基于胚部特征的玉米品种识别
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于胚部特征的玉米品种识别范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：扫描了4个玉米品种各70粒种子图像，采用OSTU法对图像进行分割，利用改进的开闭运算对分割后图像进行修整，并用快速混合重构算法对修整过的二值图像中的孔洞进行填充，最终得到玉米子粒的胚部图像。利用连通区域标记法和多对象轮廓提取算法对胚部图像进行形态特征参数的提取，对每粒玉米子粒的胚部提取了面积、周长、圆形度、椭圆短长轴比、矩形度、离心率6个形态特征参数。利用K-均值聚类分析对提取到的特征参数进行品种识别，4种玉米品种的检出率达到94%以上。利用胚部形态特征进行玉米品种识别是有效的。
关键词：玉米；品种识别；胚部特征；K-均值聚类
中图分类号：TP391.41 文献识别码：A 文章编号：0439-8114（2013）17-4232-03
Varieties Identification of Maize Based on Embryo Characteristics
ZHANG Wen-jing1，CHENG Hong1，2，WANG Ke-jian1
（1.College of Information Science & Technology， Agriculture University of Hebei， Baoding 071001，Hebei，China；
2. College of Information and Electrical Engineering， China Agricultural University，Beijing 100083， China）
Abstract： Four maize varieties were selected， and 70 images of each variety were scanned. The images were segmentled by OSTU， then were repaired through the improved open-close operation， and the rapid mixing reconstruction algorithm was used to fill the repaired binary image holes， so the embryo images of maize were obtained. Morphological parameters of embryo were extracted with connected components labeling method and multi-object contour extraction algorithm， which contained the following 6 morphological parameters， area， perimeter， circularity， elliptic short-long axis ratio， rectangular degree and eccentricity. Using K-means cluster to identify the maize varieties with the morphological parameters， the detection rates of the four maize varieties were all over 94%. The experimental results verified the effectiveness of maize variety identification using embryo morphology.
Key words： maize； variety identification； embryo characteristic； K-means cluster
收稿日期：2013-05-22
基金项目：河北农业大学理工基金项目（LG20110604）；河北省教育厅资助项目（Q2012139）
作者简介：张文静（1981-），女，河北邯郸人，讲师，硕士，主要从事数据挖掘和人工智能方面的研究，（电话）15903120820（电子信箱）
。
目前，种子品种质量检验的实验室方法有电泳技术、色谱分析技术、荧光扫描技术、遗传物质DNA分析技术以及近些年出现的近红外光谱分析[1-3]等。这些检验具有准确率高而且能够进行纯度鉴定等显著优势，但成本高、周期长而且需要专门的仪器设备条件等特点使得这些方法都不能应用于种子交易流通的现场。利用机器视觉进行农作物种子品种的自动识别，可以实现快速、无损检测，便于形成简单便携的应用于种子流通和种植现场的检测设备。但是，相对于上述列举的各种实验室检测方法，目前利用机器视觉进行品种自动识别的准确率还难以满足实际应用的需要，解决的途径就是基于更有效的特征参数建立更准确的识别模型。
利用机器视觉进行玉米品种的自动识别研究，大部分采用针对玉米种子整体的特征参数[4-13]。为了提高分类识别的准确率，近些年也开始进行局部特征的研究。宁纪锋等[14]利用玉米种子尖端的形态特征和胚部图像的亮度特征进行了玉米子粒品质的识别研究；史智兴等[15]提出了把玉米子粒的数字图像分解为胚部和冠部寻找局部特征参数的研究思路，分别提取了玉米胚部和冠部的颜色和面积等直接特征，构造了胚部和冠部的面积比等间接特征，在少量样本下验证了局部特征在品种识别中的有效性；韩仲志等[16]提出了一种基于独立分量分析ICA的玉米胚部测量方法，并建立了检测模型。
玉米子粒由胚部（白色部分）与冠部（黄色部分）组成。其中的胚部部分是玉米的重要农艺性状之一。玉米的胚形指的是玉米子粒白色胚部果皮的形态、面积的大小及沿形状。在遗传过程中，玉米子粒的胚形具有相对稳定性，是玉米品种的主要特征之一。因此，研究玉米种子的胚形可以有效地进行玉米品种的鉴别[17]。为了进一步验证胚部在玉米识别过程中的有效性，以玉米子粒的胚部为研究对象，提取了胚部的6个形态特征参数，并以K-聚类分析算法进行了基于玉米胚部特征的品种识别。
1 试验材料
试验选取4个玉米品种，分别是先玉335、农大4967、京科25和金秋963，主色调均为黄色，由河北农业大学农学院作物育种部门提供。每个玉米品种选取具有固有特征的70粒种子作为试验样本。
2 图像采集与参数提取
2.1 玉米子粒图像的采集
选取的4个玉米品种共280粒的试验样本，若每个子粒单独采集图像，工作量大，效率低，故选择先同时采集多个玉米子粒图像，后期进行图像分割，进而分离出每个玉米子粒胚部图像的方法。
具体方法为：采用人工摆放方式将一个玉米品种的70粒种子样本全部放在黑色橡胶板上。要求玉米子粒相互间不重叠，玉米子粒胚部所在面朝上，并且使玉米子粒尖端朝向扫描起始方向（以便减少扫描仪照明所产生的胚部皱褶阴影）。采用明基Q52平板扫描仪以600 dpi进行扫描。最终获得4个品种玉米子粒的4幅RGB图像，图像格式为.bmp。
2.2 玉米子粒胚部图像的提取
采用阈值分割中的OSTU法对采集到的玉米子粒图像进行分割，并对分割后图像运用数学形态学中改进的开闭运算进行修整，采用快速混合重构算法对修整过的二值图像中的孔洞进行填充，可以得到玉米子粒的胚部图像。
2.3 特征参数的提取
利用连通区域标记法和多对象轮廓提取算法，从提取到的玉米子粒的胚部图像中提取胚部的特征参数。每个子粒胚部提取6个形态特征参数，分别是面积、周长、圆形度、椭圆短长轴比、矩形度、离心率（表1）。
各参数的定义如下：①面积：胚部区域像素的个数；②周长：胚部区域的边缘像素个数；③矩形度：胚部区域的面积/包围该连通域的最小矩形面积；④圆形度=4π×面积/（周长×周长）；⑤椭圆短长轴比：与胚部区域具有相同标准二阶中心矩的椭圆的短轴与长轴的比值；⑥离心率：具有相同标准二阶中心矩的椭圆的离心率。
3 基于胚部特征的玉米品种的识别
3.1 K-均值聚类分析算法
根据数据的内在性质将数据集合中的数据分成若干类，聚类的原则是，将具有相同特性的数据尽可能地归为同一个聚合类中，并且使不同类之间的属性差别尽可能大。K-均值聚类算法是目前应用最为广泛的一种聚类算法，其基本原理是用户指定聚类的数目k，算法依据某个距离函数把指定的数据集合中的数据反复地分入k个聚类中。
具体的K-均值聚类过程如下：
初始的聚类中心由系统随机选取的k个对象决定，分别计算各个种子聚类中心与每个对象之间的距离，选择最近的聚类中心距离分配对象。一个聚类由分配的对象和该类的聚类中心组成。当全部对象都被分配完成后，再根据聚类中现有的对象重新计算该聚类中的聚类中心。不断地重复这个过程，直到某个终止条件成立。终止条件可以为：
1）每个聚类中不再有新的对象被分配进入；
2）所有的聚类中心不再发生变化；
3）误差平方和局部最小。
算法的伪代码如下：
1）选择k个点作为初始质心；
2）repeat
将每个点指派到最近的质心，形成k个簇重新计算每个簇的质心
util 质心不发生变化
3.2 品种识别过程
采用SPSS软件提供的k-均值聚类功能对试验所提取到的4个玉米品种子粒的6个胚部形态特征参数进行聚类分析。每次分析的样本数量为100粒，其中含有一定数量的待测品种和若干粒其他杂粒品种。初始聚类中心由系统随机选择。4个玉米品种的识别率达到94%以上，结果如表2所示。
利用K-均值聚类分析对4个玉米品种的识别率高低不同，原因主要有以下几点：不同的玉米种子本身存在着个体差异，如胚部的饱满与凹陷等；在图像采集时，扫描仪照明产生的某些胚部皱褶阴影导致最后提取到的胚部图像信息存在一些差异。聚类分析所选取的聚类特征不尽完美，还有待进一步的研究。这些都在一定程度上对玉米种子胚部图像的提取和参数特征分析产生了不同程度的影响。
4 小结
种子的质量对农作物的产量有着重大的影响。玉米是我国最主要的农作物之一， 对玉米品种的识别研究一直是农业领域的热点课题。玉米子粒的胚部特征是重要的农艺性状之一，不同品种的玉米胚部特征有较大的差别。扫描了玉米4个品种各70粒种子的图像，并利用OSTU、开闭运算、连通区域标记法和多对象轮廓提取算法对图像进行处理，得到了玉米子粒的胚部形态特征参数。利用K-均值聚类分析对提取到的特征参数进行聚类分析，4个玉米品种的检出率达到94%以上。试验结果验证了利用胚部形态特征进行玉米品种识别的有效性。
参考文献：
[1] 邬文锦，王红武，陈绍江，等.基于近红外光谱的商品玉米品种快速鉴别方法[J].光谱学与光谱分析，2010，30（5）：1248-1251.
[2] 陈新亮，王徽蓉，李卫军，等.一种用于玉米品种鉴别的近红外光谱频率选择方法[J].光谱学与光谱分析，2010，30（9）：2919-2922.
[3] VENORA G，GRILLO O，SHAHIN M A，et al.Identification of Sicilian landraces and Canadian cultivars of lentil using an image analysis system[J]. Food Research International，2007， 40（1）：161-166.
[4] CHOUDHARY R，PALIWAL J，JAYAS D S.Classification of cereal rains using wavelet， morphological，colour，and textural features of non-touching kernel images[J].Biosystems Engineering，2008，99（3）：330-337.
[5] MOHAN L A，KARUNAKARAN K，JAYAS D S， et al.classification of bulk cereals using visible and NIR reflectance characteristics[J]. Canadian Biosystems Engineering，2005，47（7）：7-14.
[6] 权龙哲，祝荣欣，雷 溥，等.基于K-L变换与LS-SVM的玉米品种识别方法[J].农业机械学报，2010，41（4）：168-172.
[7] 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种形态识别[J].作物学报，2008，34（6）：1069-1073.
[8] 周 红，刘光蓉，管庶安.数字图像处理技术在玉米种子轮廓检测中的应用[J].种子，2004，23（9）：90-92.
[9] 杨锦忠，张宏生，郝建平，等.玉米果穗图像单一特征的品种鉴别力评价[J].农业工程学报，2011，27（1）：196-200.
[10] 闸建文，陈永艳.基于外部特征的玉米品种计算机识别系统[J].农业机械学报，2004，35（6）：115-118.
[11] 王玉亮，刘贤喜，苏庆堂，等.多对象特征提取和优化神经网络的玉米种子品种识别[J].农业工程学报，2010，26（6）：199-204.
[12] 熊 凯，李向红，李言照，等.基于ANN和PCA的玉米品种特征分析与识别研究[J].粮油食品科技，2010，18（4）：1-5.
[13] 程 洪，史智兴，么 炜，等.基于支持向量机的玉米品种识别[J].农业机械学报，2009，40（3）：180-183.
[14] 宁纪锋，何东健，杨蜀秦.玉米籽粒的尖端和胚部的计算机视觉识别[J].农业工程学报，2004，20（3）：117-119.
[15] 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究[J].农业工程学报，2008，24（6）：193-195.
[16] 韩仲志，赵友刚，杨锦忠.基于籽粒RGB图像独立分量的玉米胚部特征检测[J].农业工程学报，2010，26（3）：222-226.
[17] 史 勇.谈玉米种子的胚形[J].种子世界，2002（4）：49.