[发明专利]基于支持向量数据描述的田间玉米植株识别方法

说明书

技术领域

本发明涉及一种田间拍摄图片的玉米植株自动获取方法，尤其是一种基于支持向量数据描述的田间玉米植株识别方法，基于支持向量数据描述的分割算法，用于将玉米植株从复杂背景中准确提取出来。

背景技术

玉米是世界总产量最高的粮食作物和主要的畜牧业饲料来源，同时也是工业生产中的重要原料，随着计算机软硬件技术及数字图像处理技术的迅速发展，它在农业上的应用研究有了较大的进展。目前基于图像的机器视觉和图像分析技术已经在农业领域得到广泛的应用，它在特征的提取方面，尤其是在颜色、形状和纹理方面具有显著的优势。机器视觉技术包括图像获取、图像处理以及模式识别等，用机器视觉可模拟人眼对农作物进行可见光谱的近距离拍摄，然后运用数字图像处理等技术对获取的图像信息进行分析研究对象所需的信息。长期以来，田间观测主要通过人工进行的方式，这种方式不仅费时费力，且受到人主观因素的影响较大。因此借助图像处理的手段对田间玉米进行实时监控是十分必要的。

杂草的适应性以及繁殖力都很强，它们会与农作物及土壤争夺养分、水分、阳光以及生长空间，妨碍作物通风、透气，影响土壤表层的温度，直接造成农作物的严重减产，更不利于土壤的可持续利用。可见，为了维持农作物的高产，去除杂草是十分必要的。智能除草在保护自然环境的同时，又不至于使农作物减产。也就是说，如果操作者知道哪些地方有杂草，哪些地方没有杂草，那么在喷洒药剂的时候就会对有杂草的地方喷洒除草剂，对没有杂草的地方不喷洒除草剂，这样既节省了成本，降低了投入，又减少了对农业生态环境的污染，有利于农业的可持续发展，这也是如今精准农业方面比较清晰的一个趋势。为了降低杂草危害程度，保护生态环境不受污染，提高产品的质量和产量，尽快实现杂草控制的自动化与科学化已成为一个很现实的课题。因此，智能除草的研制与应用，对促进我国农业现代化的发展有着十分重要的经济和环保意义。

发明内容

本发明的目的是克服现有技术中存在的不足，提供一种基于支持向量数据描述的田间玉米植株识别方法，能够实现田间拍摄图片中玉米植株的自动识别，算法计算简单，并具有较高的鲁棒性。

按照本发明提供的技术方案，所述基于支持向量数据描述的田间玉米植株识别方法，其特征是，包括以下步骤：

(1)训练阶段：采集不同时间段的玉米田间图片作为训练样本，提取玉米田间图片中的玉米植株区域，获取玉米植株区域的图片特征；计算原始图片特征对第一主成分的贡献率W，设定阈值，选择较大贡献率W所对应的特征作为最优特征，输出最优特征集合，建立SVDD模型；

(2)分割阶段：首先将测试图片的背景区域去除，提取测试图片剩余连通区域的图片特征；将测试图片各个连通区提取的图片特征带入SVDD模型进行测试，确定玉米植株区域和非玉米区域。

进一步的，所述步骤(1)中获取的玉米植株区域的图片特征包括图片连通区域的植被指数特征和纹理特征其中包含L个样本和Num个特征。

进一步的，所述植被指数特征包括Rn、Gn、Bn、Gray、ExG、ExR、CIVE、ExGR、GB、ERI、EGI、EBI十二个植被指数特征；所述纹理特征包括四个方向上的对比度、相关性、能量和同质性纹理特征。

进一步的，所述步骤(1)中训练样本选择玉米生长初期一天内不同时间段的图片。

进一步的，所述步骤(1)和步骤(2)中使用超绿特征进行图片预处理，去除图片背景。

进一步的，所述步骤(1)中建立SVDD模型时，使用主成份分析方法进行特征选择，计算每个玉米植株区域的图片特征、以及每个原始特征对第一主成分的贡献率W，阈值设定为0.2)。

进一步的，所述步骤(2)的具体过程为：将测试图片去除背景区域，保留玉米植株连通区域；计算各个连通区域内每个像素点的植被指数特征集合，对相同区域内像素点特征进行求和取均值操作，得到连通区域的植被指数特征；将连通区域的植被指数特征和纹理特征代入步骤(1)得到的SVDD模型进行测试，确定玉米植株区域，对非玉米植株区域进行删除操作。

本发明所述基于支持向量数据描述的田间玉米植株识别方法，主要利用了作物图像特征规律进行玉米植株识别，可以有效避免人工观测的误差等问题，同时针对实际环境中杂草种类繁多的特点，使用SVDD算法，最终能够准确地识别田间图片的玉米植株区域。该方法对于作物的自动化观测，田间杂草识别等领域具有重要的意义。

附图说明

图1为本发明所述田间玉米植株识别方法的整体流程图。

图2为依据超绿特片进行图片预处理去除背景区域提取植株区域的示意图。