本發(fā)明是涉及玉米種子純度輔助檢測的方法，尤其涉及一種計算機輔助計算下基于形態(tài)分析的玉米種子純度輔助檢測方法。玉米是全世界最主要的農(nóng)作物之一，不僅可以食用、用作飼料，還可以制藥、用作工業(yè)原料。玉米種子品質(zhì)是影響玉米生產(chǎn)的重要因素，純度是衡量種子品質(zhì)的主要指標(biāo)。檢測玉米種子純度的方法有籽粒形態(tài)鑒定法、幼苗鑒定法、田間小區(qū)種植鑒定法、生化指紋圖譜鑒定法、DNA指紋圖譜鑒定法等，農(nóng)民在購買玉米種子時，主要依靠籽粒形態(tài)鑒定法。實施籽粒形態(tài)鑒定法需要觀測玉米種子的顏色和形狀特征，目前種子包衣技術(shù)應(yīng)用普遍，市場上的玉米種子多為包衣種子，無法觀測到種子實際的顏色特征，只能根據(jù)形狀特征判別種子品質(zhì)。實施籽粒形態(tài)鑒定法的效果在很大程度上取決于操作者自身的經(jīng)驗和水平，如果開發(fā)運行于手機的純度鑒別軟件，將有助于農(nóng)民購買玉米種子?，F(xiàn)有技術(shù)中，存在基于機器視覺的玉米種子純度智能檢測研究，如：解明偉《玉米種子純度鑒定方法比較》農(nóng)業(yè)科技與裝備，2013(4)：63-64；曹維時《基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的玉米種子純度識別》山東農(nóng)業(yè)大學(xué)，2014；劉雙喜，王盼，張春慶，等《基于優(yōu)化DBSCAN算法的玉米種子純度識別》農(nóng)業(yè)機械學(xué)報，2012，43(4)：188-192，但基本上都是依據(jù)種子的顏色特征，不適合包衣種子。同時，生物體的形態(tài)具有天然的對稱性，沿對稱軸進(jìn)行形態(tài)分析，有助于識別不正常的生物體。在分析玉米種子形狀特征前，先計算圖像中種子的對稱軸，然后將圖像旋轉(zhuǎn)至對稱軸位于垂直位置。計算目標(biāo)對稱軸的常用方法是慣性主軸法(二階中心距法)，但是對玉米種子測試后發(fā)現(xiàn)效果并不好。技術(shù)實現(xiàn)要素：針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的在于提供一種基于形態(tài)分析的玉米種子純度輔助檢測的方法，其適用范圍廣，檢測手段簡單，能夠加快判別的速度，提高判別的準(zhǔn)確度。所述的一種基于形態(tài)分析的玉米種子純度輔助檢測的方法，其解決問題的技術(shù)方案是：通過一定數(shù)量的樣品采集，得到樣品的形態(tài)均值；各樣品形態(tài)與均值比較，根據(jù)距離值的大小判斷樣品形態(tài)差距，具體的操作步驟是：a)樣品采集：隨機取一定數(shù)量的樣品，將各種子按尖端向上、頂部向下的方位放置，進(jìn)行圖像采集。b)圖像預(yù)處理：樣品與背景存在較為明顯的顏色差異，根據(jù)顏色特征進(jìn)行圖像分割，將樣品變成白色、背景變成黑色，并進(jìn)一步確定各樣品所在的區(qū)域M。c)方位校正：采用基于樣品的區(qū)域M的形心和樣品尖端特征點的對稱軸計算方法，實現(xiàn)方位校正。d)特征提?。和ㄟ^b環(huán)節(jié)對樣品形態(tài)觀察，采集面積、縱橫比、偏心度以及三個矩形度參數(shù)描述樣品形態(tài)特征。e)對特征數(shù)據(jù)的處理：對d環(huán)節(jié)采集到的樣本特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理得到均值，消除量綱差異。f)結(jié)論：樣本距e環(huán)節(jié)得出的均值的距離的大小直接反應(yīng)了此樣品的形態(tài)差異度的大小，側(cè)面反應(yīng)樣品純度。本發(fā)明的有益效果是：本發(fā)明適用范圍廣，包衣種子顏色統(tǒng)一，很容易找到與其顏色差別較大的背景，從而進(jìn)行圖像采集；檢測手段簡單，通過形態(tài)特征均值與各個種子形態(tài)特征值的比較，能夠快速分揀樣品中的形狀異常種子，加快判別的速度，提高判別的準(zhǔn)確度。附圖說明圖1為單粒樣品示意圖。圖2為校正后樣品示意圖。圖3為邵單8號為樣品經(jīng)過圖像預(yù)處理后示意圖。圖4為鄭單958為樣品經(jīng)過圖像預(yù)處理后示意圖。具體實施方式取包衣種子20粒放置在顏色差別較大的背景上，掃描儀一部，均在matlab環(huán)境下實現(xiàn)。所述的一種基于形態(tài)分析的包衣玉米種子純度輔助檢測的方法，其解決問題的技術(shù)方案是：通過一定數(shù)量的包衣種子采集，得到包衣種子的形態(tài)特征均值；各包衣種子與均值比較，根據(jù)距離值的大小判斷包衣種子形態(tài)差距，具體的操作步驟是：a)樣品采集：隨機取一定數(shù)量的包衣種子，將各種子按尖端向上、頂部向下的方位放置，進(jìn)行圖像采集。b)圖像預(yù)處理：包衣種子與背景存在較為明顯的顏色差異，根據(jù)顏色特征進(jìn)行圖像分割，將包衣種子變成白色、背景變成黑色，并進(jìn)一步確定各粒包衣種子所在的區(qū)域M。包衣種子具有一定的顏色，可以采用相應(yīng)的電腦軟件對包衣種子及背景圖片的顏色進(jìn)行替換，提高圖像分割效果，如開發(fā)智能移動終端設(shè)備可采用圖像相減的方法。c)方位校正：采用基于樣品的區(qū)域M的形心和包衣種子尖端特征點的對稱軸計算方法，實現(xiàn)方位校正。d)特征提?。和ㄟ^對b環(huán)節(jié)中的包衣種子形態(tài)觀察，采集面積、縱橫比、偏心度以及三個矩形度參數(shù)描述包衣種子形態(tài)特征。e)對特征數(shù)據(jù)的處理：對d環(huán)節(jié)采集到的包衣種子特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理得到均值，消除量綱差異。f)結(jié)論：樣本距e環(huán)節(jié)得出的均值的距離的大小直接反應(yīng)了此包衣種子的形態(tài)差異度的大小，間接反應(yīng)種子純度。其中，a環(huán)節(jié)樣品采集環(huán)節(jié)中的圖像采集利用掃描儀掃描，也可以采用攝像頭采集，如手持式攝像設(shè)備，手機，攝像機等。其中，b環(huán)節(jié)圖像預(yù)處理環(huán)節(jié)中圖像分割的方法為現(xiàn)有技術(shù)，指的是根據(jù)灰度、顏色、紋理和形狀等特征把圖像劃分成若干互不交迭的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)出相似性，而在不同區(qū)域間呈現(xiàn)出明顯的差異性。鄭小東，劉寧，趙中堂《玉米包衣種子圖像預(yù)處理技術(shù)》福建電腦，2016(4)：24-25，63中對其應(yīng)用有具體的描述；區(qū)域M為包衣種子在圖像中形成的白色區(qū)域。其中，c環(huán)節(jié)中方位校正環(huán)節(jié)采用的方法：C1)計算種子所在區(qū)域M的形心。具體方法是：建坐標(biāo)：形心位置：(Xc，Yc)C2)采用輪廓跟蹤算法獲取種子各輪廓點，在matlab環(huán)境下獲取包衣種子圖像的輪廓圖形。C3)計算形心所在水平線上各輪廓點到形心的距離。C4)利用移動平均法對距離數(shù)據(jù)進(jìn)行平滑。移動平均法是根據(jù)時間序列，逐項推移，依次計算包含一定項數(shù)的序時平均數(shù)，以此進(jìn)行預(yù)測的方法。移動平均法包括一次移動平均法、加權(quán)移動平均法和二次移動平均法。是一種常見的現(xiàn)有技術(shù)，PhilippK.Janert著《數(shù)據(jù)之魅：基于開源工具的數(shù)據(jù)分析》黃權(quán)等譯.北京：清華大學(xué)出版社，2012.85-86，本書中有詳細(xì)的記載。C5)取平滑后的極大值點作為頂端特征點，該點與形心的連線即為對稱軸所在直線，移動圖像至對稱軸所在直線豎直。其中，在d環(huán)節(jié)中，盡管生物具有形態(tài)多樣性，根據(jù)形態(tài)特征鑒別玉米種子純度，應(yīng)重點關(guān)注種子的整體形態(tài)特征，局部的形態(tài)變化應(yīng)盡量淡化。d1)面積s：圖像中構(gòu)成包衣種子的像素數(shù)量為面積，該參數(shù)描述種子的大小。d2)縱橫比zhb：圖像中包衣種子高與寬的比值為縱橫比，該參數(shù)描述種子的細(xì)長程度。d3)偏心度pxd：形心將高分為上下兩部分，兩部分的比值為偏心度，該參數(shù)描述種子垂直方向?qū)ΨQ程度。d4)三個矩形度：經(jīng)過形心的水平線將包衣種子及其外接矩形分別分成上下兩部分，上半部分包衣種子與上半部分外接矩形面積之比為矩形度參數(shù)jxd1，下半部分包衣種子與下半部分外接矩形面積之比為矩形度參數(shù)jxd2，包衣種子面積與外接矩形面積之比為矩形度參數(shù)jxd3。jxd1描述包衣種子的尖銳程度，jxd2描述種子頂端棱角情況，jxd3描述包衣種子形狀接近矩形的程度。e)對特征數(shù)據(jù)的處理步驟如下：e1)設(shè)樣本特征數(shù)據(jù)為X，依據(jù)式(2)對X進(jìn)行標(biāo)準(zhǔn)化處理，以消除量綱差異。其中為特征參數(shù)均值，Sk為標(biāo)準(zhǔn)差：e2)計算各種子新特征數(shù)據(jù)到樣本均值的距離D。實際上在數(shù)據(jù)標(biāo)準(zhǔn)化處理后，各參數(shù)樣本均值為0，方差為1，距離計算如式(3)所示。實施例1：取邵單8號的包衣種子20粒，作為樣品。a)樣品采集：如圖3所示，隨機取20粒的樣品，將各種子按尖端向上、頂部向下的方位放置，進(jìn)行圖像采集。在Matlab環(huán)境下編程實現(xiàn)下述步驟：b)圖像預(yù)處理：樣品與背景存在較為明顯的顏色差異，根據(jù)顏色特征進(jìn)行圖像分割，將樣品變成白色、背景變成黑色，并進(jìn)一步確定各樣品所在的區(qū)域M，如圖1所示。c)方位校正：如圖2所示，采用基于樣品的區(qū)域M的形心和樣品尖端特征點的對稱軸計算方法，實現(xiàn)方位校正。d)通過對樣品形態(tài)觀察，采集面積、縱橫比、偏心度以及三個矩形度參數(shù)描述樣品形態(tài)特征。e)對特征數(shù)據(jù)的處理：對d環(huán)節(jié)采集到的樣本特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理得到均值，消除量綱差異。得出的結(jié)果是：表I：20粒樣品數(shù)據(jù)圖(距離D按升序排列)szhbpxdjxd1jxd2jxd3D50521.2741.1460.6690.8310.7440.42246901.3041.1950.6860.8380.7551.08447821.3531.1420.7070.8290.7641.24748751.2961.1240.7030.7960.7461.32048531.1891.2090.6690.8360.7451.40252451.1971.1170.7110.8110.7581.44454751.1901.1790.6510.8400.7371.61545391.2651.1240.7280.8320.7761.71954381.2081.0960.7140.8100.7591.77058371.2281.1790.6990.8340.7621.81552301.3891.1820.6360.8320.7261.84954331.3161.1780.6330.8110.7151.94539941.2661.1140.7140.8350.7702.22459001.3161.1570.7180.8450.7762.27257261.2891.0720.7430.7970.7692.63943861.1511.2720.6170.8400.7153.21342661.3581.2230.5850.8390.7003.31248691.5161.1200.7120.8640.7843.39641491.2941.2480.5740.8440.6933.73449011.0911.0370.7770.7370.7584.718f)結(jié)論：如圖3與表I對應(yīng)，可知樣本距e環(huán)節(jié)得出的均值的距離D的大小直接反應(yīng)了此樣品的形態(tài)差異度的大小。根據(jù)步驟e得到的距離D值確定玉米種子純度：距離D值在[0，1]、[1，2]、[2，3]的區(qū)間范圍內(nèi)，落入?yún)^(qū)間的數(shù)量越多，純度越高。具體的，表I中的參數(shù)分別有：面積s、縱橫比zhb、偏心度pxd、形度參數(shù)jxd1、jxd2和jxd3，如第一顆種子，與最后一排倒數(shù)第2顆種子，如表II所述，其數(shù)據(jù)為：表II：形態(tài)差異度的單體比較?？梢悦鞔_的是：數(shù)據(jù)面積s、縱橫比zhb、偏心度pxd、形度參數(shù)jxd1、jxd2和jxd3其變化范圍不大，外觀形態(tài)比較相近的種子，數(shù)據(jù)變化很小，無法直觀的反應(yīng)差異度，也就是說單個特征參數(shù)的數(shù)據(jù)不具備統(tǒng)計規(guī)律，沒有逐一描述的意義和價值。但是，多個特征參數(shù)形成的距離D直接反映種子形體的變異，在距離的數(shù)據(jù)中，因為測量的是單個種子與整體的關(guān)系，所以可以更好的判斷種子純度。而對于距離D變化明顯，可以通過統(tǒng)計在同一個范圍內(nèi)的距離D的值，確定本批次種子的純度，如表III所述：表III：距離D的統(tǒng)計通過表III可以明確的得出樣品種子中，形態(tài)差異度距離D集中分布在[1，2]的區(qū)間，但是分為5個區(qū)間，區(qū)間越多說明樣品的形態(tài)特征差異過大，純度越低。通過圖1，2及表I、表II和表III觀察，以本領(lǐng)域技術(shù)人員的經(jīng)驗可以確認(rèn)合個種子的形態(tài)特征，選取距離D落入[0，1]、[1，2]、[2，3]區(qū)間的種子作為合格種子；形態(tài)差異過大的落入[3，4]、[4，5]及類推以后的區(qū)間作為不合格種子。則種子純度為：本實施例下，本批次種子純度為：實施例2：僅輸出距離D的情況：如圖4取鄭單958共20粒，按照與實施例1所述方法一致的流程，測得數(shù)據(jù)如下：表IV：按距離D升序排列1.0451.1531.1731.3751.6161.7281.9982.0882.1492.2702.3292.3732.5792.5812.6412.9102.9293.2753.3413.783表V：距離D區(qū)間排列距離D[1，2][2，3][3，4]數(shù)量7103如圖4、表IV、表V對比可知，首先對不同的種類的種子，其距離D的大小與種子間形態(tài)差異度的大小是一致的。其次，距離D分別排列在[1，2]，[2，3]，[3，4]共計3個區(qū)間，在距離D在[1，2]這個區(qū)間，共計7個種子樣品，而[2，3]的區(qū)間內(nèi)為10個種子，可見本批種子形態(tài)特征較為一致，種子純度高。具體的，選取[1，2]、[2，3]區(qū)間內(nèi)的種子數(shù)量為合格種子，[3，4]區(qū)間的為不合格種子，則根據(jù)公式(3)可知，本批次種子純度為：種子的純度為：本發(fā)明給出單粒玉米種子與樣本整體的相似度數(shù)據(jù)，借助該數(shù)據(jù)判別玉米種子純度，能夠加快判別的速度，提高判別的準(zhǔn)確度。尤其針對包衣種子，采用簡單的數(shù)據(jù)采集及圖像預(yù)處理就可以很好的獲得采集數(shù)據(jù)，具有很強的實用價值。當(dāng)前第1頁1 2 3