[发明专利]一种玉米穗行数自动检测方法

说明书

技术领域  本发明涉及图像信息处理技术领域，特别是涉及一种玉米穗行数自动检测方法，便于实现玉米室内考种时穗行数的统计。

背景技术  玉米是粮食、饲料、工业原料兼用型作物。玉米生产在国家粮食生产和粮食安全中占有极重要的战略地位。研究证明，玉米优良种的推广使玉米增产40%。种子质量直接关系到玉米产量高低及玉米质量和品质的优劣，而推广优良的杂交种需要大量的优质种子。

玉米穗籽粒行数（穗行数）是穗部重要农艺性状之一。不同品种的玉米穗行数有较大差别，生长条件也会影响穗行数，在玉米育种、栽培及新品种DUS测试等科研中准确计数穗行数非常重要。玉米穗行数的传统测定靠人工计数，存在人工计数方法固有的缺陷-----易于疲劳、误差大、效率低。

发明内容  为了克服上述现有技术的不足，本发明提供了一种基于机器视觉的玉米穗行数自动检测方法。本发明所采用的技术方案是：

第一步：玉米穗横断面照片的获取，将玉米穗横断面放在白色背景上，在它上方加上环形电光源，摄像机在环形电光源正中，玉米穗横断面正上进行拍摄获取玉米穗横断面原图；

第二步：先将彩色图像转化为灰度图像；然后可以对图像进行压缩，采用图像缩小因子对图像数据量进行压缩,得到灰度压缩图像，图像缩小因子P属于1，2，4，8中的某一个；

第三步：对幅度压缩图像中玉米穗中心加入电光源，该电光源大小与原图大小一致，中间最亮，四周最暗，呈辐射状，中间值与玉米穗边缘值的差值最大化，形成图像增强对比图；

第四步：采用最大类间方差法求出图像增强对比图的阈值t,利用t对图像进行二值化区域分割，得到图像玉米穗横断面图像分割效果图，把图像分割成很多个区域；

第五步：为了只得到清晰的玉米穗边缘图像，采用八邻域区域生长法对玉米穗横断面图像分割效果图的多个区域进行填充，检测出清晰地玉米穗图像外轮廓边缘检测图，边缘用数值1来表示，其余部分用0来表示；

第六步：确定外轮廓边缘检测示意图的质心，质心的计算方法为：

   ，                       

其中，分别为所求的质心，，分别是玉米穗边缘的坐标，n是边缘点象素的个数；

第七步：计算外轮廓到质心夹角角度和半径，外轮廓边缘检测示意图中边缘点象素坐标到质心的距离不同决定着此边缘象素所处玉米穗的位置，（比如半径处于极大值点说明此处为玉米粒的最顶端，半径处于极小值点说明此处象素处于玉米行的交接处）统计出玉米边缘到圆心距离的极小值点的个数，就相当于统计出了玉米行数;统计整个外轮廓边缘检测示意图中边缘到质心的半径和两点间与直径夹角，按照一个圆周的大小顺序得出角度半径曲线图；

第八步：鉴于玉米穗边缘为多个标准的圆弧，角度半径曲线图会存在一定噪声，为降低检测误差，采用自适应一维最小值滤波器对角度半径图进行滤波，去除角度半径曲线图中的毛刺噪声，得到一维最小值滤波效果图；

第九步：统计一维最小值滤波效果图中极小值的个数即是玉米穗行数，并在检测系统中进行显示。

与现有技术相比，基于机器视觉的玉米穗行数自动检测算法代替人进行玉米穗选种主要有以下优点：（1）可排除人的主观因素的干扰，并对所需指标进行定量描述，可避免因人而异的检测结果，减少检测误差，提高生产率和检测精度；（2）机器视觉的测量速度快、信息量大，可以快速准确地对玉米穗进行检测和鉴别。

附图说明  图1为玉米穗行数自动检测算法流程图；图2---图4为玉米穗横断面预处理效果图：其中，图2玉米穗横断面图，图3为幅度压缩图像，图4为增强对比度图；图5为玉米穗横断面图像分割效果图；图6---图8为玉米穗外轮廓特征提取示意图；其中，图6 为外轮廓边缘检测示意图，图7为角度---半径曲线图，图8 为一维最小值滤波效果图。

具体实施方式  下面结合附图对本发明进一步说明。

参阅图1，本发明所述的玉米穗行数自动检测算法是在获取环形光源光照条件下、工业相机采集到的白色背景上玉米穗横断面照片后，提取玉米横断面图片的边缘特征信息，计算出边缘图像到质心的半径变化曲线，根据半径最小值的个数，自动检测出玉米穗的行数。

更具体地说，整个算法的实现包含下列内容：

1、图像预处理：本算法对图像的预处理主要包括彩色图像转换成灰度图像、边缘增强、对比度增强与图像分割四个步骤，效果如附图2---图4所示。