基于圖像處理的水稻成熟期密度檢測.pdf

1、農業(yè)機械化的大力發(fā)展可以提高農民的勞動生產(chǎn)率和經(jīng)濟效益。農業(yè)機械化水平的提高，不僅有利于豐產(chǎn)豐收，而且有利于減少對環(huán)境的污染和農業(yè)持續(xù)高效地發(fā)展。長期以來，農作物生長密度信息的及時準確獲取，一直是制約農業(yè)機械自動化水平提高的關鍵因素，也是農業(yè)工程研究領域的難題。如稻麥聯(lián)合收割機工作時，不考慮行走速度的變化，脫粒滾筒的喂入量與稻麥的生長密度成正比。即作物密度越大，喂入量相應增加。但由于土、肥、水、光照等田間作物生長因素分布的隨機性，作物生

2、長密度不可能非常均勻，因此喂入量是隨機變化的。隨機變化的喂入量會影響到脫粒間隙，滾筒線速度，凹板長度，清糧風扇的排風量等一系列可變參數(shù)的改變，很難保證聯(lián)合收割機械工作在一個較理想的工作性能范圍。
　　 針對目前聯(lián)合收割機在收獲過程中脫不凈，夾帶，脫粒損失大等情況，本文從研究水稻成熟期冠層密度分布出發(fā)，利用計算機圖像處理等技術手段，提出了一種基于RGB彩色模型的水稻冠層密度分布圖像的檢測方法。
　　 實驗地點選擇在肥西縣豐

3、樂鎮(zhèn)水稻產(chǎn)區(qū)。實驗分兩期：早稻-2個品種；晚稻-4個品種。數(shù)據(jù)采集及處理方法為：（1）樣本數(shù)據(jù)獲?。和ㄟ^限定相同的面積A，采集自然狀態(tài)下的成熟期水稻圖像，然后將水稻從距根部相同高度處割下，脫粒稱重，獲得水稻毛重，草重等重量參數(shù)m。通過計算獲得水稻密度值D。不考慮其他次要因素，建立密度值D與喂入量F的函數(shù)關系F=f（D）。（2）圖像處理過程：綜合運用圖像處理、植物生理學、色度學、幾何特征、距離特征等方面的知識，利用計算機圖像處理技術對采集

4、到的彩色圖像進行分析比較，尋找R，G，B最優(yōu)組合，得到2R+G顏色特征向量圖像。對2R+G顏色特征量圖像采用迭代法自動選取閾值將谷、葉從背景中分割出來。2R+G顏色組合值能從彩色圖像中最大限度地分割出稻葉等與喂入量直接相關因素，土壤，雜草等背景因素在分割后的圖像中全部顯示為0。（3）進行數(shù)據(jù)擬合：綜合運用計算機數(shù)據(jù)處理數(shù)據(jù)擬合技術，相關性分析技術，顯著性檢驗技術，對冠層圖像像素值與水稻喂入量進行數(shù)據(jù)擬合及相關性檢驗，最終建立喂入量隨像素