂，胚根胚芽的生長等。這些形態指標反映了穗發芽的程度。利用機器視覺獲取小麥發芽籽粒的圖像，通過圖像處理技術獲取上述形態參數，即可判斷小麥麥穗是否發生發芽，以及小麥麥穗發芽的程度。如圖I為本發明提出的基于機器視覺的小麥麥穗發芽程度檢測方法的流程圖，所述方法包括步驟SI :采集小麥發芽籽粒的圖像；采集方法為將小麥麥穗首先脫粒，經風選除雜后獲取小麥籽粒，然后將小麥發芽籽粒腹溝向下、單層、均勻放置在有黑色背景的測量臺上，利用彩色攝像頭獲取其圖像。S2:根據所述圖像，判斷所述小麥發芽籽粒是否露白，并獲取所述小麥發芽籽粒的胚芽圖像；S3:根據所述小麥發芽籽粒的胚芽圖像，計算胚芽長度，并根據所述小麥發芽籽粒是否露白及所述小麥發芽籽粒的胚芽長度，判定小麥麥穗發芽程度的等級。在所述步驟SI之前包括對小麥麥穗進行預處理，得到所述小麥發芽籽粒。步驟S2中所述根據所述圖像判斷所述小麥發芽籽粒是否露白具體包括對所述圖像進行背景校正，獲取所述小麥發芽籽粒的灰度圖，若所述灰度圖中有波谷出現，則所述小麥發芽籽粒的當前形態為露白。對于未發芽的小麥籽粒，其整個籽粒的顏色基本上是一致的，而發芽籽粒由于其種體的顏色和發芽區域顏色之間的差異性，必然會有過渡顏色的產生，在灰度圖上，發芽籽粒的灰度圖比不發芽籽粒的灰度圖的范圍分布更廣，并且在高亮區域仍有波峰出現，因此根據判斷波峰之間的波谷存在，來判斷小麥發芽籽粒是否為露白。
步驟S2中所述獲取所述小麥發芽籽粒的胚芽圖像具體包括S21 :對所述圖像進行背景校正；對所述圖像進行高斯濾波處理，將處理后的圖像轉成二值圖像，在彩色圖像中，把與二值圖像中的背景像素相對應的彩色圖像中位置改變為黑色，彩色圖像中其他位置的圖像保持不變即將彩色圖像的背景改變為黑色，完成彩色圖像背景的校正。S22:獲取小麥發芽籽粒胚芽和種體的紅色通道、綠色通道和藍色通道的灰度直方圖； S23:分別比較所述胚芽和種體的各個通道的灰度直方圖，選取差異最大的灰度直方圖對應的通道，根據該通道灰度直方圖中出現波谷的閾值進行背景分割；S24:對分割后得到的圖像進行形態學處理和提取骨架的操作，得到所述小麥發芽籽粒的胚芽圖像。所述步驟S21具體包括對所述圖像進行高斯濾波處理，將處理后的圖像轉成二值圖像，在彩色圖像中，把與二值圖像中的背景像素相對應的彩色圖像中的位置改變為黑色，彩色圖像中其他位置的圖像保持不變即將彩色圖像的背景改變為黑色，完成彩色圖像背景的校正。步驟S3中所述計算胚芽長度具體包括S31 :計算實際尺寸與像素的比例關系；S32:根據所述比例關系，將所述小麥發芽籽粒的胚芽圖像的像素轉換為實際的胚芽長度。所述方法還包括判斷小麥發芽籽粒的圖像是否有明顯形態變化，若無，則為早期小麥發芽籽粒或正常小麥籽粒。所述方法還包括判斷小麥發芽籽粒的圖像是否有葉子，若有，則為進入一葉期的小麥發芽籽粒。所述方法還包括設定小麥麥穗發芽程度的等級，具體為所述小麥發芽籽粒，無明顯形態變化，為第廣2等級；露白，為第3等級；胚芽長度為1mm，為第4等級；胚芽長度為2 3mm，為第5等級；胚芽長度為4 9mm，為第6等級；胚芽長度為l(Tl9mm，為第7等級；胚芽長度為2(T29mm，為第8等級；胚芽長度為3(T39mm，為第9等級；胚芽長度超過40mm，進入一葉期，為第10等級。實施例2 本實施例為本發明結合實例對基于機器視覺的小麥麥穗發芽程度檢測方法的實施方式進行說明，具體為小麥籽粒的獲取。實驗所用小麥品種為京冬8、京411、中麥175、農大211、中麥16、京冬13、農大3432、農大3291。具體方法是從田間分別取回每個品種各十個麥穗脫粒，經過風選除雜等預處理，獲取小麥籽粒。為得到具有不同發芽程度的種子，進行種子發芽實驗，具體方法是將小麥種子用自來水反復沖洗后，放入5%的次氯酸鈉溶液中進行消毒5min后，再用蒸餾水反復沖洗，然后腹溝向下放入鋪有兩層濾紙的培養皿中，加入適量蒸餾水進行發芽。在發芽到不同的時間段采集其圖像。小麥發芽籽粒RGB圖像采集。在種子發芽實驗24小時后，開始獲取發芽小麥種子的圖像。每次選取30粒小麥發芽籽粒，腹溝向下、單層、均勻放置在有黑色背景的測量臺上。利用彩色攝像頭分別獲取其24小時、48小時和72小時的RGB圖像。發芽程度的測定。種子發芽程度的測定包括早期發芽種子露白與否的識別，種子中、后期發芽長度的獲取。具體操作步驟如下I、早期小麥發芽籽粒露白與否的判斷對獲取的小麥發芽籽粒RGB圖像進行背景校正將小麥發芽籽粒24小時的RGB圖像進行高斯濾波處理，本次濾波所采用的是大小為15、標準差為I的高斯濾波器，使圖像的灰度信息向四周擴展。選擇RGB圖像中紅色通道將小麥發芽籽粒的RGB圖像轉換成二值圖 像，在彩色圖像中，將三個通道中的背景全部置換為0，最后聯合三個通道還原為彩色圖像，以去除背景信息的干擾。對于未發芽的籽粒，其整個籽粒的顏色基本上是一致的，而發芽的籽粒由于其種體的顏色和發芽區域顏色之間的差異性，必然會有過渡顏色的產生，在灰度圖上，發芽籽粒的灰度圖比不發芽籽粒的灰度圖其范圍分布更廣，并且在高亮區域發芽籽粒的灰度圖也會有波峰的出現。對于本實例，提取經過預處理后種子發芽區域和種體區域的紅色通道、綠色通道、藍色通道，得到這三個通道的灰度直方圖。通過觀察這三個通道的灰度直方圖，可以發現對于紅色通道基本上沒有任何差異，不可以用于分割；綠色通道的差異很小，同樣也不適合分割；而種體的藍色通道在130后基本沒有分布，發芽的藍色通道在130處出現了一個波谷，在150處出現一個波峰，該波谷為顏色過渡而產生的，而該波峰為露白區域的特征。因此選用藍色通道，閾值130進行分割，得到露白部分的圖像，繼而獲得露白部分的面積，如果該面積大小不為0，則說明該種子已露白。參見圖2。2、發芽中后期小麥籽粒發芽長度的獲取在種子發芽的中后期，種子的芽長已經很明顯，利用相應的圖像處理算法獲取發芽部分的圖像，得到發芽部分的長度，結合小麥麥穗發芽程度進行等級劃分。具體方法如下對獲取的小麥發芽籽粒RGB圖像進行背景校正，該背景校正方法與早期小麥發芽籽粒露白與否的判斷中的背景校正方法相同，在此就不在贅述。其中，對于通道的選取，將獲取的RGB圖像根據其顏色分布特征轉化為別的顏色模式空間或者選取其中的某一通道或者幾個通道的結合，以便于突出特征信息，將其轉化為灰度圖像。如圖3所示，對于48小時的小麥籽粒采用紅色通道和綠色通道相加后的結果作為灰度圖像。對于72小時的小麥種子采用紅色通道作為灰度圖像。對于閾值的選取，在選取合適的通道后，由于感興趣區域較為突出，兩者的灰度信息也會有明顯的差異，采用灰度直方圖法選擇閾值，轉化成二值圖像。對于48h的圖像，選取的閾值為O. 8，72h圖像選取的閾值為O. 16。對于胚芽圖像的獲取，對所得到的二值圖像進行形態學操作，采用腐蝕、膨脹、開運算、閉運算、提取骨架等方法來獲取發芽部分的長度。對于本次試驗，半徑為8的圓盤型的核對分割后的圖像進行開操作，去除噪聲的干擾，得到發芽部分的圖像，如圖4所示。對發芽部分的圖像進行骨架化提取，如圖5所示，計算骨架的長度，得到發芽部分的長度，SP胚芽鞘長度。胚芽長度的計算，直接獲取的RGB圖像的大小是用像素來表示的，因此需要將像素數轉換成實際的長度。對于比例尺的計算方法是將直尺水平放置，為了減少誤差，獲取十幅該直尺的圖像，取其像素平均值，再與實際值進行相比，得到實際尺寸和像素間的比值關系。將獲取的像素表示的小麥胚芽長度利用上述比例尺進行轉換后，從而得到最終的胚芽長度。穗發芽程度等級的判定。根據圖像處理獲取的種子信息，進行種子發芽程度等級的判定，得到具體每個品種在不同時段小麥麥穗發芽的等級，進而實現對小麥穗發芽程度的檢測。以上實施方式僅用于說明本發明，而并非對本發明的限制，有關技術領域的普通技術人員，在不脫離本發明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術方案也屬于本發明的范疇，本發明的專利保護范圍應由權利要求限定。·
權利要求
1.一種小麥麥穗發芽程度檢測方法，其特征在于，所述方法包括步驟 Si:采集小麥發芽籽粒的圖像； 52:根據所述圖像，判斷所述小麥發芽籽粒是否露白，并獲取所述小麥發芽籽粒的胚芽圖像； 53:根據所述小麥發芽籽粒的胚芽圖像，計算胚芽長度，并根據所述小麥發芽籽粒是否露白及所述小麥發芽籽粒的胚芽長度，判定小麥麥穗發芽程度的等級。
2.根據權利要求I所述的方法，其特征在于，在所述步驟SI之前包括對小麥麥穗進行預處理，得到所述小麥發芽籽粒。
3.根據權利要求I所述的方法，其特征在于，步驟S2中所述根據所述圖像判斷所述小麥發芽籽粒是否露白具體包括對所述圖像進行背景校正，獲取所述小麥發芽籽粒的灰度圖，若所述灰度圖中有波谷出現，則所述小麥發芽籽粒的當前形態為露白。
4.根據權利要求I所述的方法，其特征在于，步驟S2中所述獲取所述小麥發芽籽粒的胚芽圖像具體包括 521:對所述圖像進行背景校正； 522:獲取所述小麥發芽籽粒胚芽和種體的紅色通道、綠色通道和藍色通道的灰度直方圖； S23:分別比較所述胚芽和種體的各個通道的灰度直方圖，選取差異最大的灰度直方圖對應的通道，根據該通道灰度直方圖中出現波谷的閾值進行背景分割； S24:對分割后得到的圖像進行形態學處理和提取骨架的操作，得到所述小麥發芽籽粒的胚芽圖像。
5.根據權利要求4所述的方法，其特征在于，所述步驟S21具體包括對所述圖像進行高斯濾波處理，將處理后的圖像轉成二值圖像，把二值圖像中的背景像素與彩色圖像中相對應的位置改變為黑色，彩色圖像中其他位置的圖像保持不變即將彩色圖像的背景改變為黑色，完成彩色圖像背景的校正。
6.根據權利要求I所述的方法，其特征在于，步驟S3中所述計算胚芽長度具體包括 531:計算實際尺寸與像素的比例關系； 532:根據所述比例關系，將所述小麥發芽籽粒的胚芽圖像的像素轉換為實際的胚芽長度。
7.根據權利要求I所述的方法，其特征在于，所述方法還包括判斷小麥發芽籽粒的圖像是否有明顯形態變化，若無，則為早期小麥發芽籽粒或正常小麥籽粒。
8.根據權利要求I所述的方法，其特征在于，所述方法還包括判斷小麥發芽籽粒的圖像是否有葉子，若有，則為進入一葉期的小麥發芽籽粒。
9.根據權利要求I至8中任一項所述的方法，其特征在于，所述方法還包括設定小麥麥穗發芽程度的等級，具體包括 所述小麥發芽籽粒，無明顯形態變化，為第廣2等級；露白，為第3等級；胚芽長度為Imm,為第4等級；胚芽長度為2 3mm，為第5等級；胚芽長度為4、mm，為第6等級；胚芽長度為為第7等級；胚芽長度為2(T29mm,為第8等級；胚芽長度為3(T39mm,為第9等級；胚芽長度超過40mm，進入一葉期，為第10等級。
全文摘要
本發明提供一種小麥麥穗發芽程度檢測方法，所述方法包括S1采集小麥發芽籽粒的圖像；S2根據所述圖像，判斷所述小麥發芽籽粒是否露白，并獲取所述小麥發芽籽粒的胚芽圖像；S3根據所述小麥發芽籽粒的胚芽圖像，計算胚芽長度，并根據所述小麥發芽籽粒是否露白及所述小麥發芽籽粒的胚芽長度，判定小麥麥穗發芽程度的等級。本發明對小麥穗發芽程度進行檢測，可以實現快速、無損測量，通過對發芽全過程進行各階段的細分，能夠判斷發芽早期的露白狀態，并能夠得到發芽中后期小麥胚芽的具體長度，從而進行穗發芽等級的劃分，為實現小麥穗發芽程度的快速、自動化定量檢測奠定了方法基礎。
文檔編號A01C1/02GK102948282SQ201210430048
公開日2013年3月6日 申請日期2012年10月31日 優先權日2012年10月31日
發明者趙春江, 朱大洲, 陳立平, 于春花, 王曉冬, 路文超 申請人:北京農業信息技術研究中心