機(jī)器視覺技術(shù)在玉米苗期雜草識(shí)別中的應(yīng)用

顏秉忠

(河北對(duì)外經(jīng)貿(mào)職業(yè)學(xué)院，河北 秦皇島 066311)

0 引言

玉米是一種重要的糧食作物和經(jīng)濟(jì)作物，不僅可以作為主食，還可以作為家畜、家禽的理想飼料。此外，玉米也可以作為能源開發(fā)和食品加工等行業(yè)的原料，用途極為廣泛。玉米對(duì)種植條件的要求不高，環(huán)境適應(yīng)性較強(qiáng)，同時(shí)具有很高的產(chǎn)量。我國是僅次于美國的玉米大國，玉米種植主要集中在東北、華北和西南地區(qū)，面積僅次于水稻。同時(shí)，玉米的單產(chǎn)比其它作物高出許多，再加上用其加工的食品深受消費(fèi)者的歡迎，因此廣大農(nóng)民種植玉米的積極性很高，使玉米在國民經(jīng)濟(jì)和社會(huì)生活中占有重要的地位[1]。

玉米生長(zhǎng)季節(jié)的田間氣溫高、濕度大，導(dǎo)致雜草成為嚴(yán)重影響玉米產(chǎn)量的因素，且夏玉米遭受的雜草危害尤為嚴(yán)重[2]。化學(xué)除草劑能夠殺滅或抑制雜草的生長(zhǎng)，是防治玉米雜草危害的有效方法。但是，我國利用除草劑防治雜草時(shí)通常采取粗放的大面積噴灑方式，浪費(fèi)較大，且除草劑的殘留也不利于農(nóng)田生態(tài)環(huán)境和玉米食品安全的保護(hù)，個(gè)別地區(qū)還會(huì)因使用不當(dāng)而出現(xiàn)藥害的情況。

隨著科技的進(jìn)步和農(nóng)業(yè)現(xiàn)代化的發(fā)展，玉米的種植已經(jīng)在很大程度上實(shí)現(xiàn)了全程機(jī)械化，在發(fā)達(dá)國家甚至開始了自動(dòng)化和智能化的進(jìn)程[3]。在此背景下，人們提出了除草劑變量噴灑的概念，即選擇性噴灑。它是對(duì)整個(gè)田塊僅噴灑最小劑量的除草劑，是對(duì)出現(xiàn)雜草的區(qū)域噴灑正常劑量的除草劑，從而極大地降低了除草劑的噴灑量，提高了使用效率[4]。

除草劑要實(shí)現(xiàn)變量噴灑，首要前提是準(zhǔn)確測(cè)定出玉米田中雜草的位置、密度、種類和生長(zhǎng)情況等信息，并將其與正常生長(zhǎng)的作物區(qū)分開來。目前，識(shí)別作物田間雜草的方法主要有人工識(shí)別、遙感識(shí)別和機(jī)器視覺識(shí)別3種。其中，人工識(shí)別最為簡(jiǎn)單，是在技術(shù)水平不高的時(shí)期廣泛采用的傳統(tǒng)方法。人工識(shí)別法依賴于勞動(dòng)者的經(jīng)驗(yàn)知識(shí)，效率很低、勞動(dòng)強(qiáng)度大，無法應(yīng)對(duì)雜草瘋長(zhǎng)泛濫的狀況。遙感識(shí)別是通過裝載在載具上的遙感設(shè)備采集農(nóng)田的空間和光譜信息，進(jìn)行自動(dòng)分析后識(shí)別出田間雜草。遙感設(shè)備一般距離作物較遠(yuǎn)，因此其空間和光譜的分辨率較低，對(duì)雜草的識(shí)別能力有限，導(dǎo)致只能識(shí)別那些體積或群體規(guī)模較大的雜草，限制了其在該農(nóng)業(yè)領(lǐng)域的應(yīng)用。

機(jī)器視覺的核心是圖像理解和圖像分析，這一技術(shù)在20世紀(jì)80年代最早被提出用以引導(dǎo)機(jī)器人采摘水果，后來其用途被擴(kuò)展到農(nóng)業(yè)生產(chǎn)的各個(gè)領(lǐng)域。機(jī)器視覺可以對(duì)田間雜草實(shí)現(xiàn)準(zhǔn)確快速的定位識(shí)別，是現(xiàn)代數(shù)字化精準(zhǔn)農(nóng)業(yè)研究和發(fā)展的主要方向[5-9]。任何的識(shí)別技術(shù)都要針對(duì)雜草的一些具體特征，基于機(jī)器視覺的技術(shù)所針對(duì)的是雜草的形狀特征、紋理特征、光譜特征和顏色特征[10]。

形狀是植物最直觀的特征之一，又以葉片的形狀最為明顯。例如，單子葉植物的葉片狹長(zhǎng)挺立，而雙子葉植物的葉片則寬短和橫披，容易識(shí)別區(qū)分。在實(shí)際研究中，用以描述植物葉片形狀特征的參數(shù)有長(zhǎng)度、寬度、周長(zhǎng)和面積等。將這些部分參數(shù)進(jìn)行組合，便可以反映物種的特異性，從而區(qū)分作物和雜草。即便如此，由于圖片拍攝的角度、植物隨風(fēng)移動(dòng)等因素的影響，難以找到一個(gè)具有良好不變性的特征因子來對(duì)雜草進(jìn)行確認(rèn)。另外，雜草之間及作物對(duì)雜草的遮擋也會(huì)對(duì)算法造成影響，降低識(shí)別的準(zhǔn)確性。這些都是基于性狀特征的雜草識(shí)別所要解決的問題。

光照射到物體的表面后，一部分被吸收，一部分被反射。不同物體、不同植物對(duì)各種波長(zhǎng)的光線的吸收和反射能力不同，形成了各自的光譜特征。例如，土壤和巖石等非生命體一般反射紅光，而植物的葉片由于含有葉綠素，因此可以吸收紅藍(lán)光，反射綠光。其中，葉綠素含量的差異又會(huì)引起光譜特征的改變，從而成為鑒別植物種類的依據(jù)。雜草的光譜特征識(shí)別技術(shù)簡(jiǎn)便性和實(shí)時(shí)性很好，但是需要昂貴的硬件設(shè)備；同時(shí)，這種方法識(shí)別的準(zhǔn)確性容易受到自然環(huán)境下的其它因素影響[11-12]。

植物紋理是由其基本單元排列組合而成的線條或圖案，不同植物的紋理具有自身的規(guī)律和特征。植物最明顯的紋理是其葉脈，單子葉植物的葉脈為平行脈，雙子葉植物的葉脈為網(wǎng)狀脈。這些不同的葉脈類型可作為區(qū)分作物和雜草的依據(jù)。基于紋理特征對(duì)雜草的識(shí)別率可達(dá)到100%，但該方法須要分析處理的信息量太大，導(dǎo)致對(duì)雜草的識(shí)別速度慢，不能滿足實(shí)時(shí)作業(yè)的要求。為此，需要簡(jiǎn)化數(shù)據(jù)模型，優(yōu)化計(jì)算方法，實(shí)現(xiàn)對(duì)紋理特征的實(shí)時(shí)快速識(shí)別。

植物一般為綠色，而其自然背景多為黃色和褐色，因此能根據(jù)顏色特征進(jìn)行區(qū)分。若要識(shí)別同屬于植物的作物和雜草，則要依賴于某些部位的顏色差異，如雀麥、紅根藜等雜草的莖稈為紅色，可以作為顏色特征用于識(shí)別。這種方法受自然環(huán)境因素的影響較小，可行性高；但需要針對(duì)明顯的顏色特征，所以能夠識(shí)別的雜草種類受到很大的限制。總之，上述4方法有各自的優(yōu)缺點(diǎn)，單獨(dú)使用都有很大的局限性，只有結(jié)合使用才能對(duì)雜草實(shí)現(xiàn)快速有效地識(shí)別。

本文針對(duì)我國玉米種植面積大、雜草危害嚴(yán)重和除草劑使用效率不高的問題，設(shè)計(jì)了一種基于機(jī)器視覺的玉米苗期雜草識(shí)別方法。該方法采用數(shù)碼攝像機(jī)拍攝自然環(huán)境中不同播種方式的玉米田間圖像，然后經(jīng)過對(duì)圖像畸變矯正、HIS顏色空間轉(zhuǎn)換和閾值分割后，根據(jù)形狀和顏色特征提取并識(shí)別雜草。同時(shí)，用該方法在田間進(jìn)行實(shí)時(shí)圖像的處理試驗(yàn)，以驗(yàn)證其對(duì)雜草的識(shí)別速度和精度。

1 圖像的處理

1.1 圖像的采集

玉米的田間圖像在本單位的實(shí)驗(yàn)基地內(nèi)采集，種植的為夏玉米，采用了條播和撒播兩種栽培方式。雜草主要為雙子葉的牽牛花和鴨跖草，以及少量單子葉的狗尾草和莎草，自然背景中存在少量的植物殘留物。本文基于顏色和形狀特征對(duì)雜草進(jìn)行識(shí)別，圖像采集時(shí)間太早時(shí)雜草植株較小，上述特征未完全顯現(xiàn)；時(shí)間太晚則玉米和雜草枝葉茂盛，二者間會(huì)相互遮擋而增加識(shí)別的難度。因此，兼顧這些問題，選擇在玉米的5葉期采集田間圖像。圖像采集時(shí)間為上午10時(shí)，天氣為陰天有微風(fēng)。圖像采集設(shè)備為Nikon DL24-500型數(shù)碼相機(jī)，不同播種方式的田塊分別拍攝20張圖像，拍攝俯仰角為45°或75°，形成2 080萬像素的JEPG格式圖片。圖片輸入到計(jì)算機(jī)中后轉(zhuǎn)換成BMP格式，再用MatLab軟件進(jìn)行處理。兩種播種方式的田間代表性原始圖片,如圖1所示。

(a) 條播 (b) 撒播 圖1 不同播種方式的玉米田間原始圖像Fig.1 Original images of corn field under different seeding method

受拍攝設(shè)備高度和俯仰角的影響，采集的圖片存在不同程度的畸變。本文參考紀(jì)壽文等的方法，對(duì)圖像進(jìn)行了畸變的矯正[5]。另外，還通過中值濾波消除了拍攝時(shí)隨機(jī)擾動(dòng)產(chǎn)生的噪音干擾。

1.2 圖像的灰度化

原始圖片中的玉米和雜草都是綠色，土壤背景為黃色和褐色，還夾雜少量灰白色的植物殘留物。因此，可以首先利用這些部分之間顏色的明顯差異將植物從背景中分離出來。對(duì)于彩色圖像的分割，選擇合適的顏色空間是必不可少的。本文根據(jù)玉米田間圖像會(huì)受到光照強(qiáng)度影響的實(shí)際情況，選用HSI模型的顏色空間，即以色調(diào)H，飽和度S和亮度I作為分量來對(duì)圖像進(jìn)行處理。

圖2為在HSI顏色空間下對(duì)I分量灰度化的結(jié)果。

(a) 條播 (b) 撒播 圖2 不同播種方式的玉米田間灰度化圖像Fig.2 Gray images of corn field under different seeding method

2 雜草的識(shí)別

2.1 閾值分割

根據(jù)玉米與雜草葉片不同的形態(tài)特征，這里選用長(zhǎng)寬比和圓度兩個(gè)特征用于雜草的識(shí)別。長(zhǎng)寬比為最小外接矩形的長(zhǎng)度與寬度的比值，圓度為面積與周長(zhǎng)平方的比值，二者在對(duì)圖像進(jìn)行旋轉(zhuǎn)、平移和縮放處理時(shí)都能保持不變。

圖像分割是利用形狀和顏色特征對(duì)雜草進(jìn)行識(shí)別的必要步驟，其方法有多種，需要根據(jù)圖片處理的目的和要求來選擇。閾值分割法的計(jì)算模型簡(jiǎn)單，運(yùn)行速度較快，適合用于對(duì)玉米田間圖像的實(shí)時(shí)處理和雜草識(shí)別，因此在本文中采用。選擇合適的閾值對(duì)于圖像處理分割效果的效果有著決定性影響，它是通過分析直方圖獲得的。本文中雜草的特征受光照影響不大，因此為了確定閾值，將I分量效果圖和原圖像灰度圖分別做了最大類間方差分析后再進(jìn)行圖像二值化。直方圖通過最大閾值分割得到的各形狀特征的閾值T1和T2，如圖3所示。

(a) 條播 (b) 撒播 圖3 不同播種方式的直方圖Fig.3 Histograms under different seeding method

2.2 雜草特征識(shí)別

分析計(jì)算圖片中每個(gè)區(qū)域的2種形狀特征值，當(dāng)長(zhǎng)寬比<閾值T1且圓度>閾值T2時(shí)，即判定為雜草。玉米細(xì)長(zhǎng)的葉片和形狀不規(guī)則的植物殘留物被去除，圖像中的雜草因其圓形或橢圓形的葉片而被識(shí)別出來。部分圖片中存在與玉米葉形相識(shí)的單子葉雜草，則根據(jù)玉米苗期具有淡紅色莖的特征，參考毛文華等人的研究，利用綠-紅指標(biāo)分割玉米植株的莖稈，然后提取與其相連的區(qū)域?yàn)橛衩字仓辏渌木G色區(qū)域即為雜草[13]。

最后的識(shí)別結(jié)果如圖4所示。

(a)條播 (b)撒播 圖4 不同播種方式的雜草識(shí)別Fig.4 Weed identifications under different seeding method

3 試驗(yàn)結(jié)果與分析

使用該方法對(duì)玉米田間苗期雜草進(jìn)行識(shí)別，在條播的田塊中，對(duì)雜草的識(shí)別為87.3%，有9.2%的玉米植株被誤識(shí)為雜草。在撒播的田塊中，對(duì)雜草的識(shí)別為87.5%，與條播田塊相差無幾；有12.5%的玉米植株被誤識(shí)為雜草，高于條播的田塊。原因是撒播玉米分布不均勻，部分植株聚在一起，相互遮擋嚴(yán)重，降低了識(shí)別的準(zhǔn)確性。在不同播種方式下對(duì)各種植物種類的識(shí)別率都在85%以上，處理單張圖片的平均耗時(shí)為67ms，能滿足對(duì)玉米苗期雜草進(jìn)行實(shí)時(shí)鑒定的要求玉米田間苗期雜草識(shí)別效果如表1所示。

表1 不同光照條件下的雜草識(shí)別效果Table 1 Effect of weed identification under different illumination condition

4 結(jié)論

本方法可以識(shí)別玉米苗期的田間雜草，根據(jù)所選擇的葉片形態(tài)特征，其對(duì)雙子葉雜草較為有效。單子葉雜草的識(shí)別則會(huì)受到莖稈顏色和相互遮擋的影響，對(duì)正常的玉米植株存在一定程度的誤判。

[1] 李少昆，王崇桃.我國玉米產(chǎn)量變化及增產(chǎn)因素分析[J].玉米科學(xué)，2008,16(4):26-30.

[2] 張鳳海.雜草對(duì)夏玉米危害損失率測(cè)定[J].江蘇農(nóng)業(yè)科學(xué)，1998(4):42.

[3] 金小俊，陳勇，孫艷霞.農(nóng)田雜草識(shí)別方法研究進(jìn)展[J].農(nóng)機(jī)化研究，2011,33(7):23-27.

[4] 毛文華，王一鳴，張小超，等.基于機(jī)器視覺的苗期雜草實(shí)時(shí)分割算法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005, 36(1):83-86.

[5] 紀(jì)壽文，王榮本，陳佳娟，等.應(yīng)用計(jì)算機(jī)圖形處理技術(shù)識(shí)別玉米苗期田間雜草的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2001, 17(2):154-156.

[6] 龍滿生，何東健.玉米苗期雜草的計(jì)算機(jī)識(shí)別技術(shù)研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2007,23(7):139-144.

[7] 侯晨偉，陳麗.基于概率神經(jīng)網(wǎng)絡(luò)的玉米苗期雜草識(shí)別方法的研究[J].農(nóng)機(jī)化研究，2010, 32(11):41-43.

[8] 李慧，祁力鈞，張建華，等.基于PCA-SVM的棉花出苗期雜草類型識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012, 43(9):184-189.

[9] 張紅旗，劉宇，王春光.改進(jìn)田間雜草識(shí)別圖像預(yù)處理方法的研究[J].農(nóng)機(jī)化研究，2015, 37(6):70-73.

[10] 毛文華，王一鳴，張小超，等.基于機(jī)器視覺的田間雜草識(shí)別技術(shù)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2004, 20(5):43-46.

[11] 劉波，方俊永，劉學(xué)，等.基于成像光譜技術(shù)的雜草識(shí)別研究[J].光譜學(xué)與光譜分析，2010, 30(7):1830-1833.

[12] 鄧巍，陳立平，孟志軍，等.大豆田間雜草的光譜識(shí)別研究[J].農(nóng)機(jī)化研究，2012, 34(6):118-121.

[13] 毛文華，王輝，趙博，等.基于株心顏色的玉米田間雜草識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2009, 25(s2):161-164.