基于計算機視覺的油菜生長過程自動識別研究.pdf

1、大田作物生長階段的信息不僅是一項用于分析作物生長過程與不同管理措施之間關系的重要的基本數(shù)據(jù)，而且在精準農業(yè)的許多方面均有應用，如間苗、補苗、施肥、灌溉、修剪、收獲、防治病蟲害等。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，如需要大量的勞動力、過度依賴操作人員的主觀判斷、耗時以及缺乏實時性等。因此，有必要提出一種非接觸性的，連續(xù)性的且自動化的數(shù)據(jù)獲取方法。
　　計算機視覺技術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)勢和特點，同時在節(jié)約勞動力，降低人為判斷的主觀性方面有很大的潛力，目前已經被廣泛用于監(jiān)測作物生長狀況。然而如何利用數(shù)碼相機對處于不同生長階段的大田作物進行連續(xù)性監(jiān)測的研究則開展得較少。
　　本文利用計算機視覺技術對油菜的三個關鍵生長階段（出苗期、三葉期和四葉期）進行自動識別提取。主要的研究內容及取得的成果從以下四個方面展開:
　　(1)構建了基于計算機視覺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、對大田油菜的品種、種植地點、種植方法以及圖像采集方式作了簡要說明。
　　(2)大田油菜的圖像分割。為了識別油菜的不同生長階段，第一個任務是從圖像中分割出油菜?？紤]了室內外的不同天氣狀況以及在大田中復雜環(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練樣本，然后將樣本數(shù)據(jù)從RGB顏色模型轉化至HSI顏色模型，接著在HSI顏色模型中計

4、算出所有強度Ⅰ對應色調(Hue)值的均值和方差，建立HI查找表。最后依次判斷每個像素是否屬于作物。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行了比較，并對分割后的實驗結果進行了定性和定量的評價。實驗結果表明:本文方法的綜合分割精度誤差為2.67％，分割穩(wěn)定性標準差為2.97％，相較之其它方法具有最高性能;并且對光照條件和周圍環(huán)境的變化等具有不敏感性。
　　(3)使用形狀參數(shù)法主動識別出苗期。利用大田油菜分割結果

5、，對其進行一系列形態(tài)學處理:孔洞補充、開運算以及Moore鄰域輪廓追蹤等步驟，以降低其它因素對識別效果的影響。然后計算油菜出苗期子葉的兩個典型幾何形狀特征:面積值和致密度值，并與經驗值進行對比，從而判斷油菜是否已處于出苗期。本研究提出了正確識別率和誤識別率兩個評價指標對實驗結果進行了評價，實驗結果與人工觀測的結果相符合。
　　(4)利用模式識別中的主動形狀模型—Active shape model(ASM)實現(xiàn)油菜三葉期和四葉期的

6、自動識別。第一步通過人工標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。再對樣本數(shù)據(jù)的幾何形狀信息進行模型統(tǒng)計，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，再對形狀變化權重因素進行約束。最后在圖像中匹配出形狀模型相似的目標，從而實現(xiàn)油菜三葉期和四葉期的自動識別。本文分別利用單株油菜圖像和多株油菜圖像進行了實驗，均能夠實現(xiàn)油菜三葉期和四葉期的自動識別。
　　經過一系列的實驗