论文摘要
为解决机器视觉对生菜和绿甘蓝两种作物在整个生长时期内多环境变量对作物行识别影响的问题,同时提高机器视觉作物行识别算法的有效性,该文提出了一种基于自动Hough变换累加阈值的多作物行提取算法。首先,选用Lab颜色空间中与光照无关a分量对绿色作物进行提取,通过最优自适应阈值进行图像分割,并采用先闭后开形态学运算对杂草和作物边缘进行滤波。其次,采用双阈值分段垂直投影法对作物行特征点进行提取,通过对亮度投影视图中的目标像素占比阈值和噪声判断阈值设置,实现特征点位置判断和杂草噪声过滤,并对相邻特征点进行优化,剔除部分干扰特征。最后,采用Hough变化对特征点进行直线拟合,将不同Hough变换累加阈值获得的拟合直线映射到累加平面上,通过K-means聚类将累加平面数据聚类为与作物行数相同的类数,根据相机成像的透视原理提出基于聚类质心距离差和组内方差的最优累加阈值获取方法,将最优累加阈值下累加平面中的聚类质心作为识别出的真实作物行线。温室和田间试验表明,针对不同生长时期的生菜和绿甘蓝作物,该文算法均可有效识别出作物行线,最优阈值算法耗时小于1.5 s,作物行提取平均耗时为0.2 s,在田间和温室中作物行的平均识别准确率分别为94.6%、97.1%,识别准确率为100%的占比分别为86.7%和93.3%。研究结果为解决多环境变量影响因素下的算法鲁棒性和适用性问题提供依据。
论文目录
文章来源
类型: 期刊论文
作者: 陈子文,李伟,张文强,李云伍,李明生,李慧
关键词: 机器视觉,导航,算法,精准农业,作物行识别,变换,聚类
来源: 农业工程学报 2019年22期
年度: 2019
分类: 农业科技,信息科技
专业: 园艺,计算机软件及计算机应用
单位: 西南大学工程技术学院,中国农业大学工学院
基金: 国家重点研发计划(2016YFD0701001),中央高效基本科研业务费(XDJK2017B049)
分类号: S636.2;S635;TP391.41
页码: 314-322
总页数: 9
文件大小: 1807K
下载量: 168