基于反射与透射图像的糯玉米叶片机器视觉识别效果分析

质量安全

粮油食品科技第21卷2013年第4期

基于反射与透射图像的糯玉米叶片

机器视觉识别效果分析

1

邓立苗，陈

23

辉，马文杰

(1．青岛农业大学理学与信息学院，山东青岛266109;2．青岛农业大学艺术学院，山东青岛266109;

3．青岛农业大学动漫与传媒学院，山东青岛266109)摘

要：利用机器视觉技术，以莱农糯38、京糯2000等13个糯玉米品种作为研究对象，从玉米叶

片的反射图像和透射图像中提取与玉米叶片形状、颜色和纹理等有关的36个外观特征，利用BP神经网络方法进行训练识别，并对不同类别特征和各颜色分量对透射和反射图像的识别结果进行13个品种样本识别率均在89%了分析。结果表明，透射图像较反射图像具有较高的样本识别率，以上，研究结果对于糯玉米生长期间植株外观性状的品种识别具有积极意义。关键词：机器视觉;神经网络;透射图像;识别中图分类号：TP391．41

文献标识码：A

文章编号：1007－7561（2013）04－0080－04

Studyonidentificationofwaxycornleafbycomputervisionbased

onreflectionandtransmissionimage

DENGLi－miao1，CHENHui2，MAWen－jie3

（1．CollegeofScienceandInformation，QingdaoAgriculturalUniversity，QingdaoShandong266109；

2．CollegeofArts，QingdaoAgriculturalUniversity，QingdaoShandong266109；

3．CollegeofAnimationandMedia，QingdaoAgriculturalUniversity，QingdaoShandong266109）Abstract：Thirteenvarietiesofwaxycorn，includingLainongnuo38andJingru2000，werestudiedbyma-chinevisiontechnology．36exteriorfeaturesaboutcolor，shapeandtexturewerepickedupfromthereflec-tionandtransmissionimagesofwaxycornleaves．Backpropagationneuralnetworkswerebuilttotrainandidentifythesamples．Therecognitionresultsfordifferenttypeofcharacteristicsandimageswereanalyzed．Theresultsindicatedthatthereflectionandtransmissionimageshadhighidentificationrate，whichcouldreachtomorethan89%for13varietiesofwaxycorn．Theresulthaspositivesignificancefortheidentifi-cationofvarietiesduringthegrowthofwaxycorn．

Keywords：computervision；neuralnetwork；transmissionimage；identification玉米是重要的粮食和饲料作物之一，品种数目

很多，不同品种的玉米由于受到杂交亲本遗传因素的影响，在植株外观形态、叶片等器官上表现出一定程度的差异。尤其是玉米叶片，不仅存活期长，易于采集，同时还包含了大量如颜色、形状、纹理、皱褶程度等遗传信息，这些信息的差异可以成为区分不同玉米品种的基本特征。有些特征信息相差细微，仅靠传统的人工定性判断方法难以识别。计算机数字图像识别（即机器视觉）技术为玉米特征识别提供

收稿日期：2012－11－12

3-3-17-nsh）基金项目：青岛市公共领域科技支撑计划项目（10-：，1978，，，．作者简介邓立苗年出生女山东临沂人讲师

1964年出生，通讯作者：马文杰，男，山东临朐人，副教授．

了数字化的客观研究手段，已有学者开展了相关的

包括用玉米籽粒的图像特征进行玉米品种识研究，［1－3］［4］

，别玉米果穗DUS性状测试、玉米穗行数的确定测菜

［5］

［6］、玉米粒形的检测、玉米田间杂草的检［7］

［8］［9］、玉米叶片面积测定以及叶片叶绿素分析

［10］

［11－12］［13］

、、大豆棉花、和油

等。机器视觉在烟叶

［14］

等叶片识别方面取得了良好的效果，但在玉米

叶片识别的研究未见报道。

本研究利用机器视觉技术，对13个糯玉米品种的叶片所承载的信息特征进行研究，研究过程中，在拍摄各品种叶片反射图像的同时，还获取了叶片的透射图像，以研究反射图像与透射图像对不同类别

粮油食品科技第21卷2013年第4期

质量安全

2

2．1

特征的识别效果。

结果与分析

图像处理

为了有效地进行图像特征提取和分析，需要进

1

1．1

材料与方法

材料

13个供试糯玉米品种见表1，种植条件和栽培

行图像分割，将叶片区域从背景中分割出来。反射图像的背景为单一的黑色，分割比较简单，先将源图像转换为灰度图像，然后用全局阈值（本研究中阈值取0．35）进行分割，效果如图3所示

。

管理均在同一水平下进行。在不同的生长期采集玉米的成熟叶片作为研究样本。各生长时期采样时，在相同品种间随机选择5株，在每株接近相同部位采集1片叶，即每个品种采集5片叶子作为样本。由于玉米叶片在田间自然光下采集反射图像时极易反光，使得田间采集的叶片图像层次不清，为了便于所有叶片的图像采集均在室内后面的处理与分析，标准环境下进行，同时采集糯玉米叶片的反射图像和透射图像，采集图像时，为保证玉米叶片的原始特

所有叶片均在自然舒展状态下进行拍摄（如图1征，所示）。

表1

编号1234567

品种阿尔新糯一号京糯2000垦粘一号莱农糯6号莱农糯9号莱农糯38莱农糯

7823

供试糯玉米品种

编号8910111213

品种

乌苏里西育糯一号糯鲜早威糯王西星白糯一号西星黑糯雪糯君主

图3反射图像预处理

透射图像在采集过程中，由于玉米叶片完全叶面凹凸不平，光源很难达到均匀处于自然状态，

照射，致使图像背景颜色不单一，明暗有差异，使用全局阈值很难将目标区域分割出来。常用的颜HSV、Ohta等，Ohta系统是从图像色系统有RGB、

统计性质出发的颜色系统，它是Ohta等从自然界找出不同颜色的分布区域，通多种物体的颜色中，

过实验得出的适合多种彩色图像颜色的3个正交特征值。即：

I1=

R+G+BR－B2G－R－B

，I2=，I3=。324

Ohta系统可以使各颜色间具有很好的分割效果，在图像颜色特征识别、边缘检测等方面具有很好的区分能力

［15］

。经过对玉米叶片透射图像的RGB

各颜色分量进行分析，参考Ohta颜色系统，采用特征值I=3G－R－2B来分割透射图像。叶片图像的

图1

糯玉米叶片源图像

使用特征值I，各个分量及I分量图像如图4所示，

将比较复杂的背景转换为单一的黑色，使用全局阈值（取0．15）即可将叶片区域分割出来

。

1．2研究方法

本研究中的玉米叶片识别系统基于Matlab

R2008a开发平台，识别模型采用BP（BackPropa-gation）神经网络模型。识别系统包括图像处理、特征提取和分类识别三个模块，系统流程如图2所示

。

图4透射图像处理

2．2特征提取

为了对玉米叶片进行识别分析，本研究分别

图2系统流程图

彩色图像和灰度图像中从玉米叶片的二值图像、

质量安全

提取了形态、颜色和纹理三类特征，共36个特征（表2）。

表2

特征类别

特征数量11

统计特征表

特征

面积、长轴长、短轴长、等面圆直径、

凸形面积、椭圆度、伸展度、紧凑度，周长，圆形度，长宽比RGB三个分量的均值、方差；HSV三

方差个分量的均值、

包括反映图像灰度值次数分布特点

7灰度共生矩阵的熵、的个统计不变矩，均匀度、对比度、相关度、能量均值和方差

粮油食品科技第21卷2013年第4期

形态类

颜色类12

图5不同类特征识别率

纹理类13

（1）不同类特征对叶片的识别结果不同。总体来说，纹理特征＞RGB颜色＞形态特征＞HSV颜色＞7个不变矩。

（2）不同类特征对反射图像和透射图像的识别透射图像较反射图像具有比结果不同。总体来说，

较高的样本识别率。但不同类特征对这两类图像的HSV特形态特征基本上保持不变，识别效果不同，

征和纹理特征对于透射图像的样本识别率明显高于反射图像

。2．5

各颜色分量识别效果分析

为了分析各颜色分量对玉米叶片的识别效果，测试反射图像和透射图像下各颜色分量的识别率，并根据测试的数据绘制识别率折线图（图6）。从图中可见，不同颜色分量对玉米叶片的识别效果不同。S分量和G分量具有比较高的识别效果，整体来说，

而B分量和V分量识别率比较低。其中对5个品结果如图7所种玉米叶片的S均值进行统计分析，

其中乌苏里西育糯一号的S均值集中在0．34～示，

0．38之间，威糯王和莱农糯7823的S均值范围在0．39～0．41之间，而西星黑糯和雪糯君主的S均值品种间具有较好的区分范围在0．42～0．45之间，

度。对于识别率比较低的特征，可以作为冗余特征不予考虑，在基本上不改变识别效果的前提下提高识别系统的运行速度和识别效率。

由于篇幅所限，本文仅列出了研究中的部分纹

理特征（表3）。

表3

糯玉米品种阿尔新糯一号京糯2000垦粘一号莱农糯6号莱农糯9号莱农糯38莱农糯7823

均值30073．7126132．1932668．2534370．0832301．3231780．8731832．89

纹理特征统计表

方差12734．8311195．2215135．32

三阶矩253116923427399010630444

一致性0．020．040．020．020．020．020．010．010．010．010．010．020．02

熵6．675．726．566．576．726．616．947．127．136．966．846．656．61

14639．58－994624114486．8713440．4914413．7314587．02

1439182622107954171575664411467

乌苏里西育糯一号35390．19

糯鲜早威糯王西星白糯一号西星黑糯雪糯君主

36016．6730629．8230563．0731385．8930496．65

13152．68－351064113490．1513412．2312796．4713506．02

18808203247121051793360626483771

2．3透射和反射图像识别效果分析

本研究建立的BP神经网络各层神经元数目为

36－27－10－13，输入层为特征数共36个，输出层为13个品种，隐含层神经元数目目前没有理论上的指导，选用27－10为经多次实验得到的最佳值。识别结果表明，透射图像较反射图像具有较高的识别率，对于两批样本叶片，透射图像的样本识别率为96．96%和98．46%，而反射图像的样本识别率为95．92%和89．69%。2．4

各类特征识别效果分析

本研究对不同类别特征的样本识别率进行了统计分析，结果如图5所示。

从图5可以看出

：

图6不同颜色分量识别率

粮油食品科技第21卷2013年第4期

质量安全

种的样本较少，提取的特征也仅限于常规特征，需要一致性和稳定性测试指参考植物新品种特异性、南

［16］

中玉米新品种的测试性状继续分析研究，旨在

寻找在玉米生长期间识别玉米品种的关键外观性状。参考文献：

［1］．山王玉亮．基于机器视觉的玉米种子品种识别与检测研究［D］

图7

5个品种的糯玉米叶片S均值之间的关系

2008．东农业大学，

［2］史智兴，程洪，李江涛，等．图像处理识别玉米品种的特征参数研

J］．农业工程学报，2008，24（6）：193－195．究［

［3］杨锦忠，郝建平，杜天庆，等．基于种子图像处理的大数目玉米品

2008，34（6）：1069－1073．种形态识别［J］．作物学报，

［4］赵春明，韩仲志，杨锦忠，等．玉米果穗DUS性状测试的图像处理

J］．中国农业科学，2009，42（11）：4100－4105．应用研究［

［5］．玉米科韩仲志，杨锦忠．计数玉米穗行数的机器视觉研究［J］

2010，18（2）：146－148学，

［6］．中万鹏，孙钟，宗力．基于计算机视觉的玉米粒形检测方法［J］

2011，26（5）：107－110．国粮油学报，

［7］纪寿文，王荣本，陈佳娟．应用计算机图像处理技术识别玉米苗

J］．农业工程学报，2001，17（2）：154－156．期田间杂草的研究［

［8］马彦平，白由路，高祥照，等．基于数字图像的玉米叶面积测量方

25（22）：329－334．法研究［J］．中国农学通报2009，

［9］朱军伟，张彦娥，王晓敏，等．基于图像纹理的玉米叶片叶绿素含

2010，26（4）：106－108．量分析研究［J］．微计算机信息，

［10］刘华波，贺立源，马文杰，等．透射图像颜色特征在烟叶识别中

2007，23（9）：169－171应用的探索［J］．农业工程学报，

［11］海鸥，马晓丹，石丽丽．大豆叶片特征参数测定方法的研究［J］．

2008，（2）：59－61．农机化研究，

［12］朱荣胜，陈庆山，杨佳，等．大豆叶片的特征提取方法研究［J］．

2010，（5）：13－16．农机化研究，

［13］李小正．基于机器视觉的棉花叶部特征图像识别的研究［D］．

2007．北京邮电大学，

［14］管鹤卿．基于计算机视觉技术的油菜叶片信息研究［D］．湖南

2007．农业大学，

［15］赵杰文，陈全胜，林颢．现代成像技术及其在食品、农产品检测

M］．北京：机械工业出版社，2010．中的应用［

［16］中华人民共和国国家标准．植物新品种特异性、一致性和稳定

3结论与讨论

为实现不同品种糯玉米生长期间的外部特

征的数字识别，本研究采集了13个糯玉米品种叶片的反射与透射图像，提取了36个外观特征，并建立了BP神经网络模型进行识别，并对不同类图像和不同类特征的识别效果进行了比较分析。结果表明，基于本研究所提取的特征进行神经网络识别，透射图像具有较高的样本识别率，均在96%以上，反射图像的样本识别率虽然不如透射图像高，但也在90%左右，同样具有较高的识别效果。

通过对不同特征识别效果分析，纹理特征具有较高的识别效果，说明不同玉米品种，由于父母本的组合不同，其遗传特性在后代叶面上的纹理表现有差异；其颜色分量表现S（纯度）和G（绿色）实现了很好的统一，即使叶片都呈现绿色，其颜色的浓淡程度也是不一致的。

本文只提取了玉米叶片的常见外观特征，对玉米叶片识别进行了初步研究分析，若要实现在生产中的应用，尚需在以下方面作进一步的研究：

（1）本研究中的玉米叶片背景均为特定环境下的简单背景，对玉米叶片的采集带来了较大困需进一步研究在复杂背景下的叶片图难。因此，

像分割以及特征提取，以使叶片识别具有更好的适应性。

（2）由于受采集环境的限制，本研究中每个品

2007．●性测试指南［S］．国家质量技术监督局，