基于圖像處理的田間雜草識別定位技術的研究

胡迎思 于躍 朱鳳武

摘 要：自20世紀80年代，基于圖像處理的相關技術開始被應用于農業生產，隨著相關學科與硬件技術的發展，在田間雜草的識別定位這一方向已取得顯著成績。結合國內外的研究現狀，對現階段的研究成果進行總結分析，列出了田間雜草識別定位的各項技術的關鍵技術和存在的問題，最后對我國田間雜草識別定位研究的發展趨勢進行了預測。

關鍵詞：圖像處理；雜草識別；雜草定位；機器視覺

中圖分類號：S-1 文獻標識碼：A DOI：10.11974/nyyjs.20180329008

前言

精細農業的發展，對農業生產的增產、減少浪費、生產效率的提高、農藥使用量的減少、耕地環境的保護已經取得了顯著的成果。其中，田間雜草的識別與定位技術的發展已成為精細農業的重要組成部分[1]。目前，我國對田間雜草識別定位技術的主要研究成果集中在圖像處理領域，利用色彩空間、形態特征、光譜特性等原理。多應用雙目視覺技術，相較于單目視覺技術，雙目視覺技術系統更為復雜。

隨著相關領域新成果的不斷問世，在雜草的識別定位方面的技術亦更加成熟，本文討論的是基于圖像處理的雜草識別定位相關技術。

1 雜草定位技術發展歷史及國內外研究現狀

1.1 發展歷史

數字圖像處理出現于20世紀50年代，作為一門學科大約形成于20世紀60年代初期。從20世紀70年代中期開始，隨著各國的重視與研究力度的加大，圖像處理技術在各個領域取得了長足發展。同時在該時期，出現了第一部關于圖像處理的著作，結合Marr發表的視覺計算理論，主導了近20a的研究方法[2]。在隨后的20世紀80年代，隨著相關硬件、軟件技術的發展，圖像處理技術開始在農業生產中大量應用。從作物生長狀態的監測、病蟲害的監測，到農業機器人領域關于果實采摘、雜草識別、雜草定位給藥，涌現出了大量的成果。

1.2 發展現狀

該研究因其基于圖像處理的特性，在進行識別時往往在目標的形態特征、紋理特征、顏色特征等之中選擇一種或綜合多種來進行處理，因此如何選擇特征與如何準確快速的利用算選特征進行識別就成為了研究的關鍵所在。國內外的研究人員在這兩方面進行了大量的嘗試。

1.2.1 國外研究現狀

歐美等發達國家在該領域起步比我國早很多，在1986年就開始利用圖像處理技術進行植物的識別定位研究，目前很多成熟的方法已實際應用。

美國加利福尼亞大學戴維斯分校推出了一種基于圖像的精確自動除草裝置[3]，通過攝像裝置獲得目標區域的圖像，識別出其中的雜草，在利用農藥噴嘴在雜草區域進行精準噴藥，或用激光槍將雜草直接殺死。

2000年，Majumdar.S 等[4]分別應用形狀、紋理、顏色3個特征進行研究。綜合常規參數和無量綱參數，用24個形態參數對作物葉片進行了分級研究。面積、長寬比、橢圓的短軸長度、長軸長度、葉片的周長、最大半徑、最小半徑和半徑的標準差等。在進行了大量試驗后，得到了效果顯著的參數組合，在理論上達到了極高的準確率。

Meyer 等[5]利用均勻度、慣性和角二次積率對2種禾本科雜草[牛筋草（Eleusine indica）、狐尾草（Alopecurus pratensis L.）]和2種闊葉雜草[絨毛葉（Abutilon theophrasti）、紅根藜（Amaranthus retroflexus）]進行識別，識別率分別為 93.3%和 85%。

美國堪薩斯州大學El-Faki等[6]根據目標作物與其伴生雜草顏色上的差別，設計了不同的顏色組合區分雜草和農作物，在設計分類器時又用人工神經網絡和判別式分析法進行了對比試驗，雖然試驗結果表明，統計分析分類算法更精確，但結果差強人意。利用統計分類法對大豆和小麥的識別率分別為54%和62.2%。

1.2.2 國內研究現狀

我國在該領域的研究投入開始略晚，但在國家大力度支持之下，近些年也取得了理想成果。

2009年，夏利兵等[7]人提出了針對角點特征檢測，基于SUSAN的棋盤角點檢測算法及基于連通域的改進角點算法的想法。其思路是在角點處多個頂角相交一起時角點處的USAN不符合SAUN算法的要求而可以通過多個連通域的方法來檢測該角點。在選擇研究方法時，作者對比了基于邊緣、基于參數模型、基于灰度3種方法?；谶吘壍姆椒ㄓ嬎懔看笄艺`差較大；基于參數模型的方法由于其通用性差，最后考慮了應用環境對于實時性的較高要求，選擇了基于灰度的SUSAN算子。

但是該方法研究的是純雜草環境，在真實田間環境中未進行試驗，在區分雜草與作物方面還有待研究；且真實田間作業時，機械震動、光照、天氣等影響因素也有待解決。

2015年，陳亞軍等[8]利用逆向思維提出了雜草逆向定位的方法。針對研究環境中伴生雜草在種類與數量上都大于經濟作物這一事實，將識別對象從傳統的雜草改為經濟作物，使多目標定位問題簡化為單目標定位問題。應用HU不變矩，設計了8項無量綱指標（矩形度、圓形度、偏心率等）。定位出作物的位置，然后將其他綠色植物均認定為雜草。

該方法在進行大豆田間試驗時，綜合準確率達到90%。產生識別錯誤的原因是作物與雜草的葉片重疊所導致，因為在作物幼生期伴生雜草也比較小，所以該方法在作物生長早期取得了效果，而在中后期，由于作物葉片與雜草葉片重疊現象的出現，試驗效果受到了明顯影響。

2009年，沈寶國等[9]采用針孔成像模型和攝像機隱參數矩陣的定位方法，在標定靶圖像中，獲取48個靶點質心的坐標，確定攝像機的隱參數矩陣。為獲得實際的田間雜草定位作業精度，同時準備有序與無序雜草圖像。利用攝像機隱參數矩陣，分別獲取了靶點、有序雜草和無序雜草的定位精度為0.15cm、1.92cm和2.28cm。經比較分析，確定最大定位誤差為2.3cm，該方法不但滿足除草劑精確噴施的要求，同時簡化了標定算法。

試驗中，致使產生較大誤差的原因是算法上的。算法中近似的將雜草的分生組織處與區域的質心認定為同一點，事實上并非如此。

2 基于圖像處理的雜草定位研究的關鍵技術

2.1 定位特征提取

在實際作業環境中，植物與土壤背景、不同植物的形態顏色之間有著顯著不同的圖像特征。因此利用這些特征為研究提供數據是非?？尚械??；趫D像處理的雜草識別定位研究重要利用的就是顏色、紋理、形態特征。

2.1.1 顏色特征

在所有的視覺特征中，最直觀、最穩定的就是顏色特征，相比形態特征，顏色特征對對象的大小和位姿不敏感，魯棒性強。圖像的顏色特征信息提取與處理方式，在很大程度上決定了系統識別的速度和精度。顏色特征提取方法常規的直方圖、顏色集、顏色矩、顏色聚合向量以及顏色相關圖等[10]。

由于雜草識別定位系統對實時性的要求，必須考量算法的復雜程度。如果目標作物與其伴生雜草在顏色上高度接近，那么，單一的使用顏色特征是不可取的。通常情況下，還是需要結合其他特征。

2.1.2 形態特征

田間雜草識別中形態特征的應用同樣很多，形態特征包括形狀特征與矩特征2部分。形狀特征參數主要包括面積、周長、長度、寬度等常規參數，以及其衍生的無量綱形狀特征參數，如分散度（compactness）、圓度（roundness）、伸長度（elongation）、葉狀（location）等[11]。矩特征常用的有質心、等效橢圓的長軸和短軸、環度（cir）、朝向比（aspect ratio）、中心矩等[12]。形態特征參數的提取相對于顏色與紋理參數來說，既簡化了算法，又提高了效率。

2.1.3 紋理特征

紋理特征只與灰度值相關，表現了圖像在局部區域內呈現的不規則性和在整體上表現出的某種規律性。描述圖像區域紋理的方法主要有4種，統計分析法、模型分析法、結構分析法和頻譜分析方法[13]。在雜草識別研究中，常用的方法是頻譜分析和以灰度級的空間相關矩陣為基礎的灰度共生矩陣。灰度共生矩陣反映了圖像灰度關于方向、相鄰間隔、變化幅度等綜合信息，是分析圖像的局部模式和排序規則的基礎[14]。

應用紋理特征參數識別雜草的準確率雖然很高，但是，紋理分析算法比較復雜，影響試驗效果，因此，如何優化紋理特征提取算法，提高執行速度是該方法的研究重點。

2.2 雜草定位技術

2.2.1 雙目視覺定位

雙目立體視覺是一種模擬人類視覺成像原理的計算機視覺技術。它利用2臺平行放置的攝像機模擬人的雙目，用于重構場景的三維信息。該研究已在實際生產生活中發揮了重要的作用，在移動機器人的自主導航系統、航空及遙感測量、工業自動化、農業自動化等場合中起到了關鍵作用。雙目立體視覺技術在應用中主要有圖像獲取、攝像機標定、圖像預處理和特征提取、立體匹配、三維重建等5個步驟[15]。

雙目視覺技術在進行空間坐標計算時多利用極線幾何這一數學模型。由相機投影原理，對于空間物體表面上任意一點，通過一臺照相機能夠看到它在成像圖像上的投影點，但是反過來卻無法由投影點得知物體上點的三維位置，只能知道空間點位于相機光心和投影點的連線上，即圖像上一點對應空間中一條直線，無法僅由一幅圖像重建出三維空間的結構。于是研究者模擬人類視覺成像原理，用2個相機同時觀察物體點，在2幅圖像上獲得空間中同一點的2個對應點，獲得經過空間點的2條不同直線上，因此，物體點就是兩條直線的交點，它的三維位置是唯一確定的，這就是三維空間位置計算的基本原理。

由于2臺攝像機的視角不同，其獲得的信號光強存在差異，使各攝像機的增益、電平無法完全同步；而且即使是同一張圖像采集卡，其不同信道的物理誤差也不同，這些都會導致獲得立體圖像時同一場景的圖像其灰度值存在差異。這一問題的出現，對圖像預處理的要求增加。

2.2.2 單目視覺定位

單目視覺技術作為最基礎的視覺形式，在具體的實現過程中，特征提取與圖像匹配、攝像機標定、深度估計、位姿參數估計是關鍵的技術環節，是單目視覺技術研究的關鍵問題。單目視覺定位技術目前有2種研究思路，一種是利用雙幀或多幀圖像，利用攝像機在運動中捕捉同一場景不同時刻的多幀圖像，根據拍攝圖像像素間的位置偏差實現目標的定位。此定位方法類似雙目視覺定位中的非平行光軸模型。一種是單幀圖像定位。利用透視畸變原理，還原三維場景，通過特征匹配進行定位[16]。

3 發展中面臨的困難

3.1 雜草特征的多樣性和復雜性

為了盡量精確地識別出雜草進而進行定位，特征的選取成為了減少計算量的關鍵所在。如果利用多特征組合的方式，那么如何進行圖像分割以及特征優化又成了一大難點。在今后的研究中，智能算法與組合優化理論應該成為研究的重點。

3.2 硬件的處理速度有待于提高

由于計算機視覺技術對于硬件性能的依賴，硬件性能必然很大程度上影響運算速度，而該領域的研究對于實時性又有著較高要求，在研究者改進算法的同時，對于硬件的性能與成本也提出了更高的要求。

4 結論

歸納了我國目前在雜草識別定位領域的研究現狀，發現多數研究都是針對作物幼生期的伴生雜草，此時雜草植株較小，識別定位結果理想；當雜草較大時雜草與作物的葉片重疊現象顯著影響了識別定位結果。且多數研究應用雙目視覺原理，這使整個定位系統的硬件設計更加復雜，2臺或以上的攝像機使需要處理的數據量增加，而拖慢了數據處理的速度，降低了定位實時性。

隨著數據處理技術的升級，單目視覺技術已經可以完成雜草定位的目的，通過算法的選擇優化，對葉片重疊現象也有較好表現。同時單目視覺技術本身的特性又使系統的硬件設計更簡單，在實時性上可以滿足要求。

參考文獻

[1]陳德潤，王叔茂，王秀.農田雜草識別技術的現狀與展望[J].中國農機化，2001，5（04）：30.

[2]李紅俊，韓冀皖.數字圖像處理技術及其應用[J].計算機測量與控制，2002.10（9）：620-622.

[3]吉林農機網.信息革命將農業引入“精確”時代[EB/OL].http：//www.amic.agri.gov.cn/pages/infopage.asp ino=3570.2003.

[4]YANG C C，PRASHER S O.Development of Neural Networks for Weed Recognition in Corn Fields[J].Transactions of the ASAE，2002，45（3）：859-864.

[5]Meyer G E ，Mehta T，Kocher M F ，et al.Textural imaging and discriminant analysis for distinguishing weeds for spot spraying[J].Transaction of the ASAE，1998，41（4）：1189-1197.

[6]El-Faki，Zhang，Peterson D.Weed detection using colormachine vision[J].Transactions of the ASAE，2000，43（6）：1969-1978.

[7]夏利兵.基于角點特征的雙目視覺雜草定位系統研究[D].江蘇大學.2009.

[8]陳亞軍.趙博.李樹君.劉磊.苑嚴偉.張延立.基于多特征的雜草逆向定位方法與試驗[J].農業機械學報，2015（16）：09.

[9]沈寶國，陳樹人，尹建軍.基于機器視覺的棉田雜草精確定位研究[C].紀念中國農業工程學會成立30周年暨中國農業工程學會2009年學術年會（CSAE 2009）論文集，2009.

[10]陳琴，邰曉英，巴特爾.基于鄰域顏色矩直方圖的胃窺鏡圖像檢索[J].計算機工程與應用，2008，44（11）：205-207.

[11]D M Woebbecke，G E Meyer，K Von Bargen，D A Mortensen.Shape features for identifying young weeds using image analysis.Transactions of ASAE，1995，38（1）：271～281.

[12]劉立.基于多尺度特征的圖像匹配與目標定位研究[D].武漢：華中科技大學，2008.

[13]王龍.圖像紋理特征提取及分類研究[D].中國海洋大學，2014.

[14]B.L.Steward，L.F.Tian.Machine-Vision weed density estimation for realtime，outdoor lighting conditions[J].Transaction of the ASAE.1999，42（6）：1897-1909.

[15]Marr，D.and Poggio，T.A computational theory of human stereo vision[J].Proc.R.Soc.Lond B.1979（204）：301-328.

[16]張治國.基于單目視覺的定位系統研究 [D].武漢：華中科技大學，2009.

作者簡介：胡迎思（1989-），男，吉林省公主嶺，吉林農業大學工程技術學院，碩士研究生，農業電氣化及其自動化；于躍（1992-），女，遼寧省錦州市，吉林農業大學工程技術學院，碩士研究生，農業電氣化及其自動化；朱鳳武（1968-），男，吉林省公主嶺，吉林農業大學工程技術學院，教授，農業電氣化及其自動化。