基于边缘检测和区域定位的玉米根茎导航线提取方法

发布时间：2021-05-16 18:56

　　基于玉米根茎图像信息,提出一种基于边缘检测和区域定位的玉米根茎导航线提取方法。首先,利用最大类间方差法自动分割2G-R-B灰度图像,得到二值化图像,结合形态学处理、位置/面积去噪方法提高二值化图像质量,对去噪图像按列累加得到列像素累加曲线;针对传统方法得到的特征点中伪特征点较多的问题,引入高斯滤波器平滑累加曲线,并运用极值法减少玉米根茎伪特征点的干扰,在提取玉米茎秆边缘直线时,提出基于最远茎秆成像宽度的双侧边缘判别思路,通过扫描每条边缘直线的四边形封闭邻域有效剔除伪边缘直线;最后,根据边缘直线二次定位玉米的根茎区域范围,并剔除伪特征点采用最小二乘线性拟合方法准确提取导航线。试验表明,本文算法处理一幅1280像素×720像素图像耗时约236 ms,特征点拟合准确率为92%。与传统方法相比,本文算法精度高、实时性好,在缺苗、杂草较多和株距不标准的情况下仍具有较强的鲁棒性。 

【文章来源】：农业机械学报. 2020,51(10)北大核心EICSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于YOLOv3目标检测的秧苗列中心线提取方法[J]. 张勤,王家辉,李彬.  农业机械学报. 2020(08)
[2]农业机械导航技术研究进展[J]. 张漫,季宇寒,李世超,曹如月,徐弘祯,张振乾.  农业机械学报. 2020(04)
[3]冬季果树林间视觉导航基准线识别算法[J]. 刘阳,高国琴.  中国农机化学报. 2019(05)
[4]基于卷积神经网络的玉米根茎精确识别与定位研究[J]. 杨洋,张亚兰,苗伟,张铁,陈黎卿,黄莉莉.  农业机械学报. 2018(10)
[5]基于无人机遥感影像的育种玉米垄数统计监测[J]. 苏伟,蒋坤萍,闫安,刘哲,张明政,王伟.  农业工程学报. 2018(10)
[6]基于机器视觉的玉米收获机器人路径识别[J]. 胡丹丹,殷欢.  农机化研究. 2017(12)
[7]基于机器视觉的玉米根茎导航基准线提取方法[J]. 宋宇,刘永博,刘路,朱德泉,焦俊,陈黎卿.  农业机械学报. 2017(02)
[8]基于随机抽样一致性算法（RANSAC）的农作物行提取[J]. 杨玲香,王田田,何旭.  江苏农业科学. 2017(02)
[9]农业机械自动导航技术研究进展[J]. 胡静涛,高雷,白晓平,李逃昌,刘晓光.  农业工程学报. 2015(10)
[10]农业机械视觉导航基准线识别研究进展[J]. 刘阳,高国琴.  农机化研究. 2015(05)



本文编号：3190222