基于計(jì)算機(jī)視覺(jué)的油菜生長(zhǎng)過(guò)程自動(dòng)識(shí)別研究.pdf

1、大田作物生長(zhǎng)階段的信息不僅是一項(xiàng)用于分析作物生長(zhǎng)過(guò)程與不同管理措施之間關(guān)系的重要的基本數(shù)據(jù)，而且在精準(zhǔn)農(nóng)業(yè)的許多方面均有應(yīng)用，如間苗、補(bǔ)苗、施肥、灌溉、修剪、收獲、防治病蟲(chóng)害等。目前為止，信息的獲取主要依靠人工方式獲得，但是此方法存在諸多缺點(diǎn)，如需要大量的勞動(dòng)力、過(guò)度依賴操作人員的主觀判斷、耗時(shí)以及缺乏實(shí)時(shí)性等。因此，有必要提出一種非接觸性的，連續(xù)性的且自動(dòng)化的數(shù)據(jù)獲取方法。
　　計(jì)算機(jī)視覺(jué)技術(shù)在作物信息采集方面具有精度高、速度快

2、、信息量豐富等顯著的優(yōu)勢(shì)和特點(diǎn)，同時(shí)在節(jié)約勞動(dòng)力，降低人為判斷的主觀性方面有很大的潛力，目前已經(jīng)被廣泛用于監(jiān)測(cè)作物生長(zhǎng)狀況。然而如何利用數(shù)碼相機(jī)對(duì)處于不同生長(zhǎng)階段的大田作物進(jìn)行連續(xù)性監(jiān)測(cè)的研究則開(kāi)展得較少。
　　本文利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)油菜的三個(gè)關(guān)鍵生長(zhǎng)階段（出苗期、三葉期和四葉期）進(jìn)行自動(dòng)識(shí)別提取。主要的研究?jī)?nèi)容及取得的成果從以下四個(gè)方面展開(kāi):
　　(1)構(gòu)建了基于計(jì)算機(jī)視覺(jué)的油菜圖像采集系統(tǒng)。討論了該系統(tǒng)的軟硬件組成;并

3、對(duì)大田油菜的品種、種植地點(diǎn)、種植方法以及圖像采集方式作了簡(jiǎn)要說(shuō)明。
　　(2)大田油菜的圖像分割。為了識(shí)別油菜的不同生長(zhǎng)階段，第一個(gè)任務(wù)是從圖像中分割出油菜?？紤]了室內(nèi)外的不同天氣狀況以及在大田中復(fù)雜環(huán)境因素的影響，本文研究了一種新的作物分割方法（高斯分布模型的HI-hue intensity顏色分割）。首先采集了不同發(fā)育期去掉背景的油菜圖像作為訓(xùn)練樣本，然后將樣本數(shù)據(jù)從RGB顏色模型轉(zhuǎn)化至HSI顏色模型，接著在HSI顏色模型中計(jì)

4、算出所有強(qiáng)度Ⅰ對(duì)應(yīng)色調(diào)(Hue)值的均值和方差，建立HI查找表。最后依次判斷每個(gè)像素是否屬于作物。本文將基于高斯分布模型的HI顏色分割算法與其它的四種分割算法進(jìn)行了比較，并對(duì)分割后的實(shí)驗(yàn)結(jié)果進(jìn)行了定性和定量的評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明:本文方法的綜合分割精度誤差為2.67％，分割穩(wěn)定性標(biāo)準(zhǔn)差為2.97％，相較之其它方法具有最高性能;并且對(duì)光照條件和周圍環(huán)境的變化等具有不敏感性。
　　(3)使用形狀參數(shù)法主動(dòng)識(shí)別出苗期。利用大田油菜分割結(jié)果

5、，對(duì)其進(jìn)行一系列形態(tài)學(xué)處理:孔洞補(bǔ)充、開(kāi)運(yùn)算以及Moore鄰域輪廓追蹤等步驟，以降低其它因素對(duì)識(shí)別效果的影響。然后計(jì)算油菜出苗期子葉的兩個(gè)典型幾何形狀特征:面積值和致密度值，并與經(jīng)驗(yàn)值進(jìn)行對(duì)比，從而判斷油菜是否已處于出苗期。本研究提出了正確識(shí)別率和誤識(shí)別率兩個(gè)評(píng)價(jià)指標(biāo)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了評(píng)價(jià)，實(shí)驗(yàn)結(jié)果與人工觀測(cè)的結(jié)果相符合。
　　(4)利用模式識(shí)別中的主動(dòng)形狀模型—Active shape model(ASM)實(shí)現(xiàn)油菜三葉期和四葉期的

6、自動(dòng)識(shí)別。第一步通過(guò)人工標(biāo)定的方法分別獲取三葉期和四葉期的輪廓信息，從而得出三葉期和四葉期的整體植株的幾何形狀信息。再對(duì)樣本數(shù)據(jù)的幾何形狀信息進(jìn)行模型統(tǒng)計(jì)，分別得到三葉期和四葉期的平均形狀模型。建立局部灰度紋理模型，再對(duì)形狀變化權(quán)重因素進(jìn)行約束。最后在圖像中匹配出形狀模型相似的目標(biāo)，從而實(shí)現(xiàn)油菜三葉期和四葉期的自動(dòng)識(shí)別。本文分別利用單株油菜圖像和多株油菜圖像進(jìn)行了實(shí)驗(yàn)，均能夠?qū)崿F(xiàn)油菜三葉期和四葉期的自動(dòng)識(shí)別。
　　經(jīng)過(guò)一系列的實(shí)驗(yàn)