浅析基于机器视觉的大豆种子品质检测与分选

◎ 朱亚琪

（东阿县检验检测中心，山东 聊城 252200）

大豆作为人类植物蛋白质的主要来源，在种植领域占据重要地位。我国曾是世界最大的大豆生产国和出口国，进入20 世纪90 年代之后，大豆出口呈递减趋势，进口量在不断增加，其主要原因在于大豆种子品质检测与分选技术落后，致使大豆质量下降，生产成本较高。为此，进行大豆种子品质检测与分选，不仅是提高大豆质量、产量的需要，也是农业发展的必然需求。

1 大豆种子品质检测与分选技术综述

1.1 传统的大豆种子品质检测与分选方法

传统的大豆种子品质检测与分选方法主要依赖人工，包括目测、人工筛选及重量测量等物理手段，不仅耗时耗力，需要投入大量的人力资源，而且弊端十分明显。①以目测对大豆种子进行观察和判断，虽然较为直观、方便，但是受主观因素影响，人眼的观察和判断会受个体经验和感知能力的限制，给种子的品质评估和分段带来一定误判和不确定性，导致评估精准性不足[1]。同时，目测方法非常考验操作人员的经验，种子的形状、色泽及大小等特征，也可能会因为遗传差异或环境因素产生细微的变化，只有经验十分丰富且专业知识扎实的人员才可以分辨。然而，面临大规模大豆种子筛选时，检测人员并不一定都具备足够的经验和专业能力，难以保证种子的评估结果。②相对于目测方式来说，手工筛选弊端更为明显。手工筛选是指人工逐个筛选大豆种子，这种方式不仅效率低下，而且劳动强度大，容易造成人员疲劳，很难对大豆种子的微小缺陷或病虫害进行准确的判断和分选。③重量测量主要以大豆种子重量来衡量大豆种子的品质。重量作为一种定性指标，只能提供种子的整体质量信息，无法区分种子内部的细微差异，如胚乳的充实度、胚乳的发育程度等。因此，为克服人工检测的这些弊端，需要机器视觉相关技术的介入，利用自动化手段精准、高效地检测大豆种子，以提高大豆种子品质检测与分选的整体效率[2]。

1.2 基于机器视觉的大豆种子品质检测与分选技术的发展现状

机器视觉技术发展的第一阶段，主要以高光谱成像技术进行大豆种子的品质检测与分选。高光谱成像技术主要采用图谱合一的方式，获取大豆种子内部的具体信息，能够反映大豆种子的真实情况，其精度较高，但设备过于昂贵，成本较高，故使用频率逐步降低。机器视觉发展的第二阶段主要以物理图像识别为主，相对于高光谱成像来说，物理识别成本低，且高效、快速，在大豆种子品质检测与分选技术中的应用较为广泛[3]。然而，物理图像识别因无法支持长时间工作，存在一定安全隐患，逐渐退出舞台。现如今，机器视觉发展第三阶段，主要采用高分辨摄像机、光源和图像处理算法等设备和技术，对大豆种子进行图像采集，然后运用图像处理算法进行分析，可以快速准确地监测出大豆种子的大小、形状、颜色等特征，从而判断其品质。

2 大豆种子品质检测与分选系统设计与实现

2.1 系统结构与流程

系统结构图主要分为5 大模块，包括图像采集模块、图像处理模块、特征提取模块、分类模块及分选模块，主要流程如下。①图像采集模块为采集大豆种子的图像数据；图像处理模块对所采集的数据图像进行预处理，包括去噪、图像增强、灰度化等操作，重点提高图像的帧数和质量。例如，使用直方图均衡化或自适应直方图均衡化来增强图像的对比度和细节。②特征提取模块在前2 个模块工作的基础上，从已处理的图像数据中提取一些有效的特征，以这些特征反映种子的品质信息。比如，大豆种子的大小、形状的均匀性以及表面的光滑度等。其中，纹路特征可以使用局部二值模式（LBP）或灰度共生矩阵（GLCM）等方法进行提取，形状特征可以使用边缘检测算法进行提取。③分类模块基于提取特征进行分类，传统的机器学习算法包括支持向量机（SVM）、k 最近邻（k-NN）等；深度学习算法包括卷积神经网络（CNN）等。使用分类模块前，需要预先进行训练，使用已标记好的大豆种子图像数据进行模型训练，训练好的模型可以根据提取到的特征对种子进行分类，从而判断其品质。④分选模块是基于分类结果，将大豆种子按照品质进行分选的一种形式，其主要采用机械臂、传送带及气流分选装置等设备，将不同品质的种子分别放入不同的容器内，以便后续进行种植和销售。

2.2 硬件设备与集成

硬件设备如图1 所示。①数字1 为摄像设备，在设备选择方面，可以选择高分辨率的摄像机，因为分辨率越高，图像显示就更为清晰；也可以使用工业相机或者高性能数码相机，此相机具有快速拍摄和高分辨率的特点，实用性更强一些。同时，最为主要的是，摄像设备需要与计算机进行连接，以传输图像数据。②数字2 为光源系统，其主要作用是为摄像提供光源，以此获取高质量的图像。目前，常用的光源包括LED或者荧光灯，可以根据大豆种子的种类和特性进行亮度和颜色温度的调整，且光源可以均匀分布在照射区域，避免阴影和反光对图像质量的影响。③数字3、5、6、7 为传送装置，是实现大豆种子自动化分选的重要部分。如图1 所示，数字3 为振动喂料机，将大豆种子放入其中，即可通过振动使其传送到数字5 传送带上，然后利用数字6 支架的稳定性，进入数字7 收纳容器之中。需要注意的是，传送带应具备调节速度的功能，这样可以适应不同种子的处理速度。同时，通过调整传送带的速度，可以实现图像采集和处理模块的同步，确保种子的连续传送和分选过程的顺利进行。除此之外，传送带的宽度和长度应根据种子的大小和处理量进行设计，足够的宽度可以保证种子在传送带上稳定运输，足够的长度可以确保系统的处理能力满足需求。④数字4 为一种可编程的自动化装置，由可控制的执行器组成，其主要作用是为预算设定的动作轨迹和逻辑进行自动化分选操作。其核心原理是利用特征信息，使用风吹的方式进行筛选，然后根据种子的位置信息，精确定位，放置种子。也可以利用视觉传感器或力传感器来检测种子的位置和力的大小。⑤数字8 为硬件设备的总操作系统，是整个系统的核心处理单元，其主要功能是进行复杂的算法运算，进行图像处理和分析任务，所以该硬件设备通常需要高性能的处理和显卡，以保证算法的执行速度和系统的显示正常[4]。

图1 硬件设备与集成图

2.3 软件界面与功能

①图像处理与分割。需要开发图像处理算法，包括去噪、图像增强和图像分割，以提高图像质量和分割种子与背景，将结果实时显示在软件界面上，以便操作人员实施监控和参数调整。②特征提取与分类。设计并实现特征提取算法，从分割后的图像中提取有效的特征，主要包括大豆种子的纹路、内部表现、颜色现状等特征，然后将提取的特征输入分类算法中，进行品质分类。需要注意的是，分类结果应实时显示在软件界面上，这样可以让操作人员及时了解种子的具体划分[5]。③分选控制与反馈。根据分类结果，控制传送带和分类装置进行分选操作。在传送带方面，应控制传送带的速度和方向，进而保证不同品质的种子输送到相应的容器之中。在分类装置方面，可以设定其动作轨迹和逻辑，以便根据分类记录进行筛选操作。

3 结语

综上所述，大豆作为粮油兼用型作物，是生活中植物油脂和植物蛋白的重要来源。近年，大豆生产和需求之间的缺口比较大，不仅会影响大众生活质量，也会严重威胁我国粮食安全。因此，机器视觉技术作为提高大豆产量、加速大豆育种的重要举措，应给予足够重视，不断挖掘和进一步完善该系统，从而为大豆生产提供科技支持。相信随着技术的不断发展，该系统能够为农业生产带来更多的便利和效益，实现我国大豆的自给自足。