抗光照變化的作物提取及生長期自動觀測研究.pdf

1、精準(zhǔn)農(nóng)業(yè)主要致力于指導(dǎo)農(nóng)業(yè)生產(chǎn)，為農(nóng)事活動提供信息，對發(fā)育期進(jìn)行生長狀態(tài)監(jiān)測，是當(dāng)今農(nóng)業(yè)發(fā)展的前沿。利用計(jì)算機(jī)視覺、模式識別等技術(shù)，精準(zhǔn)農(nóng)業(yè)已經(jīng)在疾病監(jiān)測、雜草識別、田間機(jī)器人引導(dǎo)上取得了一些應(yīng)用。但是，精準(zhǔn)農(nóng)業(yè)在作物提取、生物特征獲得以及發(fā)育期生長狀態(tài)監(jiān)測這些方面仍然存在困難和挑戰(zhàn)。
　　在作物發(fā)育初期，幼苗葉面積極小，農(nóng)田背景復(fù)雜，陰影在土地上的投影偏綠色，這為幼苗的提取帶來許多困難。因此，本文首先提出了一種基于隨機(jī)森林的復(fù)雜

2、農(nóng)田背景下幼苗分割算法。該算法結(jié)合不同顏色空間在不同光照條件下的分布特點(diǎn)，提取了15個(gè)顏色通道特征，利用隨機(jī)森林進(jìn)行特征自由選擇，并分析了顏色空間對作物提取的影響。而后根據(jù)圖像中存在陰影情況下不同顏色空間中作物提取性能的分析，提出了基于支持向量機(jī)（SVM）的作物提取算法，該算法作物分割性能穩(wěn)定，具備了農(nóng)田復(fù)雜背景下作物提取能力。并且，即使在圖像中存在有陰影的情況下也能取得較好的作物提取性能。
　　隨著作物進(jìn)入營養(yǎng)生殖階段，葉片面積

3、開始劇烈增長，此時(shí)光照對葉片的影響較大。光照強(qiáng)烈時(shí)，葉片表面將出現(xiàn)大片的高光區(qū)域，這再次給作物提取帶來了許多困難。因此，本文從人眼視覺的角度出發(fā)，利用高光區(qū)域與其鄰域間的顏色漸變特點(diǎn)，提出了基于馬爾科夫隨機(jī)場模型的抗高光綠色作物分割算法。該算法利用超像素和統(tǒng)計(jì)數(shù)據(jù)建立隨機(jī)場勢函數(shù)，采用松弛置信傳播算法求解模型最優(yōu)解。對比實(shí)驗(yàn)數(shù)據(jù)表明，該算法具有較好的抗高光作物提取能力,在定量的158組包含不同光照情況和作物類別的測試數(shù)據(jù)中取得最高分割系