基于无人机图像的玉米植株识别技术研究

发布时间：2022-05-02 22:48

　　随着全球人口基数不断增大,粮食需求量与日俱增,粮食供给问题日益严峻。玉米是世界主要的粮食农作物之一,把先进的信息化技术运用到玉米生产中,将成为提升粮食生产效率的重要手段之一。以往研究玉米植株识别技术,是通过高清照相机进行人工拍摄,采取样本实验,评估大片农田效率较低,有一定的局限性和不准确性,现在随着无人机技术快速发展,可通过无人机进行大面积拍摄取样,航拍图片可查看整块田地玉米植株生长状况,通过数字图像处理与计算机视觉技术,可快速,大范围,准确估测玉米长势,玉米的产量等信息。本研究采用大疆-悟2无人机搭配RGB可见光摄像头,在河南省温县平安种业实验田采集玉米各生长时期的图像。选取6月份玉米图像,通过颜色空间LAB中A通道对玉米图像中植株与土壤进行分割,提取玉米植被特征,通过中值滤波去噪,实验结果与人工基准图对比验证玉米植被分割准确率,最终植被分割准确率达到99%。本研究选取8月份玉米图像,通过颜色空间HSV中H通道,分割出玉米雄蕊轮廓,利用超像素分割算法提取玉米雄蕊特征,通过连通区域提取玉米雄蕊轮廓,并进行自动计数,计数结果与人工计数进行对比,准确率高达96%以上;本研究对实现玉米数字化... 

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
1 文献综述
    1.1 国内研究现状
    1.2 国外研究现状
    1.3 研究目的与意义
2 技术路线与研究方法
    2.1 研究内容与技术路线
    2.2 材料与方法
        2.2.1 玉米植被图像的采集
        2.2.2 玉米植被图像的分块
        2.2.3 玉米植被图像测量与面积估算
        2.2.4 颜色空间研究
    2.3 数据预处理
        2.3.1 图像增强
        2.3.2 中值滤波
    2.4 玉米植被图像分割研究
        2.4.1 玉米图像的二值化
        2.4.2 玉米图像的阈值分割
        2.4.3 最佳阈值的确定
    2.5 玉米图像分割准确性研究
        2.5.1 各颜色空间玉米植被图像的阈值分割
        2.5.2 分割后图像的处理
        2.5.3 处理后图像与人工基准图对比
    2.6 玉米雄蕊识别技术研究
        2.6.1 HSV颜色空间H阈值选定
        2.6.2 SLIC超像素分割算法研究
        2.6.3 玉米雄穗自动计数
3 结果与分析
    3.1 玉米植被分割准确度的结果分析
        3.1.1 玉米植被图像预处理的结果分析
        3.1.2 分割准确度的结果分析
    3.2 玉米雄蕊计数结果分析
4 结论与讨论
    4.1 结论
    4.2 讨论
参考文献
ABSTRACT


【参考文献】：
期刊论文
[1]基于超像素和K-means的图像分割算法[J]. 苏建菖,马燕.  计算机时代. 2019(02)
[2]基于超像素分割的田间小麦穗数统计方法[J]. 杜颖,蔡义承,谭昌伟,李振海,杨贵军,冯海宽,韩东.  中国农业科学. 2019(01)
[3]超像素分割及评价的最新研究进展[J]. 罗学刚,吕俊瑞,彭真明.  激光与光电子学进展. 2019(09)
[4]基于直方图均衡化的图像增强在医学中的应用[J]. 徐鹏飞,朱清泽.  计算机产品与流通. 2018(12)
[5]基于图像级标签及超像素块的弱监督显著性检测[J]. 谭台哲,轩康西,曾群生.  计算机应用研究. 2020(02)
[6]基于超像素分割的红外盲元检测及校正[J]. 詹维,马新星,徐子剑.  红外技术. 2018(11)
[7]一种改进超像素融合的图像分割方法[J]. 余洪山,张文豪,杨振耕,李松松,万琴,林安平.  湖南大学学报(自然科学版). 2018(10)
[8]基于Lab颜色空间的棉花覆盖度提取方法研究[J]. 牛亚晓,张立元,韩文霆.  农业机械学报. 2018(10)
[9]基于SLIC的图像分割方法研究[J]. 刘洋,周宁宁.  计算机技术与发展. 2019(01)
[10]基于HSI空间的玉米雄穗识别算法[J]. 茅正冲,孙雅慧.  传感器与微系统. 2018(09)

硕士论文
[1]基于无人机遥感的玉米表型信息提取技术研究[D]. 张琪.东北农业大学 2017
[2]应用于图像处理的中值滤波改进算法[D]. 周杰.北京邮电大学 2007



本文编号：3650111