CN101701916A - 一种玉米品种快速鉴定、鉴别方法 - Google Patents

Abstract

本发明公开了属于农产品检测技术领域的一种玉米品种快速鉴定、鉴别方法，该方法利用图像处理技术进行玉米品种快速鉴定。采用扫描仪获取种子图像信息计算机上利用玉米品种鉴定系统识别玉米种子，读取原始图像信息，存储每粒玉米中的每个像素的图像信息，存储为24位bmp格式文件，完成图像处理与特征提取后，利用训练后的神经网络分类器进行玉米品种鉴别。该模型对未知样本的品种鉴别率均大于90％，说明利用图像特征信息鉴别玉米种子品种是可行的，本发明具有自动化程度高、操作快速、简便的特点。

Description

一种玉米品种快速鉴定、鉴别方法

技术领域

本发明属于农产品检测技术领域，特别涉及一种玉米品种快速鉴定、鉴别方法，具体而言是一种利用图像处理技术进行玉米品种快速鉴定的方法。

背景技术

玉米是我国重要的粮食和饲料作物，杂交玉米因其播种面积大、产量高而在我国粮食生产中占有重要地位。但是一方面由于我国种子经营渠道多、乱、杂，没有推行种子认证制度，使得品种的真实性难以得到保证；另一方面缺乏准确可靠、简便快速的品种检测方法。往往给种子管理部门、品种保护部门以及广大种子生产者、经营者和农民带来诸多不便，也给一些单位和个人以可乘之机，经常出现以甲品种充当乙品种、以未审定品种充当审定品种，以劣品种充当畅销优质品种的现象，或在品种区试中和审定后更换杂交种亲本，改变品种特性，用已审定品种冒充自己品种参试，模仿和仿冒已有优良品种，以及窃取他人亲本或冒用杂交组合等。因此，对杂交玉米种子的品种鉴定十分必要。

目前在种子的品种鉴别中，国内外主要检测方法为：形态鉴别、田间种植鉴别、生理鉴定法、蛋白质电泳和DNA指纹技术等。这些方法各有短长，后四种方法不是需要借助昂贵的设备，就是鉴定周期过长，都不具备快速、简捷的特点。籽粒形态鉴定法则是依据粒型(马齿型、半马齿型、硬粒型)，粒色(白色、黄色、红色、紫色)，粒顶部形状(长方、长圆、圆)，顶部颜色及粉质多少，胚的大小、形状，胚部皱褶的有无、多少，花丝遗迹的位置与明显程度，稃色(白色、浅红、紫红)，籽粒上棱角的有无及明显程度等性状进行鉴别。其中，顶部颜色由于存在种子直感现象，且反应敏感，应作为最重要的判断依据。种子形态测定将待测种子与标准种子进行逐粒观察比较，从而加以区分。此法对于鉴定形态特征明显的品系较简便有效，且快速、经济。但鉴定时需借助放大镜进行逐粒观察，通过比较该品系的标准样本或图谱及有关资料确定所属品种。由于仅仅通过肉眼观察，对操作人员的专业技能要求高、鉴别效率低，且容易引起人为误差，造成不同操作者间测定的结果相差较大。

为了更好地利用籽粒形态鉴定法，发挥它快速、简捷的特点，并更具准确与客观性。本发明提出利用计算机图像处理技术快速而准确地获得丰富的玉米外观信息，能够科学地描述种子外观特征信息的细微变化，并使检测人员从繁重的重复劳动中解脱出来。以及利用模式识别技术则融合种子外观的多元特征信息，最终实现玉米品种的识别。

发明内容

本发明的目的在于提供利用机器视觉技术实现种子品种无损、快速、可靠的的一种玉米品种快速鉴定、鉴别方法，其特征在于，具体步骤如下

(1)标准品种图像数据库的建立：首先采集标准品种的图像，建立稳定可靠的标准品种图像特征集；对于同一品种样品需采集不同年份、不同产地的样品，以丰富该品种的图像特征信息；

(2)玉米种子测试性状的图像表征，

参照《大田作物--玉米DUS测试指南》中玉米测试性状包含必测性状、选择性状和补充性状，其中必测性状为每个申请品种必须进行测试、考察的基本性状；选择性状是在必测性状不能区别申请品种和近似品种时，进行进一步测试而选用的性状；在获取种子图像后，经过中值滤波、固定阈值分割、采用游程编码算法的区域标记后，提取图像中种子的尺寸、形状、颜色与纹理特征信息，完成必测性状和可测性状的表征，包括：

1)提取种子的尺寸特征：周长、面积、长度与宽度、主轴与副轴、边界点到形心的距离、等距宽度，以描述籽粒大小、甜玉米子粒长度、甜玉米子粒宽度的籽粒部分性状；

2)提取种子的形状特征，包括圆形度、矩形度、长宽比、半径比、Haralick比率、类细度比例和与边界的平均距离，以描述籽粒部分性状，确定子粒类型、粒形；

3)提取种子的颜色特征，包括RGB、规则化RGB、YCbCr、I₁I₂I₃、HSI颜色空间中各颜色向量，以描述籽粒部分性状，包括甜玉米子粒黄色强度、果穗子粒颜色数量、胚乳色、子粒顶端主要颜色和子粒背面颜色；

其中RGB彩色空间是用于显示和保存彩色图像的最常用空间，由红色的R、绿色G、和蓝色B三个分量组成；在进行彩色图像分割时，希望图像的色彩不受光线强度变化的影响，规则化的RGB彩色空间能够让亮度变化在光谱中呈均匀分布，规则化RGB可以表示为：

$\left\{\begin{array}{c}r=R/(R+G+B)\\ g=G/(R+G+B)\\ b=B/(R+G+B)\end{array}\right.;$

YCbCr空间，被广泛应用在电视色彩显示领域，由Y、Cb和Cr三个基组成，其中Y包含亮度信息，Cb和Cr包含色度信息，分别叫做蓝色度和红色度；彩色图像数据依据下面的公式从RGB空间转换到YCbCr空间：

$\left\{\begin{array}{c}Y=0.299R+0.587G+0.114B\\ \mathrm{Cb}=-0.1687R-0.3313G+0.500B+128\\ \mathrm{Cr}=0.500R-0.4187G-0.0813B+128\end{array}\right.;$

I₁I₂I₃空间是一种颜色分量与图像的样本表示在统计上完全独立的颜色空间，I₁I₂I₃与RGB颜色空间变换关系为：

$\left\{\begin{array}{c}{I}_1=(R+G+B)/3\\ I_2=(R-B)/2\\ I_3=(2G-R-B)/4\end{array}\right.;$

HSI是图像处理中另一种常见的彩色空间，它更加符合人眼对色彩的感知，HSI模型把图像的彩色信息和亮度信息分开，用色调、饱和度和亮度来定义颜色，RGB彩色空间和HIS彩色空间的转换关系如下：

4)提取纹理特征描述甜玉米子粒皱缩程度；

(3)品种鉴别模型的建立：

将步骤(2)采集的种子图像表征，提取表征种子测试性状的图像特征信息后，在建立种子品种鉴别模型阶段，对于某一待识别种子可以通过与模型中标准种子的图像特征进行分析而判别种子所属品种；通过步骤(1)采集标准样品图像，提取某种种子外观信息并且对模型进行训练后，建立品种鉴别模型；检验过程实际上就是确认模型里的每一种种子都只能被惟一的鉴定，而不能与其他物质相混淆：

对于大量复杂的种子样品，确定未知样品属于某一种类，采用模式识别来进行鉴别，鉴别作物种子品种的模式识别方法用贝叶斯分类器(Bayes)判别、神经网络或支持向量机；以模式识别来进行判别分析，需要将各品种的标准样本分成学习集和验证集两部分，划分的依据是两个集合中的类别种类应相同，具有广泛的代表性；然后对各品种样本依先验知识赋予初值，来建立品种鉴别模型，然后用验证集来评价模型的性能。

(4)未知样品品种判别：在未知样品的鉴定阶段，采集未知样品的图像后通过籽粒形态鉴别法观察对比待测样品与标准品种各性状的分级标准对其进行鉴别，采集图像的分辨率应该与标准样品保持一致，按照玉米粒色确定未知样品品种属于黄玉米、白玉米和混合玉米的特点；对于未知品种的样品，首先根据种子颜色特征，利用线性判别分类器判别籽粒所属品种色系；然后根据种子形态、颜色与纹理特征，利用训练后模式识别分类器判别种子所属品种。

所述采集的种子图像是采用扫描仪获取种子图像。

所述鉴别作物种子品种的模式为首先利用籽粒颜色特征信息作为判别特征，构建贝叶斯分类器，鉴别玉米种子所属品种的色系；然后利用神经网络的方法建立了鉴别模型，以形态与颜色特征参数为判别特征。

所述将各品种的标准样本分成学习集和验证集两部分，学习集是从所有样本中随机抽取的，每个品种取三分之一的样本，剩下的样本作为验证集样本。

本发明的有益效果为：

1.利用计算机视觉代替了手工检测法，可以快速、客观、准确地鉴定玉米种子的品种，克服了现有技术方案中检测时间长、主观性强、多为破坏性检测，且对检测人员技术操作水平要求高等缺陷；

2.本发明采用扫描仪获取种子图像，利用模式识别技术融合种子多元特征信息，能够客观地反映各性状的细微变化，最终实现玉米品种的智能鉴定，不仅能快速实时鉴别种子品种，而且无需对样本进行破坏性预处理，检测设备操作简单便于携带。

3.根据本发明所述方法编制的计算机图像鉴定系统，还具有较好地扩展能力。每次最多检测300粒玉米，具有自动化程度高、操作快速、简便的特点。

附图说明

图1本发明的图像获取及处理装置连接示意图。

图2本发明的软件流程图。

具体实施方式

本发明提供利用机器视觉技术实现种子品种无损、快速、可靠的的一种玉米品种快速鉴定、鉴别方法。

以五个品种玉米为例说明种子品种鉴别方法。玉米情况如表1所示。

1.标准样品图像数据库的建立

利用美国Epson 2480扫描仪，采集五个品种标准样本的图像。首先将玉米种子3放在扫描仪2的托盘上，托盘插入采集箱内，扫描仪放在采集箱顶面，驱动扫描仪采集玉米种子的图像信息，在计算机1上利用玉米品种鉴定系统识别玉米种子，读取原始图像信息(如图1所示)，存储每粒玉米中的每个像素的图像信息。参照《大田作物--玉米DUS测试指南》中列出的测试性状，提取可表征测试性状的籽粒图像特征参数，最终将颜色和形态特征作为判别品种的主要特征参数。各特征参数值可通过检测界面的菜单项输入至电子表格中进行查看与操作；

2.鉴别模型的建立

根据五个品种玉米按照粒色分别属于黄玉米(农大80、农大108、高油115)、白玉米(白糯6号)和混合玉米(农大4967)，本发明首先利用籽粒颜色特征信息作为判别特征，构建贝叶斯分类器，鉴别玉米种子所属品种的色系。然后利用神经网络的方法建立了鉴别模型，以形态与颜色特征参数为判别特征，鉴别三个黄玉米品种。在神经网络模型的构建中，已知品种样本的图像特征学习集和验证集两部分，学习集是从所有样本中随机抽取的，每个品种取三分之一的样本，剩下的样本作为验证样本。将特征作为神经网络的输入，经过反复学习确定神经网络的隐含层节点数、训练速率取、最大迭代数以及网络的拟合误差。

3.未知样本品种判别

从未知玉米样本中取198粒玉米种子，每次最多检测300粒玉米，首先将玉米种子放在托盘上，托盘插入采集箱内，扫描仪放在采集箱顶面，驱动扫描仪采集玉米种子的图像信息，在计算机上利用玉米品种鉴定系统识别玉米种子(如图1所示)，读取原始图像信息，存储每粒玉米中的每个像素的图像信息，存储为24位bmp格式文件，完成图像处理与特征提取后，利用训练后的神经网络分类器进行玉米品种鉴别(如图2所示)，该模型对未知样本的品种鉴别率均大于90％，说明利用图像特征信息鉴别玉米种子品种是可行的。

检测结果利用人机交互界面输出，所测的种子各特征参数值可通过检测界面的菜单项输入至电子表格中进行查看与操作；

Claims (5)

1.一种玉米品种快速鉴定、鉴别方法，其特征在于，具体步骤如下：

(1)标准品种图像数据库的建立：首先采集标准品种的图像，建立稳定可靠的标准品种图像特征集；对于同一品种样品需采集不同年份、不同产地的样品，以丰富该品种的图像特征信息；

(2)玉米种子测试性状的图像表征

参照《大田作物-玉米DUS测试指南》中玉米测试性状包含必测性状、选择性状和补充性状，其中必测性状为每个申请品种必须进行测试、考察的基本性状；选择性状是在必测性状不能区别申请品种和近似品种时，进行进一步测试而选用的性状；在获取种子图像后，经过中值滤波、固定阈值分割、采用游程编码算法的区域标记后，提取图像中种子的尺寸、形状、颜色与纹理特征信息，完成必测性状和可测性状的表征，包括：

1)提取种子的尺寸特征：周长、面积、长度与宽度、主轴与副轴、边界点到形心的距离、等距宽度，以描述籽粒大小、甜玉米子粒长度、甜玉米子粒宽度的籽粒部分性状；

2)提取种子的形状特征，包括圆形度、矩形度、长宽比、半径比、Haralick比率、类细度比例和与边界的平均距离，以描述籽粒部分性状，确定子粒类型、粒形；

3)提取种子的颜色特征，包括RGB、规则化RGB、YCbCr、I₁I₂I₃、HSI颜色空间中各颜色向量，以描述籽粒部分性状，包括甜玉米子粒黄色强度、果穗子粒颜色数量、胚乳色、子粒顶端主要颜色和子粒背面颜色；其中，

RGB彩色空间是用于显示和保存彩色图像的最常用空间，由红色R、绿色G、和蓝色B三个分量组成；在进行彩色图像分割时，希望图像的色彩不受光线强度变化的影响，规则化的RGB彩色空间能够让亮度变化在光谱中呈均匀分布，规则化RGB可以表示为：

$\left\{\begin{array}{c}r=R/(R+G+B)\\ g=G/(R+G+B)\\ b=B/(R+G+B)\end{array}\right.;$

YCbCr空间，被广泛应用在电视色彩显示领域，由Y、Cb和Cr三个基组成，其中Y包含亮度信息，Cb和Cr包含色度信息，分别叫做蓝色度和红色度，彩色图像数据依据下面的公式从RGB空间转换到YCbCr空间：

$\left\{\begin{array}{c}Y=0.299R+0.587G+0.114B\\ \mathrm{Cb}=-0.1687R-0.3313G+0.500B+128\\ \mathrm{Cr}=0.500R-0.4187G-0.0813B+128\end{array}\right.;$

I₁I₂I₃空间是一种颜色分量与图像的样本表示在统计上完全独立的颜色空间，I₁I₂I₃与RGB颜色空间变换关系为：

$\left\{\begin{array}{c}{I}_1=(R+G+B)/3\\ I_2=(R-B)/2\\ I_3=(2G-R-B)/4\end{array}\right.;$

HSI是图像处理中另一种常见的彩色空间，它更加符合人眼对色彩的感知，HSI模型把图像的彩色信息和亮度信息分开，用色调、饱和度和亮度来定义颜色，RGB彩色空间和HIS彩色空间的转换关系如下：

4)提取纹理特征描述甜玉米子粒皱缩程度；

(3)品种鉴别模型的建立：

将步骤(2)采集的种子图像表征，提取表征种子测试性状的图像特征信息后，在建立种子品种鉴别模型阶段，对于某一待识别种子可以通过与模型中标准种子的图像特征进行分析而判别种子所属品种；通过步骤(1)采集标准样品图像，提取某种种子外观信息并且对模型进行训练后，建立品种鉴别模型；检验过程实际上就是确认模型里的每一种种子都只能被惟一的鉴定，而不能与其他物质相混淆：

对于大量复杂的种子样品，确定未知样品属于某一种类，采用模式识别来进行鉴别，鉴别作物种子品种的模式识别方法用贝叶斯分类器Bayes判别、神经网络或支持向量机；以模式识别来进行判别分析，需要将各品种的标准样本分成学习集和验证集两部分，划分的依据是两个集合中的类别种类应相同，具有广泛的代表性；然后对各品种样本依先验知识赋予初值，来建立品种鉴别模型，然后用验证集来评价模型的性能；

(4)未知样品品种判别：在未知样品的鉴定阶段，采集未知样品的图像后通过籽粒形态鉴别法观察对比待测样品与标准品种各性状的分级标准对其进行鉴别，采集图像的分辨率应该与标准样品保持一致，按照玉米粒色确定未知样品品种属于黄玉米、白玉米和混合玉米的特点；对于未知品种的样品，首先根据种子颜色特征，利用线性判别分类器判别籽粒所属品种色系；然后根据种子形态、颜色与纹理特征，利用训练后模式识别分类器判别种子所属品种。

2.根据权利要求1所述一种玉米品种快速鉴定、鉴别方法，其特征在于，所述采集的种子图像是采用扫描仪获取种子图像。

3.根据权利要求1所述一种玉米品种快速鉴定、鉴别方法，其特征在于，所述鉴别作物种子品种的模式为首先利用籽粒颜色特征信息作为判别特征，构建贝叶斯分类器，鉴别玉米种子所属品种的色系；然后利用神经网络的方法建立了鉴别模型，以形态与颜色特征参数为判别特征。

4.根据权利要求1所述一种玉米品种快速鉴定、鉴别方法，其特征在于，所述将各品种的标准样本分成学习集和验证集两部分为学习集是从所有样本中随机抽取的，每个品种取三分之一的样本，剩下的样本作为验证集样本。

5.根据权利要求4所述一种玉米品种快速鉴定、鉴别方法，其特征在于，所述每个品种取的玉米种子颗粒数为3～300粒。

Images