王冰　张洪洲　刘媛杰　王晖军　段世彬

【摘 要】为解决棉籽品质识别问题，利用机器视觉技术，设计一种基于机器视觉技术的棉籽品质识别系统，实现对棉籽品质的快速识别。现有的去除方式采用人工识别筛分，一次筛分并不能完全筛分干净而且其操作麻烦，工作效率低，因此一种可以进行棉籽清理的装置，是亟待解决的问题，据经验可知，不同品质的脱绒棉籽表面颜色特征具有差别，因此，只要采集棉籽的颜色信息，经过一定的数据处理，就可以判定棉籽的品质优劣。用工业相机CCD对棉籽图像进行采集，得到相应的RGB图像；对所采集的图像进行预处理，消除噪声及细化图像特征将预处理后的图像进行颜色空间转换，即在HSI颜色空间中表示图像，然后将H、S、I分割，得出棉籽图像的 H、S、I值；在BP神经网络选择好的情况下接收输入H、S、I值，网络经过对不同的训练目标、训练次数及隐含层的结点个数进行训练，得出误差小的組合，完成棉籽的品质识别。实验结果表明，该系统对棉籽品质识别效果良好。

【关键词】机器视觉；棉籽；品质识别

中图分类号： S226.5 文献标识码： A 文章编号： 2095-2457（2018）31-0088-002

DOI：10.19694/j.cnki.issn2095-2457.2018.31.041

【Abstract】In order to solve the problem of cotton seed quality identification， a machine tool technology based cotton seed quality identification system was designed to realize the rapid identification of cottonseed quality. The existing removal method adopts manual identification screening， one screening is not completely screened clean and its operation is troublesome， and the work efficiency is low. Therefore， a device capable of cotton seed cleaning is an urgent problem to be solved， and it is known from experience that it is mature. According to experience， the color characteristics of different quality depiled cottonseeds are different. Therefore， as long as the color information of the cottonseed is collected， after a certain amount of data processing， the quality of the cottonseed can be judged. The industrial camera CCD to capture the cottonseed image to obtain the corresponding RGB image； pre-process the captured image to eliminate noise and refine the image features will be pre- The processed image is color-space converted， that is， the image is represented in the HSI color space， and then H， S， and I are segmented to obtain H， S， and I values of the cottonseed image； and the input is received when the BP neural network is selected well. H， S， I values， the network through the training of different training objectives， training times and the number of nodes in the hidden layer， a combination of small errors， to complete the quality identification of cottonseed. The test results show that the system has a good effect on the quality of cottonseed.

【Key words】Machine vision； Cottonseed； Quality identification

0 引言

棉花是南疆农业的支柱产业，“南棉北粮”农业发展战略的实施使南疆棉花生产有了大幅度发展。棉花产业在新疆经济与社会发展中具有无可替代的战略地位。棉籽品质是棉籽质量的重要组成部分，棉籽的品质不能得以体现直接影响到棉籽的合理利用，因棉籽质量造成的损失往往是其自身价值的百倍，而且这种损失又是无法控制的[1-2]。采用工业相机CCD对颗粒物料的图像信息进行采集，提取颜色的HSI特征进行识别 ，可大大缩短彩色图像的处理时间，同时提高了颜色识别的准确性[3-4]。本文提出一种基于机器视觉技术的棉籽品质识别系统，对棉籽品质进行识别，为下一步的优质棉籽筛选奠定基础。

1 材料与装置

原料为新陆早50号、新陆早57号、中棉56号。

基于机器视觉技术的棉籽品质识别系统棉籽品质识别系统框图如图1所示，装置示意图如图2所示，该装置主要有输送带、工业CCD相机、LED照明装置、计算机、电机、控制器及数显等部分组成。其中工业CCD相机用于采集棉籽表面的颜色信息，输送带用于输送棉籽，使棉籽处于相机最下方，待相机采集完棉籽表面颜色信息后将下一粒棉籽输送到相机下方。CCD相机采集完棉籽的颜色信息后，采用模型滤波方法对彩色图像进行平滑处理，将彩色图像看成是三分量灰度图的叠加，分别进行滤波，然后利用矢量分析法求得棉籽对应的RGB平均分量值和标准偏差，利用几何推导法进行RGB彩色模型到HSI彩色模型的轉换。

2 软件设计

基于机器视觉技术的棉籽品质识别系统软件部分包括图像信息采集控制、传送带控制、漏籽控制、照明控制模块。

2.1 试验方法

取3种棉籽各400粒，每个品种棉籽混入同品种不同品质的棉籽 100 粒，使优质棉籽和非优质均匀混合将混合后的3种棉籽分别在棉籽品质识别装置上进行识别试验，测定识别率。

2.2 颜色空间转换

CCD相机彩色图像后应对彩色图像进行预处理，本设计对图像的预处理主要分为两步：图像平滑与图像锐化，经过图像平滑与图像锐化，图像的质量会有所改变，更适于提取图像的颜色特征。

利用颜色矢量法求得棉籽表面颜色的RGB值，由于颜色矢量分析法仅对R、G、B三分量中任意一分量值较为明显时才会对所识别的颜色达到很好的效果，若R、G、B三分量值都较为均匀，则该方法不能对不同的颜色达到很好的识别效果，所以采用该方法对棉籽表面的颜色不能进行有效地区分，且同时对R、G、B三分量进行判别需要一定的时间，不符合识别的快速性要求。因此若要对不同颜色进行较好的区分需要寻找更好的颜色识别算法，也就基于HSI空间的颜色识别算法。

对于图像处理来说，HIS彩色空间中亮度和色度是互相分离的，所以在彩色图像分割应用中具有较大优势。目前很少有硬件设备能直接采集物体的HIS信息，因此需要从其他颜色空间进行转换。

从RGB 转换至 HSI 的有几种常见方法，其中几何推导法分辨率高[5]，本设计采用的是几何推导法。

试验所用的棉籽外部颜色信息的色调分量值H、饱和度分量值S、亮度分量值I，3个参数的详细指标，如表1所示。

2.3 BP神经网络设计

本系统在MATLA 6.5 环境下建立了BP神经网络对训练集进行训练。首先对棉籽外部颜色信息的色调分量值 H、饱和度分量值 S、强度分量值 I做归一化处理，使得各参数的度量单位一致，以此作为 BP 的输入量，即输入层的节点数 3。网络结构为 3 层，分别对三个脱绒棉种品种进行试验，即输出层结点数为1，本文中采用以下公式计算首次训练的隐含层节点数，同时对不同的结点数进行训练对比，得出隐含层的最优结点数。

l=n+0.618（n-m），n≥mn-0.618（m-n），n

其中，n 为输入结点个数，m 为输出结点个数，经计算，首次训练隐含层的结点数为 4。网络结构如图3所示

3 结果分析

按照3个主控因素分别对3个品牌棉籽顺次做试验，相同指标下试验做4次，取平均值作为样本数据下组合试验，每次试验测定优质棉籽的识别率，得到组合数据各125 组，从上述125组数据中随机抽取出 80 组数据作为BP 网络模型的训练样本，剩余45组数据作为进一步验证 BP 网络的测试数据，经迭代收敛后得到 BP 神经网络的最优解。

经过对不同的训练目标、训练次数及隐含层的结点个数进行训练，得出误差最小的组合，经训练验证得出当训练目标为0.04，训练次数为600，隐含层结点个数为5时，误差达到0.03。

4 结论

（1）提出了基于运用机器视觉和BP神经网络对棉籽品质进行识别，识别速度快，准确率高，克服了人工识别效率低的缺陷。

（2）根据图像的颜色特征作为识别依据，准确度高，识别速度快。

（3）对三个棉种进行品质识别检测，结果表明，综合检测准确率可达85%以上，证明该方法是可行的，为后续优质棉籽筛选奠定了基础。

【参考文献】

[1]苏美玲，王凤霞，马琼.兵团南疆垦区棉花成本收益动态分析[J].合作经济与科技，2012，12：26-28.

[2]张洪洲.棉籽分级系统设计与PLC实现[J].中国农机化学报， 2015，03：113-115.

[3]张帅.颗粒食品物料色选过程中颜色识别方法研究[D].内蒙古农业大学硕士学位论文，2011.

[4]王玉亮.基于机器视觉的玉米种子品种识别与检测研究[D].山东农业大学硕士学位论文，2008.

[5]李景彬，邵鲁浩，田绪顺，坎杂.基于BP神经网络的脱绒棉种品种识别[J].农业机械，2012，09：140-143.