張晉寧, 尹 君, 田一駿,2

(國家糧食和物資儲(chǔ)備局科學(xué)研究院1,北京 100037)

(河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院2,鄭州 450000)

小麥作為全球廣泛種植的重要糧食作物之一,對(duì)于世界糧食安全具有重要的保障作用[1]。糧食含水量是儲(chǔ)糧重要的安全品質(zhì)指標(biāo),也是影響糧食品質(zhì)的關(guān)鍵因素之一,決定了糧食眾多品質(zhì)指標(biāo)的變化。糧食水分的過高或過低會(huì)影響糧食的品質(zhì)與安全,糧食水分過高會(huì)發(fā)生霉變等變化,過低則會(huì)破壞糧食內(nèi)部的有機(jī)物從而影響糧食的加工品質(zhì)[2,3],因此糧食水分檢測是儲(chǔ)糧過程中重要的一環(huán)。

目前,國內(nèi)外糧食水分檢測方法從技術(shù)上總體可以分為兩大類,包括直接測量法和間接測量法[4]。直接測量法主要有熱風(fēng)烘箱烘干法、紅外線烘干法和微波烘干法等方法。間接測量法是通過測量與糧食水分相關(guān)的物理量,并建立換算數(shù)學(xué)模型,實(shí)現(xiàn)糧食含水量的間接測量。主要有電阻法、電容法、近紅外線法、微波法等方法[5]。但直接測量法存在檢測過程繁瑣,效率較低,具有破壞性且無法實(shí)現(xiàn)實(shí)時(shí)在線檢測等局限性[6];間接檢測方法如電容法、電阻法等可以實(shí)現(xiàn)快速檢測,但易受環(huán)境溫濕度、糧食粒型和體密度等影響,穩(wěn)定性較差[7,8]。

本研究將不同含水量的小麥作為研究對(duì)象,利用機(jī)器視覺技術(shù)通過提取圖像中小麥籽粒的顏色特征和形狀特征,分析圖像特征與小麥含水量的相關(guān)性,利用篩選出的圖像特征建立小麥含水量預(yù)測模型,實(shí)現(xiàn)對(duì)小麥水分的快速無損檢測,為后期小麥水分無損快檢裝置研發(fā)提供參考。

1 材料與方法

1.1 樣品制備

以小麥為研究對(duì)象,根據(jù)ASAE法,將小麥樣品放在130 ℃烘箱中持續(xù)烘干19 h,測定前后小麥樣品的質(zhì)量差,即為小麥含水量,最終測得小麥樣品的初始水質(zhì)量分?jǐn)?shù)為13.7%。將小麥進(jìn)行分組,標(biāo)號(hào)為1～9號(hào),每份樣品質(zhì)量為(200±1)g封裝于自封袋內(nèi)并存放在4 ℃恒溫箱內(nèi)保存,待使用時(shí)取出,使用時(shí)小麥樣品采用逐步升溫的方式置于常溫狀態(tài)中。利用糧食調(diào)質(zhì)的方法[4]將小麥樣品水質(zhì)量分?jǐn)?shù)調(diào)質(zhì)成9%～25%之間9個(gè)水分梯度的實(shí)驗(yàn)樣品。糧食調(diào)質(zhì)過程中水分質(zhì)量變化的計(jì)算見式(1)。

Δm={wf-wi1-wfmi,wfwi

wi-wf1-wfmi,wf

(1)

式中:mi為待調(diào)質(zhì)糧食的初始質(zhì)量;Δm為調(diào)質(zhì)過程中糧食中水分質(zhì)量的變化量;wi為糧食的初始水分;wf為糧食調(diào)質(zhì)后的水分。

1.1.1 增加糧食水分調(diào)質(zhì)步驟

取糧食樣品0.5 kg,并利用式(1)計(jì)算需要增加的水分質(zhì)量Δm;

將質(zhì)量為Δm的蒸餾水加入糧食樣品中并攪拌10 min以使水分布均勻;

將加水后的糧食放入密封塑料袋中并排出多余空氣,存入4 ℃的冰箱中保存72 h,使得水分充分吸收到糧粒內(nèi)部,同時(shí)低溫保證糧粒處于較低生物活性;

將糧食樣品置于25 ℃室溫的敞開容器中靜置12 h,期間每2 h進(jìn)行1次攪拌,一方面使糧食樣品恢復(fù)到室溫,另一方面使糧食表面未被吸收的水分蒸發(fā)。

1.1.2 減少糧食水分調(diào)質(zhì)步驟

取糧食樣品0.5 kg,并利用式(1)計(jì)算需要減少的水分質(zhì)量Δm;

將糧食樣品放置于130 ℃烘箱中,每隔一段時(shí)間將樣品取出稱質(zhì)量并充分?jǐn)嚢枋蛊渚鶆?

計(jì)算糧食樣品質(zhì)量損失,如果質(zhì)量損失量小于Δm則重復(fù)步驟b繼續(xù)烘干過程,如果質(zhì)量損失量大于Δm則調(diào)質(zhì)完成。

通過調(diào)質(zhì)得到9份不同含水量的小麥樣品如表1所示。

表1 調(diào)質(zhì)后小麥樣品水分表

1.2 圖像采集

圖像采集通過CanoScan 9000F MarkⅡ獲取完成,擁有9 600 dpi光學(xué)分辨率新型CCD掃描儀,將小麥樣品從最高含水量至最低含水量依次進(jìn)行圖像采集。對(duì)每個(gè)水分等級(jí)的小麥樣品共采集20張圖像,其中每張圖像包含100個(gè)不粘連的單籽粒(圖1),即(表2)每個(gè)小麥品種的每個(gè)水分等級(jí)的樣品圖像包含2 000(100×20)個(gè)玉米籽粒,共18 000粒(100×20×9)。為了減少樣品含水量受圖像采集時(shí)間的影響,在圖像采集開始和結(jié)束時(shí),均使用ASAE標(biāo)準(zhǔn)測定其含水量,并取2次測量平均值作為該組樣品的最終含水量,最終小麥樣品含水量如表2所示。

表2 最終小麥樣品含水量

1.3 圖像處理

圖像處理技術(shù)是對(duì)采集到的圖像進(jìn)行處理優(yōu)化從而達(dá)到所需結(jié)果的技術(shù)[9]。本研究使用LabVIEW 2016對(duì)采集到的小麥圖像進(jìn)行圖像處理與分析。小麥籽粒圖像處理流程如圖2所示。

圖2 小麥籽粒圖像處理流程

1.3.1 圖像分割

圖像分割是圖像處理部分到圖像分析部分的過渡,是進(jìn)一步開展圖像分析的基礎(chǔ)[10,11]。為了提取小麥圖像輪廓特征值,需要將小麥樣品籽粒進(jìn)行分割。小麥籽粒圖像分割過程如圖3所示,包括彩色圖像灰度化(二值圖像)、灰度圖像二值化(二值圖像)、二值圖像形態(tài)學(xué)處理(開運(yùn)算、顆粒去除、邊界去除、孔洞填充)(二值圖像)和圖像乘運(yùn)算(彩色圖像)。

圖3 小麥籽粒圖像分割

1.3.2 特征提取

在對(duì)小麥籽粒進(jìn)行圖像分割后,分別對(duì)每張圖像中100個(gè)小麥籽粒的所有圖像特征進(jìn)行提取。本研究提取了小麥籽粒圖像中的47個(gè)圖像特征,其中包括23個(gè)形態(tài)特征和24個(gè)顏色特征,如表3所示。每張圖像中小麥籽粒特征的平均值為該圖像的特征值。

表3 提取的小麥籽粒圖像特征

2 結(jié)果與分析

2.1 小麥圖像特征與水分相關(guān)性分析

利用SPSS軟件對(duì)小麥圖像特征與含水量進(jìn)行相關(guān)性分析,結(jié)果如表4所示。

表4 小麥圖像特征與含水量相關(guān)性

通過分析小麥圖像特征與含水量相關(guān)性可得出:小麥籽粒的圖像特征與含水量存在高度線性相關(guān),可以通過線性回歸模型預(yù)測小麥籽粒的含水量。與含水量相關(guān)性最高的形態(tài)特征為面積,提取到的形態(tài)特征相關(guān)性高于顏色特征,因此形態(tài)特征也包含了更多關(guān)于小麥含水量的信息。

2.2 特征選擇

使用逐步選擇法對(duì)所有特征進(jìn)行篩選,選出對(duì)于水分預(yù)測最重要的特征子集,結(jié)果如表5所示。

表5 小麥水分特征選擇

2.3 小麥水分預(yù)測模型結(jié)果

選擇ElasticNet、RandomForest、AdaBoost 3種回歸模型,以表2.2中的特征子集作為輸入變量,從而建立小麥水分預(yù)測模型。將特征篩選后的數(shù)據(jù)集按照7∶3的比例分為訓(xùn)練集和測試集。本研究中回歸模型的評(píng)價(jià)指標(biāo)采用決定系數(shù)(R2)和均方誤差(RMSE),小麥含水量預(yù)測模型性能如表6所示。

表6 小麥水分預(yù)測模型表現(xiàn)

從建立的3個(gè)模型預(yù)測結(jié)果可以看出,R2≥0.96,說明模型對(duì)數(shù)據(jù)有較好的擬合效果。模型的絕對(duì)誤差隨機(jī)分布在0點(diǎn)中心線的兩端,無明顯趨勢,且無明顯的異常值,表明模型具有較好的魯棒性,可用于新樣本的含水量預(yù)測。RandomForest模型預(yù)測結(jié)果的水分絕對(duì)誤差主要分布在±1.5之間。

3 結(jié)論

探討了將圖像處理技術(shù)應(yīng)用于無損檢測小麥水分的方法,建立了基于圖像處理技術(shù)的小麥籽粒水分預(yù)測模型。通過分析小麥籽粒圖像特征與含水量的相關(guān)性并進(jìn)行了特征篩選,將篩選到的特征作為回歸模型的輸入量,選取ElasticNet、RandomForest、AdaBoost模型對(duì)含水量的檢測進(jìn)行了研究。結(jié)果表明,3種回歸模型的R2值分別為0.96、0.97、0.98,RMSE值分別為1.05、0.26、0.84,模型預(yù)測效果較好,為后續(xù)基于圖像處理的糧食水分快速無損檢測提供了參考。