自動定點澆灌系統中的秧苗識別

劉光遠，周鳴川

自動定點澆灌系統中的秧苗識別

劉光遠，周鳴川

（浙江大學 生物系統工程與食品科學學院，浙江 杭州 310058）

在秧苗自動定點澆灌系統的研發中，秧苗識別是一個關鍵問題。它涉及采用何種有效濾波算法對秧苗的數字圖像進行處理，以及提取秧苗特征進行識別的算法問題。本研究對秧苗特征進行了分析，在對秧苗的數字圖像進行去噪濾波的基礎上討論了秧苗特征的可識別性，并根據秧苗特征與環境特征的差異，提出了以秧苗的顏色特征作為識別特征進行識別處理的思路，試驗證明可以取得較好的效果。

秧苗識別；圖像處理；特征識別

秧苗自動定點澆灌系統的澆灌模式與傳統的自動化澆灌模式不同。傳統的自動化澆灌模式是在指定區域進行澆灌，以保證能對該區域均勻澆水。而定點澆灌模式則是指在特定區域內有選擇地澆水，即在有秧苗的位置澆水。很顯然，定點澆灌模式可以更有效地節約水資源；此外，采用了圖像識別技術的秧苗自動定點澆灌系統則還可大幅提高澆灌的效率與自動化程度。

在秧苗自動定點澆灌系統中，關鍵問題是對秧苗的快速準確識別。對秧苗的圖像信號進行數據采集、處理，就必然會涉及圖像噪聲處理、目標檢測與識別的算法問題。秧苗圖像與一般的用常規手段獲取的圖像一樣有高斯、椒鹽等噪聲，會影響秧苗識別。線性濾波對于濾除高斯噪聲很有效，但對椒鹽噪聲的濾除效果很差。張明源等［1］提出了一種中值濾波的改進算法，對椒鹽噪聲具有更好的濾波性能。尹星云等［2］研究了彩色圖像形態學濾波，提出了一種面向RGB顏色空間的距離和字典序相結合的顏色向量序，給出了基于所定義像素序實現的彩色圖像形態學膨脹、腐蝕、開和閉算子，濾波性能很好。

圖像在經過濾波預處理后，需要對目標進行檢測識別。圖像目標檢測識別的常用算法有背景差分法、光流場法、幀差法和特征識別法等。胡彪等［3］提出了基于背景差法的改進算法。該算法對背景差法中的背景建模與閾值選取進行了優化，解決了場景中存在運動物體時背景的初始化問題，能夠快速有效地進行背景自動更新。程磊［4］和楊東勇等［5］分別討論了有效的運動目標檢測與跟蹤方法。通過引入形態學算子，過濾背景干擾物，提高了運動目標檢測的準確性。本文在上述研究的基礎上，為自動定點澆灌系統設計了一套秧苗識別方法，現報道如下。

1 基本流程

秧苗識別的基本流程是：視頻采集獲得秧苗的數字圖像，選擇算法去噪、消除圖像干擾，圖像識別檢測獲得目標，圖像處理定位獲得秧苗位置（從而可以實施澆灌）。

圖1是視頻采集獲得的秧苗數字圖像。對該圖像增強處理選擇去噪的方法時，要權衡所需區域的部分是否會因去噪而變得不明顯甚至與噪聲一起被抹去；去噪的實時性和魯棒性 （穩定性）；所能去掉的噪聲類型。

最常用的去噪方式是濾波。濾波是將圖像信號中特定的波段頻率信號濾除的操作，從而有效抑制和防止干擾。濾波方式主要有兩種---線性和非線性濾波。但由于線性濾波對大部分噪聲的處理效果不理想，因此非線性濾波算法的研究目前居于主流。

2 濾波

為了有效去除噪音，本項目采用組合濾波算法，即順序使用兩種濾波方式---中值濾波與形態學濾波。中值濾波是用一定區域內的中間值代替該值，能有效地消除椒鹽噪聲。在一定的條件下，中值濾波能有效克服線性濾波帶來的圖像細節模糊的缺點.是一種優化的保持邊緣、濾除脈沖干擾的濾波器。而從數學形態學發展起來的形態學濾波為新型非線性濾波方法，由于其具有并行快速實現的特點而日益得到重視與廣泛應用。形態學濾波的主要作用是增強圖像，如可以通過膨脹運算實現塊的增大，這樣能將因第一道濾波而變小的塊變大。對圖1的秧苗數字圖像進行增強運算后，結果如圖2所示。從中可以看出，最遠處的小塊植株增強非常明顯。

圖1 秧苗的數字圖像

圖2 膨脹運算的效果

3 識別

因為需要實施定點澆灌，故需要動態識別秧苗的位置。動態識別常用的方法主要有兩種方式---背景差分法與特征識別法。背景差分法適合攝像頭靜止時對運動目標的檢測。而本研究的對象正好相反，秧苗靜止，攝像頭運動。因此相對而言也可看成秧苗運動。攝像頭靜止，即可以用背景差分法對秧苗進行有效識別。特征識別法是通過目標有別于背景的固有特征進行識別。如果目標具有與背景明顯差異的特征，則特征識別法會很有效。

本項目中，秧苗跟背景 （土地等） 的特征差別最大處在顏色，故采取識別顏色特征的方式，將綠色的秧苗與黃 （黑） 色的土壤、灰色的地面分離開來，以達到識別秧苗的目的，如張志斌等［6］所采用的識別方法。

目前，識別綠色的方式主要有以下2種。

3.1 超綠分割

由于土壤背景的顏色與農作物秧苗的顏色有明顯的色差，因此秧苗的RGB圖像可以進行超綠特征的2G-R-B圖像分割。計算公式：

Exg（x，y）=2×G（x，y）-R（x，y）-B（x，y）。

但是這種識別方式受亮度等因素影響較大，且在速度方面并無明顯優勢。

3.2 顏色空間變換

RGB顏色空間是與顯示系統相關的顏色空間，為了更好地分割，可以將RGB變換得到其他顏色空間，如HSI空間。故將RGB圖像先轉換成HSI圖像，取35≤H≤75，40≤S≤255（此區域即綠色），并按這個條件做二值化處理，結果如圖3所示，可以看出效果很好。

圖3 HSI/V/L空間下的顏色識別

4 小結

本研究就秧苗自動定點澆灌系統所涉及的秧苗識別問題進行了分析討論。通過采用組合濾波算法，順序使用中值濾波與形態學濾波，有效地消除了噪聲；并以秧苗的顏色特征作為識別主要特征，采用顏色空間變換，獲得了很好的識別效果。

［1］ 張明源，王宏力，鄭佳華，等.改進型中值濾波器在圖像去噪中的應用 ［J］.兵工自動化，2007，26（8）：45-47.

［2］ 尹星云，王峻.彩色圖像形態學的研究及其應用 ［J］.計算機工程，2008，34（17）：271-273.

［3］ 胡彪，龔曉峰.基于改進背景差法的運動目標檢測 ［J］.計算機工程與設計，2010（17）：3841-3844.

［4］ 程磊.運動目標檢測跟蹤方法研究 ［J］.電腦知識與技術：學術交流，2010，6（3）：1684-1685.

［5］ 楊東勇，馮形松.采用形態學算子的運動目標檢測跟蹤方法研究及實現 ［J］.浙江工業大學學報，2010，38（2）：149-154.

［6］ 張志斌，羅錫文，臧英，等.基于顏色特征的綠色作物圖像分割算法 ［J］.農業工程學報，2011，27（7）：183-189.

（責任編輯：高 峻）

S 24

A

0528-9017（2014）12-0000-00

文獻著錄格式：劉光遠.自動定點澆灌系統中的秧苗識別 ［J］.浙江農業科學，2014（12）：0-0.

收稿日期：2014-08-15

作者簡介：劉光遠 （1992-），男，浙江杭州人。研究方向為農業自動化中的機器視覺。E-mai1：Boxer1992@qq.com。