基于机器视觉的玉米果穗性状参数测量方法研究

在玉米育种、田间测产和提高玉米产量的过程中，均需要对玉米果穗考种，即需要对玉米果穗的穗长、穗粗、穗行数、行粒数和穗粒数等性状参数进行测量。人工考种不仅花费大量的人力物力，而且在考种过程中普遍存在人工劳动强度大、观测效率低、人为干扰导致测试结果不客观及不准确等问题，在很大程度上限制了考种的速度与精度。针对上述问题，利用所研制的自动考种设备和机器视觉方法，通过USB工业相机获取玉米果穗单面性状彩色图像，利用|B-R|模型、（G+B）/2模型将彩色图像分别进行灰度化，利用改进后的一维最大熵阈值分割方法对灰度图像进行二值化，分别得到果穗轮廓二值图像和果穗特征二值图像；通过轮廓二值图像计算果穗放置后的倾斜角，实现果穗轮廓二值图像和特征二值图像的自动纠偏；通过相机标定，得到单位像素对应的实际值，进而得到穗长及穗粗；通过提取局部籽粒特征二值图像，利用水平黑背景点扫描及对扫描曲线的修正获取穗行宽度，通过穗行数修正模型得到果穗的穗行数；通过提取局部单行籽粒特征二值图像，利用垂直黑背景点扫描及对扫描曲线的修正得到行粒数；根据行粒数和穗行数得到穗粒数。试验结果表明，穗长和穗粗平均测量精度分别为98.05%和97.99%，穗行数测量正确率为95%，行粒数平均测量精度为96.29%，穗粒数平均测量精度为95.67%，和实际值相比，穗粗、穗长、行粒数及穗粒数的测量值差异无显著性。单穗玉米果穗机器视觉平均测量速度为600ms/穗，考种设备测量速度为6s/穗，能够满足自动考种设备的使用需求。

Measurement Method of Maize Ear Characters Based on Machine Vision