[发明专利]基于机器视觉的稻株识别与定位方法

摘要

本发明公开了一种基于机器视觉的稻株识别与定位方法，所述方法包括：通过探究影响成像质量的相关因素，构建可提高自然光下稻株与背景灰度值差异的图像采集系统；通过图像采集系统采集多幅稻株图像；利用彩色图像灰度化、PointFilter工具、自动确定阈值处理稻株图像，将稻株图像分割成植物和背景两个部分；划定检苗区，在检苗区内测算提取整穴稻株所用连通区域数；采用固定连通区域数和异点比较、动态定位方法定位稻株中心；根据稻株多本穴栽、茎基部成束、冠层松散的生长特点，结合茎基部直径和稻株保护区来判定定位是否准确，最后进行实验验证。本发明方法能实现稻株的识别与定位，可为机械株间除草稻株的定位提供技术支持。

主权项

1.基于机器视觉的稻株识别与定位方法，其特征在于：所述方法包括：通过探究影响成像质量的相关因素，构建可提高自然光下稻株与背景灰度值差异的图像采集系统；通过图像采集系统采集多幅稻株图像；利用彩色图像灰度化、PointFilter工具、自动确定阈值处理稻株图像，将稻株图像分割成植物和背景两个部分；划定检苗区，在检苗区内测算提取整穴稻株所用连通区域数；采用固定连通区域数和异点比较、动态定位方法定位稻株中心；所述在检苗区内测算提取整穴稻株所用连通区域数，具体为：使用ExtractBlobs工具识别检苗区内代表稻株的连通区域，假设提取整穴稻株所用连通区域数为n；使用ExtractBlobs工具对图像进行稻株提取，同时过滤像素数较小的连通区域；当n为G时，多幅图像中的稻株均被提取出，当n大于G时，多幅稻株图像的提取结果中包含更多噪声，即提取整穴稻株所用连通区域数n的最大值为G；其中，G在实际操作中为固定数值；所述采用固定连通区域数和异点比较、动态定位方法定位稻株中心，具体包括：1)固定连通区域数的定位使用ExtractBlobs工具提取多幅稻株图像中检苗区内的连通区域，按像素面积大小降序排列，自动提取出连通区域的特征量几何信息，包括其几何中心坐标，即连通区域中心坐标，基于blob算法计算连通区域中心坐标(x0,y0)，其原理为：连通区域R的(p,q)阶距为：式中，点(x,y)位于连通区域内或边界上，即连通区域的矩M00为连通区域的像素点数，X方向和Y方向的一阶矩分别为：则中心坐标为：式中，R(x,y)为连通区域，f(x,y)为坐标点的像素值；根据所排列连通区域的顺序，选取j个连通区域用于稻株中心计算；当选取用于稻株中心计算的连通区域数小于或等于提取整穴稻株所用连通区域数，即0式中，(Xij,Yij)为第i幅图像中使用j个连通区域的中心坐标定位的中心，(xj,yj)为连通区域的中心坐标；当选取用于稻株中心计算的连通区域数大于提取整穴稻株所用的连通区域数，即n式中，(Xij,Yij)为第i幅图像中使用j个连通区域的中心坐标定位的中心，(Xi0,Yi0)为第i幅图像中稻株的标定坐标，Lij为 第i幅图像中的坐标偏移值；每个定位中心对应一个坐标偏移值，则每幅图像均有G个坐标偏移值；将固定连通区域数定位的G个中心依次作为基准中心，计算与其余G‑1个中心之间偏移值的平均值，则一幅图像共得到G个平均值，其中的最小值对应的中心坐标为该方法定位的稻株中心。