陈 进，顾 琰，练 毅，韩梦娜



基于机器视觉的水稻杂质及破碎籽粒在线识别方法

陈 进，顾 琰，练 毅，韩梦娜

（江苏大学机械工程学院，镇江 212013）

为了解决目前国内联合收获机缺乏针对含杂率、破碎率的在线监测装置的问题，该文提出基于机器视觉的水稻图像采集，杂质与破碎籽粒分类识别方法。采用带色彩恢复的多尺度Retinex算法增强原始图像，对HSV颜色模型的色调、饱和度两个通道分别设定阈值进行图像分割，并结合形状特征得到分类识别结果。采用综合评价指标对试验结果进行量化评价，研究表明，茎秆杂质识别的综合评价指标值达到了86.92%，细小枝梗杂质识别的综合评价指标值为85.07%，破碎籽粒识别的综合评价指标值为84.74%，平均识别一幅图像的时间为3.24 s。结果表明，所提出的算法能够快速有效识别出水稻图像中的杂质以及破碎籽粒，为水稻含杂率、破碎率的在线监测提供技术支撑。

机器视觉；图像处理；杂质；水稻；破碎籽粒；颜色模型；在线识别

0 引 言

水稻含杂率、破碎率是衡量联合收获机作业质量的重要标准，根据2013年发布的《水稻联合收割机作业质量》规定，对全喂入式的联合收获机要求收获的水稻含杂率、破碎率均要低于2.5%[1]。但是，目前国内的联合收获机普遍缺乏作业过程中对含杂率、破碎率的监测，只能停机后依靠人工完成[2-3]，效率低下。

近年来，机器视觉技术因其非破坏性、精度高、速度快等特点，在现代农业生产中得到广泛应用[4]。国外的农机公司和研究人员将机器视觉技术应用到谷物杂质、破碎籽粒含量的监测上。……