基于机器视觉的叶菜类蔬菜菜垄识别算法

发布时间：2021-11-27 17:25

　　针对目前叶菜类蔬菜田间作业自动化程度低,缺乏适用自主导航技术等问题,提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法。利用改进超绿算法（Gray=2Cg-Cr-Cb）对菜地图像进行灰度化,通过二值形态学变换和连通区域提取获得菜垄区域和边界,基于Huber损失函数进行边界曲线拟合,最终提取导航基准线。图像处理结果表明:1)本研究提出的识别算法在不同光照环境下具有较好的鲁棒性,自然综合光照条件下导航基准线提取成功率为97.5%;2)基于Huber损失函数获取到的导航基准线,平均均方根误差为0.668像素,比最小二乘法高72.5%,平均角度偏差为0.273°,比最小二乘法高72.6%,且处理速度与最小二乘法相似。试验证明本研究算法可实现在自然光照条件下对叶菜类蔬菜图像的菜垄识别和导航基准线提取。 

【文章来源】：中国农业大学学报. 2020,25(03)北大核心CSCD

【文章页数】：11 页

【部分图文】：

4种光照条件下菜地不同颜色空间分量图

基于上述分析，本研究对4种光照条件下，灰度化处理后的2G-R-B分量和2Cg-Cr-Cb分量图像绘制灰度直方图（图2）。可以明显发现，在不同光照条件下，传统超绿算法的2G-R-B分量亮度变化相对于2Cg-Cr-Cb分量更加明显，受光照干扰较大，因此本研究选用改进超绿算法对菜地图像进行灰度化处理。2 图像分割与菜垄边界提取

为进一步提取菜垄图像，本研究选用自适应阈值的大津（OTSU）法[4]进行二值化，效果见图3。图像中存在大量的细小孤立噪声（图3(b）），因此本研究选用5×5的滤波窗口对图3(a）进行中值滤波，再进行图像二值化，效果见图4，二值图像中（图4(b））细小孤立噪声基本上被去除。图4 中值滤波处理后的菜地灰度图像（a）和二值图像（b)


本文编号：3522740