一种基于oct图像的玉米籽粒早期霉变识别方法
技术领域
本发明属于玉米籽粒品质无损及自动化检测领域的一种玉米籽粒霉变识别方法，尤其是涉及了一种基于OCT图像的玉米籽粒早期霉变识别方法。
背景技术
玉米是世界上主要的粮食作物之一，广泛种植于世界各地，既被人作为粮食，也是各种动物的饲料，玉米籽粒在湿热条件下极易受到有毒真菌的污染。霉菌主要的分泌物，黄曲霉毒素(Aflatoxins)，是一种被公认有害的慢性的真菌毒素，对食品安全具有潜在的重要威胁。因此，对玉米籽粒中黄曲霉毒素的快速检测方法研究具有必要性。实验中一般采用化学方法，包括薄层色谱法、高效液相色谱法、酶联免疫分析法和聚合酶链反应法等，而在食品工业中更需要快速或现场检测方法，可参照的有：近红外光谱法，拉曼光谱、太赫兹时域光谱和电子鼻。我国的国家标准都以化学方法作为参考标准，但由于预处理费时费力、污染大等缺点，不能用于现场快速检测。大多数基于光谱的方法直接测量样品在不同波长下吸收情况，用化学计量学方法提取的光谱变化很小。电子鼻装置针对化学目标建立气体传感器阵列，然后将传感器的信号转换为数字位，同时结合化学计量学方法捕捉霉菌散发的味道特征。这些方法都是针对信号或数据处理，缺乏空间或深度分辨率，故现有方法实现玉米籽粒霉变的早期诊断仍旧是难点；
光学相干层析成像技术(OCT)是一种能捕捉近表面反射光并揭示三维微结构的层析成像技术，具有无损伤、高分辨率、高速等优点。各种报道表明，OCT技术的内部2D或3D图像在分辨率为5-20μm，可提取深度达2-3mm的组织或细胞信息。其透射深度、分辨率和灵敏度均优于传统的光学或成像方法，能够捕获附着在玉米籽粒表面的霉菌孢子形态。但是对于玉米籽粒霉变的早期快速检测，研究尚处于起步阶段。
发明内容
针对于背景技术中存在的问题，本发明的目的在于提供了一种基于OCT图像的玉米籽粒早期霉变识别方法，能够自动识别OCT图像中玉米籽粒的早期霉变，并完成霉变位置的自动标识和判别，提高了检测效率，配合成像等外观检测方法，为玉米籽粒在线自动检测奠定技术基础。
本发明采用的技术方案是包括以下步骤：
1)采集玉米籽粒的OCT籽粒图像；
2)对OCT籽粒图像进行初级降噪，获得初级降噪后的OCT籽粒图像；
3)对初级降噪后的OCT籽粒图像进行边缘检测及分界线的搜索和拟合后，获得背景和玉米籽粒的第一分界线；
4)搜索背景和玉米籽粒的第一分界线的最高点，以第一分界线的最高点为基准对初级降噪后的OCT籽粒图像进行拉平变换，获得拉平变换后的OCT籽粒图像；
5)将拉平变换后的OCT籽粒图像中的分界线作为背景和玉米籽粒的第二分界线，以第二分界线为基准，对拉平变换后的OCT籽粒图像进行裁剪，裁剪过程根据已知玉米籽粒果皮和种皮、糊粉层的各自厚度，裁剪掉下半部分胚乳的图像；同时也裁剪上半部分中超过第二分界线的预设距离的背景区域，获得裁剪后的OCT籽粒图像；
6)提取玉米籽粒果皮和种皮上边界；
7)计算玉米籽粒果皮和种皮上边界的平均灰度，以平均灰度的N倍为滤波阈值，将裁剪后的OCT籽粒图像中小于滤波阈值的像素点置0，获得滤波后的玉米籽粒果皮和种皮上边界；
8)以列像素点为单位，计算滤波后的玉米籽粒果皮和种皮上边界上当前列像素点中非0像素点的个数，将当前列像素点中非0像素点的个数作为当前列的数组值，遍历所有列像素点，得到一维上边界数组；
9)对一维上边界数组取数组平均值，以数组平均值的M倍为判别阈值；将一维上边界数组中每个数组值与判别阈值进行比较，若数组值大于判别阈值，则表示当前数组值所在列像素点中存在早期霉变点；若数组值小于等于判别阈值，则表示当前数组值所在列像素点中不存在早期霉变点；
所述步骤2)具体为：
根据OCT籽粒图像中背景区域的噪声强度确定硬阈值滤波法的降噪阈值，利用硬阈值滤波法对OCT籽粒图像进行初级降噪，获得初级降噪后的OCT籽粒图像。
所述步骤3)具体为：
3.1)利用边缘检测算子对初级降噪后的OCT籽粒图像实现边缘检测，获得边缘检测后的OCT籽粒图像，再对初级降噪后的OCT籽粒图像进行模板滤波处理和二值化处理后，获得二值化籽粒图像；
3.2)对二值化籽粒图像中的每一列像素点，自上向下搜索当前列像素点中出现第一个灰度值为1的像素点并记录为待拟合像素点；
3.3)遍历二值化籽粒图像中的所有列像素点，获得二值化籽粒图像中的所有待拟合像素点；
3.3)利用拟合方法对所有待拟合像素点进行拟合，得到背景和玉米籽粒的第一分界线。
所述步骤6)具体为：
6.1)根据像素灰度值定义相连通的两个像素点之间存在关联权值，每个像素点与其相邻的各个像素点之间相连通；采用以下公式计算所有相连通的两个像素点之间的关联权值Weightab：
Weightab＝2.01-ga-gb
其中，ga和gb分别为两个相连通的像素点a和b的像素灰度值；
6.2)计算裁剪后的OCT籽粒图像中每个像素点的灰度值并进行归一化处理；
6.3)在裁剪后的图像的最左侧和最右侧各增加若干列像素点，最左列像素和最右列像素中每两个相连通的像素点的关联权值均为零；
6.4)以最左列像素点的中间像素点为边界搜索的初始点，以最右列像素点的中间像素点为边界搜索的终点，结合图像中各像素点的相连通情况及其关联权值采用最短路径搜索算法，获得玉米籽粒果皮和种皮的初步上边界；
6.5)使用平滑算法对玉米籽粒果皮和种皮的初步上边界进行平滑处理，得到玉米籽粒果皮和种皮上边界。
本发明具有的有益效果是：
本发明使用OCT图像检测玉米籽粒的霉变，因OCT图像分辨率可以达到十微米级，可以检测肉眼不可见的早前霉变，具有无损、快速、低成本的优点。
本发明方法采用了自动化的图像处理方案，包括降噪过程和图方法寻找边界过程，并提出了对应的权值策略，对不同形状、不同大小、不同阶段的早期霉变具有普适性，并能自动标记霉变发生的位置，较其他方法具有更好定位精度。
本发明一直采用灰度值作为评价参数，结合图像拉平，检测效果具有一定的鲁棒性。
附图说明
图1是本发明方法的流程图。
图2是采集的玉米籽粒的OCT籽粒图像。
图3是本发明的拉平步骤的效果图。
图4是实施例以分界线为基准，对图像进行裁剪后的结果。
图5是实施例存在早期霉变样本之一的霉变位置算法自动标记的效果图。
具体实施方式
以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的实施例如下：
如图1所示，本发明包括以下步骤：
1)使用OQ Labscope型SD-OCT成像仪采集30个玉米籽粒样本的OCT籽粒图像，其中15个含有早期霉变，15个为正常样本(对照组)；图2为其中2个典型样本的OCT图像，其中图2的(a)为正常无霉变样本，图2的(b)样本存在各种形态的霉变。
2)对这30个OCT籽粒图像的数据集进行观察，发现OCT籽粒图像从上向下第三行到第十行为散斑噪声集中的区域，故计算该区域像素的均值和标准差，以均值和标准差的和为硬阈值滤波的阈值，对OCT籽粒图像进行硬阈值降噪，获得初级降噪后的OCT籽粒图像；
3)使用Prewitt边缘检测算子对初级降噪后的OCT籽粒图像进行滤波实现边缘检测，获得边缘检测后的OCT籽粒图像，随后使用自定义模板[2,6]对边缘检测后的OCT籽粒图像进行中值滤波，以去除孤立像素点；最后，再进行二值化处理后，获得二值化籽粒图像；
对二值化籽粒图像中的每一列像素点，自上向下搜索当前列像素点中出现第一个灰度值为1的像素点并记录为待拟合像素点；遍历二值化籽粒图像中的所有列像素点，获得二值化籽粒图像中的所有待拟合像素点；
利用高斯混合模型GMM拟合方法对所有待拟合像素点进行拟合，得到背景和玉米籽粒的第一分界线，并获得背景和玉米籽粒目标的分界线所对应的所有像素点。
4)搜索背景和玉米籽粒的第一分界线的最高点，以第一分界线的最高点为基准对初级降噪后的OCT籽粒图像进行拉平变换，拉平变换具体为：以第一分界线的最高点对初级降噪后的OCT籽粒图像中的每一列进行向上平移，其中补入的像素插入0，获得拉平变换后的OCT籽粒图像；如图3所示，图3的(a)表示拉平前，图3的(b)表示拉平后。
5)将拉平变换后的OCT籽粒图像中的分界线作为背景和玉米籽粒的第二分界线，以第二分界线为基准，对拉平变换后的OCT籽粒图像进行裁剪，由于霉菌处于玉米籽粒果皮和种皮上，霉菌的一部分也可能处于背景区域中，裁剪过程根据已知玉米籽粒果皮和种皮、糊粉层的各自厚度，玉米籽粒果皮和种皮的各自厚度与玉米的种类有关，不同种类裁剪的厚度不同，裁剪掉下半部分胚乳的图像(含糊粉层和胚乳的分界线)；同时也裁剪上半部分中超过第二分界线的预设距离的背景区域，获得裁剪后的OCT籽粒图像；拉平变换后的OCT籽粒图像中从上向下依次为空气背景、一起的果皮和种皮、糊粉层、胚乳。
在本实施例中，只对拉平变换后的OCT籽粒图像进行纵向裁剪(或对图像的上边界中点为基准)，裁剪范围为分界线上20像素，下10像素的范围作为后续步骤的输入图像；图4显示了对图3进行裁剪后的效果。
6)提取玉米籽粒果皮和种皮上边界；步骤6)具体为：
6.1)根据像素灰度值定义相连通的两个像素点之间存在关联权值，每个像素点与其相邻的各个像素点之间相连通；采用以下公式计算所有相连通的两个像素点之间的关联权值Weightab：
Weightab＝2.01-ga-gb
其中，ga和gb分别为两个相连通的像素点a和b的像素灰度值；
6.2)计算裁剪后的OCT籽粒图像中每个像素点的灰度值并进行归一化处理；
6.3)在裁剪后的图像的最左侧和最右侧各增加4列像素点，最左列像素和最右列像素中每两个相连通的像素点的关联权值均为零；
6.4)以最左列像素点的中间像素点为边界搜索的初始点，以最右列像素点的中间像素点为边界搜索的终点，结合图像中各像素点的相连通情况及其关联权值采用用Floyd多元路径中最短路径搜索算法，获得玉米籽粒果皮和种皮的初步上边界；
6.5)使用10像素平滑算法对玉米籽粒果皮和种皮的初步上边界进行平滑处理7)计算玉米籽粒果皮和种皮上边界的平均灰度，以平均灰度的N倍(N取0.2-0.8之间)为滤波阈值，本实施例中，N＝0.6；将裁剪后的OCT籽粒图像中小于滤波阈值的像素点置0，裁剪后的OCT籽粒图像中大于等于滤波阈值的像素点则不做处理，获得滤波后的玉米籽粒果皮和种皮上边界；
8)以列像素点为单位，计算滤波后的玉米籽粒果皮和种皮上边界上当前列像素点中非0像素点的个数，将当前列像素点中非0像素点的个数作为当前列的数组值，遍历所有列像素点，得到一维上边界数组；
9)对一维上边界数组取数组平均值，以数组平均值的M倍(M取2-3之间)为判别阈值，本实施例中，M＝2.5；将一维上边界数组中每个数组值与判别阈值进行比较，若数组值大于判别阈值，则表示当前数组值所在列像素点中存在早期霉变点；若数组值小于等于判别阈值，则表示当前数组值所在列像素点中不存在早期霉变点；图5是存在早期霉变样本之一(即图4后续)的霉变位置自动标记的效果图，图中三角形为霉变位置的标记。
本实施例中采集玉米籽粒的OCT图像样本30个，其中15个含有早期霉变，15个为正常样本(对照组)；实验表面15个早期霉变样本的具体位置均能实现本识别方法的自动标记，而15个对照组样本被识别方法判断为无霉变，准确率为100％。
在本发明实施例中，本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，包括ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
- 上一篇：石墨接头机器人自动装卡簧、装栓机
- 下一篇：一种高速铁路接触网目标检测与跟踪方法
