基于机器视觉的稻株识别与定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105844632A(43)申请公布日2016.08.10(21)申请号201610160545.8(22)申请日2016.03.21(71)申请人华南农业大学地址510642广东省广州市天河区五山路483号(72)发明人蒋郁崔宏伟齐龙马旭郑文汉赵柳霖陈林涛安沛(74)专利代理机构广州市华学知识产权代理有限公司44245代理人黄磊(51)Int.Cl.G06T7/00(2006.01)权利要求书3页说明书11页附图7页(54)发明名称基于机器视觉的稻株识别与定位方法(57)摘要本发明公开了一种基于机器视觉的稻株识别与定位方法，所述方法包括：通过探究影响成像质量的相关因素，构建可提高自然光下稻株与背景灰度值差异的图像采集系统；通过图像采集系统采集多幅稻株图像；利用彩色图像灰度化、PointFilter工具、自动确定阈值处理稻株图像，将稻株图像分割成植物和背景两个部分；划定检苗区，在检苗区内测算提取整穴稻株所用连通区域数；采用固定连通区域数和异点比较、动态定位方法定位稻株中心；根据稻株多本穴栽、茎基部成束、冠层松散的生长特点，结合茎基部直径和稻株保护区来判定定位是否准确，最后进行实验验证。本发明方法能实现稻株的识别与定位，可为机械株间除草稻株的定位提供技术支持。CN105844632ACN105844632A权利要求书1/3页1.基于机器视觉的稻株识别与定位方法，其特征在于：所述方法包括：通过探究影响成像质量的相关因素，构建可提高自然光下稻株与背景灰度值差异的图像采集系统；通过图像采集系统采集多幅稻株图像；利用彩色图像灰度化、PointFilter工具、自动确定阈值处理稻株图像，将稻株图像分割成植物和背景两个部分；划定检苗区，在检苗区内测算提取整穴稻株所用连通区域数；采用固定连通区域数和异点比较、动态定位方法定位稻株中心。2.根据权利要求1所述的基于机器视觉的稻株识别与定位方法，其特征在于：所述图像采集系统包括镜头、智能CCD相机、计算机、遮光装置、实验槽以及移动平台，所述镜头安装在智能CCD相机上，所述智能CCD相机与计算机相连，所述智能CCD相机和遮光装置均安装在移动平台上，所述计算机中装有Insightexplorer软件，且放置在移动平台上，所述实验槽上种有多株稻株，且放置在移动平台的下方；所述通过探究影响成像质量的相关因素，构建可提高自然光下稻株与背景灰度值差异的图像采集系统，具体如下：分别选择无水无遮光、有水无遮光、无水遮光、有水遮光四种条件进行图像采集，对比四种条件下采集的稻株图像，实验槽无水时，遮光时采集的稻株图像中稻株与背景的灰度差异较大，易于后续的图像分割；实验槽有水时，无遮光时水面倒映移动平台、天空以及天空中的物体，导致采集的稻株图像背景中包含较多噪声，影响后续图像处理；通过探究这些影响成像质量的因素后，图像采集均在遮光条件下进行。3.根据权利要求2所述的基于机器视觉的稻株识别与定位方法，其特征在于：所述通过图像采集系统采集多幅稻株图像，具体包括：1)调整智能CCD相机位置，使稻株处于图像中部；2)调整智能CCD相机的焦距与光圈，使图像成像清晰，调整好后固定；3)将实验槽中水深调整至合适深度；4)捕获并保存图像；5)将实验槽中水全部排出，重复步骤4)；6)一批图像样本采集完成后，将待采集的稻株移栽至实验槽，移栽完成后将实验槽静置后重复步骤采集图像。4.根据权利要求2所述的基于机器视觉的稻株识别与定位方法，其特征在于：所述利用彩色图像灰度化、PointFilter工具、自动阈值处理稻株图像，具体包括：1)彩色图像灰度化采用Insightexplore软件工具包中的ColorToGreyscaleFilter工具完成彩色图像灰度化过程；2)PointFilter工具采用Insightexplore软件工具包中的PointFilter工具处理图像，其基本原理为：使用clamp函数对图像灰度值进行处理，如下式：F(x,y)＝max{f(x,y),K}(1)式中，f(x,y)为像素点的灰度值，K为灰度值范围，F(x,y)为处理后像素点的灰度值；3)自动确定阈值选取最大类间方差法自动确定阈值对图像进行二值化处理，利用最大类间方差法计算2CN105844632A权利要求书2/3页出最优阈值Th后，根据下式将图像分成植物和背景两个部分：式中，g(x,y)表示坐标点(x,y)的像素值，G(x,y)＝0为背景，G(x,y)＝255为稻株、杂草、噪声。5.根据权利要求1所述的基于机器视觉的稻株识别与定位方法，其特征在于：所述划定检苗区是指在图像中心划定检苗区，图像中稻株冠部宽度在图像中占据合适宽度。6.根据权利要求1所述的基于机器视觉的稻株识别与定位方法