论文部分内容阅读
摘要
超级稻精密播种过程中涉及空穴检测、补种等关键技术。运用LabVIEW图像处理技术可将秧盘运动过程中采集到的彩色图像转换为灰度图像，进而转换为二值图像，再对二值图像进行形态学处理，最后提取二值图像的几何特征。结果表明，LabVIEW图像处理技术可以实现精密播种过程中对空穴的检测及点位控制补种技术中对邻接矩阵算法的要求。
关键词图像处理；精密播种；空穴检测；邻接矩阵
中图分类号S126文献标识码A文章编号0517-6611（2015）23-338-02
Abstract Seeding cavity detection and reseed are the key technologies in the process of super rice precision seeding. LabVIEW image processing technology first convert the color images which collected in tray movement to gray image， then gray image is converted into a binary image， and morphology of binary image processing， finally extract the geometrical characteristic of the binary image， the results show that LabVIEW image processing technology can meet the requirements of precision seeding for seeding cavity detection and the calculation of adjacency matrix for point to point control reseed technology.
Key words Image processing； Precision seeding； Seeding cavity detection； Adjacency matrix
超级稻与常规水稻（杂交稻和常规稻）在种植上的不同之处在于秧盘育秧播种技术的要求由原来的常规水稻大于3粒/穴（取秧面积）的精少播种，提升为2±1粒/穴（取秧面积）的精量播种[1-2]。要实现超级稻秧盘育秧精量播种、提高成秧率，空穴检测以及对秧盘空穴进行精确补种是关键技术。应用LabVIEW可以方便快捷地对播种过程中采集到的图像进行处理，及时检测出空穴位置并进行精确补种[3]。
1LabVIEW图像处理
使用LabVIEW对图像进行处理时必须预先在内存中开辟一段空间给图像，然后才能对其进行各种操作，并将当前图像类型转换为指定的图像类型。如果指定一个查找表，IMAQ计算图像VI将图像转换为使用同一个查找表。如果从一张16位图像转化为一张8位图像，VI执行这种转换由16位像素值转移到正确的指定数量的转移操作，然后删除一个8位值。图像的灰度变换是分别在R域、G域和B域进行，经过这些变换，图像由原来的彩色图像转换为灰度图像。
阀值的选择直接影响到二值化处理后图像的结果，所以在图像的二值化过程中要选择合适的阀值，选择合适的阀值大小可以减少二值化后图像上出现的噪声，使得图像背景相对单一[4]。
掩膜是用选定的图像、图形或物体，对待处理的图像（全部或局部）进行遮挡，来控制图像处理的区域或处理过程。建立掩膜前首先设置掩膜的坐标，设置好掩膜的形状后，输入坐标。然后将坐标所示的图形设置为感兴趣区域，将感兴趣区域转化成掩膜，建立完掩膜后还可以检验掩膜是否正确。
2LabVIEW在空穴检测中的应用
空穴检测系统所需要的硬件设备主要有CCD摄像机、图像采集卡、数据采集卡、行程开关传感器、光箱和计算机。系统工作前，根据所采用的钵体秧盘规格，调整摄像机的安装高度，研究采用的钵体秧盘规格为25×15穴，预拍摄区域为5行×15列的范围，CCD摄像机的安装高度约为700 mm[5-6]。利用CCD摄像机和图像采集卡对钵体秧盘图像进行了连续拍摄，在实际操作中，处理与分析一幅图片的总耗时约为0.26 s。经图像处理并检验后得到二值掩模图像，根据图像处理结果，将每个掩模内的灰度均值统计结果储存在数组R中。选取3组不同的钵体秧盘图像进行处理，所得到的试验结果见图1～3。
在第三组5行×15列的钵体秧盘图像中有空穴的位置，数组R的统计结果表现的灰度均值均为0，将数组R中的数据存入当前第i个钵体秧盘的穴孔数组Rimn的前5行里，根据拍摄间隔，依次完成整个钵体秧盘的空穴检测。
3 LabVIEW在邻接矩阵运算中的应用
采用机械臂式点位控制补种技术，秧盘一直在运动，所以第一行先出现，也就是运动轨迹是从第一行开始的，这样可以应用邻接矩阵来求解最短补种轨迹，并且数组在LabVIEW下容易运算与编程。应用LabVIEW对空穴坐标进行读取，由于是5个顶点的无向图，所以邻接矩阵为对称矩阵，点与点之间的距离根据秧盘的结构图（图4）换算出距离，而对角线上的点是不存在的，可以用0代替。
根据图像区域大小，图4中各参数取值如下（单位：mm）：D=20；a=4；b=6。
生成邻接矩阵的流程见图5。利用捕获到的5个空穴坐标，将5个坐标中两两坐标间的距离生成对称矩阵。基于LabVIEW的程序如图6所示，前面板输出的邻接对称矩阵见图7。从图7可以看出，输出LabVIEW程序准确地输出了5行5列的对称矩阵，该矩阵作为邻接矩阵为求解最优补种轨迹打下良好基础。
4结论
（1）利用CCD摄像机和图像采集卡对钵体秧盘图像进
行连续拍摄，经LabVIEW图像处理并检验后得到二值掩模图像，根据图像处理结果，将每个掩模内的灰度均值统计结果储存在数组R中，根据拍摄间隔，可依次完成整个钵体秧盘的空穴检测。
（2）对空穴坐标进行读取后，应用LabVIEW编程生成邻接矩阵，应用邻接矩阵可以求解最优补种轨迹。
参考文献
[1]
马成林.精密播种理论[M].长春：吉林科学技术出版社，1999.
[2] 何文洪，陈惠哲，朱德峰.不同播种量对水稻机插秧苗素质及产量的影响[J].中国稻米，2008（3）：60-62.
[3] 周海波，马旭，王俊发，等.超级稻育秧播种的钵体盘图像分析技术与应用研究[C]//刘国权，王忠.第十二届中国体视学与图像分析学术会议，论文集.中国体视学学会，2008：465-468.
[4] 张云亮，冯平法，鲍晟.LabVIEW在大数据量采集与处理软件中的应用[J].自动化仪表，2012，33（7）：19-20.
[5] 周海波，马旭，玉大略，等.2CYL-450型水稻秧盘育秧播种流水线的研制[J].农机化研究，2008（11）：95-97.
[6] 齐龙，马旭，周海波.基于机器视觉的超级稻秧盘育秧播种空穴检测技术研究[J].农业工程学报，2009，25（2）：121-125.
超级稻精密播种过程中涉及空穴检测、补种等关键技术。运用LabVIEW图像处理技术可将秧盘运动过程中采集到的彩色图像转换为灰度图像，进而转换为二值图像，再对二值图像进行形态学处理，最后提取二值图像的几何特征。结果表明，LabVIEW图像处理技术可以实现精密播种过程中对空穴的检测及点位控制补种技术中对邻接矩阵算法的要求。
关键词图像处理；精密播种；空穴检测；邻接矩阵
中图分类号S126文献标识码A文章编号0517-6611（2015）23-338-02
Abstract Seeding cavity detection and reseed are the key technologies in the process of super rice precision seeding. LabVIEW image processing technology first convert the color images which collected in tray movement to gray image， then gray image is converted into a binary image， and morphology of binary image processing， finally extract the geometrical characteristic of the binary image， the results show that LabVIEW image processing technology can meet the requirements of precision seeding for seeding cavity detection and the calculation of adjacency matrix for point to point control reseed technology.
Key words Image processing； Precision seeding； Seeding cavity detection； Adjacency matrix
超级稻与常规水稻（杂交稻和常规稻）在种植上的不同之处在于秧盘育秧播种技术的要求由原来的常规水稻大于3粒/穴（取秧面积）的精少播种，提升为2±1粒/穴（取秧面积）的精量播种[1-2]。要实现超级稻秧盘育秧精量播种、提高成秧率，空穴检测以及对秧盘空穴进行精确补种是关键技术。应用LabVIEW可以方便快捷地对播种过程中采集到的图像进行处理，及时检测出空穴位置并进行精确补种[3]。
1LabVIEW图像处理
使用LabVIEW对图像进行处理时必须预先在内存中开辟一段空间给图像，然后才能对其进行各种操作，并将当前图像类型转换为指定的图像类型。如果指定一个查找表，IMAQ计算图像VI将图像转换为使用同一个查找表。如果从一张16位图像转化为一张8位图像，VI执行这种转换由16位像素值转移到正确的指定数量的转移操作，然后删除一个8位值。图像的灰度变换是分别在R域、G域和B域进行，经过这些变换，图像由原来的彩色图像转换为灰度图像。
阀值的选择直接影响到二值化处理后图像的结果，所以在图像的二值化过程中要选择合适的阀值，选择合适的阀值大小可以减少二值化后图像上出现的噪声，使得图像背景相对单一[4]。
掩膜是用选定的图像、图形或物体，对待处理的图像（全部或局部）进行遮挡，来控制图像处理的区域或处理过程。建立掩膜前首先设置掩膜的坐标，设置好掩膜的形状后，输入坐标。然后将坐标所示的图形设置为感兴趣区域，将感兴趣区域转化成掩膜，建立完掩膜后还可以检验掩膜是否正确。
2LabVIEW在空穴检测中的应用
空穴检测系统所需要的硬件设备主要有CCD摄像机、图像采集卡、数据采集卡、行程开关传感器、光箱和计算机。系统工作前，根据所采用的钵体秧盘规格，调整摄像机的安装高度，研究采用的钵体秧盘规格为25×15穴，预拍摄区域为5行×15列的范围，CCD摄像机的安装高度约为700 mm[5-6]。利用CCD摄像机和图像采集卡对钵体秧盘图像进行了连续拍摄，在实际操作中，处理与分析一幅图片的总耗时约为0.26 s。经图像处理并检验后得到二值掩模图像，根据图像处理结果，将每个掩模内的灰度均值统计结果储存在数组R中。选取3组不同的钵体秧盘图像进行处理，所得到的试验结果见图1～3。
在第三组5行×15列的钵体秧盘图像中有空穴的位置，数组R的统计结果表现的灰度均值均为0，将数组R中的数据存入当前第i个钵体秧盘的穴孔数组Rimn的前5行里，根据拍摄间隔，依次完成整个钵体秧盘的空穴检测。
3 LabVIEW在邻接矩阵运算中的应用
采用机械臂式点位控制补种技术，秧盘一直在运动，所以第一行先出现，也就是运动轨迹是从第一行开始的，这样可以应用邻接矩阵来求解最短补种轨迹，并且数组在LabVIEW下容易运算与编程。应用LabVIEW对空穴坐标进行读取，由于是5个顶点的无向图，所以邻接矩阵为对称矩阵，点与点之间的距离根据秧盘的结构图（图4）换算出距离，而对角线上的点是不存在的，可以用0代替。
根据图像区域大小，图4中各参数取值如下（单位：mm）：D=20；a=4；b=6。
生成邻接矩阵的流程见图5。利用捕获到的5个空穴坐标，将5个坐标中两两坐标间的距离生成对称矩阵。基于LabVIEW的程序如图6所示，前面板输出的邻接对称矩阵见图7。从图7可以看出，输出LabVIEW程序准确地输出了5行5列的对称矩阵，该矩阵作为邻接矩阵为求解最优补种轨迹打下良好基础。
4结论
（1）利用CCD摄像机和图像采集卡对钵体秧盘图像进
行连续拍摄，经LabVIEW图像处理并检验后得到二值掩模图像，根据图像处理结果，将每个掩模内的灰度均值统计结果储存在数组R中，根据拍摄间隔，可依次完成整个钵体秧盘的空穴检测。
（2）对空穴坐标进行读取后，应用LabVIEW编程生成邻接矩阵，应用邻接矩阵可以求解最优补种轨迹。
参考文献
[1]
马成林.精密播种理论[M].长春：吉林科学技术出版社，1999.
[2] 何文洪，陈惠哲，朱德峰.不同播种量对水稻机插秧苗素质及产量的影响[J].中国稻米，2008（3）：60-62.
[3] 周海波，马旭，王俊发，等.超级稻育秧播种的钵体盘图像分析技术与应用研究[C]//刘国权，王忠.第十二届中国体视学与图像分析学术会议，论文集.中国体视学学会，2008：465-468.
[4] 张云亮，冯平法，鲍晟.LabVIEW在大数据量采集与处理软件中的应用[J].自动化仪表，2012，33（7）：19-20.
[5] 周海波，马旭，玉大略，等.2CYL-450型水稻秧盘育秧播种流水线的研制[J].农机化研究，2008（11）：95-97.
[6] 齐龙，马旭，周海波.基于机器视觉的超级稻秧盘育秧播种空穴检测技术研究[J].农业工程学报，2009，25（2）：121-125.