论文部分内容阅读
棉田杂草严重影响着棉花的产量和质量,对棉田草害进行有效防治的前提是识别出棉田中杂草,并确定其区域的实际特征信息。本文以棉花及其伴生杂草为研究对象,利用机器视觉技术,通过对棉田杂草图像的采集及其处理,确定杂草识别特征参数、获取摄像机隐参数矩阵及提取杂草区域实际特征信息。主要研究工作为:(1)基于棉苗茎秆颜色特征的识别方法在棉花和绿色杂草株内叶片出现重叠,但棉苗茎秆暴露在外的情况下,采集棉花及其伴生杂草的混合图像,并把棉田中植物分为棉苗类和绿色杂草类。寻求棉苗茎秆呈暗红色特征和杂草呈绿色特征的差异,利用棉苗茎秆位置信息融合技术确定棉苗区域,进而识别出各个绿色杂草区域。试验表明在棉苗茎秆不被叶片遮挡,及棉苗和绿色杂草间不出现重叠的情况下,绿色杂草可达到完全识别的效果,棉苗的识别率也达到74%以上。(2)基于整株颜色特征的识别方法在棉花和杂草株内叶片出现重叠,且棉苗茎秆也被遮挡的情况下,以棉田中的铁苋菜为例,采集单株棉苗和杂草铁苋菜图像,以整株植物作为研究对象。利用色差法(R-G,R-B,G-B)、超绿法(2G-R-B)、色度法(H)等五种方法获取棉苗和杂草铁苋菜的灰度图像和二值图像,确定色度(H)特征图像,利用最大方差法进行二值化处理的效果最佳。通过对前景R、G、B的标准差(SR、SG、SB)及标准差差值(SB-SR、SB-SG、SR-SG)六种特征参数的比较分析,确定了前景R、B标准差的差值(SB-SR)＜5为识别铁苋菜的阈值。试验表明杂草铁苋菜的识别率达92.9%,棉苗的识别率达到71.4%,棉苗与铁苋菜的总体识别率达到82.1%。该算法减少了对光照的依赖性,同时颜色特征可减少因株内叶片相互遮挡、受损等因素造成的杂草识别误差。(3)摄像机标定和杂草定位精度分析基于当前喷施除草剂所需的杂草定位精度要求不高和试验条件的限制,建立针孔成像模型。对标定靶图像进行处理分析,获取摄像机隐参数矩阵,及单个像素所占实际面积为4.08mm~2。利用摄像机隐参数矩阵,获取了靶点、有序杂草和无序杂草的定位精度分别为0.15cm、1.92cm和2.28cm,经比较分析,确定最大定位误差为2.3cm,满足除草剂精确喷施的要求。本文以研发能够实现智能喷施除草剂的自动除草设备为目的,优化杂草识别定位算法,提高杂草识别率和计算机运算速度,将进一步推动利用机器视觉技术动态处理田间杂草图像的研究。