針對新疆地區(qū)駿棗與灰棗棗園的收獲作業(yè),該研究提出一種紅棗收獲機棗樹行視覺導(dǎo)航路徑檢測算法。通過棗園圖像固定區(qū)域中B分量垂直累計直方圖的標準差d與最小值f的關(guān)系對棗園種類進行自動判斷。針對灰棗棗園,首先采用色差法與OTSU法對圖像進行灰度化與二值化處理,然后進行面積去噪與補洞處理,在處理區(qū)域內(nèi)從上向下逐行掃描,將每行像素上像素值為0的像素點坐標平均值作為該行候補點的坐標,并將所有候補點坐標的平均值作為Hough變換的已知點坐標,最后基于過已知點的Hough變換擬合導(dǎo)航路徑;針對駿棗棗園,在處理區(qū)域內(nèi)通過垂直累計R分量的方法確定掃描區(qū)間,然后在掃描區(qū)間內(nèi)從上到下逐行掃描,將每行像素上R分量值最小的像素點作為該行的候補點,并將所有候補點的坐標平均值作為Hough變換的已知點,最后使用過已知點的Hough變換擬合導(dǎo)航路徑。試驗結(jié)果表明:對于灰棗棗園與駿棗棗園,該算法的路徑檢測準確率平均值分別為94%和93%,處理1幀圖像平均耗時分別為0.042和0.046s,檢測準確性與實時性滿足紅棗收獲機作業(yè)要求,能夠自動判別棗園種類進行作業(yè),可為實現(xiàn)紅棗收獲機自動駕駛提供理論依據(jù)。 

【文章來源】：農(nóng)業(yè)工程學(xué)報. 2020,36(13)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

灰棗棗園處理窗口及擬合導(dǎo)航路徑示意圖

圖7a是順光、人像干擾工況掃描區(qū)間圖人像干擾所在行像素R分量折線圖，第240列以前存在2個波谷，分別為第197列與第223列，通過對比可知，前者應(yīng)為檢測的候補點位置且精度較高，但是由于第240列人像的干擾，使得第240列成為候補點位置，誤檢該行像素的候補點位置，最終導(dǎo)致導(dǎo)航路徑檢測失敗。圖7b是逆光、地膜干擾工況處理區(qū)域R分量水平累計折線圖，由于第220行為地膜集中區(qū)域，使得該位置出現(xiàn)數(shù)據(jù)大幅下降的波谷，導(dǎo)致田端判別方法誤檢該位置為田端，即地膜干擾致使田端檢測錯誤。圖7c是順光、陰影工況處理區(qū)域隨機像素行R分量折線圖，第240列為樹冠中心區(qū)域與該位置出現(xiàn)波谷相契合，即以R分量最小值提取的候補點位置準確。為驗證R分量最小值作為候補點提取特征的穩(wěn)定性，進行如下試驗：分別從采集的3個駿棗棗園視頻中隨機截取連續(xù)100幀圖像，人工觀察每幀圖像中第40行、第130行、第230行（分別對應(yīng)圖像遠視端、圖像中間以及圖像近視端隨機像素行）像素候補點提取是否正確。試驗結(jié)果如表3所示，3個視頻中的近視端檢測準確率分別為93%、94%、92%，略低于圖像遠視端與圖像中間的檢測準確率，這主要是因為近視端的樹冠像素分布密度較低，噪聲多，干擾嚴重。出現(xiàn)誤檢的原因主要是人像干擾與車身抖動。

綜上，使用R分量最小值提取的候補點比較穩(wěn)定，適用于候補點的提取。使用采集到的作業(yè)視頻對算法進行驗證，實際檢測路徑與人工觀測路徑的夾角約大于5°即判為檢測錯誤，結(jié)果如表4所示。

【參考文獻】：
期刊論文
[1]棉花鋪膜播種作業(yè)拖拉機的視覺導(dǎo)航路徑檢測[J]. 張雄楚,李景彬,姚慶旺,付威,溫寶琴,坎雜.  農(nóng)機化研究. 2020(05)
[2]農(nóng)機自動導(dǎo)航及無人駕駛車輛的發(fā)展綜述(英文)[J]. 韓樹豐,何勇,方慧.  浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版). 2018(04)
[3]農(nóng)田作業(yè)視覺導(dǎo)航系統(tǒng)研究[J]. 陳兵旗.  科技導(dǎo)報. 2018(11)
[4]插秧機導(dǎo)航路徑跟蹤改進純追蹤算法[J]. 李革,王宇,郭劉粉,童俊華,何勇.  農(nóng)業(yè)機械學(xué)報. 2018(05)
[5]基于虛擬現(xiàn)實的拖拉機雙目視覺導(dǎo)航試驗[J]. 翟志強,朱忠祥,杜岳峰,李臻,毛恩榮.  農(nóng)業(yè)工程學(xué)報. 2017(23)
[6]水稻插秧機路徑追蹤設(shè)計——基于SOPC嵌入式視覺導(dǎo)航[J]. 謝忠華.  農(nóng)機化研究. 2017(10)
[7]再生稻收割機的視覺導(dǎo)航路徑檢測方法[J]. 郭翰林,洪瑛杰,張翔,林建.  福建農(nóng)林大學(xué)學(xué)報(自然科學(xué)版). 2017(03)
[8]矮化密植棗園收獲作業(yè)視覺導(dǎo)航路徑提取[J]. 彭順正,坎雜,李景彬.  農(nóng)業(yè)工程學(xué)報. 2017(09)
[9]基于視覺識別的小麥收獲作業(yè)線快速獲取方法[J]. 趙騰,野口伸,楊亮亮,石井一暢,陳軍.  農(nóng)業(yè)機械學(xué)報. 2016(11)
[10]基于圖像處理的玉米收割機導(dǎo)航路線檢測方法[J]. 梁習(xí)卉子,陳兵旗,姜秋慧,朱德利,楊明,喬妍.  農(nóng)業(yè)工程學(xué)報. 2016(22)

博士論文
[1]自然環(huán)境下目標物的高速圖像檢測算法研究[D]. 劉陽.中國農(nóng)業(yè)大學(xué) 2014



本文編號：3413485