蝴蝶蘭盆花分級系統(tǒng)及花朵面積提取試驗(yàn)

　　摘 要: 為實(shí)現(xiàn)蝴蝶蘭盆花快速無損分級，以“大 辣 椒( Big Chili ) ”蝴蝶蘭盆花為對象，研究利用顏色模板匹配 算法實(shí)現(xiàn)蝴蝶蘭花朵圖像分割及斑點(diǎn)提取算法獲得花朵面積的方法，并通過不同視角下的花朵面積提取試驗(yàn)， 分析視角不同所引起的花朵面積差異。結(jié)果表明: 以蝴蝶蘭花朵顏色為模板的顏色模板匹配算法能快速實(shí)現(xiàn)蝴 蝶蘭花朵圖像的有效分割。多視角下的蝴蝶蘭盆花圖像處理結(jié)果表明，不同視角下的花朵面積存在 0. 7% ～ 64. 8%的差 異。綜 上 所 述，為實(shí)現(xiàn)蝴蝶蘭盆花分級，應(yīng)旋轉(zhuǎn)并拍攝多視角圖像獲得比較全面的花朵狀態(tài)信息，繼 而 根據(jù)花朵顏色模板匹配算法提取蝴蝶蘭花朵面積，作為評判其花朵開放程度和分級的準(zhǔn)確依據(jù)。

　　關(guān)鍵詞: 蝴蝶蘭; 分級系統(tǒng); 花朵面積; 機(jī)器視覺; 圖像分割

　　0 引言

　　“大辣椒”蝴蝶蘭花朵顏色艷麗，花期長，市場普 及率高，是廣東高檔花卉的代表之一[1]。蝴蝶蘭盆花 上市前，會根據(jù)其開花狀態(tài)為其定級，最主要的依據(jù) 為整株盆花的花朵面積。蝴蝶蘭花朵形狀不規(guī)則、花 瓣大小差異大，花苞嬌嫩，無論人工目測還是手工測 量都有很大的局限性，均不適應(yīng)大規(guī)模生產(chǎn)的需求。 為滿足大規(guī)模精準(zhǔn)農(nóng)業(yè)生產(chǎn)的需要，花卉生產(chǎn)企業(yè)亟 需能實(shí)現(xiàn)蝴蝶蘭盆花無損、快速分級的設(shè)備。

　　當(dāng)前，機(jī)器視覺技術(shù)快速發(fā)展，其在農(nóng)業(yè)無損檢 測方面已有非常廣泛的應(yīng)用。利用圖像處理的方法， 前人已進(jìn)行花卉[2-4]、蔬菜[5-7]、水果[8-10]的特征無損 識別和分級研究。2017 年，劉晶晶等針對牡丹花分類 問題運(yùn)用了改進(jìn)的 BP( Back Propagation) 神經(jīng)網(wǎng)絡(luò)算 法，對牡丹紋理和形狀特征進(jìn)行提取識別，實(shí)現(xiàn)了牡 丹分類自動化[11]。2015 年，Puttemans S 等使用有限 的蘭花樣本集先后通過蘭花訓(xùn)練對象模型、新型二進(jìn) 制 SVM( Support Vector Machine) 分類器的分類系統(tǒng)，實(shí)現(xiàn)了小訓(xùn)練集對象高精度分類和評級[12]。

　　Diago M. P. 利用開源“flower counting”算法，開發(fā)了快速、無 損的葡萄產(chǎn)量評估方法[13]。2015 年，I. Kiruba Rajia 等使用邊界結(jié)構(gòu)模型檢測葉子邊界，實(shí)現(xiàn)了從復(fù)雜背 景中識別草藥的功能[14]。2020 年，Boran Jiang 等提 出了一種自動的玉米葉分割算法，其性能和分割結(jié)果 相似度都優(yōu)于傳統(tǒng)分割算法[15]。2016 年，楊意等測 量與分析了白掌組培苗投影面積與其他面積參數(shù)的 相關(guān)度，實(shí)現(xiàn)了根據(jù)投影面積估計其表型參數(shù)的方 法[16]。

　　2017 年，P. J. Ramos 等提出通過咖啡樹枝一 側(cè)的果實(shí)數(shù)字圖像信息，計算樹枝上果實(shí)數(shù)量的方 法[17]。2018 年，Alireza Soleimani Pour 等利用 B 樣條 曲線、數(shù)學(xué)運(yùn)算和機(jī)器學(xué)習(xí)分類器，提出了一種新的 紅掌花卉品種分類方法[18]。2018 年，Wang Fenyun 等 設(shè)計了一種利用分水嶺算法實(shí)現(xiàn)鮮白蘑菇自動分揀 系統(tǒng)[19]; 同年，周彤等利用機(jī)器視覺檢測葡萄果粒直 徑、大小，利用機(jī)器視覺實(shí)現(xiàn)葡萄位置識別，為葡萄智 能采收提供了理論基礎(chǔ)[20]。

　　雖然蝴蝶蘭盆花生產(chǎn)中迫切需要實(shí)現(xiàn)開花品質(zhì) 的無損檢測，從而進(jìn)行定級及合理規(guī)劃盆花上市時 間，但由于蝴蝶蘭花枝生長方向多變、花朵開花角度 不一致以及花瓣不規(guī)則，其開花品質(zhì)判定存在一定的 難度，相關(guān)研究也鮮有報道。為此，通過蝴蝶蘭盆花 多視角圖像，首先研究基于顏色模板匹配算法進(jìn)行蝴 蝶蘭花朵圖像分割和面積提取的有效性，繼而通過多 視角圖像處理結(jié)果數(shù)據(jù)分析視角不同時花朵面積的 差異，探索蝴蝶蘭開花質(zhì)量評價的快速、無損視覺檢 測方法。

　　1 材料與方法

　　1. 1 材料

　　文中所使用的蝴蝶蘭樣本均產(chǎn)自廣東省農(nóng)業(yè)科 學(xué)院環(huán)境園藝研究所白云試驗(yàn)基地，品種為“大辣椒 ( Big Chili) ”。大辣椒蝴蝶蘭色彩濃烈，形態(tài)美觀，對 溫度的耐受性較強(qiáng)，很受市場歡迎。樣本蝴蝶蘭采用 單株盆栽，苗齡 30 個月，為即將春節(jié)上市前期。試驗(yàn) 共使用 30 盆單株蝴蝶蘭，編號為 1、2，…，30。

　　1. 2 蝴蝶蘭分級系統(tǒng)及花朵面積提取裝置

　　為實(shí)現(xiàn)蝴蝶蘭盆花開花品質(zhì)判斷，構(gòu)建了蝴蝶蘭 分級系統(tǒng)，整體由控制模塊、輸送裝置和視覺檢測裝 置構(gòu)成。系統(tǒng)運(yùn)行時，蝴蝶蘭盆花放置 于主輸送帶上，由主輸送帶運(yùn)送至檢測室內(nèi)的轉(zhuǎn)臺 上，觸發(fā)檢測室內(nèi)部的到位傳感器，控制裝置控制轉(zhuǎn) 臺上升，根據(jù)檢測室頂部的測高裝置控制不同株高的 蝴蝶蘭盆花頂部到達(dá)相機(jī)視場中; 當(dāng)花朵枝條到達(dá)相 機(jī)視場高度時，轉(zhuǎn)臺開始旋轉(zhuǎn)，每旋轉(zhuǎn) 120°拍攝 1 幅 圖像，直至旋轉(zhuǎn) 360°。

　　每株樣本蝴蝶蘭盆花共拍攝 3 幅圖像，并分別定義為視角 1、視角 2 和視角 3。視覺 系統(tǒng)分析和處理拍攝的每幅圖像，計算每幅圖像的花 朵面積，并將結(jié)果回傳至控制系統(tǒng); 控制系統(tǒng)根據(jù) 3 幅圖像中的最大花朵面積確定此樣本的等級; 檢測完 成后的盆花由檢測室輸出至主傳送帶，當(dāng)?shù)竭_(dá)對應(yīng)品 質(zhì)分級入口時，控制系統(tǒng)控制推送氣缸，將蝴蝶蘭盆花送入對應(yīng)級別的分級輸送帶，單盆蝴蝶蘭花朵面積 檢測完成。檢測室內(nèi)部結(jié)構(gòu)包含相機(jī)支架、固定螺栓、視覺 相機(jī)、蝴蝶蘭、PC 機(jī)和白色條形 LED 光源�？刂蒲b置根據(jù)待測蝴蝶蘭盆花株高調(diào)節(jié)其上升高 度，確�；ǘ渲�條處于相機(jī)視野。

　　1. 3 試驗(yàn)方法

　　試驗(yàn)采用康耐視 COGNEX 8402C 二維視覺相機(jī) 拍攝蝴蝶蘭圖像，使用康耐視 In -Sight explorer 軟件 ( 版本號: 5. 6. 1) 對蝴蝶蘭圖像進(jìn)行分析處理，主要運(yùn) 用視覺工具反向、擴(kuò)大、關(guān)閉 filter 函數(shù)和 色 彩 提 取 ExtractColor 等函數(shù)進(jìn)行蝴蝶蘭花朵分割，得到僅有蝴 蝶蘭花朵區(qū)域的結(jié)果圖片; 之后，對花朵結(jié)果圖像進(jìn) 行二值化處理，再對二值化圖像運(yùn)行 ExtractBlobs 算法 提取斑點(diǎn); 最后，根據(jù) Blobs 斑點(diǎn)函數(shù)輸出結(jié)果累加得 到單株蝴蝶蘭花朵的像素面積總和。

　　2 蝴蝶蘭花朵面積提取方法

　　2. 1 蝴蝶蘭圖像獲取 通過 所示的視覺裝置，調(diào)節(jié)轉(zhuǎn)臺分別旋轉(zhuǎn) 120°、240°、360°，采集對應(yīng)視角下的蝴蝶蘭圖像。

　　2. 2 蝴蝶蘭花朵圖像分割和去噪

　　對所示的蝴蝶蘭原始圖像，利用顏色模板匹 配算法提取蝴蝶蘭花朵，處理過程如下：

　　1) 對相機(jī)采集的蝴蝶蘭原始圖像使用圖像濾波 器 Filter 函數(shù)的圖像反向算法，得到反 向處理結(jié)果圖像。

　　2) 在反向圖像上，選擇花朵中花萼、花瓣和 花蕊顏色為模板，利用 TraninExtractColor 函數(shù)訓(xùn)練花 朵顏色模板庫。 3) 利用第 2 步訓(xùn)練的顏色模板和顏色提取函數(shù) ExtractColor，對其中的反向圖像進(jìn)行顏色提取，得到去 除花苞、枝條和葉片，主要為花朵的結(jié)果圖像。

　　4) 對運(yùn)行 Filter 函數(shù)反向算法，得到基于顏 色模板匹配算法的處理結(jié)果，為蝴蝶蘭花朵圖像分割 結(jié)果。 5) 蝴蝶蘭花朵分割結(jié)果圖像中仍含有莖 稈、花蕾和支撐桿等部分不連續(xù)像素點(diǎn)，為減少后續(xù) 面積計算誤差，需進(jìn)行去噪處理。去噪時，首先對其中的初步分割圖像利用 Filter 函數(shù)和 3×3 的內(nèi)核對圖像 進(jìn)行閉運(yùn)算操作，去除圖像噪聲; 然后對輸出的圖像 使用 Filter 函數(shù)和 3×3 內(nèi)核對圖像進(jìn)行開運(yùn)算，對上 一步損失的花朵部分圖像進(jìn)行恢復(fù); 重復(fù)上述操作 3 次，得到的結(jié)果圖像如圖 7 所示。此時，圖像中大部 分的噪聲都已被去除。

　　2. 3 蝴蝶蘭花朵面積提取

　　利用 Filter 函數(shù)中的二值化算法對其中的去噪結(jié) 果圖片進(jìn)行處理，得到花朵區(qū)域的二值化圖像。利用 ExtractBlobs 函數(shù)提取圖 8 中的白色斑點(diǎn)。 ExtractBlobs 函數(shù)的功能是根據(jù)要求計算二值圖中所 選獨(dú)立斑點(diǎn)的個數(shù)和面積，并將所求得的斑點(diǎn)按面積 值從大到小依次排列。根據(jù)大辣椒蝴蝶蘭的特點(diǎn)，將 最大斑點(diǎn)數(shù)設(shè)置為當(dāng)前花期單盆蝴蝶蘭盆花樣本的 最大可開花數(shù)量( 因?yàn)閱闻?ldquo;大辣椒”蝴蝶蘭開花數(shù)目 約為 10 朵，因此此處設(shè)為 15) ，選擇黑色背景，斑點(diǎn)顏 色為白色，即可求得所選圖片中的斑點(diǎn)，并在圖中用 綠色的曲線選中。

　　最后，利用 Sum 函數(shù)對 ExtractBlobs 函數(shù)輸出的 面積區(qū)域數(shù)據(jù)求和，得到花朵面積。雖然此時花朵像 素面積計算時的圖像中仍會有噪點(diǎn)，但是可以通過設(shè) 置 ExtractBlobs 函數(shù)采集區(qū)域的最小值像素范圍去除 噪聲點(diǎn)的影響。雖然花朵下方仍有兩個小 的白色噪點(diǎn)，但因?yàn)樵O(shè)置了最小采集值，最終的結(jié)果 圖像( 綠色曲線內(nèi)) 并未包含此噪點(diǎn)，因此求得的花朵 面積結(jié)果不受小噪聲的影響。

　　3 多視角花朵面積提取試驗(yàn)及差異分析

　　將每一盤單株蝴蝶蘭所采集的 3 個視角圖像分 別定義為視角 1、視角 2、視角 3，對每一個視角都運(yùn)用 第 2 節(jié)所描述的算法進(jìn)行花朵圖像分割、去噪、二值 化、斑點(diǎn)圖和花朵的像素面積計算。通過對比各視角 花朵的像素面積，取最大值作為最能反映其開花程度 的開花品質(zhì)數(shù)據(jù)，并分析其余視角相對于此蝶蘭花朵 最大像素面積的誤差百分比。

　　同株蝴蝶蘭不同視 角花朵面積計算結(jié)果均有差異。差異分布在最小誤 差 0. 7%和最大誤差 64. 9%之間。其中，最小誤差為樣本 26 的視角 1 和與視角 2( 最大花朵面積視角) ，僅 為 0. 7%，接近相等，但其視角 3 與視角 2( 最大花朵面 積視角) 測得的花朵面積差異達(dá)到 12. 7%。產(chǎn)生最大面積誤差是蝴蝶蘭樣本 8，其視角 3 與測得的最大花 朵面積( 視角 2) 的誤差為 64. 9%。

　　這是由于蝴蝶蘭 花朵為單支條狀，其生長角度具有隨機(jī)性，花朵開放 時的位置雖基本確定，但其角度也有差異; 蝴蝶蘭盆 花進(jìn)入檢測室時，其初始角度也是隨機(jī)的，因此其最大值的分布未固定在某個確定的視角，而是隨機(jī)分布 在視角 1、2、3。因此，當(dāng)需判斷其開花質(zhì)量時，單視角 圖像并不能真實(shí)地反映其花朵生長狀態(tài)，應(yīng)該通過旋 轉(zhuǎn)的方式獲得更全面的圖像，進(jìn)而對其開花品質(zhì)進(jìn)行 評判，得到的結(jié)果才更可靠。

　　4 結(jié)論

　　1) 結(jié)合蝴蝶蘭花朵顏色模板匹配算法和斑點(diǎn)域 面積提取算法，實(shí)現(xiàn)了蝴蝶蘭花朵面積的快速提取。 2) 多視角蝴蝶蘭花朵面積提取結(jié)果表明: 不同視 角下“大 辣 椒“蝴蝶蘭花朵圖像面積存 在 0. 7% ～ 64. 8%的差異。實(shí)際生產(chǎn)中，需要通過旋轉(zhuǎn)蝴蝶蘭盆 花，獲得更加全面的花朵圖像，繼而依據(jù)顏色模板匹 配算法測定其開花面積，作為判斷其開花品質(zhì)和分級 的準(zhǔn)確依據(jù)。

　　參考文獻(xiàn):

　　[1] 中國花卉協(xié)會. 2019 全國花卉產(chǎn)銷形勢分析報告[EB/ OL]. ( 2019-06-04) [2020-02-15].

　　[2] 李愷，楊艷麗，劉凱，等. 基于機(jī)器視覺的紅掌檢測分級方 法[J]. 農(nóng)業(yè)工程學(xué)報，2013，29( 24) : 196-203.

　　[3] 熊宇鵬，毛罕平，左志宇，等. 基于數(shù)字圖像處理的鳳梨花 卉品質(zhì)參數(shù)檢測的研究[J]. 農(nóng)機(jī)化研究，2013，35( 9) : 163-168.

　　[4] SOLEIMANI POUR A，CHEGINI G，ZARAFSHAN P，et al. Curvature-based pattern recognition for cultivar classification of anthurium flowers[J]. Postharvest biology & technology，2018，139: 67-74.

　　[5] 王紅軍，熊俊濤，黎鄒鄒，等. 基于機(jī)器視覺圖像特征參數(shù) 的馬鈴薯質(zhì)量和形狀分級方法[J]. 農(nóng)業(yè)工程學(xué)報，2016， 32( 8) : 272-277.

　　作者：楊 意1a ，王再花2 ，劉海林2 ，劉厚誠1b ，羅 治1 a ，潘哲朗1 a ，辜 松1c

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///nylw/29257.html