謝　敏　沈佐銳　施宗偉　郭瓊霞　高靈旺　潘鵬亮

摘要本研究基于數(shù)字圖像處理與分析技術(shù)，首次用FeatureExtract數(shù)學(xué)形態(tài)特征提取軟件獲取了3種菟絲子圖像的13項(xiàng)數(shù)學(xué)形態(tài)特征值，并做了方差分析和聚類分析。結(jié)果表明，該技術(shù)可應(yīng)用于雜草種子快速鑒定。同時(shí)提出對(duì)方法的改進(jìn)建議，為最終實(shí)現(xiàn)雜草種子的快速鑒定奠定了基礎(chǔ)。

關(guān)鍵詞計(jì)算機(jī)視覺技術(shù)；數(shù)學(xué)形態(tài)特征；檢疫性雜草種子

中圖分類號(hào)S 453

隨著計(jì)算機(jī)的普及和計(jì)算機(jī)視覺技術(shù)的日漸成熟，計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)生產(chǎn)和研究中已得到廣泛應(yīng)用。如在農(nóng)產(chǎn)品自動(dòng)分級(jí)、農(nóng)作物生長(zhǎng)實(shí)時(shí)監(jiān)控和植物病蟲害管理等方面都有詳細(xì)的報(bào)道。然而，計(jì)算機(jī)視覺技術(shù)在植物種子尤其是在檢疫性雜草種子分類鑒定方面的研究報(bào)道還不多。當(dāng)前對(duì)出入境貨物中所攜帶的檢疫性雜草種子的鑒定還主要依靠人工，從這些種子的形態(tài)學(xué)方面進(jìn)行分類鑒定。形態(tài)學(xué)鑒定不僅需要專業(yè)人員具備一定的專業(yè)知識(shí)與長(zhǎng)期積累的經(jīng)驗(yàn)，而且耗時(shí)長(zhǎng)，主觀性強(qiáng)。隨著我國加入WTO，進(jìn)出口產(chǎn)品種類與數(shù)量都大幅增長(zhǎng)。通關(guān)口岸的增多和危險(xiǎn)性物種入侵的復(fù)雜程度，需要更多的專業(yè)人員從事這方面的工作，當(dāng)前的鑒定方式已經(jīng)不能滿足快速通關(guān)的要求，建立一套快速準(zhǔn)確的種子分類系統(tǒng)已迫在眉睫。為此，本文將IPMist實(shí)驗(yàn)室在昆蟲自動(dòng)識(shí)別所開發(fā)的技術(shù)和軟件進(jìn)行移植和改進(jìn)，應(yīng)用于檢疫性雜草種子的自動(dòng)鑒定上，以菟絲子屬種子的數(shù)學(xué)形態(tài)特征為依據(jù)，探討利用該技術(shù)對(duì)檢疫性雜草種子進(jìn)行自動(dòng)分類鑒定的可行性。

1試驗(yàn)材料和儀器

試驗(yàn)所用菟絲子種類包括南方菟絲子(Cuscutaaustralis R.Br.)、日本菟絲子(C.japonica Choisy)和苜蓿菟絲子(C.approximata Babington)。每個(gè)種類20個(gè)樣本，通過顯微圖片采集技術(shù)對(duì)菟絲子種子進(jìn)行數(shù)字圖片采集。所用菟絲子種子由福建出入境檢驗(yàn)檢疫局技術(shù)中心植物檢疫實(shí)驗(yàn)室提供。

試驗(yàn)中使用的設(shè)備主要有顯微鏡(Leica LCDMZ16)、攝像頭(Leica DFC320)、惠普臺(tái)式計(jì)算機(jī)。

2試驗(yàn)方法

2.1圖像的采集

采集到邊緣清晰的圖片是本試驗(yàn)的關(guān)鍵，所以對(duì)種子的成像要求較高。具體步驟如下：為了顯示圖片實(shí)際大小，把菟絲子種子放于測(cè)微尺上采集圖像，打開LCD顯微鏡，運(yùn)行其自帶軟件，調(diào)節(jié)圖像大小，使種子占滿視野，調(diào)節(jié)鏡頭并利用軟件調(diào)節(jié)圖像的清晰度，使種子輪廓及特征清晰。

2.2圖像的處理

考慮到所獲取的菟絲子種子圖像較大，種子立體結(jié)構(gòu)會(huì)造成圖像輪廓模糊。本研究利用Photo—shop軟件對(duì)原始圖片進(jìn)行預(yù)處理，使其輪廓更為清晰可辨，降低數(shù)據(jù)提取的運(yùn)算負(fù)擔(dān)。

為了更好地去除噪音以及雜質(zhì)干擾，勾勒出雜草種子的整體輪廓；并對(duì)照片其他部分填充背景色進(jìn)一步去除圖像干擾，突出整體；修改圖像大小至80k左右，以加快圖像處理軟件的運(yùn)算速度；用IPMist實(shí)驗(yàn)室研發(fā)的圖像處理軟件BatchImage將初始圖像處理成32 bits圖，再二值化成bina_shape圖進(jìn)行數(shù)據(jù)特征的提取。

2.3圖像數(shù)學(xué)形態(tài)學(xué)特征的提取

用FeatureExtract數(shù)據(jù)提取軟件提取出菟絲子種子的若干數(shù)學(xué)形態(tài)特征，包括矩形度、延長(zhǎng)度、似圓度、球狀性、葉狀性、偏心率以及7個(gè)Hu特征值，以下是對(duì)各參數(shù)的一個(gè)簡(jiǎn)要說明。

(1)矩形度：物體面積與最小外接矩形面積的比值。

(2)延長(zhǎng)度：物體短軸與長(zhǎng)軸的比值。

(3)似圓度：假設(shè)目標(biāo)區(qū)域面積為S，長(zhǎng)軸為L(zhǎng)，似圓度=4S／πL²。

(4)球狀性：目標(biāo)物體內(nèi)切圓與外切圓半徑的比值。

(5)葉狀性：邊界距質(zhì)心最短的距離與物體長(zhǎng)軸長(zhǎng)的比值。反映的是邊界的幅度特征。

(6)偏心率：由矩特征計(jì)算出來的特征值。

(7～13)Hu不變矩：數(shù)字圖像的一種統(tǒng)計(jì)特征。區(qū)域的矩根據(jù)所有區(qū)域內(nèi)的點(diǎn)計(jì)算得來，本試驗(yàn)所提取的矩特征是由1962年Hu首次總結(jié)的7個(gè)對(duì)平移、旋轉(zhuǎn)和尺度變換不變的距。

3結(jié)果分析

本研究用SPSS15.0對(duì)提取出來的特征值進(jìn)行了分組方差分析。由表2可以看出，p=0.05時(shí)，3種菟絲子組間表現(xiàn)差異顯著的參數(shù)有：矩形度、延長(zhǎng)度、似圓度、球狀性、Hu1、Hu2、Hu3、Hu5，而參數(shù)偏心率、葉狀性、Hu4、Hu6、Hu7表現(xiàn)不顯著。這說明在這些參數(shù)中，有8個(gè)參數(shù)可以用于對(duì)3種菟絲子種子進(jìn)行準(zhǔn)確分類，而偏心率、葉狀性、Hu4、Hu6、Hu7這幾個(gè)參數(shù)在這3種菟絲子種子鑒定中不能單獨(dú)使用。同時(shí)，對(duì)組內(nèi)方差分析結(jié)果進(jìn)行分析，當(dāng)p=0.05時(shí)，通過查F值表，得到F_2.57≈3.15。表中顯示，只有參數(shù)偏心率和Hu6的值小于F_2.57，也就是說，這2個(gè)參數(shù)在不同種類菟絲子當(dāng)中是不穩(wěn)定的，不能作為鑒定這3種菟絲子種類的參數(shù)。

此外，對(duì)這3種菟絲子進(jìn)行典則判別分析(圖1)和聚類分析(表3)，結(jié)果表明，3種菟絲子明顯可以分為3類。聚類分析結(jié)果也顯示出，當(dāng)用全部數(shù)據(jù)得到的判別函數(shù)對(duì)3種菟絲子進(jìn)行聚類分析時(shí)，所有樣本都被正確歸為一類；而當(dāng)用不包含被測(cè)標(biāo)本得到的判別函數(shù)對(duì)其進(jìn)行聚類分析時(shí)，只有一個(gè)樣本判別錯(cuò)誤，總的判對(duì)率為98.6％。

4展望與討論

通過試驗(yàn)數(shù)據(jù)的分析可以看出，通過Feature-Extract軟件提取到的13個(gè)參數(shù)中，大部分對(duì)這3種菟絲子的區(qū)分與鑒別有重要作用。只有參數(shù)偏心率和Hu6在這些菟絲子種內(nèi)還存在差異，不適用于這3類雜草的區(qū)分。這可能由于菟絲子種子在生長(zhǎng)過程中所受環(huán)境影響較大，諸如水分、濕度、氣候等，對(duì)其長(zhǎng)、寬、面積等有一定影響，所以雖然本文在試驗(yàn)中設(shè)計(jì)測(cè)量了種子的長(zhǎng)短矩和面積，但最終選取的參數(shù)不包括這些因子。利用其他參數(shù)可以成功區(qū)分出3種菟絲子的差異，并最終把相同的種歸為一類。由于這3種雜草種子同屬于一個(gè)屬，形態(tài)特征必然有一定的相似之處。但并不排除偏心率、Hu6在與其他雜草種子的區(qū)別中會(huì)起重要作用，還需進(jìn)一步的試驗(yàn)進(jìn)行驗(yàn)證。

作者認(rèn)為，下一步的研究可以在兩個(gè)方向上進(jìn)行。一是對(duì)攝像器材和圖像數(shù)學(xué)形態(tài)提取軟件作進(jìn)一步的改進(jìn)，以便能處理大樣本的菟絲子種子；二是將研究擴(kuò)大到其他種類的雜草種子，進(jìn)一步確定該技術(shù)在檢疫性雜草種子快速自動(dòng)鑒別領(lǐng)域中的應(yīng)用范圍。