以小麦种子不完善粒判别为例,本节重点介绍采用近红外光谱成像技术定性判别种子不完善粒的分析流程和分析方法。一、样本制备小麦不完善粒是指受到损伤但尚有使用价值的小麦籽粒,包括虫蚀粒、病斑粒、破损粒、生芽粒和霉变粒。目前,小麦不完善粒的检测完全由人工感官检验完成,存在主观性强、工作量大、费时费力且可重复性差等缺点。实验选取正常粒样本486个、黑胚样本127个、虫蚀粒样本149个及破损粒样本170个进行实验,如下图7-2所示。
![]()
(a)正常粒 (b) 黑斑粒 (c) 虫蚀粒 (d) 破损粒图7-2 小麦样本示意图
二、光谱图像采集图7-3所示为实验中采用的SOC710VP便携式高光谱成像光谱仪。采集前30min开启预热系统,同时将样本从冰箱取出晾至室温备用。采集过程及仪器参数设定如下:每类小麦样本以10*10网格状放置于样品台,光谱扫描范围493~1106 nm,扫描速度30 line/s,波段间隔5.1 nm,波段数116个,图像分辨率696×520 pixel,最终得到一个696×520×116的三维数据块。对采集的高光谱图像进行黑白板校正。三、光谱图像特征提取
1. 图像分割利用最大方差自动取阈法提取样本轮廓。在提取过程中发现,黑胚粒胚部灰度与背景极为相似,分割后易造成局部信息丢失,如图7-4(a)、(b),因此需要对原始图像进行图像增强。图7-4(c)、(d)分别为对黑胚粒图像进行增强及阈值分割后的结果。对比可知,图像增强结合最大方差自动取阈法可以较好地提取小麦种子的轮廓,为后续的特征提取提供保证。
![]()
图7-4 图像增强与分割示意图
(a)黑胚粒在886.7nm波长下的原始图像;(b)最大方差自动取阈法分割后的图像;
(c)对原始图像进行图像增强;(d)图像增强后的阈值分割结果
2. 光谱特征提取按照上述方法分割得到每粒小麦样本的轮廓信息,提取样本轮廓范围内每个像素点的光谱反射率并计算所有像素点的平均值作为该样本的代表光谱。图7-5给出了四种类型小麦籽粒的平均光谱图。3. 图像特征提取
小麦各类型不完善粒在外观、颜色、光滑度等方面均存在明显差异,由于在小麦高光谱图像中很难体现颜色特征,因此从纹理、形态两方面提取特征。采用灰度共生矩阵法(Gray-level co-occurrence matrix, GLCM)提取同质度、三阶矩、角二阶矩、熵和对比度共5个特征量以及两个直方图参数(均值和方差)表征纹理特征。如表7-1所示,可以看出,不同类型的小麦不完善粒纹理特征存在明显差异,如破损粒的标准差、三阶矩、对比度均明显高于其他类型籽粒,虫蚀粒、黑胚粒的角二阶矩明显低于破损粒和正常粒,而黑胚粒的熵值明显高于其他类型籽粒。综上所述,纹理特征可以作为识别小麦不完善粒的一个依据。形态表7-1各类型小麦粒纹理特征值
参数 | 黑胚粒 | 虫蚀粒 | 破损粒 | 正常粒 |
均值 | 6.3731 | 6.3296 | 7.0502 | 6.1564 |
标准差 | 15.2557 | 15.2675 | 17.2833 | 14.8870 |
同质度 | 0.0037 | 0.0037 | 0.0049 | 0.0035 |
三阶矩 | 0.1510 | 0.1477 | 0.2488 | 0.1286 |
角二阶矩 | 0.6682 | 0.6939 | 0.7048 | 0.7015 |
熵 | 1.7335 | 1.5850 | 1.5474 | 1.5343 |
对比度 | 2.6011 | 3.2007 | 4.8858 | 3.0597 |
特征主要描述图像的区域特征和轮廓特征,结合籽粒二值图像提取包括籽粒周长、面积、圆形度、矩形度、伸长度5个反映形态差异的基本物理量作为形态特征。各类型籽粒的形态特征值如表7-2所示,可以看出,不同类型的小麦不完善粒表7-2各类型小麦粒不完善粒形态特征值
参数 | 黑胚粒 | 虫蚀粒 | 破损粒 | 正常粒 |
周长 | 93.0867 | 88.6827 | 87.3279 | 88.1579 |
面积 | 396.18607 | 362.7408 | 348.9007 | 352.6744 |
圆形度 | 1.7516 | 1.7402 | 1.7584 | 1.7658 |
矩形度 | 0.7707 | 0.7851 | 0.7747 | 0.7784 |
伸长度 | 0.5123 | 0.5079 | 0.5536 | 0.4587 |
形态特征存在较明显差异,如黑胚粒的周长、面积均明显高于其他类型籽粒,虫蚀粒的矩形度高于其他类型籽粒,而正常粒的伸长度明显低于其他类型籽粒。因此,选取形态特征参数对不完善粒进行识别是可行的。