發(fā)布時(shí)間：2021-11-28 13:43

　　基于視覺的苗期作物目標(biāo)識(shí)別技術(shù)逐漸成熟,對(duì)作物進(jìn)行準(zhǔn)確識(shí)別和精準(zhǔn)定位,是實(shí)現(xiàn)株間除草的技術(shù)關(guān)鍵和難點(diǎn)。本文以苗期玉米為研究對(duì)象,提出了一種苗期作物的識(shí)別與定位方法,通過作業(yè)車輛的圖像采集裝置來實(shí)時(shí)獲取田間作物的苗期圖像,基于HSV色彩空間對(duì)輸入圖像進(jìn)行預(yù)處理,根據(jù)作物與土壤背景顏色差異,選取固定取值范圍的三通道閾值,通過二值化處理去除土壤背景,再通過深度開運(yùn)算來去除雜草噪聲,對(duì)得到的苗期作物提取輪廓信息,經(jīng)過骨架提取算法后得到作物骨架,并以此確定作物莖稈位置坐標(biāo),從而實(shí)現(xiàn)對(duì)作物的精準(zhǔn)定位。作物圖像中幼苗的識(shí)別率為98.3%,定位誤差距離在10 mm以內(nèi)的定位精準(zhǔn)度為85.9%,基本可以滿足智能除草機(jī)器人實(shí)時(shí)除草作業(yè)要求。 

【文章來源】：中國農(nóng)機(jī)化學(xué)報(bào). 2020,41(09)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

相機(jī)采集玉米幼苗圖片

提取圖片中玉米幼苗樣本,把RGB顏色模型轉(zhuǎn)換到HSV顏色模型,設(shè)定H通道色彩分量取值范圍為33～180,S通道色彩分量取值范圍為40～255,V通道色彩分量取值范圍為85～255,對(duì)于雜草,經(jīng)過調(diào)整后,得到圖像如圖2所示。經(jīng)過顏色空間和二值化處理,已可排除土壤背景和雜物等因素的干擾,但由于雜草和玉米幼苗顏色相近,無法排除,因此需要對(duì)圖片進(jìn)一步處理,來去除雜草的干擾得到玉米幼苗。

區(qū)分土壤和綠色作物后,只剩下顏色相近的玉米幼苗和雜草的葉片,由于玉米苗和雜草的形狀大小,和葉片紋理存在一定區(qū)別,通過形態(tài)學(xué)處理,這里采用5次開運(yùn)算處理,去除部分雜草噪聲,需要保留玉米苗的樣本,進(jìn)行閾值處理,得到平滑的圖片,經(jīng)過進(jìn)一步處理后得到的分割結(jié)果如圖3所示。2 苗期作物定位

【參考文獻(xiàn)】：
期刊論文
[1]智能除草機(jī)器人的研究進(jìn)展與分析[J]. 孫君亮,閆銀發(fā),李法德,董巖,郭家樂,宋占華.  中國農(nóng)機(jī)化學(xué)報(bào). 2019(11)
[2]基于HSV顏色空間的快速邊緣提取算法[J]. 王紅雨,尹午榮,汪梁,胡江顥,喬文超.  上海交通大學(xué)學(xué)報(bào). 2019(07)
[3]基于三維激光掃描儀的單顆樹木幾何重建技術(shù)研究[J]. 程智君,游雨云,詹華群,李光明,趙亮亮.  中國農(nóng)機(jī)化學(xué)報(bào). 2019(06)
[4]基于卷積網(wǎng)絡(luò)和哈希碼的玉米田間雜草快速識(shí)別方法[J]. 姜紅花,王鵬飛,張昭,毛文華,趙博,齊鵬.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(11)
[5]基于Matlab平臺(tái)的相機(jī)標(biāo)定研究[J]. 李明彩,郭軒,于毅.  數(shù)字技術(shù)與應(yīng)用. 2018(02)
[6]基于遺傳算法的田間生物環(huán)境系統(tǒng)的研究[J]. 朱鳳武,楊建姣,齊跡.  中國農(nóng)機(jī)化學(xué)報(bào). 2016(12)
[7]利用最大圓盤提取作物行骨架的改進(jìn)算法[J]. 刁智華,吳貝貝,魏玉泉,毋媛媛.  中國農(nóng)機(jī)化學(xué)報(bào). 2016(07)
[8]基于Hough變換的機(jī)器視覺目標(biāo)檢測技術(shù)研究[J]. 宋寅卯,趙明珍,刁智華,王會(huì)丹.  中國農(nóng)機(jī)化學(xué)報(bào). 2015(04)
[9]HSV顏色空間的飽和度與明度關(guān)系模型[J]. 馬玲,張曉輝.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(08)
[10]基于紋理特征與改進(jìn)SVM算法的玉米田間雜草識(shí)別[J]. 王宏艷,呂繼興.  湖北農(nóng)業(yè)科學(xué). 2014(13)

碩士論文
[1]基于Android平臺(tái)的玉米田間雜草的識(shí)別系統(tǒng)設(shè)計(jì)[D]. 劉劍.山西農(nóng)業(yè)大學(xué) 2016
[2]基于ABC算法和概率神經(jīng)網(wǎng)絡(luò)的玉米與雜草識(shí)別[D]. 馮夢清.河南師范大學(xué) 2015



本文編號(hào)：3524529