基于视觉的玉米苗期作物识别与定位方法研究

发布时间：2021-11-28 13:43

　　基于视觉的苗期作物目标识别技术逐渐成熟,对作物进行准确识别和精准定位,是实现株间除草的技术关键和难点。本文以苗期玉米为研究对象,提出了一种苗期作物的识别与定位方法,通过作业车辆的图像采集装置来实时获取田间作物的苗期图像,基于HSV色彩空间对输入图像进行预处理,根据作物与土壤背景颜色差异,选取固定取值范围的三通道阈值,通过二值化处理去除土壤背景,再通过深度开运算来去除杂草噪声,对得到的苗期作物提取轮廓信息,经过骨架提取算法后得到作物骨架,并以此确定作物茎秆位置坐标,从而实现对作物的精准定位。作物图像中幼苗的识别率为98.3%,定位误差距离在10 mm以内的定位精准度为85.9%,基本可以满足智能除草机器人实时除草作业要求。 

【文章来源】：中国农机化学报. 2020,41(09)北大核心

【文章页数】：7 页

【部分图文】：

相机采集玉米幼苗图片

提取图片中玉米幼苗样本,把RGB颜色模型转换到HSV颜色模型,设定H通道色彩分量取值范围为33～180,S通道色彩分量取值范围为40～255,V通道色彩分量取值范围为85～255,对于杂草,经过调整后,得到图像如图2所示。经过颜色空间和二值化处理,已可排除土壤背景和杂物等因素的干扰,但由于杂草和玉米幼苗颜色相近,无法排除,因此需要对图片进一步处理,来去除杂草的干扰得到玉米幼苗。

区分土壤和绿色作物后,只剩下颜色相近的玉米幼苗和杂草的叶片,由于玉米苗和杂草的形状大小,和叶片纹理存在一定区别,通过形态学处理,这里采用5次开运算处理,去除部分杂草噪声,需要保留玉米苗的样本,进行阈值处理,得到平滑的图片,经过进一步处理后得到的分割结果如图3所示。2 苗期作物定位

【参考文献】：
期刊论文
[1]智能除草机器人的研究进展与分析[J]. 孙君亮,闫银发,李法德,董岩,郭家乐,宋占华.  中国农机化学报. 2019(11)
[2]基于HSV颜色空间的快速边缘提取算法[J]. 王红雨,尹午荣,汪梁,胡江颢,乔文超.  上海交通大学学报. 2019(07)
[3]基于三维激光扫描仪的单颗树木几何重建技术研究[J]. 程智君,游雨云,詹华群,李光明,赵亮亮.  中国农机化学报. 2019(06)
[4]基于卷积网络和哈希码的玉米田间杂草快速识别方法[J]. 姜红花,王鹏飞,张昭,毛文华,赵博,齐鹏.  农业机械学报. 2018(11)
[5]基于Matlab平台的相机标定研究[J]. 李明彩,郭轩,于毅.  数字技术与应用. 2018(02)
[6]基于遗传算法的田间生物环境系统的研究[J]. 朱凤武,杨建姣,齐迹.  中国农机化学报. 2016(12)
[7]利用最大圆盘提取作物行骨架的改进算法[J]. 刁智华,吴贝贝,魏玉泉,毋媛媛.  中国农机化学报. 2016(07)
[8]基于Hough变换的机器视觉目标检测技术研究[J]. 宋寅卯,赵明珍,刁智华,王会丹.  中国农机化学报. 2015(04)
[9]HSV颜色空间的饱和度与明度关系模型[J]. 马玲,张晓辉.  计算机辅助设计与图形学学报. 2014(08)
[10]基于纹理特征与改进SVM算法的玉米田间杂草识别[J]. 王宏艳,吕继兴.  湖北农业科学. 2014(13)

硕士论文
[1]基于Android平台的玉米田间杂草的识别系统设计[D]. 刘剑.山西农业大学 2016
[2]基于ABC算法和概率神经网络的玉米与杂草识别[D]. 冯梦清.河南师范大学 2015



本文编号：3524529