[发明专利]一种无人插秧机栽插质量的图像检测方法有效
申请号: | 201710568104.6 | 申请日: | 2017-07-13 |
公开(公告)号: | CN107464232B | 公开(公告)日: | 2020-02-21 |
发明(设计)人: | 赵德安;刘晓洋 | 申请(专利权)人: | 江苏大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/155;G06T7/187;G06T7/194;G06K9/62;G06T7/60 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 无人 插秧机 栽插 质量 图像 检测 方法 | ||
1.一种无人插秧机栽插质量的图像检测方法,其特征在于,包含以下步骤:
(a)将相机安装在无人插秧机插植臂后上方俯拍,根据GPS信号每行进一段距离采集一幅秧苗图像;(b)将图像中的秧苗从背景中分割出来;(c)确定每簇秧苗的质心;(d)检测图中的漏秧;(e)剔除不完整形态秧苗;(f)提取秧苗形状特征;(g)通过神经网络检测图中的漂秧;(h)统计漏秧和漂秧出现的次数并判断是否报警;
每簇秧苗质心的确定,首先滤除分割图像中面积较小的连通区域,记为BW2,然后通过形态学膨胀算法连接相互靠近的连通区域,接着对未连接且面积较小的连通区进行滤除,记为BW3,最后计算每个连通区的质心并将其作为对应秧苗簇的质心;
漏秧的检测,沿插植臂组间的中间位置将图像中的秧苗分成对应的列,分别计算每列相邻秧苗质心的纵向像素距离D,具体为每列最前最后的秧苗还要分别计算其质心到图像上沿或下沿的纵向像素距离;纵向标准株距在图像中的像素距离为L,若D>1.5L则表明存在漏秧,漏秧的数目即相邻秧苗间质心的距离相对标准株距的倍数减去1.5后向无限大方向取整;
不完整形态秧苗的剔除,秧苗质心到图像上沿或下沿的纵向像素距离小于0.35L则认为该秧苗没有完整的呈现在图像中并从BW3中剔除该簇秧苗对应的连通区,记为BW4。
2.根据权利要求1所述的一种无人插秧机栽插质量的图像检测方法,其特征在于,所述步骤(a)的具体过程为,将相机安装在无人插秧机插植臂后上方,镜头向下保持水平进行俯拍,并适当调节相机的位置和高度以及图像ROI使采集的图像视野能够覆盖插植臂工作范围,根据GPS信号插秧机每行进一定距离采集一幅图像。
3.根据权利要求1所述的一种无人插秧机栽插质量的图像检测方法,其特征在于,所述步骤(b)的具体过程为,首先采用超绿算子EXG对图像进行灰度化,EXG=2*G-R-B,其中R,G,B分别是图像的红色、绿色和蓝色分量,然后采用最大类间方差法OTSU将图像二值化从而将秧苗从背景中分割出来,记为BW1。
4.根据权利要求1所述的一种无人插秧机栽插质量的图像检测方法,其特征在于,秧苗形状特征的提取,提取BW4中每个连通区与该连通区有相同二阶中心距的椭圆离心率,再采用BW4中的每个连通区作为掩膜提取BW2中的每簇秧苗,然后计算每簇秧苗的7个不变矩,共提取8个秧苗的特征。
5.根据权利要求1所述的一种无人插秧机栽插质量的图像检测方法,其特征在于,漂秧的检测,将未知状态的秧苗特征值输入预先建立并训练完成的神经网络中进行分类。
6.根据权利要求1所述的一种无人插秧机栽插质量的图像检测方法,其特征在于,所述统计漏秧和漂秧出现的次数并判断是否报警,具体包括:若一帧图像有3簇及以上秧苗存在漂秧或漏秧则进行报警,此外还对每列秧苗设置可以存储15个数据的先入先出堆栈,存入堆栈中的数据用00表示正常栽插秧苗,01表示漏秧,11表示漂秧,每处理一帧图像就将处理结果存入对应列的堆栈,然后对堆栈中3种类型的数据分别进行统计,若每列堆栈中漏秧和漂秧数量超过4个则进行报警。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710568104.6/1.html,转载请声明来源钻瓜专利网。