专利名称：小麦麦穗发芽程度检测方法
技术领域：
本发明涉及农作物育种及图像识别技术领域，特别涉及一种小麦麦穗发芽程度检测方法。
背景技术：
小麦麦穗发芽是指小麦在收获期遇到阴雨天气麦穗上发芽的现象,小麦麦穗发芽是一个世界范围性的问题，主要分布在收获期易降雨的地区，是一种严重的自然灾害。小麦麦穗发芽不仅会使小麦产量降低而且由小麦麦穗发芽引起的一系列生理变化会使小麦的品质受到严重影响，影响到企业和农民的经济利益。因此，小麦麦穗发芽的检测具有重要的意义。小麦麦穗发芽与颖壳形态、芒的长短、种皮颜色、籽粒大小、α -淀粉酶含量等多种因素有关。
目前对于小麦麦穗发芽的鉴定方法主要有三种种子发芽试验、整穗发芽试验和酶活性测定。鉴定的指标有形态指标、生化指标、发芽率或者发芽指数。形态指标主要通过人工目测法来判断种子是否发芽，从而计算出发芽率，来衡量发芽的程度，这种方法易受人为主观因素的影响，同时需要逐粒观察种子，效率较低。生化指标的测量主要通过测量沉降值、α -淀粉酶活性，来表示穗发芽的程度，这种方法具有破坏性，且操作复杂，耗时耗力。现有技术中提出了一种基于机器视觉的芽谷检测方法。其中，机器视觉就是利用机器视觉产品如工业相机、摄像头等来代替人眼获取物体的图像，将利用机器视觉获取的图片结合相应的图像处理算法获取目标物体的特征信息。目前机器视觉已广泛用在种子质量检测与分级、种子病虫害检测等种子无损检测方面。随着机器视觉技术在农业中的应用，目前已有关于机器视觉技术运用于种子和穗发芽检测的报道。此方法首先是利用研制的稻种质量检测机器视觉系统分别获取黑、白背景的两种稻种图像，继而对图像进行预处理，得到相应的二值图像，获取稻种轮廓特征参数。利用主成分分析对特征参数进行降维操作后，将特征参数作为网络输入，对网络结构进行优化并充分训练后分别建立各个品种的两层人工神经网络，用来对正常稻谷和芽谷进行识别。现有技术中还提出了一种基于软X射线技术的种子发芽检测方法。此方法是利用软X射线系统同时获取发芽种子和健康种子的X射线图。从X射线图里就可以很清晰的看到所有发芽种子的射线图里都有白色的斑点。利用相应的算法从扫描获取的图像中提取包括灰度级模型和直方图在内的55个图像特征，然后利用统计和神经网络分类器对发芽种子和健康种子进行识别。然而，传统的小麦穗发芽程度检测方法，关于基于机器视觉的芽谷检测方法，仅能实现识别出健康种子和芽谷种子的定性判定；利用基于软X射线技术的种子发芽检测方法同样是获取图像的特征信息，利用统计和神经网络分类器对种子进行识别，也没有实现对小麦麦穗发芽程度等级的定量检测
发明内容
(一)解决的技术问题本发明解决的技术问题是实现对小麦麦穗发芽程度等级的定量检测的问题。(二)技术方案本发明提出了一种小麦麦穗发芽程度检测方法，所述方法包括步骤SI :采集小麦发芽籽粒的图像；S2:根据所述图像，判断所述小麦发芽籽粒是否露白，并获取所述小麦发芽籽粒的胚芽图像；S3:根据所述小麦发芽籽粒的胚芽图像，计算胚芽长度，并根据所述小麦发芽籽粒是否露白及所述小麦发芽籽粒的胚芽长度，判定小麦麦穗发芽程度的等级。 优选地，在所述步骤SI之前包括对小麦麦穗进行预处理，得到所述小麦发芽籽粒。优选地，步骤S2中所述根据所述图像判断所述小麦发芽籽粒是否露白具体包括对所述图像进行背景校正，获取所述小麦发芽籽粒的灰度图，若所述灰度图中有波谷出现，则所述小麦发芽籽粒的当前形态为露白。优选地，步骤S2中所述获取所述小麦发芽籽粒的胚芽图像具体包括S21 :对所述图像进行背景校正；S22:获取所述小麦发芽籽粒胚芽和种体的红色通道、绿色通道和蓝色通道的灰度直方图；S23:分别比较所述胚芽和种体的各个通道的灰度直方图，选取差异最大的灰度直方图对应的通道，根据该通道灰度直方图中出现波谷的阈值进行背景分割；S24:对分割后得到的图像进行形态学处理和提取骨架的操作，得到所述小麦发芽籽粒的胚芽图像。优选地，所述步骤S21具体包括对所述图像进行高斯滤波处理，将处理后的图像转成二值图像，把二值图像中的背景像素与彩色图像中相对应的位置改变为黑色，彩色图像中其他位置的图像保持不变即将彩色图像的背景改变为黑色，完成彩色图像背景的校正。优选地,所述步骤S3具体包括S31 :计算实际尺寸与像素的比例关系；S32:根据所述比例关系，将所述小麦发芽籽粒的胚芽图像的像素转换为实际的胚芽长度。优选地，所述方法还包括判断小麦发芽籽粒的图像是否有明显形态变化，若无，则为早期小麦发芽籽粒或正常小麦籽粒。优选地，所述方法还包括判断小麦发芽籽粒的图像是否有叶子，若有，则为进入一叶期的小麦发芽籽粒。优选地，所述方法还包括设定小麦麦穗发芽程度的等级，具体包括所述小麦发芽籽粒，无明显形态变化，为第广2等级；露白，为第3等级；胚芽长度为1mm，为第4等级；胚芽长度为2 3mm，为第5等级；胚芽长度为4、mm，为第6等级；胚芽长度为为第7等级；胚芽长度为2(T29mm,为第8等级；胚芽长度为3(T39mm,为第9等级；胚芽长度超过40mm，进入一叶期，为第10等级。
(三)有益效果本发明对小麦穗发芽程度进行检测，可以实现快速、无损测量，通过对发芽全过程进行各阶段的细分，能够判断发芽早期的露白状态，并能够得到发芽中后期小麦胚芽的具体长度，从而进行穗发芽等级的划分，为实现小麦穗发芽程度的快速、自动化定量检测奠定了方法基础。
图I是本发明提出的小麦麦穗发芽程度检测方法的流程图；图2是本发明提出的发芽籽粒胚芽和种体的蓝色通道灰度直方图；
图3分别是本发明提出的对于小麦发芽籽粒48小时时红绿通道相加结果灰度图和72小时红色通道灰度图；图4分别是本发明提出的进行形态学处理后得到48小时和72小时的图像；图5分别是本发明提出的进行提取骨架操作后得到48小时和72小时的图像。
具体实施例方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。实施例I :本发明提出了一种小麦麦穗发芽程度检测方法，该检测方法的原理为小麦发芽籽粒是由种体、胚芽和胚根组成的。小麦麦穗发芽的籽粒外观形态上会发生变化，比如早期吸胀时体积变大、露白时胚的破裂，胚根胚芽的生长等。这些形态指标反映了穗发芽的程度。利用机器视觉获取小麦发芽籽粒的图像，通过图像处理技术获取上述形态参数，即可判断小麦麦穗是否发生发芽，以及小麦麦穗发芽的程度。如图I为本发明提出的基于机器视觉的小麦麦穗发芽程度检测方法的流程图，所述方法包括步骤SI :采集小麦发芽籽粒的图像；采集方法为将小麦麦穗首先脱粒，经风选除杂后获取小麦籽粒，然后将小麦发芽籽粒腹沟向下、单层、均匀放置在有黑色背景的测量台上，利用彩色摄像头获取其图像。S2:根据所述图像，判断所述小麦发芽籽粒是否露白，并获取所述小麦发芽籽粒的胚芽图像；S3:根据所述小麦发芽籽粒的胚芽图像，计算胚芽长度，并根据所述小麦发芽籽粒是否露白及所述小麦发芽籽粒的胚芽长度，判定小麦麦穗发芽程度的等级。在所述步骤SI之前包括对小麦麦穗进行预处理，得到所述小麦发芽籽粒。步骤S2中所述根据所述图像判断所述小麦发芽籽粒是否露白具体包括对所述图像进行背景校正，获取所述小麦发芽籽粒的灰度图，若所述灰度图中有波谷出现，则所述小麦发芽籽粒的当前形态为露白。对于未发芽的小麦籽粒，其整个籽粒的颜色基本上是一致的，而发芽籽粒由于其种体的颜色和发芽区域颜色之间的差异性，必然会有过渡颜色的产生，在灰度图上，发芽籽粒的灰度图比不发芽籽粒的灰度图的范围分布更广，并且在高亮区域仍有波峰出现，因此根据判断波峰之间的波谷存在，来判断小麦发芽籽粒是否为露白。
步骤S2中所述获取所述小麦发芽籽粒的胚芽图像具体包括S21 :对所述图像进行背景校正；对所述图像进行高斯滤波处理，将处理后的图像转成二值图像，在彩色图像中，把与二值图像中的背景像素相对应的彩色图像中位置改变为黑色，彩色图像中其他位置的图像保持不变即将彩色图像的背景改变为黑色，完成彩色图像背景的校正。S22:获取小麦发芽籽粒胚芽和种体的红色通道、绿色通道和蓝色通道的灰度直方图； S23:分别比较所述胚芽和种体的各个通道的灰度直方图，选取差异最大的灰度直方图对应的通道，根据该通道灰度直方图中出现波谷的阈值进行背景分割；S24:对分割后得到的图像进行形态学处理和提取骨架的操作，得到所述小麦发芽籽粒的胚芽图像。所述步骤S21具体包括对所述图像进行高斯滤波处理，将处理后的图像转成二值图像，在彩色图像中，把与二值图像中的背景像素相对应的彩色图像中的位置改变为黑色，彩色图像中其他位置的图像保持不变即将彩色图像的背景改变为黑色，完成彩色图像背景的校正。步骤S3中所述计算胚芽长度具体包括S31 :计算实际尺寸与像素的比例关系；S32:根据所述比例关系，将所述小麦发芽籽粒的胚芽图像的像素转换为实际的胚芽长度。所述方法还包括判断小麦发芽籽粒的图像是否有明显形态变化，若无，则为早期小麦发芽籽粒或正常小麦籽粒。所述方法还包括判断小麦发芽籽粒的图像是否有叶子，若有，则为进入一叶期的小麦发芽籽粒。所述方法还包括设定小麦麦穗发芽程度的等级，具体为所述小麦发芽籽粒，无明显形态变化，为第广2等级；露白，为第3等级；胚芽长度为1mm，为第4等级；胚芽长度为2 3mm，为第5等级；胚芽长度为4 9mm，为第6等级；胚芽长度为l(Tl9mm，为第7等级；胚芽长度为2(T29mm，为第8等级；胚芽长度为3(T39mm，为第9等级；胚芽长度超过40mm，进入一叶期，为第10等级。实施例2 本实施例为本发明结合实例对基于机器视觉的小麦麦穗发芽程度检测方法的实施方式进行说明，具体为小麦籽粒的获取。实验所用小麦品种为京冬8、京411、中麦175、农大211、中麦16、京冬13、农大3432、农大3291。具体方法是从田间分别取回每个品种各十个麦穗脱粒，经过风选除杂等预处理，获取小麦籽粒。为得到具有不同发芽程度的种子，进行种子发芽实验，具体方法是将小麦种子用自来水反复冲洗后，放入5%的次氯酸钠溶液中进行消毒5min后，再用蒸馏水反复冲洗，然后腹沟向下放入铺有两层滤纸的培养皿中，加入适量蒸馏水进行发芽。在发芽到不同的时间段采集其图像。小麦发芽籽粒RGB图像采集。在种子发芽实验24小时后，开始获取发芽小麦种子的图像。每次选取30粒小麦发芽籽粒，腹沟向下、单层、均匀放置在有黑色背景的测量台上。利用彩色摄像头分别获取其24小时、48小时和72小时的RGB图像。发芽程度的测定。种子发芽程度的测定包括早期发芽种子露白与否的识别，种子中、后期发芽长度的获取。具体操作步骤如下I、早期小麦发芽籽粒露白与否的判断对获取的小麦发芽籽粒RGB图像进行背景校正将小麦发芽籽粒24小时的RGB图像进行高斯滤波处理，本次滤波所采用的是大小为15、标准差为I的高斯滤波器，使图像的灰度信息向四周扩展。选择RGB图像中红色通道将小麦发芽籽粒的RGB图像转换成二值图 像，在彩色图像中，将三个通道中的背景全部置换为0，最后联合三个通道还原为彩色图像，以去除背景信息的干扰。对于未发芽的籽粒，其整个籽粒的颜色基本上是一致的，而发芽的籽粒由于其种体的颜色和发芽区域颜色之间的差异性，必然会有过渡颜色的产生，在灰度图上，发芽籽粒的灰度图比不发芽籽粒的灰度图其范围分布更广，并且在高亮区域发芽籽粒的灰度图也会有波峰的出现。对于本实例，提取经过预处理后种子发芽区域和种体区域的红色通道、绿色通道、蓝色通道，得到这三个通道的灰度直方图。通过观察这三个通道的灰度直方图，可以发现对于红色通道基本上没有任何差异，不可以用于分割；绿色通道的差异很小，同样也不适合分割；而种体的蓝色通道在130后基本没有分布，发芽的蓝色通道在130处出现了一个波谷，在150处出现一个波峰，该波谷为颜色过渡而产生的，而该波峰为露白区域的特征。因此选用蓝色通道，阈值130进行分割，得到露白部分的图像，继而获得露白部分的面积，如果该面积大小不为0，则说明该种子已露白。参见图2。2、发芽中后期小麦籽粒发芽长度的获取在种子发芽的中后期，种子的芽长已经很明显，利用相应的图像处理算法获取发芽部分的图像，得到发芽部分的长度，结合小麦麦穗发芽程度进行等级划分。具体方法如下对获取的小麦发芽籽粒RGB图像进行背景校正，该背景校正方法与早期小麦发芽籽粒露白与否的判断中的背景校正方法相同，在此就不在赘述。其中，对于通道的选取，将获取的RGB图像根据其颜色分布特征转化为别的颜色模式空间或者选取其中的某一通道或者几个通道的结合，以便于突出特征信息，将其转化为灰度图像。如图3所示，对于48小时的小麦籽粒采用红色通道和绿色通道相加后的结果作为灰度图像。对于72小时的小麦种子采用红色通道作为灰度图像。对于阈值的选取，在选取合适的通道后，由于感兴趣区域较为突出，两者的灰度信息也会有明显的差异，采用灰度直方图法选择阈值，转化成二值图像。对于48h的图像，选取的阈值为O. 8，72h图像选取的阈值为O. 16。对于胚芽图像的获取，对所得到的二值图像进行形态学操作，采用腐蚀、膨胀、开运算、闭运算、提取骨架等方法来获取发芽部分的长度。对于本次试验，半径为8的圆盘型的核对分割后的图像进行开操作，去除噪声的干扰，得到发芽部分的图像，如图4所示。对发芽部分的图像进行骨架化提取，如图5所示，计算骨架的长度，得到发芽部分的长度，SP胚芽鞘长度。胚芽长度的计算，直接获取的RGB图像的大小是用像素来表示的，因此需要将像素数转换成实际的长度。对于比例尺的计算方法是将直尺水平放置，为了减少误差，获取十幅该直尺的图像，取其像素平均值，再与实际值进行相比，得到实际尺寸和像素间的比值关系。将获取的像素表示的小麦胚芽长度利用上述比例尺进行转换后，从而得到最终的胚芽长度。穗发芽程度等级的判定。根据图像处理获取的种子信息，进行种子发芽程度等级的判定，得到具体每个品种在不同时段小麦麦穗发芽的等级，进而实现对小麦穗发芽程度的检测。以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。·
权利要求
1.一种小麦麦穗发芽程度检测方法，其特征在于，所述方法包括步骤 Si:采集小麦发芽籽粒的图像； 52:根据所述图像，判断所述小麦发芽籽粒是否露白，并获取所述小麦发芽籽粒的胚芽图像； 53:根据所述小麦发芽籽粒的胚芽图像，计算胚芽长度，并根据所述小麦发芽籽粒是否露白及所述小麦发芽籽粒的胚芽长度，判定小麦麦穗发芽程度的等级。
2.根据权利要求I所述的方法，其特征在于，在所述步骤SI之前包括对小麦麦穗进行预处理，得到所述小麦发芽籽粒。
3.根据权利要求I所述的方法，其特征在于，步骤S2中所述根据所述图像判断所述小麦发芽籽粒是否露白具体包括对所述图像进行背景校正，获取所述小麦发芽籽粒的灰度图，若所述灰度图中有波谷出现，则所述小麦发芽籽粒的当前形态为露白。
4.根据权利要求I所述的方法，其特征在于，步骤S2中所述获取所述小麦发芽籽粒的胚芽图像具体包括 521:对所述图像进行背景校正； 522:获取所述小麦发芽籽粒胚芽和种体的红色通道、绿色通道和蓝色通道的灰度直方图； S23:分别比较所述胚芽和种体的各个通道的灰度直方图，选取差异最大的灰度直方图对应的通道，根据该通道灰度直方图中出现波谷的阈值进行背景分割； S24:对分割后得到的图像进行形态学处理和提取骨架的操作，得到所述小麦发芽籽粒的胚芽图像。
5.根据权利要求4所述的方法，其特征在于，所述步骤S21具体包括对所述图像进行高斯滤波处理，将处理后的图像转成二值图像，把二值图像中的背景像素与彩色图像中相对应的位置改变为黑色，彩色图像中其他位置的图像保持不变即将彩色图像的背景改变为黑色，完成彩色图像背景的校正。
6.根据权利要求I所述的方法，其特征在于，步骤S3中所述计算胚芽长度具体包括 531:计算实际尺寸与像素的比例关系； 532:根据所述比例关系，将所述小麦发芽籽粒的胚芽图像的像素转换为实际的胚芽长度。
7.根据权利要求I所述的方法，其特征在于，所述方法还包括判断小麦发芽籽粒的图像是否有明显形态变化，若无，则为早期小麦发芽籽粒或正常小麦籽粒。
8.根据权利要求I所述的方法，其特征在于，所述方法还包括判断小麦发芽籽粒的图像是否有叶子，若有，则为进入一叶期的小麦发芽籽粒。
9.根据权利要求I至8中任一项所述的方法，其特征在于，所述方法还包括设定小麦麦穗发芽程度的等级，具体包括 所述小麦发芽籽粒，无明显形态变化，为第广2等级；露白，为第3等级；胚芽长度为Imm,为第4等级；胚芽长度为2 3mm，为第5等级；胚芽长度为4、mm，为第6等级；胚芽长度为为第7等级；胚芽长度为2(T29mm,为第8等级；胚芽长度为3(T39mm,为第9等级；胚芽长度超过40mm，进入一叶期，为第10等级。
全文摘要
本发明提供一种小麦麦穗发芽程度检测方法，所述方法包括S1采集小麦发芽籽粒的图像；S2根据所述图像，判断所述小麦发芽籽粒是否露白，并获取所述小麦发芽籽粒的胚芽图像；S3根据所述小麦发芽籽粒的胚芽图像，计算胚芽长度，并根据所述小麦发芽籽粒是否露白及所述小麦发芽籽粒的胚芽长度，判定小麦麦穗发芽程度的等级。本发明对小麦穗发芽程度进行检测，可以实现快速、无损测量，通过对发芽全过程进行各阶段的细分，能够判断发芽早期的露白状态，并能够得到发芽中后期小麦胚芽的具体长度，从而进行穗发芽等级的划分，为实现小麦穗发芽程度的快速、自动化定量检测奠定了方法基础。
文档编号A01C1/02GK102948282SQ201210430048
公开日2013年3月6日 申请日期2012年10月31日 优先权日2012年10月31日
发明者赵春江, 朱大洲, 陈立平, 于春花, 王晓冬, 路文超 申请人:北京农业信息技术研究中心