基于機(jī)器視覺(jué)的農(nóng)作物播種精度檢測(cè)方法

楊?yuàn)W棋，李 冰

（河南職業(yè)技術(shù)學(xué)院 現(xiàn)代信息技術(shù)學(xué)院，河南 鄭州 450046）

為了實(shí)現(xiàn)對(duì)農(nóng)作物播種精度的測(cè)定，劉偉等[1]人紛紛嘗試引入傳感器、圖像采集裝置等方式對(duì)農(nóng)作物播種精度檢測(cè)方法進(jìn)行設(shè)計(jì)和研究。目前真正應(yīng)用到農(nóng)業(yè)生產(chǎn)領(lǐng)域當(dāng)中的檢測(cè)方法極少，并且在實(shí)際應(yīng)用中存在操作復(fù)雜性強(qiáng)、檢測(cè)結(jié)果精度無(wú)法得到保障等問(wèn)題，嚴(yán)重影響農(nóng)作物播種的質(zhì)量。部分檢測(cè)方法雖然具備了操作簡(jiǎn)單的優(yōu)勢(shì)，但無(wú)法實(shí)現(xiàn)對(duì)多粒農(nóng)作物種子同時(shí)下落、同時(shí)檢測(cè)的效果。由于當(dāng)前農(nóng)作物播種技術(shù)逐漸成熟，各類現(xiàn)代化播種設(shè)備的引入，使得田間的工況條件日益復(fù)雜，而各類傳感器裝置會(huì)受到振動(dòng)、光線、溫度等多方面的影響，進(jìn)而造成最終的檢測(cè)結(jié)果無(wú)法得到保證[2]。基于此，針對(duì)當(dāng)前農(nóng)作物播種過(guò)程中存在的精度低，檢測(cè)方法得出的結(jié)果有效性較差等問(wèn)題，引入機(jī)器視覺(jué)技術(shù)開(kāi)展對(duì)農(nóng)作物播種精度檢測(cè)方法的優(yōu)化設(shè)計(jì)研究。

1 農(nóng)作物播種精度檢測(cè)方法

1.1 農(nóng)作物播種圖像預(yù)處理

為實(shí)現(xiàn)對(duì)農(nóng)作物播種精度的檢測(cè)，首先需要對(duì)獲取到的農(nóng)作物播種圖像進(jìn)行預(yù)處理。由于在農(nóng)作物播種區(qū)域中，機(jī)器視覺(jué)技術(shù)應(yīng)用時(shí)，其視覺(jué)導(dǎo)航初始化階段為未知狀態(tài)，無(wú)法實(shí)現(xiàn)對(duì)農(nóng)作物與土壤之間的圖像區(qū)分，并且與其他圖像相比，農(nóng)作物播種圖像具有更明顯的多樣性和不一致性[3]。針對(duì)這一特點(diǎn)，在對(duì)其進(jìn)行區(qū)域提取以及后續(xù)精度檢測(cè)時(shí)，需要對(duì)其圖像分割和圖像灰度處理。

在農(nóng)作物播種區(qū)域內(nèi)，通過(guò)機(jī)器視覺(jué)導(dǎo)航觀察農(nóng)作物播種情況基本上以綠色為主，而土壤以及周圍環(huán)境的顏色為非綠色。因此，基于這一特點(diǎn)，在農(nóng)作物播種圖像當(dāng)中，基于2GRB顏色的特征，將原本三維的彩色圖像轉(zhuǎn)變?yōu)橐痪S的灰度圖像。通過(guò)上述操作處理，不僅能夠減少后期精度檢測(cè)的數(shù)據(jù)處理量，同時(shí)還能夠進(jìn)一步突出農(nóng)作物的信息。在經(jīng)過(guò)灰度化處理后，農(nóng)作物的灰度圖像直方圖如圖1所示。

圖1 農(nóng)作物播種灰度圖像直方圖

從圖1可以看出，圖像當(dāng)中存在明顯的峰值，但低谷不明顯，并且其相應(yīng)的區(qū)域難以直觀判定。農(nóng)作物播種區(qū)域的灰度值通常較大，而其他區(qū)域的灰度值較小，因此像素在0 ～25的區(qū)域大多為土壤區(qū)域，將這一部分區(qū)域視為非精度檢測(cè)對(duì)象；像素值在95 ～255的區(qū)域大多為農(nóng)作物種植區(qū)域，因此將這一部分區(qū)域視為精度檢測(cè)對(duì)象[4]。

本文采用動(dòng)態(tài)閾值與區(qū)域分割相結(jié)合的方式，基于子區(qū)域獨(dú)立分割的基本思想，針對(duì)相對(duì)復(fù)雜的農(nóng)作物播種圖像進(jìn)行分割。利用Otsu算法，對(duì)需要進(jìn)行檢測(cè)的圖像區(qū)域進(jìn)行閾值選擇，為了提高后續(xù)檢測(cè)的精度，還需要對(duì)這一區(qū)域進(jìn)行降噪處理。結(jié)合3×3的函數(shù)窗對(duì)其噪聲去除，并提取機(jī)器視覺(jué)導(dǎo)航線及相應(yīng)離散點(diǎn)，將農(nóng)作物播種圖像大小設(shè)置為M×N，以此按照上述內(nèi)容完成對(duì)農(nóng)作物播種圖像的預(yù)處理，為后續(xù)目標(biāo)區(qū)域提取以及精度檢測(cè)提供依據(jù)[5]。

1.2 基于機(jī)器視覺(jué)的農(nóng)作物播種目標(biāo)區(qū)域提取

結(jié)合機(jī)器視覺(jué)中的移動(dòng)窗口方法，從上到下，從左到右完成對(duì)預(yù)處理后的農(nóng)作物播種圖像掃描。設(shè)定掃描區(qū)域的大小為W×H，在掃描的過(guò)程中，針對(duì)圖像上的陰影區(qū)域，窗口可適當(dāng)調(diào)整，以此能夠有效抑制噪聲，得到更加精確的掃描信息。結(jié)合下述公式（1），對(duì)掃描區(qū)域中的目標(biāo)像素總數(shù)據(jù)確定：

公式（1）中，I（i，j）表示為機(jī)器視覺(jué)窗口掃描過(guò)程中包含的像素點(diǎn)個(gè)數(shù)；f（u，a）表示為某一像素點(diǎn)（u，a）在像素圖像當(dāng)中的索引值。根據(jù)上述公式，明確被檢測(cè)區(qū)域當(dāng)中具體含有的像素點(diǎn)個(gè)數(shù)。根據(jù)上述分析可知，農(nóng)作物播種灰度圖像中檢測(cè)區(qū)域與非檢測(cè)區(qū)域存在明顯的像素差異。因此，基于這一特點(diǎn)，將目標(biāo)檢測(cè)區(qū)域像素值設(shè)置為255，將非目標(biāo)區(qū)域的像素值設(shè)置為0，以此實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域與非目標(biāo)區(qū)域的區(qū)分。

1.3 單粒種子下落精度檢測(cè)

計(jì)算時(shí)，需要先采集約2 000.0個(gè)樣本數(shù)據(jù)（沒(méi)有種子下落時(shí)的數(shù)據(jù)），根據(jù)此部分?jǐn)?shù)據(jù)，計(jì)算電容裝置的初始化運(yùn)行數(shù)值，將其表示為C。獲取種子以單粒下降時(shí)的信號(hào)，當(dāng)信號(hào)的差分值大于原始信號(hào)的0.7倍數(shù)時(shí)，提取信號(hào)集合中的前10.0個(gè)脈沖信號(hào)值。根據(jù)前10個(gè)脈沖信號(hào)值的變化幅度與變化趨勢(shì)，分析電容的變化量。通過(guò)上述的方式，可以得到電容裝置在此過(guò)程中的多個(gè)變化數(shù)值，將其表示為C1 ～C5，采用計(jì)算平均值的方式，得到電容算數(shù)平均值，將其表示為C。去掉集合中的峰值與低谷值，將剩余的幅度值記為H，對(duì)H的描述可以用H1 ～H5表示。根據(jù)電容裝置的初始化數(shù)值，得到信號(hào)的一階差分閾值，將其表示為γ，則H與γ的關(guān)系需要滿足下述不等式。

公式（2）中，Hi+1表示為種子下落過(guò)程中傳感器對(duì)其的差分閾值采樣點(diǎn)。將Hi+1作為中心點(diǎn)，對(duì)其前后的數(shù)據(jù)進(jìn)行連續(xù)采樣，采樣后可以得到5個(gè)呈現(xiàn)連續(xù)狀態(tài)的采樣點(diǎn)。將此采樣點(diǎn)表示為脈沖信號(hào)，對(duì)信號(hào)的有效閾值進(jìn)行更新，對(duì)比更新前后信號(hào)的變化，得到有效幅值的上限與下限，將上限值與下限值作為檢測(cè)依據(jù)，根據(jù)種子下落過(guò)程中，電容裝置檢測(cè)結(jié)果幅度值的變化，即可實(shí)現(xiàn)對(duì)其下落過(guò)程的精準(zhǔn)檢測(cè)。

1.4 多粒種子同時(shí)下落精度檢測(cè)

為了滿足檢測(cè)需求，可根據(jù)播種過(guò)程中批量種子的下落數(shù)量，結(jié)合電容裝置在運(yùn)行中檢測(cè)的差分?jǐn)?shù)值，建立一個(gè)最小二乘回歸計(jì)算模型。由電容裝置對(duì)其進(jìn)行采樣處理，將裝置在運(yùn)行中自身具備的微小波動(dòng)作為精度檢測(cè)誤差值，采用設(shè)定閾值的方式，降低裝置運(yùn)行微小波動(dòng)與檢測(cè)結(jié)果精度的影響。根據(jù)試驗(yàn)中人工統(tǒng)計(jì)種子數(shù)量G與電容裝置積分差值的關(guān)系，根據(jù)兩者的關(guān)系，對(duì)其進(jìn)行建模處理，得到如下計(jì)算公式（3）所示的線性計(jì)算模型，模型表達(dá)式如下：

公式（3）中，β0表示為線性模型額定系數(shù)；β1表示為模型線性值上限；A表示為精度檢測(cè)過(guò)程中產(chǎn)生的隨機(jī)誤差值。使用樣本統(tǒng)計(jì)法，對(duì)β0與β1進(jìn)行計(jì)量與校正，得到針對(duì)已知參數(shù)的未知數(shù)值。將未知數(shù)值導(dǎo)入最小二乘計(jì)算公式中，將未知參數(shù)作為檢測(cè)精度的參照值，將參數(shù)的最小值與最大值作為檢測(cè)過(guò)程中精度有效范圍。對(duì)電容裝置顯示的結(jié)果進(jìn)行平方和計(jì)算，當(dāng)計(jì)算得到的結(jié)果在參數(shù)的最小值與最大值（精度有效范圍）內(nèi)時(shí)，輸出此時(shí)的檢測(cè)結(jié)果，將此結(jié)果作為多粒種子同時(shí)下落精度檢測(cè)結(jié)果。

2 對(duì)比實(shí)驗(yàn)

為了驗(yàn)證該方法在實(shí)際應(yīng)用中的效果，選擇將上述檢測(cè)方法與基于行程自校準(zhǔn)的檢測(cè)方法應(yīng)用到相同的實(shí)驗(yàn)環(huán)境當(dāng)中，針對(duì)兩種檢測(cè)方法的應(yīng)用效果進(jìn)行對(duì)比。首先，針對(duì)種子以單粒的方式播種的精度進(jìn)行檢測(cè)并得到理論層面上的農(nóng)作物播種粒數(shù)，再通過(guò)人工方式，對(duì)接收盒當(dāng)中的農(nóng)作物種子實(shí)際粒數(shù)進(jìn)行統(tǒng)計(jì)，得到實(shí)際農(nóng)作物粒數(shù)。通過(guò)理論農(nóng)作物粒數(shù)和實(shí)際農(nóng)作物粒數(shù)計(jì)算得出兩組檢測(cè)方法的檢測(cè)精度。按照上述實(shí)驗(yàn)內(nèi)容完成對(duì)以單粒的方式播種的檢測(cè)效果對(duì)比實(shí)驗(yàn)，相關(guān)實(shí)驗(yàn)數(shù)據(jù)記錄見(jiàn)表1。

表1 實(shí)驗(yàn)組與對(duì)照組單粒種子下落精度檢測(cè)對(duì)比表

從表1可知，實(shí)驗(yàn)組的檢測(cè)方法能夠?yàn)檗r(nóng)作物播種提供更有利的數(shù)據(jù)依據(jù)，確保種植效果。

在初步實(shí)現(xiàn)對(duì)單粒種子下落精度檢測(cè)效果對(duì)比后，針對(duì)多粒種子同時(shí)下落精度進(jìn)行檢測(cè)，檢測(cè)結(jié)果見(jiàn)表2。

表2 實(shí)驗(yàn)組與對(duì)照組多粒種子同時(shí)播種檢測(cè)結(jié)果記錄

從表2中可知，本文提出的基于機(jī)器視覺(jué)的檢測(cè)方法在實(shí)際應(yīng)用中，無(wú)論是對(duì)單粒種子下落精度檢測(cè)還是對(duì)多粒種子同時(shí)下落精度檢測(cè)，其檢測(cè)效果均明顯好于基于行程自校準(zhǔn)的檢測(cè)方法。將該檢測(cè)方法應(yīng)用到實(shí)際農(nóng)作物種植當(dāng)中，可為農(nóng)作物種植質(zhì)量提升提供保障條件。

3 結(jié)束語(yǔ)

綜合本文上述論述，在引入機(jī)器視覺(jué)技術(shù)的基礎(chǔ)上，提出了一種全新的農(nóng)作物播種精度檢測(cè)方法，并通過(guò)對(duì)比實(shí)驗(yàn)的方式驗(yàn)證了該方法的應(yīng)用效果。將這種檢測(cè)方法應(yīng)用于實(shí)際，不僅適用于對(duì)單粒農(nóng)作物播種的精度檢測(cè)，也適用于多粒農(nóng)作物種子同時(shí)播種的精度檢測(cè)，具有更高的應(yīng)用適用性。在今后的研究當(dāng)中，為了進(jìn)一步提高檢測(cè)方法的應(yīng)用效果，還將從降低外界環(huán)境因素干擾因素影響的角度出發(fā)，提出一種適用性更強(qiáng)的檢測(cè)方法，以此提升檢測(cè)方法對(duì)應(yīng)用環(huán)境的魯棒性。