自动定点浇灌系统中的秧苗识别

2014-03-21刘光远周鸣川

浙江农业科学 2014年12期

刘光远，周鸣川

自动定点浇灌系统中的秧苗识别

刘光远，周鸣川

（浙江大学生物系统工程与食品科学学院，浙江杭州 310058）

在秧苗自动定点浇灌系统的研发中，秧苗识别是一个关键问题。它涉及采用何种有效滤波算法对秧苗的数字图像进行处理，以及提取秧苗特征进行识别的算法问题。本研究对秧苗特征进行了分析，在对秧苗的数字图像进行去噪滤波的基础上讨论了秧苗特征的可识别性，并根据秧苗特征与环境特征的差异，提出了以秧苗的颜色特征作为识别特征进行识别处理的思路，试验证明可以取得较好的效果。

秧苗识别；图像处理；特征识别

秧苗自动定点浇灌系统的浇灌模式与传统的自动化浇灌模式不同。传统的自动化浇灌模式是在指定区域进行浇灌，以保证能对该区域均匀浇水。而定点浇灌模式则是指在特定区域内有选择地浇水，即在有秧苗的位置浇水。很显然，定点浇灌模式可以更有效地节约水资源；此外，采用了图像识别技术的秧苗自动定点浇灌系统则还可大幅提高浇灌的效率与自动化程度。

在秧苗自动定点浇灌系统中，关键问题是对秧苗的快速准确识别。对秧苗的图像信号进行数据采集、处理，就必然会涉及图像噪声处理、目标检测与识别的算法问题。秧苗图像与一般的用常规手段获取的图像一样有高斯、椒盐等噪声，会影响秧苗识别。线性滤波对于滤除高斯噪声很有效，但对椒盐噪声的滤除效果很差。张明源等［1］提出了一种中值滤波的改进算法，对椒盐噪声具有更好的滤波性能。尹星云等［2］研究了彩色图像形态学滤波，提出了一种面向RGB颜色空间的距离和字典序相结合的颜色向量序，给出了基于所定义像素序实现的彩色图像形态学膨胀、腐蚀、开和闭算子，滤波性能很好。

图像在经过滤波预处理后，需要对目标进行检测识别。图像目标检测识别的常用算法有背景差分法、光流场法、帧差法和特征识别法等。胡彪等［3］提出了基于背景差法的改进算法。该算法对背景差法中的背景建模与阈值选取进行了优化，解决了场景中存在运动物体时背景的初始化问题，能够快速有效地进行背景自动更新。程磊［4］和杨东勇等［5］分别讨论了有效的运动目标检测与跟踪方法。通过引入形态学算子，过滤背景干扰物，提高了运动目标检测的准确性。本文在上述研究的基础上，为自动定点浇灌系统设计了一套秧苗识别方法，现报道如下。

1 基本流程

秧苗识别的基本流程是：视频采集获得秧苗的数字图像，选择算法去噪、消除图像干扰，图像识别检测获得目标，图像处理定位获得秧苗位置（从而可以实施浇灌）。

图1是视频采集获得的秧苗数字图像。对该图像增强处理选择去噪的方法时，要权衡所需区域的部分是否会因去噪而变得不明显甚至与噪声一起被抹去；去噪的实时性和鲁棒性（稳定性）；所能去掉的噪声类型。

最常用的去噪方式是滤波。滤波是将图像信号中特定的波段频率信号滤除的操作，从而有效抑制和防止干扰。滤波方式主要有两种---线性和非线性滤波。但由于线性滤波对大部分噪声的处理效果不理想，因此非线性滤波算法的研究目前居于主流。

2 滤波

为了有效去除噪音，本项目采用组合滤波算法，即顺序使用两种滤波方式---中值滤波与形态学滤波。中值滤波是用一定区域内的中间值代替该值，能有效地消除椒盐噪声。在一定的条件下，中值滤波能有效克服线性滤波带来的图像细节模糊的缺点.是一种优化的保持边缘、滤除脉冲干扰的滤波器。而从数学形态学发展起来的形态学滤波为新型非线性滤波方法，由于其具有并行快速实现的特点而日益得到重视与广泛应用。形态学滤波的主要作用是增强图像，如可以通过膨胀运算实现块的增大，这样能将因第一道滤波而变小的块变大。对图1的秧苗数字图像进行增强运算后，结果如图2所示。从中可以看出，最远处的小块植株增强非常明显。

图1 秧苗的数字图像

图2 膨胀运算的效果

3 识别

因为需要实施定点浇灌，故需要动态识别秧苗的位置。动态识别常用的方法主要有两种方式---背景差分法与特征识别法。背景差分法适合摄像头静止时对运动目标的检测。而本研究的对象正好相反，秧苗静止，摄像头运动。因此相对而言也可看成秧苗运动。摄像头静止，即可以用背景差分法对秧苗进行有效识别。特征识别法是通过目标有别于背景的固有特征进行识别。如果目标具有与背景明显差异的特征，则特征识别法会很有效。

本项目中，秧苗跟背景（土地等）的特征差别最大处在颜色，故采取识别颜色特征的方式，将绿色的秧苗与黄（黑）色的土壤、灰色的地面分离开来，以达到识别秧苗的目的，如张志斌等［6］所采用的识别方法。

目前，识别绿色的方式主要有以下2种。

3.1 超绿分割

由于土壤背景的颜色与农作物秧苗的颜色有明显的色差，因此秧苗的RGB图像可以进行超绿特征的2G-R-B图像分割。计算公式：

Exg（x，y）=2×G（x，y）-R（x，y）-B（x，y）。

但是这种识别方式受亮度等因素影响较大，且在速度方面并无明显优势。

3.2 颜色空间变换

RGB颜色空间是与显示系统相关的颜色空间，为了更好地分割，可以将RGB变换得到其他颜色空间，如HSI空间。故将RGB图像先转换成HSI图像，取35≤H≤75，40≤S≤255（此区域即绿色），并按这个条件做二值化处理，结果如图3所示，可以看出效果很好。