王秀山,李智廣*,宮長(zhǎng)榮

1.河南農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院,鄭州市農(nóng)業(yè)路63號(hào) 450002

2.河南農(nóng)業(yè)大學(xué)煙草學(xué)院,鄭州市農(nóng)業(yè)路63號(hào) 450002

動(dòng)態(tài)圖像中煙株莖稈特征的識(shí)別與應(yīng)用

王秀山1,李智廣*1,宮長(zhǎng)榮2

1.河南農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院,鄭州市農(nóng)業(yè)路63號(hào) 450002

2.河南農(nóng)業(yè)大學(xué)煙草學(xué)院,鄭州市農(nóng)業(yè)路63號(hào) 450002

為準(zhǔn)確提取煙株莖稈特征,基于計(jì)算機(jī)視覺(jué)技術(shù)提出了一種動(dòng)態(tài)識(shí)別煙株莖稈的方法.在圖像預(yù)處理階段,構(gòu)造圖像清晰度評(píng)價(jià)函數(shù),采用迭代法提取清晰圖像,利用加權(quán)平均法對(duì)其進(jìn)行灰度化預(yù)處理;為消減光源強(qiáng)度、重影、地形等因素的影響,對(duì)灰度化后的圖像進(jìn)行降噪處理;為突出煙株莖稈特征,對(duì)圖像進(jìn)行灰度增強(qiáng);運(yùn)用自適應(yīng)算法對(duì)圖像進(jìn)行閾值智能分割,最終提取出煙株莖稈特征.在光源充足、陰影、車(chē)輛顛簸3種條件下,分別對(duì)100株煙株進(jìn)行莖稈識(shí)別模擬試驗(yàn).結(jié)果表明,光源充足條件下識(shí)別率最高,達(dá)76%;顛簸狀態(tài)下識(shí)別率最低,為69%;3種試驗(yàn)條件下平均識(shí)別率為72.67%.試驗(yàn)驗(yàn)證了在動(dòng)態(tài)圖像中獲取煙株莖稈特征的可行性,配合仿生采摘執(zhí)行機(jī)構(gòu)可以完成煙葉的自動(dòng)化采摘,并可有效控制煙葉的破損率,提高煙葉采摘效率.

煙株莖稈;特征識(shí)別;圖像提取;灰度化;降噪處理

我國(guó)是世界上煙草種植面積最大的國(guó)家之一,但在煙葉采摘方法上,大部分地區(qū)一直采用手工采摘的傳統(tǒng)作業(yè)方式.人工采摘存在花費(fèi)時(shí)間長(zhǎng)、成本高和勞動(dòng)強(qiáng)度大等缺點(diǎn),因此煙葉的機(jī)械化與自動(dòng)化采摘是未來(lái)煙葉生產(chǎn)的發(fā)展方向之一[1].為此,已有學(xué)者做了不同的嘗試和探索.2009-2010年河南農(nóng)業(yè)大學(xué)開(kāi)發(fā)出第一代和第二代煙草收獲機(jī),該機(jī)的煙葉采凈率可達(dá)90%以上[2-5].但由于該設(shè)備的執(zhí)行機(jī)構(gòu)采用的是quot;拍打式quot;刀頭結(jié)構(gòu),采收作業(yè)時(shí)造成的煙葉破損率較高,達(dá)45%～50%,而破損率過(guò)高一直是困擾我國(guó)煙葉自動(dòng)化采摘的難題之一.目前,傳統(tǒng)的機(jī)械機(jī)構(gòu)很難實(shí)現(xiàn)煙葉的無(wú)損采摘,而機(jī)器視覺(jué)技術(shù)的發(fā)展為煙葉的無(wú)損仿生采摘提供了技術(shù)上的可能[6-8].對(duì)此,Day等[9]最早采用圖像處理的方法實(shí)現(xiàn)了植物生長(zhǎng)率的數(shù)字化圖形表達(dá),開(kāi)創(chuàng)了數(shù)字圖像處理技術(shù)在農(nóng)業(yè)生產(chǎn)上應(yīng)用的良好局面.Shimizu等[10]利用機(jī)器視覺(jué)技術(shù)對(duì)植物的生長(zhǎng)狀況進(jìn)行在線監(jiān)測(cè),處理后的圖像清晰地展現(xiàn)了植物白天的生長(zhǎng)率遠(yuǎn)大于晚上的生長(zhǎng)率,首次實(shí)現(xiàn)了植物生長(zhǎng)率的可視化.Knodo等[11]研制的基于計(jì)算機(jī)視覺(jué)技術(shù)的采摘機(jī)器人,采摘高架栽培模式下的草莓,準(zhǔn)確率可達(dá)75%.Silsoe研究院[12]研制的蘑菇采摘機(jī)器人,可以實(shí)現(xiàn)蘑菇位置的自動(dòng)測(cè)量,采摘成功率可達(dá)76%.為此,利用機(jī)器視覺(jué)技術(shù)進(jìn)行煙株莖稈識(shí)別模擬試驗(yàn),由于大田環(huán)境復(fù)雜多變,容易受到光源強(qiáng)度、重影、地形等影響,在閾值分割過(guò)程中采用自適應(yīng)的算法對(duì)預(yù)處理后的灰度圖像進(jìn)行分割,通過(guò)準(zhǔn)確捕獲煙株莖稈特征并利用機(jī)械手仿生采摘,以提高煙葉采摘效率,實(shí)現(xiàn)煙葉的無(wú)損仿生采摘.

1 試驗(yàn)設(shè)計(jì)

1.1 試驗(yàn)方法

試驗(yàn)選擇在國(guó)家煙草生理生化基地(河南農(nóng)業(yè)大學(xué))進(jìn)行.試驗(yàn)所用器材:①DSP試驗(yàn)箱(型號(hào)SEED-DTK6437,北京艾睿合眾科技有限公司),用于完成對(duì)圖像采集卡采集到的圖像信息進(jìn)行灰度化、降噪、灰度增強(qiáng)與分割等處理;②與試驗(yàn)箱配套的圖像采集卡(型號(hào)OK-RGB10,深圳創(chuàng)新峰達(dá)科技有限公司),用于采集視頻信號(hào);③仿生采摘執(zhí)行機(jī)構(gòu)一套(自制),用于完成煙葉的仿生采摘.

試驗(yàn)時(shí)隨機(jī)選擇一行煙株進(jìn)行莖稈識(shí)別模擬試驗(yàn),采用人工計(jì)數(shù)方法,計(jì)算出參與莖稈識(shí)別試驗(yàn)的總煙株數(shù),最終得出仿生采摘時(shí)煙株莖稈的識(shí)別率.

1.2 試驗(yàn)過(guò)程

為測(cè)量不同條件下煙株莖稈的識(shí)別率,試驗(yàn)分別在光源充足、陰影、車(chē)輛顛簸3種條件下進(jìn)行.每種條件下各選100株煙株進(jìn)行莖稈識(shí)別模擬試驗(yàn),統(tǒng)計(jì)每株莖稈能否成功識(shí)別,計(jì)算在每種條件下的識(shí)別率,最后得出仿生采摘系統(tǒng)的平均識(shí)別率.

1.3 數(shù)據(jù)處理

采用Excel2007進(jìn)行數(shù)據(jù)計(jì)算與處理,計(jì)算特定條件下的識(shí)別率和平均識(shí)別率.采用CCStudio v3.3進(jìn)行程序編輯與編譯,即圖像的程序化處理.

2 技術(shù)實(shí)現(xiàn)

2.1 煙株單幀圖像的動(dòng)態(tài)獲取

我國(guó)煙葉收獲期大多處于每年的7-9月份,收獲期的煙田枝葉繁茂,再加上陽(yáng)光強(qiáng)烈,圖像采集卡采集的動(dòng)態(tài)影像具有較高的對(duì)比度.采摘作業(yè)時(shí)地形地貌及煙株自身相互遮擋的干擾,以及車(chē)輛本身的顛簸停頓等,會(huì)導(dǎo)致采集的圖像出現(xiàn)重影、陰影等現(xiàn)象.

根據(jù)上述特點(diǎn),要求圖像采集卡可以實(shí)時(shí)采集標(biāo)準(zhǔn)視頻信號(hào),并且支持外觸發(fā)信號(hào)輸入.本試驗(yàn)中選用的圖像采集卡可以采集單場(chǎng)、單幀、間隔幾幀和連續(xù)幀等圖像信息,精確到場(chǎng).因此,采用逐場(chǎng)采集順序存放圖像,處理時(shí)以場(chǎng)為單位,以消除圖像模糊的影響[13].由于攝像頭采集圖像的速度為25幀/s,采集系統(tǒng)移動(dòng)的速度約為5 m/s,所以在拍攝一幀圖像的時(shí)間區(qū)間內(nèi),采集系統(tǒng)移動(dòng)的距離是1.20 m.如果按照?qǐng)D像采集卡固有的頻率拍攝,前后兩幀圖像之間將有大量的冗余信息.為此,利用圖像采集卡提供的幀間隔設(shè)置函數(shù)(OKSet Capture Paramch Board,Capture_INTERVAL,INTERVAL),根據(jù)不同的行車(chē)速度設(shè)置不同的幀間隔,達(dá)到減小數(shù)據(jù)量的目的.幀間隔的計(jì)算公式為:

式中:INTERVAL-幀間隔,幀;v-牽引系統(tǒng)的移動(dòng)速度,m/s.

煙株莖稈識(shí)別時(shí),識(shí)別率與圖像的采集品質(zhì)、作業(yè)環(huán)境和行車(chē)速度等有密切關(guān)系.為了提高識(shí)別率,系統(tǒng)處理時(shí)需要較高的圖像品質(zhì),但過(guò)高的圖像品質(zhì)對(duì)行車(chē)速度和作業(yè)環(huán)境要求苛刻,即需要較低的行車(chē)速度和明亮的作業(yè)環(huán)境.為此,在完成視頻圖像采集后,圖像數(shù)據(jù)被傳輸?shù)紻SP數(shù)據(jù)處理系統(tǒng),利用數(shù)據(jù)處理系統(tǒng)的圖像清晰度評(píng)價(jià)函數(shù)和迭代算法,完成目標(biāo)圖像的提取.DSP系統(tǒng)圖像采集流程見(jiàn)圖1.隨機(jī)抽取一幀煙株圖像,利用圖像清晰度函數(shù)判斷清晰度是否符合要求,若符合則進(jìn)行下一步的識(shí)別處理.

圖1 DSP系統(tǒng)圖像采集流程圖

2.2 煙株圖像的預(yù)處理

2.2.1 圖像灰度化

得到符合要求的煙株圖像后,首先使用加權(quán)法進(jìn)行灰度化,然后使用均值法進(jìn)行降噪處理,再利用清晰度評(píng)價(jià)函數(shù)對(duì)其清晰度進(jìn)行判斷,如果清晰度符合要求則進(jìn)行灰度增強(qiáng)處理,以突顯出煙株莖稈特征;否則,繼續(xù)進(jìn)行均值濾波處理.圖像預(yù)處理流程見(jiàn)圖2.

圖2 圖像預(yù)處理流程

由于彩色圖像包含信息量較大,且圖像處理時(shí)的計(jì)算量大,當(dāng)牽引車(chē)速度較快時(shí),對(duì)系統(tǒng)實(shí)時(shí)性要求也較高,因此DSP數(shù)據(jù)處理系統(tǒng)用于提取莖稈目標(biāo)特征的時(shí)間非常短,要求該系統(tǒng)具有高速數(shù)據(jù)處理能力[14].當(dāng)DSP硬件系統(tǒng)的技術(shù)指標(biāo)達(dá)到峰值時(shí),只能通過(guò)軟件優(yōu)化來(lái)減少時(shí)間.同樣條件下,彩色圖像的處理時(shí)間遠(yuǎn)大于黑白圖像,為此需要將數(shù)據(jù)處理系統(tǒng)抓取的彩色圖像進(jìn)行灰度化處理,以縮短提取煙莖圖像的時(shí)間.

描述一幅彩色圖像,可以使用的彩色空間坐標(biāo)系有RGB(Red-Green-Blue),HSV(Hue-Saturation-Value),CMY(Cyan-Magenta-Yellow),HSL(Hue-Saturation-Lightness)等,最常用的是RGB空間坐標(biāo)系,即紅綠藍(lán)3種顏色分量,而人眼對(duì)綠色分量敏感度最高,對(duì)藍(lán)色分量敏感度最低.因此,在一幅彩色圖像灰度化過(guò)程中,通常采用加權(quán)法進(jìn)行灰度化,即對(duì)不同的分量使用不同的權(quán)值.一般情況下,綠色分量的權(quán)值最大,藍(lán)色分量的權(quán)值最小,可以得到較合理的灰度圖像.

式中:F是灰度化后的灰度圖像;R、G、B分別是彩色圖像的紅、綠、藍(lán)分量,灰度系數(shù)的取值不同,會(huì)影響灰度圖像的清晰度[15].

使用加權(quán)平均法灰度化后的圖像及其灰度直方圖見(jiàn)圖3.可見(jiàn),對(duì)原圖像使用加權(quán)法灰度化后,從直方圖中看出,圖像存在較多的毛刺,即圖像噪聲,需要進(jìn)一步對(duì)圖像進(jìn)行降噪處理.

圖3 使用加權(quán)法灰度化后的圖像及直方圖

2.2.2 圖像的降噪處理

用加權(quán)法處理彩色圖像時(shí),會(huì)伴隨著產(chǎn)生一定的噪聲,且圖像本身也含有固有噪聲,因此需要對(duì)灰度化后的圖像進(jìn)行降噪處理.噪聲處理的方法多種多樣,對(duì)于不同的噪聲,處理的方法也不同.常見(jiàn)的圖像噪聲有高斯噪聲、椒鹽噪聲等,而對(duì)應(yīng)的去除噪聲的方法有均值濾波法和中值濾波法等.對(duì)于同一種噪聲,用不同的方法進(jìn)行降噪處理,會(huì)得到不同的效果.

分別采用中值濾波法和均值濾波法降噪處理后的圖像及其灰度直方圖見(jiàn)圖4和圖5.由直方圖可以看出,中值濾波法降噪處理后灰度毛刺較多,而均值濾波法降噪處理后灰度分布較均勻.可見(jiàn),均值濾波法的降噪效果優(yōu)于中值濾波法,因此本系統(tǒng)中采用均值法降噪.

2.2.3 圖像的灰度增強(qiáng)

由于環(huán)境、設(shè)備等成像條件的影響,部分圖像存在對(duì)比度低的特點(diǎn).另外,經(jīng)過(guò)濾波法降噪處理后的圖像會(huì)變得模糊,不利于對(duì)圖像中有用部分的分割提取,因此需要進(jìn)行灰度增強(qiáng)處理.灰度增強(qiáng)是為了增加圖像的對(duì)比度,使處理后的圖像更適合某種特定應(yīng)用.在圖像信息中,研究者感興趣的是目標(biāo)特征,而對(duì)背景無(wú)需關(guān)注,為此可以采用灰度變換方法對(duì)圖像進(jìn)行灰度增強(qiáng)處理.在圖像處理過(guò)程中,由于多種因素的影響,圖像的品質(zhì)可能會(huì)退化,圖像增強(qiáng)就是借助一系列技術(shù)改善圖像的視覺(jué)效果,提高圖像的清晰度.

圖4 中值濾波法降噪后的圖像及直方圖

圖5 均值濾波法降噪后的圖像及直方圖

灰度變換方法可以使圖像的動(dòng)態(tài)范圍加大,圖像的對(duì)比度擴(kuò)展,圖像更加清晰,特征更加明顯.灰度變換常用的有線性灰度變換、分段線性灰度變換、全局直方圖均衡化等方法[16].其中,直方圖均衡化是一種常用的圖像增強(qiáng)方法,傳統(tǒng)的直方圖均衡化是一種在整個(gè)圖像直方圖基礎(chǔ)上的全局閾值法,僅考慮了全局信息而不能提高圖像對(duì)比度.為糾正全局閾值法的這種不足,又提出了局部閾值法[17-18],在對(duì)圖像灰度級(jí)進(jìn)行分類(lèi)的基礎(chǔ)上提高圖像對(duì)比度,并加強(qiáng)區(qū)域的均衡性.

灰度映射方法,即設(shè)置一個(gè)灰度區(qū)間,通過(guò)編程只保留該區(qū)間內(nèi)的灰度值,將該區(qū)間外的灰度值過(guò)濾掉.分別采用直方圖均衡化法和灰度映射法進(jìn)行灰度處理后的圖像及其直方圖,見(jiàn)圖6和圖7.可見(jiàn),使用直方圖均衡化的方法對(duì)圖像進(jìn)行灰度處理后,圖像整體的亮度變暗,圖像的灰度值較均勻地分布在0～255范圍內(nèi);使用灰度映射的方法對(duì)圖像進(jìn)行灰度處理后,圖像的對(duì)比度明顯增強(qiáng),由于只保留了感興趣的灰度范圍,因此灰度值為0和255的像素較多,其他部分則均勻分布.為了能夠有效地提取煙株莖稈特征,本系統(tǒng)中采用灰度映射的方法對(duì)目標(biāo)圖像進(jìn)行灰度處理.

圖6 直方圖均衡化灰度處理后圖像及直方圖

圖7 灰度映射法灰度處理后圖像及直方圖

2.3 煙株莖稈的特征提取

2.3.1 灰度圖像分割

圖像分割就是把圖像中特定的或具有獨(dú)特性質(zhì)的區(qū)域提取出來(lái)的過(guò)程.現(xiàn)有的圖像分割主要有基于閾值、基于區(qū)域、基于邊緣以及基于特定理論的方法等.圖像分割的準(zhǔn)確性在一定程度上影響著目標(biāo)監(jiān)測(cè)和識(shí)別的智能化程度.閾值法分割就是利用圖像中所要提取的目標(biāo)與背景在灰度特性上的差異,選取合適的閾值對(duì)圖像進(jìn)行分割,從而將目標(biāo)從背景中區(qū)分出來(lái).由于煙田環(huán)境復(fù)雜,相同的煙株在不同的時(shí)間會(huì)出現(xiàn)不同的灰度圖像,為了準(zhǔn)確地提取出煙株莖稈,采用自適應(yīng)算法進(jìn)行灰度分割,即在不同的條件下選擇不同的閾值進(jìn)行圖像分割.試驗(yàn)過(guò)程中,在陰影、車(chē)輛顛簸和光源充足3種條件下對(duì)同一煙株進(jìn)行處理,結(jié)果見(jiàn)圖8.可見(jiàn),同一煙株在不同條件下,按照自適應(yīng)法進(jìn)行灰度圖像分割后得到的結(jié)果大致相同,可以進(jìn)行后續(xù)處理.

圖8 不同試驗(yàn)條件下的圖像分割

2.3.2 特征提取

根據(jù)圖像的與運(yùn)算,結(jié)合提取圖像的大小設(shè)定合適的提取窗,與灰度分割后的圖像進(jìn)行與運(yùn)算,從而達(dá)到提取煙株莖稈的目的.如圖9所示,經(jīng)過(guò)提取窗的提取,能夠得到較清晰的煙株莖稈圖像,實(shí)現(xiàn)煙株莖稈與周?chē)尘暗挠行Х蛛x,得到煙株莖稈的目標(biāo)特征.采摘執(zhí)行機(jī)構(gòu)得到煙株莖稈信息后進(jìn)行仿生采摘工作.

圖9 經(jīng)過(guò)提取窗提取到的煙株莖稈

2.4 試驗(yàn)結(jié)果

對(duì)100株煙株分別在不同條件下進(jìn)行試驗(yàn),結(jié)果見(jiàn)表1.可見(jiàn),光源充足條件下識(shí)別率最高,達(dá)76%;車(chē)輛顛簸狀態(tài)下識(shí)別率最低,為69%;3種試驗(yàn)條件的平均識(shí)別率為72.67%.

表1 同一煙株不同條件下識(shí)別結(jié)果

3 結(jié)語(yǔ)

通過(guò)對(duì)圖像采集卡采集到的視頻信息進(jìn)行處理,有效實(shí)現(xiàn)了煙株莖稈特征的識(shí)別和提取,為下一步煙葉的仿生采摘奠定了基礎(chǔ).基于機(jī)器視覺(jué)技術(shù)的煙葉收獲機(jī),在作業(yè)過(guò)程中采用仿生采摘裝置從煙葉葉梗處quot;掰quot;下煙葉,可減少采摘裝置與煙葉本身的接觸,降低煙葉破損的風(fēng)險(xiǎn),保證煙葉的完整性,而煙葉的完整性是評(píng)價(jià)煙葉等級(jí)的重要指標(biāo)之一.可見(jiàn),以機(jī)器視覺(jué)技術(shù)為基礎(chǔ)的煙葉收獲機(jī)可以克服quot;拍打式quot;刀頭結(jié)構(gòu)所造成的煙葉破損率過(guò)高的缺點(diǎn).

本試驗(yàn)中在圖像預(yù)處理階段,構(gòu)造了圖像清晰度評(píng)價(jià)函數(shù),利用迭代法完成了清晰圖像幀的提取,采用加權(quán)法完成了圖像的灰度化預(yù)處理.在提取煙株莖稈特征時(shí),為了突出煙株莖稈特征,結(jié)合成熟煙葉自身的圖像特性和品質(zhì),確定了適合煙株圖像的降噪處理方法.編寫(xiě)的自適應(yīng)法灰度化處理程序?qū)崿F(xiàn)了圖像的灰度分割,能夠有效解決在陰影或車(chē)輛顛簸條件下圖像黑暗或模糊的問(wèn)題,對(duì)100株煙株莖稈模擬試驗(yàn)的平均識(shí)別率為72.67%.試驗(yàn)中還驗(yàn)證了在動(dòng)態(tài)圖像中獲取煙株莖稈特征的可行性,配合仿生采摘執(zhí)行機(jī)構(gòu)完成煙葉的自動(dòng)化采摘,可以有效控制煙葉的破損率,提高煙葉的機(jī)械化采摘水平.

[1] 林選知,殷壽安,張瑞琴,等.現(xiàn)代煙草農(nóng)業(yè)機(jī)械化技術(shù)體系構(gòu)建探討[J].農(nóng)機(jī)化研究,2012(1):249-252.

[2] 李燕,劉國(guó)順,王秀山,等.一種帶有煙草傳送系統(tǒng)的煙草收獲機(jī):中國(guó),201010226296.0[P].2012-01-25.

[3] 李燕,劉軍,王秀山,等.一種帶有滾筒刀頭的煙草收獲機(jī):中國(guó),201010227313.2[P].2012-02-01.

[4] 李燕,劉國(guó)順,趙漢雨,等.一種帶有棘輪棘爪的煙草收獲機(jī):中國(guó),201010252708.8[P].2012-03-14.

[5] 李燕,劉軍,王棟,等.一種帶有絲杠升降裝置的煙草收獲機(jī):中國(guó),201010263666.8[P].2014-03-14.

[6] 謝玉寶,林國(guó)華,覃勤.高速攝像技術(shù)在煙支鋼印檢測(cè)系統(tǒng)中的應(yīng)用[J].煙草科技,2010(1):20-21.

[7] 董浩,洪深求,周德成,等.醋纖溝槽濾棒特征參數(shù)測(cè)定方法[J].煙草科技,2010(4):5-8.

[8] 夏營(yíng)威,馮茜,趙硯棠,等.基于計(jì)算機(jī)視覺(jué)的煙絲寬度測(cè)量方法[J].煙草科技,2014(9):10-14.

[9] Day W,HashimotoY.Mathematicaland control applications in agriculture and horticulture[M].New York:Pergamon Press,1991.

[10]Shimizu H,Heins R D.Computer-vision-based system for plant growth analysis[J].Transaction of the ASAE,1995,38(3):959-964.

[11]Knodo N,Ninomiya K,Hayashi S,et al.A new challenge of robot for harvesting strawberry grown on tabletop culture[C]//ASAE AnnualInternational Meeting.USA:ASAE,2005.

[12]Sarig Y.Robotics of fruit harvesting:A state-of-the-art review[J]. Journal of Agricultural Engineering Research,1993,54(4):265-280.

[13]李偉,林家春,毛恩榮.種子動(dòng)態(tài)圖像自動(dòng)分割與標(biāo)記技術(shù)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2004,35(2):76-79.

[14]劉洪見(jiàn),鄭麗敏,曾愛(ài)平.圖像處理技術(shù)在提取玉米圖像骨架上的應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2007(1):18-20.

[15]周金和,彭福堂.一種有選擇的圖像灰度化算法[J].計(jì)算機(jī)工程,2006,32(20):198-200.

[16]章秀華,楊坤濤.基于最大熵原則和灰度變換的圖像增強(qiáng)[J].光電工程,2007,34(2):84-87.

[17]吳成茂.可調(diào)直方圖均衡化的正則解釋及其改進(jìn)[J].電子學(xué)報(bào),2011,39(6):1278-1284.

[18]李錦,王俊平,萬(wàn)國(guó)挺,等.一種結(jié)合直方圖均衡化和MSRCR的圖像增強(qiáng)新算法[J].西安電子科技大學(xué)學(xué)報(bào):自然科學(xué)版,2014,41(3):103-109.

責(zé)任編輯 曹 娟

Recognition and Application of Tobacco Stalk Features in Dynamic Images

WANG Xiushan1,LI Zhiguang*1,and GONG Changrong2
1.College of Mechanicalamp;Electrical Engineering,Henan Agricultural University,Zhengzhou 450002,China
2.College of Tobacco Science,Henan Agricultural University,Zhengzhou 450002,China

For accurate extraction of tobacco stalk features,a method for dynamic recognition of tobacco stalks was proposed based on computer vision technology.A function of image clarity evaluation was constructed at image preprocessing stage,an iterative method was used to extract distinct images and the images were grayed by weighted average method.For diminishing the influences from light source intensity,ghost,terrain and other factors,the grayed images were denoised,and the gray degree of images was intensified to make the features of tobacco stalks more prominent.Finally,self-adaptive algorithm was used to segment image threshold intelligently,the features of tobacco stalks were extracted.The simulation tests of tobacco stalk recognition were conducted with 100 tobacco plants separately under adequate light irradiation,shade,and bumping vehicle conditions.The results showed that:with average recognition rate of 72.67%under the three conditions,the recognition rate under adequate light irradiation was the highest(76%),while that in a bumping vehicle was the lowest(69%).The experiment verified the feasibility of obtaining the features of tobacco stalks in dynamic images,automatic tobacco leaf harvesting could be implemented by combining with a bionic actuator,it is helpful to lowering leaf damage and improving the efficiency of leaf harvesting.

Tobacco stalk;Feature recognition;Image extraction;Graying;Noise reduction

S572,TS473

A

1002-0861(2015)10-0078-06

10.16135/j.issn1002-0861.20151014

2015-02-09

2015-07-08

國(guó)家自然科學(xué)基金項(xiàng)目quot;提高高速數(shù)控機(jī)床熱誤差補(bǔ)償精度的關(guān)鍵理論研究quot;(U1204524);河南省教育廳科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目quot;自走式煙草收獲機(jī)智能采集系統(tǒng)研究與開(kāi)發(fā)quot;(12B210013);2014年度河南省高等學(xué)校骨干教師資助技術(shù)項(xiàng)目quot;智能化作物株間除草機(jī)關(guān)鍵技術(shù)研究與開(kāi)發(fā)quot;(2014GGJS-034).

王秀山(1975-),博士,副教授,主要從事嵌入式系統(tǒng)設(shè)計(jì)、自走式農(nóng)業(yè)機(jī)器人設(shè)計(jì).E-mail:towxs@163.com;*

李智廣,E-mail:tolizhiguang2010@163.com

王秀山,李智廣,宮長(zhǎng)榮.動(dòng)態(tài)圖像中煙株莖稈特征的識(shí)別與應(yīng)用[J].煙草科技,2015,48(10):78-83.WANG Xiushan,LI Zhiguang,GONG Changrong.Recognition and application of tobacco stalk features in dynamic images[J].Tobacco Scienceamp;Technology,2015,48(10):78-83.