基于機(jī)器視覺的稻株識(shí)別與定位方法
【專利摘要】本發(fā)明公開了一種基于機(jī)器視覺的稻株識(shí)別與定位方法，所述方法包括：通過探究影響成像質(zhì)量的相關(guān)因素，構(gòu)建可提高自然光下稻株與背景灰度值差異的圖像采集系統(tǒng)；通過圖像采集系統(tǒng)采集多幅稻株圖像；利用彩色圖像灰度化、PointFilter工具、自動(dòng)確定閾值處理稻株圖像，將稻株圖像分割成植物和背景兩個(gè)部分；劃定檢苗區(qū)，在檢苗區(qū)內(nèi)測(cè)算提取整穴稻株所用連通區(qū)域數(shù)；采用固定連通區(qū)域數(shù)和異點(diǎn)比較、動(dòng)態(tài)定位方法定位稻株中心；根據(jù)稻株多本穴栽、莖基部成束、冠層松散的生長(zhǎng)特點(diǎn)，結(jié)合莖基部直徑和稻株保護(hù)區(qū)來判定定位是否準(zhǔn)確，最后進(jìn)行實(shí)驗(yàn)驗(yàn)證。本發(fā)明方法能實(shí)現(xiàn)稻株的識(shí)別與定位，可為機(jī)械株間除草稻株的定位提供技術(shù)支持。
【專利說明】
基于機(jī)器視覺的稻株識(shí)別與定位方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種稻株識(shí)別與定位方法，尤其是一種基于機(jī)器視覺的稻株識(shí)別與定 位方法，屬于稻株識(shí)別與定位技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 避開作物選擇性地對(duì)株間雜草進(jìn)行防除是機(jī)械除草的最大難點(diǎn)。機(jī)械化種植水稻 雖理論上株距分布均勻，但實(shí)際生產(chǎn)中由于單位面積上的取秧量不同、漏插以及漂秧現(xiàn)象 的存在，致使水稻株距分布不均勻，因此，要實(shí)現(xiàn)水稻株間機(jī)械除草，首先需要對(duì)稻株進(jìn)行 精確地識(shí)別和定位。
[0003] 機(jī)器視覺技術(shù)是作物自動(dòng)識(shí)別與定位的常用方法，然而識(shí)別與定位精度受圖像背 景的復(fù)雜度、作物與雜草形態(tài)的相似度、環(huán)境因素等影響很大，給田間智能機(jī)械除草裝備的 研究帶來很大困難，Tillett 等（Tillett N.D., Hague T.，Grundy A.C., Dedousis.A.P.Mechanical within-row weed control for transplanted crops using computer vision[J] .Biosystems Engineering,2008,99(22): 171-178.)應(yīng)用二維小波技 術(shù)結(jié)合Kalman跟蹤算法識(shí)別目標(biāo)作物萵苣個(gè)體并獲得其位置信息，形成決策后控制雜草部 件完成株間除草作業(yè)。Astrand等（Astrand B. ,Baerveldt A-J.An agricult-ural mobile robot with vision-based perception for mechanical weed control[J].Auton-mous Robots，2002，13: 21-35.)在實(shí)驗(yàn)室條件下，經(jīng)特征選擇后選取作物彩色圖像的3個(gè)特征值， 建立K近鄰分類模型，識(shí)別目標(biāo)物甜菜并獲得其位置信息。張春龍等(張春龍，黃小龍，劉衛(wèi) 東，等.苗間鋤草機(jī)器人信息獲取方法的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，28(9): 142-146.)在 實(shí)驗(yàn)室內(nèi)以最小時(shí)耗和最大包容準(zhǔn)確度為目標(biāo)，利用圖像行像素直方圖的參數(shù)組合確定苗 株中心沿機(jī)器人前進(jìn)方向的一維坐標(biāo)，定位誤差為± 5mm。胡煉等（胡煉，羅錫文，曾山，等. 基于機(jī)器視覺的株間機(jī)械除草裝置的作物識(shí)別與定位方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2013,29 (10): 12-18.)在超綠顏色空間，利用Ostu圖像分割及形態(tài)學(xué)運(yùn)算方法，識(shí)別棉苗和生菜苗， 根據(jù)行列像素累加結(jié)合綠色植物連通域的質(zhì)心獲取作物的位置信息，但在高密度雜草環(huán)境 中，采用機(jī)器視覺技術(shù)通過葉片部位的定位與根部實(shí)際位置仍存在誤差。
[0004] 以上所述研究均采用機(jī)器視覺技術(shù)結(jié)合圖像處理算法對(duì)作物進(jìn)行識(shí)別和定位，但 由于其識(shí)別和定位的作物多為葉菜類作物，作物冠層形態(tài)學(xué)特征相對(duì)簡(jiǎn)單，且圖像背景多 為旱地，而對(duì)于水稻而言，水田背景環(huán)境復(fù)雜、水層反光、稻株冠部形態(tài)學(xué)特征較為復(fù)雜，采 用機(jī)器視覺技術(shù)對(duì)稻株進(jìn)行識(shí)別和定位存在著技術(shù)難題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是為了解決上述現(xiàn)有技術(shù)的缺陷，提供了一種基于機(jī)器視覺的稻株 識(shí)別與定位方法，該方法能實(shí)現(xiàn)稻株的識(shí)別與定位，可為機(jī)械株間除草稻株的定位提供技 術(shù)支持。
[0006] 本發(fā)明的目的可以通過采取如下技術(shù)方案達(dá)到：
[0007] 基于機(jī)器視覺的稻株識(shí)別與定位方法，所述方法包括：
[0008] 通過探究影響成像質(zhì)量的相關(guān)因素，構(gòu)建可提高自然光下稻株與背景灰度值差異 的圖像采集系統(tǒng)；通過圖像采集系統(tǒng)采集多幅稻株圖像；利用彩色圖像灰度化、 PointFi Iter工具、自動(dòng)確定閾值處理稻株圖像，將稻株圖像分割成植物和背景兩個(gè)部分； 劃定檢苗區(qū)，在檢苗區(qū)內(nèi)測(cè)算提取整穴稻株所用連通區(qū)域數(shù);采用固定連通區(qū)域數(shù)和異點(diǎn) 比較、動(dòng)態(tài)定位方法定位稻株中心。
[0009] 作為一種實(shí)施方案，所述圖像采集系統(tǒng)包括鏡頭、智能CCD相機(jī)、計(jì)算機(jī)、遮光裝 置、實(shí)驗(yàn)槽以及移動(dòng)平臺(tái)，所述鏡頭安裝在智能CCD相機(jī)上，所述智能CCD相機(jī)與計(jì)算機(jī)相 連，所述智能CCD相機(jī)和遮光裝置均安裝在移動(dòng)平臺(tái)上，所述計(jì)算機(jī)中裝有In sight explorer軟件，且放置在移動(dòng)平臺(tái)上，所述實(shí)驗(yàn)槽上種有多株稻株，且放置在移動(dòng)平臺(tái)的下 方；
[0010] 所述通過探究影響成像質(zhì)量的相關(guān)因素，構(gòu)建可提高自然光下稻株與背景灰度值 差異的圖像采集系統(tǒng)，具體如下：
[0011] 分別選擇無(wú)水無(wú)遮光、有水無(wú)遮光、無(wú)水遮光、有水遮光四種條件進(jìn)行圖像采集， 對(duì)比四種條件下采集的稻株圖像，實(shí)驗(yàn)槽無(wú)水時(shí)，遮光時(shí)采集的稻株圖像中稻株與背景的 灰度差異較大，易于后續(xù)的圖像分割;實(shí)驗(yàn)槽有水時(shí)，無(wú)遮光時(shí)水面倒映移動(dòng)平臺(tái)、天空以 及天空中的物體，導(dǎo)致采集的稻株圖像背景中包含較多噪聲，影響后續(xù)圖像處理;通過探究 這些影響成像質(zhì)量的因素后，圖像采集均在遮光條件下進(jìn)行。
[0012] 作為一種實(shí)施方案，所述通過圖像采集系統(tǒng)采集多幅稻株圖像，具體包括：
[0013] 1)調(diào)整智能CCD相機(jī)位置，使稻株處于圖像中部；
[0014] 2)調(diào)整智能C⑶相機(jī)的焦距與光圈，使圖像成像清晰，調(diào)整好后固定；
[0015] 3)將實(shí)驗(yàn)槽中水深調(diào)整至合適深度，如1 · 4cm~1 · 6cm，即1 · 5cm左右；
[0016] 4)捕獲并保存圖像；
[0017] 5)將實(shí)驗(yàn)槽中水全部排出，重復(fù)步驟4);
[0018] 6)-批圖像樣本采集完成后，將待采集的稻株移栽至實(shí)驗(yàn)槽，移栽完成后將實(shí)驗(yàn) 槽靜置后重復(fù)步驟采集圖像。
[0019] 作為一種實(shí)施方案，所述利用彩色圖像灰度化、PointFilter工具、自動(dòng)閾值處理 稻株圖像，具體包括：
[0020] 1)彩色圖像灰度化
[0021 ] 米用Insight explore軟件工具包中的ColorToGreyscaleFilter工具完成彩色圖 像灰度化過程；
[0022] 2)PointFilter 工具
[0023] 采用Insight explore軟件工具包中的PointFilter工具處理圖像，其基本原理 為:使用c lamp函數(shù)對(duì)圖像灰度值進(jìn)行處理，如下式：
[0024] F(x,y)=max{f(x,y),K} (1)
[0025]式中，f(x,y)為像素點(diǎn)的灰度值，K為灰度值范圍，F(xiàn)(x,y)為處理后像素點(diǎn)的灰度 值；
[0026] 3)自動(dòng)確定閾值
[0027]選取最大類間方差法自動(dòng)確定閾值對(duì)圖像進(jìn)行二值化處理，利用最大類間方差法 計(jì)算出最優(yōu)闔倌Th后,枏據(jù)下式將圖像分成植物和背景兩個(gè)部分：
[0028]
⑵.
[0029]式中，g(x，y)表示坐標(biāo)點(diǎn)(x，y)的像素值，G(x，y)=0為背景，G(x，y)=255為稻株、 雜草、噪聲。
[0030]作為一種實(shí)施方案，所述劃定檢苗區(qū)是指在圖像中心劃定檢苗區(qū)，圖像中稻株冠 部寬度在圖像中占據(jù)合適寬度，一般使稻株冠部寬度約占據(jù)圖像寬度的3/4,半徑為 180pixels，據(jù)此可以設(shè)定檢苗區(qū)半徑為200pixels~220pixels，最優(yōu)為210pixel。
[0031 ]作為一種實(shí)施方案，所述在檢苗區(qū)內(nèi)測(cè)算提取整穴稻株所用連通區(qū)域數(shù)，具體為： [0032]使用ExtractBlobs工具識(shí)別檢苗區(qū)內(nèi)代表稻株的連通區(qū)域，假設(shè)提取整穴稻株所 用連通區(qū)域數(shù)為η;使用ExtractBlobs工具對(duì)圖像進(jìn)行稻株提取，同時(shí)過濾像素?cái)?shù)較小的連 通區(qū)域；當(dāng)η為G時(shí)，多幅圖像中的稻株均被提取出，當(dāng)η大于G時(shí)，多幅稻株圖像的提取結(jié)果 中包含更多噪聲，即提取整穴稻株所用連通區(qū)域數(shù)η的最大值為G;其中，G在實(shí)際操作中為 固定數(shù)值。
[0033]作為一種實(shí)施方案，所述采用固定連通區(qū)域數(shù)和異點(diǎn)比較、動(dòng)態(tài)定位方法定位稻 株中心，具體包括：
[0034] 1)固定連通區(qū)域數(shù)的定位
[0035] 使用ExtractBlobs工具提取多幅稻株圖像中檢苗區(qū)內(nèi)的連通區(qū)域，按像素面積大 小降序排列，自動(dòng)提取出連通區(qū)域的特征量幾何信息，包括其幾何中心坐標(biāo)，即連通區(qū)域中 心坐標(biāo)，基于blob算法計(jì)算連通區(qū)域中心坐標(biāo)(Xt)，yo)，其原理為:連通區(qū)域R的（ρ，q)階距 為：
[0036] .(3)
[0037] 式中，點(diǎn)(x，y)位于連通區(qū)域內(nèi)或邊界上，即連通區(qū)域的矩Mm為連通區(qū)域的像素點(diǎn) 數(shù)，X方向和Y方向的一階矩分別為：
[0038] ⑷
[0039] ⑴
[0040]
[0041 ] (6)
[0042]式中，R(x，y)為連通區(qū)域，f(x，y)為坐標(biāo)點(diǎn)的像素值;根據(jù)所排列連通區(qū)域的順 序，選取j個(gè)連通區(qū)域用于稻株中心計(jì)算；當(dāng)選取用于稻株中心計(jì)算的連通區(qū)域數(shù)小于或等 于提取整穴稻株所用連通區(qū)域數(shù)，即〇〈j < G時(shí)，計(jì)算公式如下：
Π )
[00.
[0044] 式中，（Xij，Yij)為第i張圖像中使用j個(gè)連通區(qū)域的中心坐標(biāo)定位的中心，（Xj，yj) 為連通區(qū)域的中心坐標(biāo)；當(dāng)選取用于稻株中心計(jì)算的連通區(qū)域數(shù)大于提取整穴稻株所用的 連通區(qū)域數(shù)，即n〈j ^ G時(shí)，Xij = Xin,Yij = Yin; j取值為1~G，每幅圖像得至IjG個(gè)稻株中心坐標(biāo)；
[0045] 2)異點(diǎn)比較、動(dòng)態(tài)定位方法定位稻株中心
[0046] 由固定連通區(qū)域數(shù)定位的中心與標(biāo)定中心之間存在偏差，將此偏差定義為坐標(biāo)偏 移值，計(jì)算公式如：
[0047]
(8)
[0048]式中，（Xij，Yij)為第i幅圖像中稻株的定位坐標(biāo)，（XiQ，Yi〇)為第i幅圖像中稻株的標(biāo) 定坐標(biāo)，Llj第i幅圖像中的坐標(biāo)偏移值;每個(gè)定位中心對(duì)應(yīng)一個(gè)坐標(biāo)偏移值，則每幅圖像均 有G個(gè)坐標(biāo)偏移值；
[0049 ]將固定連通區(qū)域數(shù)定位的G個(gè)中心依次作為基準(zhǔn)中心，計(jì)算與其余G-1個(gè)中心之間 偏移值的平均值，則一幅圖像共得到G個(gè)平均值，其中的最小值對(duì)應(yīng)的中心坐標(biāo)為該方法定 位的稻株中心。
[0050]作為一種實(shí)施方案，所述方法還包括：
[0051 ]根據(jù)稻株多本穴栽、莖基部成束、冠層松散的生長(zhǎng)特點(diǎn)，結(jié)合莖基部直徑和稻株保 護(hù)區(qū)來判定定位是否準(zhǔn)確，最后進(jìn)行實(shí)驗(yàn)驗(yàn)證。
[0052]作為一種實(shí)施方案，所述根據(jù)稻株多本穴栽、莖基部成束、冠層松散的生長(zhǎng)特點(diǎn)， 結(jié)合莖基部直徑和稻株保護(hù)區(qū)來判定定位是否準(zhǔn)確，具體為：
[0053]使用直尺測(cè)量稻株樣本的莖基部直徑，定義稻株保護(hù)區(qū)以稻株標(biāo)定中心為圓心， 半徑為稻株莖基部直徑的2倍;若定位中心偏移出莖基部范圍時(shí)，定位中心所對(duì)應(yīng)的稻株保 護(hù)區(qū)不包含整穴稻株，機(jī)具作業(yè)時(shí)傷苗；當(dāng)定位中心偏移至莖基部范圍邊界時(shí)，定位中心所 對(duì)應(yīng)的稻株保護(hù)區(qū)與稻株莖基部范圍相切，機(jī)具作業(yè)時(shí)不傷苗;綜上所述，當(dāng)?shù)局甓ㄎ恢行?偏移值小于或等于稻株莖基部半徑時(shí)，定位準(zhǔn)確。
[0054]本發(fā)明相對(duì)于現(xiàn)有技術(shù)具有如下的有益效果：
[0055] 1、本發(fā)明方法通過探究影響成像質(zhì)量的因素，提出在遮光條件下進(jìn)行圖像采集的 方法，提高了圖像質(zhì)量，解決了自然光下亮斑、倒影在圖像背景中作為噪聲影響稻株識(shí)別和 定位結(jié)果的問題。
[0056] 2、本發(fā)明方法通過彩色圖像灰度化、PointFilter工具、自動(dòng)確定閾值等方法處理 圖像，圖像在彩色圖像灰度化后，先經(jīng)PointFilter工具處理，再進(jìn)行自動(dòng)確定閾值處理，可 以有效減少噪聲。
[0057] 3、本發(fā)明方法劃定檢苗區(qū)，在檢苗區(qū)內(nèi)測(cè)算提取整穴稻株所用連通區(qū)域數(shù)，提出 固定連通區(qū)域數(shù)定位方法，并在固定連通區(qū)域數(shù)定位方法的基礎(chǔ)上，進(jìn)一步提出異點(diǎn)比較、 動(dòng)態(tài)定位方法，使定位更準(zhǔn)確。
[0058] 4、本發(fā)明方法通過對(duì)稻株部分形態(tài)學(xué)特征（多本穴栽、莖基部成束，冠層松散)進(jìn) 行研究，提出了由稻株莖基部直徑劃定保護(hù)區(qū)，根據(jù)莖基部區(qū)域和保護(hù)區(qū)判定定位是否準(zhǔn) 確的方法，以判斷定位是否準(zhǔn)確。
[0059] 5、本發(fā)明方法在通過實(shí)驗(yàn)槽試驗(yàn)的結(jié)果表明：50幅有水圖像樣本中，稻株中心定 位精度為8mm，50幅無(wú)水樣本圖像中，稻株中心定位精度為9 . Imm;通過田間試驗(yàn)的結(jié)果表 明：50幅田間圖像樣本中，定位精度為8.6mm，定位準(zhǔn)確率為90%，單幅圖像的處理時(shí)間為 8.5±1.5ms，即異點(diǎn)比較、動(dòng)態(tài)定位方法可實(shí)現(xiàn)對(duì)稻株的識(shí)別和定位，基本滿足株間除草對(duì) 稻株定位和處理速度的要求的要求。
【附圖說明】
[0060] 圖1為本發(fā)明實(shí)施例1的基于機(jī)器視覺的稻株識(shí)別與定位方法流程示意圖。
[0061] 圖2為本發(fā)明實(shí)施例1的圖像采集系統(tǒng)結(jié)構(gòu)示意圖。
[0062]圖3a~圖3d為本發(fā)明實(shí)施例1的不同環(huán)境條件下采集圖像顯示圖。
[0063] 圖4a~圖4d為本發(fā)明實(shí)施例1的PointFilter工具中不同K值處理結(jié)果圖。
[0064] 圖5a為采用PointFilter工具的處理結(jié)果圖。
[0065] 圖5b為未采用PointFilter工具的處理結(jié)果圖。
[0066]圖6a為本發(fā)明實(shí)施例1的中心標(biāo)定RGB圖。
[0067]圖6b為本發(fā)明實(shí)施例1的中心標(biāo)定結(jié)果圖。
[0068]圖7為本發(fā)明實(shí)施例1的檢苗區(qū)劃定結(jié)果圖。
[0069]圖8a為本發(fā)明實(shí)施例1的過少連通區(qū)域提取結(jié)果圖。
[0070]圖8b為本發(fā)明實(shí)施例1的過多連通區(qū)域提取結(jié)果圖。
[0071] 圖9為本發(fā)明實(shí)施例1的莖基部直徑與冠層直徑分布圖。
[0072] 圖10為本發(fā)明實(shí)施例1的莖基部與保護(hù)區(qū)示意圖。
[0073] 圖11為本發(fā)明實(shí)施例1的定位結(jié)果局部圖。
【具體實(shí)施方式】 [0074] 實(shí)施例1:
[0075] 如圖1所示，本實(shí)施例的基于機(jī)器視覺的稻株識(shí)別與定位方法，包括以下步驟：
[0076] -、培育稻株
[0077]供試水稻品種為華航絲苗。
[0078] 2015年8月23日，在華南農(nóng)業(yè)大學(xué)工程學(xué)院溫室（113.35°E、23.16°N)培育稻株，溫 室內(nèi)相對(duì)濕度為60%~70%，晝夜平均溫度分別為32°C、24°C;水稻種子經(jīng)浸泡消毒24h，然 后沖洗、催芽、進(jìn)行盆栽播種試驗(yàn)，共播100盆，每盆播4~6粒;每盆肥水按照常規(guī)措施均一 管理。
[0079] 2015年9月20日，當(dāng)?shù)局昶骄叨燃s為26cm，冠層平均直徑約13cm時(shí)，移栽至實(shí)驗(yàn) 槽-土槽。每次任選18盆，每盆為一穴，每行9穴，每列2穴，行距30cm，株距12~15cm。土槽放 置地點(diǎn)的相對(duì)濕度為65 %~75 %，晝夜平均溫度為30 °C、23 °C ; 土槽土壤為稻田土，模擬實(shí) 際水田情況，有雜草分布。
[0080] 二、采集稻株圖像
[0081] 實(shí)驗(yàn)稻株圖像需使用稻株圖像采集系統(tǒng)采集，如圖2所示，所述圖像采集系統(tǒng)包括 鏡頭、智能CCD相機(jī)1、計(jì)算機(jī)2、遮光裝置3、土槽4以及移動(dòng)平臺(tái)5,所述鏡頭安裝在智能CCD 相機(jī)1上，所述智能CCD相機(jī)1與計(jì)算機(jī)2相連，所述智能CCD相機(jī)1和遮光裝置3均安裝在移動(dòng) 平臺(tái)5上，所述計(jì)算機(jī)2中裝有Insight explorer軟件，且放置在移動(dòng)平臺(tái)5上，所述土槽4上 種有多株稻株6,且放置在移動(dòng)平臺(tái)5的下方。
[0082] 本實(shí)施例采用如下方式探究圖像采集環(huán)境條件:分別選擇無(wú)水無(wú)遮光、有水無(wú)遮 光、無(wú)水遮光、有水遮光四種條件進(jìn)行圖像采集，有水時(shí)平均水層厚度為1.5cm，遮光裝置的 布置如圖2中的3所示，四種條件的采集結(jié)果分別如圖3a~圖3d所示;對(duì)比圖3a和圖3c，可見 土槽無(wú)水時(shí)，遮光條件下圖像中稻株與背景的像素值差異較高，易于后續(xù)的圖像分割;土槽 有水時(shí)，由于鏡面(水面)反射，無(wú)遮光時(shí)水面倒映移動(dòng)平臺(tái)、天空以及天空中的物體(如云 等），導(dǎo)致圖3b背景中包含較多噪聲，影響后續(xù)圖像處理，而采用遮光的方式，如圖3d所示， 圖像質(zhì)量明顯改善;因此，圖像采集均在遮光條件下進(jìn)行。
[0083] 本實(shí)施例圖像樣本采集步驟為：1)調(diào)整智能CCD相機(jī)位置，使稻株處于圖像中部； 2)調(diào)整智能CCD相機(jī)的焦距與光圈，使圖像成像清晰，調(diào)整好后固定；3)將土槽中水深調(diào)整 至1.5cm左右;4)捕獲并保存圖像;5)將土槽中水全部排出，重復(fù)步驟4) ;6) -批圖像樣本采 集完成后，將待采集的稻株移栽至土槽，移栽完成后將土槽靜置15分鐘重復(fù)步驟3)~5)。
[0084] 共采集有水遮光和無(wú)水遮光圖像樣本各100幅，分別從中選取50幅圖像樣本用于 方法分析，剩余圖像樣本用于定位精度測(cè)試。
[0085]三、圖像分割
[0086]本實(shí)施例利用彩色圖像灰度化、PointFilter工具、自動(dòng)確定閾值處理稻株圖像， 具體包括：
[0087] 1)彩色圖像灰度化
[0088] 米用Insight explore軟件工具包中的ColorToGreyscaleFilter工具完成彩色圖 像灰度化過程，因稻株顏色為綠色，在該工具中的"轉(zhuǎn)換"選項(xiàng)中選擇"綠"，將彩色圖像轉(zhuǎn)化 為綠色分量的灰度圖像，有利于稻株與背景的分割；
[0089] 2)PointFilter 工具
[0090] 采用Insight explore軟件工具包中的PointFilter工具處理圖像，其基本原理 為:使用c lamp函數(shù)對(duì)圖像灰度值進(jìn)行處理，如下式：
[0091] F(x,y)=max{f(x,y),K} (1)
[0092] 式中，f(x，y)為像素點(diǎn)的灰度值，K為灰度值范圍，F(xiàn)(x，y)為處理后像素點(diǎn)的灰度 值；
[0093]使用PointFilter工具處理圖像時(shí)，K值不同得到的稻株二值圖像存在差異，如圖 4a~圖4d所示，從圖中可以看出，當(dāng)選取較小K值（圖4a)時(shí)，圖像中存在較多噪聲，當(dāng)選取較 大K值（圖4d)時(shí)，圖像中有效像素缺失較多，經(jīng)對(duì)比發(fā)現(xiàn)當(dāng)K=130時(shí)二值圖像更清晰，噪點(diǎn) 及缺失有效像素較少，故K值取為130。
[0094] 3)自動(dòng)確定閾值
[0095] 圖像采集時(shí)，光照強(qiáng)度、稻株高度、物距等因素的變化影響圖像中的灰度值分布， 因此無(wú)法固定閾值進(jìn)行圖像分割，本實(shí)施例選取最大類間方差法(Ostu法）自動(dòng)確定閾值對(duì) 圖像進(jìn)行二值化處理，最大類間方差法不需要人為設(shè)定其他參數(shù)，是一種自動(dòng)選擇閾值的 方法;利用Ostu法計(jì)算出最優(yōu)閾值T h后，根據(jù)下式將圖像分成植物和背景兩個(gè)部分： ?255, g(x, v) > Th
[0096] G(x，.v); ) . 4 :(2) L g(x, v) < Th
[0097]式中，g(x,y)表示坐標(biāo)點(diǎn)（x,y)的像素值，G(x,y)=0為背景（黑色），G(x,y) = 255 為稻株、雜草、噪聲（白色）。
[0098]圖5a為RGB圖灰度化后，由自動(dòng)確定閾值處理的結(jié)果，圖5b為RGB圖灰度化后，先由 PointFilter工具處理(K= 130)處理，后由自動(dòng)確定閾值處理的結(jié)果，對(duì)比可知，圖5b的噪 聲少，因此圖像經(jīng)PointFilter工具處理，可有效減少噪聲。
[0099]四、像素維度下稻株群中心的標(biāo)定
[0100] 像素維度下稻株群中心的標(biāo)定是判斷定位是否準(zhǔn)確的關(guān)鍵，本實(shí)施例通過標(biāo)定得 到像素維度下稻株群中心的精確坐標(biāo)；圖像采集前，在稻株中心插入一根白色的標(biāo)桿，如圖 6a所示，圖像二值化后，通過ExtractBlobs工具提取該標(biāo)桿的像素中心坐標(biāo)作為稻株像素 中心坐標(biāo)，如圖6b所示，圖6b中1表示標(biāo)定的中心，標(biāo)定的中心坐標(biāo)顯示在圖6b左上角。
[0101] 五、劃定檢苗區(qū)
[0102] 在圖像中心劃定檢苗區(qū)，即在水田株間智能機(jī)械作業(yè)時(shí)，機(jī)構(gòu)檢測(cè)圖像中稻株的 區(qū)域;使稻株冠部寬度約占據(jù)圖像寬度的3/4,半徑為ISOpixels，據(jù)此設(shè)定檢苗區(qū)半徑為 210pi Xels(為充分提取稻株所設(shè)半徑值大于180piXels)，如圖7所示。
[0103] 六、檢苗區(qū)內(nèi)測(cè)算提取整穴稻株所用連通區(qū)域數(shù)
[0104] 在檢苗區(qū)內(nèi)提取整穴稻株所用的連通區(qū)域數(shù)，受稻株葉片不黏連、背景中雜草、亮 斑等因素的影響；使用ExtractBlobs工具識(shí)別檢苗區(qū)內(nèi)代表稻株的連通區(qū)域，假設(shè)提取整 穴稻株所用連通區(qū)域數(shù)為η，當(dāng)η值選取太小時(shí)，稻株提取不完全，如圖8a所示；當(dāng)η值選取太 大時(shí)，提取結(jié)果包含較多噪聲，如圖8b所示，兩種情況均不利于中心定位，因此需進(jìn)行稻株 提取實(shí)驗(yàn)，測(cè)算η值;使用ExtractBlobs工具，對(duì)用于方法分析的100幅圖像進(jìn)行稻株提取， 同時(shí)過濾像素?cái)?shù)小于100的連通區(qū)域，當(dāng)η為6時(shí)，100幅圖像樣本中的稻株均被提取出，當(dāng)η 大于6時(shí)，提取結(jié)果中將包含更多噪聲，因此在本實(shí)施例中，提取整穴稻株所用連通區(qū)域的 數(shù)量η最大值為6。
[0105] 七、采用固定連通區(qū)域數(shù)和異點(diǎn)比較、動(dòng)態(tài)定位方法定位稻株中心，并比較結(jié)果
[0106] 1)固定連通區(qū)域數(shù)的定位
[0107] 使用ExtractBlobs工具提取100幅圖像樣本中檢苗區(qū)內(nèi)的連通區(qū)域，按像素面積 大小降序排列，自動(dòng)提取出連通區(qū)域的特征量幾何信息，包括其幾何中心坐標(biāo)，即連通區(qū)域 中心坐標(biāo);基于blob算法計(jì)算連通區(qū)域中心坐標(biāo)(Xt)，yo)，其原理為:連通區(qū)域R的(ρ，q)階距 為：
[0108] (3)
[0109] 式中，點(diǎn)（x，y)位于連通區(qū)域內(nèi)或邊界上；因此，連通區(qū)域的矩Moo為連通區(qū)域的像 素點(diǎn)數(shù)。X方向和Y方向的一階矩分別為：
[0112] 則中心坐標(biāo)為：
[0110] (4)
[0111] (5)
[0113:
C6)
[0114]式中，R(x，y)為連通區(qū)域，f(x，y)為坐標(biāo)點(diǎn)的像素值;根據(jù)所排列連通區(qū)域的順 序，選取j個(gè)連通區(qū)域用于稻株中心計(jì)算；當(dāng)選取用于稻株中心計(jì)算的連通區(qū)域數(shù)小于或等 于提取整穴稻株所用連通區(qū)域數(shù)，即〇〈j < 6時(shí)，計(jì)算公式如下：
[0115]
(1、)
[0116] 式中，（Xij,Yij)為第i張圖像中使用j個(gè)連通區(qū)域的中心坐標(biāo)定位的中心，（Xj，yj) 為連通區(qū)域的中心坐標(biāo)；當(dāng)選取用于稻株中心計(jì)算的連通區(qū)域數(shù)大于提取整穴稻株所用的 連通區(qū)域數(shù)，即n〈j ^ 6時(shí)，Xlj=Xin,Ylj = Yin;由于j取值為1~6,因此每幅圖像可得到六個(gè)稻 株中心坐標(biāo)。
[0117] 2)異點(diǎn)比較、動(dòng)態(tài)定位方法定位稻株中心
[0118] 由固定連通區(qū)域數(shù)定位的中心與標(biāo)定中心之間存在偏差，將此偏差定義為坐標(biāo)偏 移值，計(jì)算公式如：
[0119]
(8)
[0120] 式中，（Xij,Yij)為第i幅圖像中稻株的定位坐標(biāo)，（XiQ，YiQ)為第i幅圖像中稻株的標(biāo) 定坐標(biāo)，L lj第i幅圖像中的坐標(biāo)偏移值;每個(gè)定位中心對(duì)應(yīng)一個(gè)坐標(biāo)偏移值，則每幅圖像均 有6個(gè)坐標(biāo)偏移值；
[0121] 因?yàn)樵诓煌瑘D像中，定位偏移值最小的中心所使用連通區(qū)域的數(shù)量不同，所以為選 出坐標(biāo)偏移值最小的定位中心，采用如下方法進(jìn)行坐標(biāo)定位:將固定連通區(qū)域數(shù)定位的六個(gè) 中心依次作為基準(zhǔn)中心，計(jì)算與其余五個(gè)中心之間偏移值的平均值，則一幅圖像共得到六個(gè) 平均值，其中的最小值對(duì)應(yīng)的中心坐標(biāo)為該方法定位的稻株中心，例如第一幅圖中六個(gè)平均 值依次為
，則定位 的稻株中心坐標(biāo)(Xi，Yi ) = ( Xn，Yn )，其中(Xi，Yi)表示第一幅圖像由該方法定位的中心； [0122] 3)定位方法分析
[0123]為分析異點(diǎn)比較、動(dòng)態(tài)優(yōu)選坐標(biāo)方法，分別計(jì)算100幅圖像樣本中優(yōu)選前與優(yōu)選后 的定位坐標(biāo)偏移值，經(jīng)計(jì)算發(fā)現(xiàn)坐標(biāo)偏移值中最大值為48.3pixel，為更好的分析定位結(jié) 果，首先將偏移值范圍設(shè)定在〇~50pix els之間，然后將此區(qū)間均分為五等份，統(tǒng)計(jì)在各區(qū) 間內(nèi)的樣本數(shù)如下表1所示。
[0125] 表1不同方法定位坐標(biāo)偏移值
[0126] 由表1可知，位于小偏移值區(qū)間內(nèi)，異點(diǎn)比較、動(dòng)態(tài)定位方法的樣本數(shù)均多于固定 連通區(qū)域數(shù)定位方法的樣本數(shù)，定位更準(zhǔn)確。
[0127] 八、土槽條件下圖像樣本測(cè)試
[0128] 采用上述方法對(duì)100幅測(cè)試圖像樣本(無(wú)水和有水條件下的圖像樣本各50幅)進(jìn)行 中心定位，將定位坐標(biāo)和標(biāo)定坐標(biāo)由像素坐標(biāo)變換為實(shí)際坐標(biāo)，并計(jì)算定位中心的坐標(biāo)偏 移值S 1，定位精度由均方根誤差表示，均方根誤差公式如下：
[0129]
(9)
[0130]式中，〇表示均方根誤差，即定位精度J1表示第i幅圖像中的坐標(biāo)偏移值。土槽圖 像樣本定位結(jié)果如下表2所示。
[0131]
[0132]表2 土槽測(cè)試定位結(jié)果
[0133] 由表2可知，有水條件下的定位精度為8mm，無(wú)水條件下的定位精度為9.1mm。土槽 測(cè)試定位結(jié)果存在偏差，其主要原因是采集圖像期間土槽附近光照強(qiáng)度變化，導(dǎo)致相機(jī)進(jìn) 光量的改變，而圖像的灰度值受進(jìn)光量的影響，灰度值在二值圖像中表示為〇、1像素，因此 光照強(qiáng)度變化影響二值圖像中〇、1像素的分布，影響稻株的識(shí)別與定位。
[0134] 對(duì)比定位精度發(fā)現(xiàn)，有水條件下的定位精度更高，這主要是因?yàn)樵诰G光附近的光 譜反射率:水面〈潮濕土壤〈水稻冠層，因此水面與稻株冠層的灰度值差異更大，可相對(duì)提高 定位精度。因此，田間圖像樣本采集在有水、穩(wěn)定遮光的條件下進(jìn)行。
[0135] 九、田間圖像樣本結(jié)果驗(yàn)證
[0136] 機(jī)械株間除草時(shí)，存在以稻株莖基部為中心的機(jī)具零作用區(qū)域，該區(qū)域?yàn)榈局甑?保護(hù)區(qū)（即免耕區(qū)），相鄰稻株保護(hù)區(qū)中間的區(qū)域?yàn)橹觊g區(qū)域，機(jī)具在株間區(qū)域除草時(shí)覆蓋 的區(qū)域?yàn)橹觊g除草覆蓋區(qū)。由于稻株莖基部成束、冠部松散的生長(zhǎng)特點(diǎn)，增大保護(hù)區(qū)有利于 減小傷苗率，但同時(shí)會(huì)減小除草覆蓋區(qū)，而除草覆蓋區(qū)的大小直接影響除草率，因此為減小 傷苗率的同時(shí)保證除草率，需設(shè)定適當(dāng)范圍的保護(hù)區(qū)。
[0137] 在廣東省肇慶市農(nóng)業(yè)科學(xué)研究所實(shí)驗(yàn)田進(jìn)行田間測(cè)試，稻株品種為永豐優(yōu)9802， 采集時(shí)稻株平均高度約為20cm，每穴苗數(shù)平均5株，稻田水層厚度約為1.5cm。共采集圖像樣 本50幅。稻田雜草為稗草、節(jié)節(jié)菜等。測(cè)量田間采集的50穴稻株樣本的莖基部直徑，測(cè)量用 于圖像采集的50穴稻株的莖基部直徑與冠層直徑，其分布如圖9所示。
[0138] 由圖9可以看出，稻株莖基部直徑分布曲線較為平穩(wěn)，而冠層直徑分布曲線波動(dòng)較 大，如以冠層為基準(zhǔn)劃定保護(hù)區(qū)誤差較大;并且株間除草時(shí)，除草部件主要作用于稻株莖基 部，因此，應(yīng)依據(jù)莖基部直徑劃定保護(hù)區(qū)。根據(jù)生產(chǎn)實(shí)踐可知，機(jī)械移栽稻株株距一般為120 ~170mm，綜合考慮莖基部直徑、株間區(qū)域、除草率、傷苗率，本發(fā)明設(shè)定保護(hù)區(qū)直徑為稻株 莖基部直徑的2倍。稻株莖基部區(qū)域與保護(hù)區(qū)示意如圖10所示。
[0139] 圖10中圓A表示稻株的莖基部區(qū)域，圓B表示以標(biāo)定中心為圓心的稻株保護(hù)區(qū)，簡(jiǎn) 稱為標(biāo)定保護(hù)區(qū)，圓C表示以圖像定位中心為圓心的稻株保護(hù)區(qū)，簡(jiǎn)稱為定位保護(hù)區(qū)。其中 圓A、B同心，2R A = RB = RC，圓C圓心位于圓B邊界上。當(dāng)定位中心偏移至稻株莖基部區(qū)域的邊 界上時(shí)，定位保護(hù)區(qū)圓C與莖基部區(qū)域圓A相切，機(jī)具作業(yè)時(shí)不傷苗;若定位中心偏移出莖基 部范圍，定位保護(hù)區(qū)只包含部分稻株或不包含稻株，株間區(qū)域包含稻株，株間除草覆蓋區(qū)存 在包含稻株的可能性，為避免這種情況，將除草覆蓋區(qū)默認(rèn)為株間區(qū)域。綜上所述，當(dāng)定位 偏移出莖基部區(qū)域時(shí)，株間除草覆蓋區(qū)包含稻株，機(jī)具作業(yè)時(shí)傷苗。
[0140]測(cè)量田間用于圖像采集的50穴稻株的莖基部直徑，結(jié)果如下表3所示。
[0141；
[0142] 表3莖基部直徑分布
[0143] 由表3知，在田塊中，莖基部直徑均小于30mm。因此，稻株的保護(hù)區(qū)為以稻株中心為 圓心，直徑60mm的圓域。綜上所述，在田塊中，當(dāng)?shù)局甓ㄎ恢行钠浦?lt; 15mm，機(jī)具作業(yè)時(shí)不 傷苗時(shí)，定位準(zhǔn)確。
[0144] 田間圖像定位結(jié)果局部圖如圖11所示，圖中圓表示保護(hù)區(qū)，X表示定位的中心。田 間圖像定位結(jié)果如下表4所示，其中定位準(zhǔn)確率為定位準(zhǔn)確的樣本數(shù)在總樣本數(shù)中所占百 分比，單幅圖像的處理時(shí)間由insight explore軟件測(cè)得。
[0145]
[0146] 表4田間圖像樣本定位結(jié)果
[0147] 由表4可知，田間圖像樣本定位精度為8.6mm，定位準(zhǔn)確率為90%，單幅圖像的處理 時(shí)間為8.5 ± 1.5ms。分析影響田間稻株定位的原因是田間采集圖像時(shí)，水稻田間雜草-稗草 生長(zhǎng)高度、形態(tài)與稻株相近，生長(zhǎng)在稻株附近易被誤識(shí)別為稻株，影響定位精度。
[0148] 綜上所述，本發(fā)明方法能實(shí)現(xiàn)稻株的識(shí)別與定位，可為機(jī)械株間除草稻株的定位 提供技術(shù)支持。
[0149]以上所述，僅為本發(fā)明專利較佳的實(shí)施例，但本發(fā)明專利的保護(hù)范圍并不局限于 此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明專利所公開的范圍內(nèi)，根據(jù)本發(fā)明專利的技 術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都屬于本發(fā)明專利的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述方法包括： 通過探究影響成像質(zhì)量的相關(guān)因素，構(gòu)建可提高自然光下稻株與背景灰度值差異的圖 像采集系統(tǒng);通過圖像采集系統(tǒng)采集多幅稻株圖像;利用彩色圖像灰度化、PointFilter工 具、自動(dòng)確定闊值處理稻株圖像，將稻株圖像分割成植物和背景兩個(gè)部分;劃定檢苗區(qū)，在 檢苗區(qū)內(nèi)測(cè)算提取整穴稻株所用連通區(qū)域數(shù);采用固定連通區(qū)域數(shù)和異點(diǎn)比較、動(dòng)態(tài)定位 方法定位稻株中屯、。2. 根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述圖像 采集系統(tǒng)包括鏡頭、智能CCD相機(jī)、計(jì)算機(jī)、遮光裝置、實(shí)驗(yàn)槽W及移動(dòng)平臺(tái)，所述鏡頭安裝 在智能CCD相機(jī)上，所述智能CCD相機(jī)與計(jì)算機(jī)相連，所述智能CCD相機(jī)和遮光裝置均安裝在 移動(dòng)平臺(tái)上，所述計(jì)算機(jī)中裝有Insi曲t explorer軟件，且放置在移動(dòng)平臺(tái)上，所述實(shí)驗(yàn)槽 上種有多株稻株，且放置在移動(dòng)平臺(tái)的下方； 所述通過探究影響成像質(zhì)量的相關(guān)因素，構(gòu)建可提高自然光下稻株與背景灰度值差異 的圖像采集系統(tǒng)，具體如下： 分別選擇無(wú)水無(wú)遮光、有水無(wú)遮光、無(wú)水遮光、有水遮光四種條件進(jìn)行圖像采集，對(duì)比 四種條件下采集的稻株圖像，實(shí)驗(yàn)槽無(wú)水時(shí)，遮光時(shí)采集的稻株圖像中稻株與背景的灰度 差異較大，易于后續(xù)的圖像分割;實(shí)驗(yàn)槽有水時(shí)，無(wú)遮光時(shí)水面倒映移動(dòng)平臺(tái)、天空W及天 空中的物體，導(dǎo)致采集的稻株圖像背景中包含較多噪聲，影響后續(xù)圖像處理;通過探究運(yùn)些 影響成像質(zhì)量的因素后，圖像采集均在遮光條件下進(jìn)行。3. 根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述通過 圖像采集系統(tǒng)采集多幅稻株圖像，具體包括： 1) 調(diào)整智能CCD相機(jī)位置，使稻株處于圖像中部； 2) 調(diào)整智能CCD相機(jī)的焦距與光圈，使圖像成像清晰，調(diào)整好后固定； 3) 將實(shí)驗(yàn)槽中水深調(diào)整至合適深度； 4) 捕獲并保存圖像； 5) 將實(shí)驗(yàn)槽中水全部排出，重復(fù)步驟4); 6) -批圖像樣本采集完成后，將待采集的稻株移栽至實(shí)驗(yàn)槽，移栽完成后將實(shí)驗(yàn)槽靜 置后重復(fù)步驟采集圖像。4. 根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述利用 彩色圖像灰度化、Po intFi 1 ter工具、自動(dòng)闊值處理稻株圖像，具體包括： 1) 彩色圖像灰度化 采用Insi曲t explore軟件工具包中的Colo;rToGreysealeFiIter工具完成彩色圖像灰 度化過程； 2. PointFilter 工具 采用Insi曲t explore軟件工具包中的化intFi Iter工具處理圖像，其基本原理為：使 用clamp函數(shù)對(duì)圖像灰度值進(jìn)行處理，如下式： F(x,y)=max{f (x,y) ,Κ} (1) 式中，f(x，y)為像素點(diǎn)的灰度值，Κ為灰度值范圍，F(xiàn)(x，y)為處理后像素點(diǎn)的灰度值； 3) 自動(dòng)確定闊值 選取最大類間方差法自動(dòng)確定闊值對(duì)圖像進(jìn)行二值化處理，利用最大類間方差法計(jì)算 出最優(yōu)闊值化后，根據(jù)下式將圖像分成植物和背景兩個(gè)部分：(2) 式中，g(x，y)表示坐標(biāo)點(diǎn)（x，y)的像素值，G(x，y) = 0為背景，G(x，y) = 255為稻株、雜 草、噪聲。5. 根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述劃定 檢苗區(qū)是指在圖像中屯、劃定檢苗區(qū)，圖像中稻株冠部寬度在圖像中占據(jù)合適寬度。6. 根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述在檢 苗區(qū)內(nèi)測(cè)算提取整穴稻株所用連通區(qū)域數(shù)，具體為： 使用ExtractBlobs工具識(shí)別檢苗區(qū)內(nèi)代表稻株的連通區(qū)域，假設(shè)提取整穴稻株所用連 通區(qū)域數(shù)為η;使用Extrac巧lobs工具對(duì)圖像進(jìn)行稻株提取，同時(shí)過濾像素?cái)?shù)較小的連通區(qū) 域；當(dāng)η為G時(shí)，多幅圖像中的稻株均被提取出，當(dāng)η大于G時(shí)，多幅稻株圖像的提取結(jié)果中包 含更多噪聲，即提取整穴稻株所用連通區(qū)域數(shù)η的最大值為G;其中，G在實(shí)際操作中為固定 數(shù)值。7. 根據(jù)權(quán)利要求6所述的基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述采用 固定連通區(qū)域數(shù)和異點(diǎn)比較、動(dòng)態(tài)定位方法定位稻株中屯、，具體包括： 1)固定連通區(qū)域數(shù)的定位 使用ExtractBlobs工具提取多幅稻株圖像中檢苗區(qū)內(nèi)的連通區(qū)域，按像素面積大小降 序排列，自動(dòng)提取出連通區(qū)域的特征量幾何信息，包括其幾何中屯、坐標(biāo)，即連通區(qū)域中屯、坐 標(biāo)，基于blob算法計(jì)算連通區(qū)域中屯、坐標(biāo)(xo，yo)，其原理為:連通區(qū)域R的(p，q)階距為：(3) 式中，點(diǎn)(x，y)位于連通區(qū)域內(nèi)或邊界上，即連通區(qū)域的矩Moo為連通區(qū)域的像素點(diǎn)數(shù)，X 方向和Y方向的一階矩分別為：式中，R(x，y)為連通區(qū)域，f(x，y)為坐標(biāo)點(diǎn)的像素值;根據(jù)所排列連通區(qū)域的順序，選 取j個(gè)連通區(qū)域用于稻株中屯、計(jì)算；當(dāng)選取用于稻株中屯、計(jì)算的連通區(qū)域數(shù)小于或等于提 取整穴稻株所用連通區(qū)域數(shù)，即〇<j ^ η ^ G時(shí)，計(jì)算公式如下：Π ) 式中，（Xu, Yu)為第i張圖像中使用j個(gè)連通區(qū)域的中屯、坐標(biāo)定位的中屯、，為連 通區(qū)域的中屯、坐標(biāo)；當(dāng)選取用于稻株中屯、計(jì)算的連通區(qū)域數(shù)大于提取整穴稻株所用的連通 區(qū)域數(shù)，即n<j < G時(shí)，乂。= 乂山，￥。= ￥山;^'取值為1~6，每幅圖像得到6個(gè)稻株中屯、坐標(biāo)； 2)異點(diǎn)比較、動(dòng)態(tài)定位方法定位稻株中屯、 由固定連通區(qū)域數(shù)定位的中屯、與標(biāo)定中屯、之間存在偏差，將此偏差定義為坐標(biāo)偏移 值，計(jì)算公式如：(8) 式中，（XijJij)為第i幅圖像中稻株的定位坐標(biāo)，（Χιο,Υιο)為第i幅圖像中稻株的標(biāo)定坐 標(biāo)，Lu第i幅圖像中的坐標(biāo)偏移值;每個(gè)定位中屯、對(duì)應(yīng)一個(gè)坐標(biāo)偏移值，則每幅圖像均有G個(gè) 坐標(biāo)偏移值； 將固定連通區(qū)域數(shù)定位的G個(gè)中屯、依次作為基準(zhǔn)中屯、，計(jì)算與其余G-1個(gè)中屯、之間偏移 值的平均值，則一幅圖像共得到G個(gè)平均值，其中的最小值對(duì)應(yīng)的中屯、坐標(biāo)為該方法定位的 稻株中屯、。8. 根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述方法 還包括： 根據(jù)稻株多本穴栽、莖基部成束、冠層松散的生長(zhǎng)特點(diǎn)，結(jié)合莖基部直徑和稻株保護(hù)區(qū) 來判定定位是否準(zhǔn)確，最后進(jìn)行實(shí)驗(yàn)驗(yàn)證。9. 根據(jù)權(quán)利要求8所述的基于機(jī)器視覺的稻株識(shí)別與定位方法，其特征在于:所述根據(jù) 稻株多本穴栽、莖基部成束、冠層松散的生長(zhǎng)特點(diǎn)，結(jié)合莖基部直徑和稻株保護(hù)區(qū)來判定定 位是否準(zhǔn)確，具體為： 使用直尺測(cè)量稻株樣本的莖基部直徑，定義稻株保護(hù)區(qū)W稻株標(biāo)定中屯、為圓屯、，半徑 為稻株莖基部直徑的2倍;若定位中屯、偏移出莖基部范圍時(shí)，定位中屯、所對(duì)應(yīng)的稻株保護(hù)區(qū) 不包含整穴稻株，機(jī)具作業(yè)時(shí)傷苗；當(dāng)定位中屯、偏移至莖基部范圍邊界時(shí)，定位中屯、所對(duì)應(yīng) 的稻株保護(hù)區(qū)與稻株莖基部范圍相切，機(jī)具作業(yè)時(shí)不傷苗;綜上所述，當(dāng)?shù)局甓ㄎ恢型?、偏?值小于或等于稻株莖基部半徑時(shí)，定位準(zhǔn)確。
【文檔編號(hào)】G06T7/00GK105844632SQ201610160545
【公開日】2016年8月10日
【申請(qǐng)日】2016年3月21日
【發(fā)明人】蔣郁, 崔宏偉, 齊龍, 馬旭, 鄭文漢, 趙柳霖, 陳林濤, 安沛
【申請(qǐng)人】華南農(nóng)業(yè)大學(xué)