基于动态网格和分区域聚类的玉米苗带识别算法研究

发布时间：2022-11-04 22:43

　　针对基于计算机视觉的玉米苗带中心线提取受自然环境干扰严重的问题,提出基于6×6动态网格与分区域特征点聚类的玉米行定位算法。首先将获取的玉米苗带图像进行像素归一化,采用改进的过绿特征和最大类间方差法分割玉米苗带与土壤背景,得到二值图像;然后通过动态网格扫描二值图像,获取候选玉米苗带特征点,并对候选玉米苗带特征点采用分区域聚类算法,得到玉米苗带特征点;最后通过最小二乘法对特征点进行线性拟合得到玉米苗带中心识别线。田间试验表明,该算法具有较好的抗干扰性能,能够很好的适应较为复杂的田间环境。玉米苗带识别准确率为93.4%,处理一幅分辨率为1 920像素×1 024像素的图像平均耗时320 ms。 

【文章页数】：6 页

【文章目录】：
0 引言
1 图像采集系统和相机标定原理
    1.1 图像采集及图像处理设备
    1.2 相机标定原理
2 玉米苗带中心线提取
    2.1 图像预处理
        2.1.1 图像灰度化
        2.1.2 图像分割
    2.2 获取玉米苗带特征点
        2.2.1 动态网格法获取候选特征点
        2.2.2 分区域聚类算法获取可靠特征点
        2.2.3 拟合特征点
3 试验与分析
4 结论


【参考文献】：
期刊论文
[1]基于分区域特征点聚类的秧苗行中心线提取[J]. 廖娟,汪鹞,尹俊楠,张顺,刘路,朱德泉.  农业机械学报. 2019(11)
[2]基于图像处理和BP神经网络的玉米叶部病害识别[J]. 张开兴,吕高龙,贾浩,赵秀艳,刘贤喜.  中国农机化学报. 2019(08)
[3]基于北斗和激光雷达的机器人导航控制方法研究[J]. 于燕,李宁.  中国农机化学报. 2019(08)
[4]葡萄园田间机器人双目测距系统设计[J]. 林中豪,高晓阳,邵世禄,李红岭,杨梅,李妙祺.  中国农机化学报. 2019(04)
[5]机器视觉技术在现代农业装备领域的应用进展[J]. 周航,杜志龙,武占元,宋程,郭楠,林亚玲.  中国农机化学报. 2017(11)
[6]基于图像特征点粒子群聚类算法的麦田作物行检测[J]. 姜国权,杨小亚,王志衡,刘红敏.  农业工程学报. 2017(11)
[7]基于机器视觉的玉米精准施药系统作物行识别算法及系统实现[J]. 刁智华,赵明珍,宋寅卯,吴贝贝,毋媛媛,钱晓亮,魏玉泉.  农业工程学报. 2015(07)
[8]农业机械导航技术发展分析[J]. 姬长英,周俊.  农业机械学报. 2014(09)
[9]基于机器视觉的农业植保技术研究进展[J]. 李志刚,傅泽田,李丽勤.  农业机械学报. 2005(08)
[10]基于计算机视觉的作物行定位技术[J]. 袁佐云,毛志怀,魏青.  中国农业大学学报. 2005(03)



本文编号：3701464