[发明专利]一种应用于农业智能机械的杂草图像辨识方法

说明书

技术领域

本发明图像辨识方法，具体为一种应用于农业智能机械的杂草图像辨识方法。

背景技术

杂草同作物竞争水分和养分，侵占农田空间，影响作物光合作用，干扰作物生长，降低农作物的产量和质量还间接助长了病虫害的滋生和蔓延。

作为一种自动化除草装置，农业智能机械越来越受到重视，从20世纪80年代至今，基于机器视觉的杂草检测和识别技术研究经历了从室内到田间；从非实时到实时的发展过程。而图像辨识方法主要是通过对植物的特性进行检测和识别，如：形状特征，纹理特征，多光谱特性和颜色特征，位置特征等。

但是目前的关于杂草的分离大多是针对土壤和植被的区分，对杂草和作物的区分不够好，也没有针对杂草目标的定位运算。

发明内容

本发明的目的在于解决现有技术中的上述不足，提供了种应用于农业智能机械的杂草图像辨识方法。

为了实现上述目的，本发明的技术方案为：一种应用于农业智能机械的杂草辨识方法，其特征在于包括如下步骤：

步骤(1)获取农田中植被和土壤的原始图像。使用常规的CCD摄像机，镜头光轴与农田底面保持平行，通过图像采集卡将图像实时的传入到农田机器人的嵌入式系统的微控制器内，进行图像处理；

步骤(2)图像增强，对原始图像中的RGB值分别进行滤波去噪。对原始图像的进行滤波去噪，噪声包括设备噪声、椒盐噪声、量化噪声。该滤波方式对像素的RGB值分别进行滤波，在抑制无用信息，以实现图像的使用价值的同时，很好的保留了原始图片的色彩的信息；

步骤(3)图像分割，获取杂草目标图像。

步骤(3.1)对RGB颜色空间进行转换，生成新的颜色空间U₁U₂U₃。

步骤(3.2)杂草、作物构成的植被与土壤的区分。

步骤(3.3)杂草和作物的区分。在植被和土壤进行区分后，需要针对杂草和作物进行区分，本发明主要针对的是玉米、高粱等作物田间的杂草的识别，而杂草和作物在图像中的绿色分量差别不是特别大，U₁(x，y)、U₂(x，y)不适合作为判断条件，而通过拍照试验发现，杂草通常比作物的颜色要深，因此选用强度系数函数U₃(x，y)作为杂草和作物的图像分割的依据。而在不同条件(例如观测角度、光线的强弱、作物的生长情况)下，杂草和作物的强度系数的差别也有所不同，因此需要对杂草和作物的分割阈值T_A进行动态调整；

步骤(3.3.1)计算分割阈值T_A，进行动态调整。

步骤(3.3.2)计算强度方差σ²(T_A)。

步骤(3.3.3)计算分割阈值T_A的最佳取值T′_A。

步骤(3.3.4)构建杂草和作物的分割函数G_A(x，y)。

步骤(4)图像去噪。经过运算得到目标杂草的图像，但是不可避免的存在一些小面积的噪声，即图像上的斑点噪声，这些斑点噪声显然不是杂草的图像，需要滤除，这里使用数学形态学的开运算和闭运算进行去噪

步骤(4.1)构建二值分割函数G′_A(x，y)。

步骤(4.2)使用开运算。

步骤(4.3)使用闭运算。

步骤(4.4)生成最终的杂草目标函数G_F(x，y)。经过开合运算后的二值图像与分割函数G′_A(x，y)构成的二值图像进行与运算，在1值的区域将G_A(x，y)的值按照坐标逐一赋值，构成最终的杂草目标函数G_F(x，y)；

步骤(5)获取杂草目标的中心位置(x_cen，y_cen)。其目的在于让智能机械能够定位杂草的位置，进而采取相应的措施，例如锄草、施药。

本发明与现有技术相比，有益效果如下：

(1)对获取的图像的RGB值分别进行滤波，在抑制无用信息的同时，很好的保留了原始图片的色彩的信息；

(2)构建新的颜色空间U₁U₂U₃，并充分利用各个系数进行图像的处理工作；

(3)采用两步分割的办法，首先将土壤除去，再将作物出去，从而获取有效的杂草目标图像；