基于高光谱成像的玉米收获后根茬行分割方法

发布时间：2021-08-15 21:43

　　在华北一年两熟区,利用联合收获机留茬收获玉米后,玉米根茬行与行间秸秆及裸露地表颜色相近,采用传统的图像检测方法对其进行分割比较困难。针对该问题,采集了利用联合收获机留茬收获玉米后的根茬行高光谱图像,以根茬顶端切口为目标,提出了一种玉米根茬行高光谱图像的分割方法。首先,对黑白校正后的全波段图像进行主成分分析,根据主成分图像权重系数优选出3个特征波长,分别为1 260、1 658、2 131 nm;然后,对3个特征波长处的图像再次进行主成分分析,并对所得到的PC2图像进行单阈值分割;最后,通过中值滤波、形态学开运算、根茬行区域外噪声滤除对分割结果进行优化。为验证该分割方法的效果,利用采集的50幅玉米根茬行高光谱图像进行试验,并选取分割准确率、召回率和F1值对分割结果进行定量评价。结果表明:该分割方法下的玉米根茬行图像分割效果较好,分割准确率、召回率和F1值分别为91.85%、90.49%和91.16%。研究结果表明基于高光谱成像技术可对玉米根茬行进行分割。 

【文章来源】：农业机械学报. 2020,51(S2)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

高光谱成像系统

利用主成分分析法对选取的特征波长图像再次进行分析，然后采用单阈值分割法对选取的主成分图像进行分割，最后通过中值滤波、形态学处理、根茬行区域外噪声滤除等对分割后的结果进行优化，得到最终的玉米根茬行分割结果。光谱分析与图像处理的算法流程图如图2所示。为客观评价本文所提出方法的准确性，利用Photoshop人工分割得到的玉米根茬行图像作为真实分割结果，然后选取分割准确率P、召回率R和F1值对优化后的分割结果进行定量评价[22]。其中，分割准确率用于分析算法分割结果与真实分割结果间的差异，计算公式为

对样本集25幅玉米根茬行高光谱图像进行主成分分析，并选取最有利于根茬顶端切口分割的图像PC3、PC4进行分析(PC3、PC4为25幅图像主成分分析后的典型结果，其他也都获得了相似的结果)。图3为图像PC3、PC4的权重系数曲线。根据两条曲线极值点的分布进行特征波长选取，选取原则如下:(1)由于光谱曲线首尾两端噪声大，故排除首尾两端区域的极值点。(2)选取的局部极大值点或局部极小值点应同时为两条曲线上的极值点，且绝对值在邻近波长较大。(3)考虑到邻近波长之间相关性较高，选取的两特征波长间相差波段数应大于10。按照上述选取原则，最终选取了1 260、1 658、2 131 nm作为最佳特征波长，如图4所示。图4 不同特征波长处的图像

【参考文献】：
期刊论文
[1]高光谱成像的猕猴桃货架期快速预测[J]. 邵园园,王永贤,玄冠涛,高宗梅,刘艺,韩翔,胡志超.  光谱学与光谱分析. 2020(06)
[2]基于多生育期光谱变量的水稻直链淀粉含量监测[J]. 谢莉莉,王福民,张垚,黄敬峰,胡景辉,王飞龙,姚晓萍.  农业工程学报. 2020(08)
[3]基于M-LP特征加权聚类的果树冠层图像分割方法[J]. 程浈浈,祁力钧,程一帆,吴亚垒,张豪,肖雨.  农业机械学报. 2020(04)
[4]基于无人机高光谱长势指标的冬小麦长势监测[J]. 陶惠林,徐良骥,冯海宽,杨贵军,苗梦珂,林博文.  农业机械学报. 2020(02)
[5]基于高光谱成像的生鲜鸡肉糜中大豆蛋白含量检测[J]. 王伟,姜洪喆,贾贝贝,鹿瑶.  农业机械学报. 2019(12)
[6]联合光谱-空间信息的短波红外高光谱图像茶叶识别模型[J]. 蔡庆空,李二俊,蒋金豹,乔小军,蒋瑞波,冯海宽,刘绍堂,崔希民.  光谱学与光谱分析. 2019(08)
[7]苹果无损检测和品质分级技术研究进展及展望[J]. 曹玉栋,祁伟彦,李娴,李哲敏.  智慧农业. 2019(03)
[8]核桃仁脂肪含量的近红外光谱无损检测[J]. 马文强,张漫,李源,杨莉玲,朱占江,崔宽波.  农业机械学报. 2019(S1)
[9]基于无人机高光谱影像的冬小麦全蚀病监测模型研究[J]. 郭伟,朱耀辉,王慧芳,张娟,董萍,乔红波.  农业机械学报. 2019(09)
[10]基于可见光光谱分析的黄瓜白粉病识别研究[J]. 王翔宇,朱晨光,傅泽田,张领先,李鑫星.  光谱学与光谱分析. 2019(06)

博士论文
[1]基于机器视觉的免耕播种机对行避茬技术研究[D]. 陈婉芝.中国农业大学 2018



本文编号：3344988