CN102339378A - 一种自动提取棉苗的方法及其装置 - Google Patents
一种自动提取棉苗的方法及其装置 Download PDFInfo
- Publication number
- CN102339378A CN102339378A CN2010102365420A CN201010236542A CN102339378A CN 102339378 A CN102339378 A CN 102339378A CN 2010102365420 A CN2010102365420 A CN 2010102365420A CN 201010236542 A CN201010236542 A CN 201010236542A CN 102339378 A CN102339378 A CN 102339378A
- Authority
- CN
- China
- Prior art keywords
- cotton seedling
- module
- cotton
- strain
- weeds
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明有关于一种自动提取棉苗的方法及其装置,其中该方法包括:步骤一,对棉苗田间彩色图像利用绿色植物和土壤颜色特征进行背景分割;步骤二,对背景分割后得到的绿色植物,利用棉苗行距的位置特征进行棉苗带定位;步骤三,对所定位的棉苗带,利用棉苗株距的位置特征进行单株棉苗定位及株数计数;步骤四,根据棉苗株数利用棉苗和杂草的形状特征进行单株棉苗的提取,得到田间棉苗图像。本发明实现了识别率高的快速、自动提取棉苗。
Description
技术领域
本发明属于精准农业机械装备自动控制技术领域,尤指一种田间棉苗信息自动识别的方法及其装置。
背景技术
我国农业生产中不合理使用农药的现象普遍,已经导致了严重的农业生态环境污染,危害十分严重。一是防治次数多,农药使用过量,棉花生产中超过了50%;二是农药的有效利用率低,大田作物上只有20~30%,远低于发达国家50%的平均水平。因此,精准农业变量喷洒技术成为研究热点。要实现变量喷药,首要解决田间作物的病虫草害的自动识别,而作物植株的自动提取问题则是病虫草害自动识别的关键问题。
田间作物苗情的识别方法有人工监测、遥感监测和近地图像监测三种途径。
1)人工监测是在喷药作业之前,运用GPS或其它定位***,人工自动记录所看到的田间作物发生病虫草害的位置,然后绘制成分布图,这种方法存在效率低下、劳动强度大、完全依赖人工经验,在大面积苗情观测上,人工监测显得无能为力。
2)遥感监测虽克服了人工监测的诸多弊端,但是,由于遥感图像的空间和光谱分辨率较低,主要用于识别一定生长期内大面积发生的几种病虫草害,致使识别率较低且定位精度低。
3)近地图像监测方法是利用机器视觉技术在距地面较近的条件下,捕获、处理和分析田间图像中所包含的作物、病虫草以及背景的信息,并自动识别出苗情,该方法能达到较高的识别率。棉苗的近地图像监测,通常是利用棉苗具有红色的茎的特征进行棉苗提取,由于地膜覆盖、棉叶扩展遮挡棉苗茎,以及土壤与棉苗茎的颜色相近等问题,用颜色自动提取棉苗的方法的识别率较低,该方法棉苗自动识别率通常低于80%。
发明内容
本发明的一目的在于提供一种自动提取棉苗的方法及其装置,用于实现识别率高的快速、自动提取棉苗。
为了实现上述目的,本发明提供一种自动提取棉苗的方法,其特征在于,包括:
步骤一,对棉苗田间彩色图像利用绿色植物和土壤颜色特征进行背景分割;
步骤二,对背景分割后得到的绿色植物,利用棉苗行距的位置特征进行棉苗带定位;
步骤三,对所定位的棉苗带,利用棉苗株距的位置特征进行单株棉苗定位及株数计数;
步骤四,根据棉苗株数利用棉苗和杂草的形状特征进行单株棉苗的提取,得到田间棉苗图像。
所述的自动提取棉苗的方法,其中,所述步骤一中,进一步包括:
将所述棉苗田间彩色图像,根据超绿颜色阈值指标转换为8bit的灰度图像;
将所述8bit的灰度图像转换为二值图像,绿色植物为白色的前景,土壤为黑色的背景。
所述的自动提取棉苗的方法,其中,所述步骤二中,进一步包括:
基于所述二值图像,根据棉苗行距基本恒定的位置特征,通过所述绿色植物的垂直投影得到所述绿色植物的垂直方向像素直方图,根据所述垂直方向像素直方图确定所述棉苗带的中心位置及其上下边界,并滤除上下边界外的杂草区域。
所述的自动提取棉苗的方法,其中,所述步骤二中,进一步包括:
根据所述垂直方向像素直方图的最大值,确定所述棉苗带的中心位置;
根据所述垂直方向像素直方图的最小值,确定所述棉苗带的边界分割阈值;
根据所述棉苗带的边界分割阈值,由所述棉苗带的中心位置开始分别向上下两边,搜索所述棉苗带的上下边界;
滤除所述棉苗带的上下边界外的杂草区域,把这些杂草区域置为黑色的背景。
所述的自动提取棉苗的方法,其中,所述步骤二中,进一步包括:
根据所述棉苗带的上下边界与中心位置的距离,修正上下边界。
所述的自动提取棉苗的方法,其中,所述步骤三中,进一步包括:
基于所述二值图像,根据棉苗株距基本恒定的位置特征,通过所述棉苗带的水平投影,得到所述棉苗带的水平方向像素直方图,根据所述水平方向像素直方图计算棉苗的株数,确定各单株棉苗的左右边界,并滤除左右边界外的杂草区域。
所述的自动提取棉苗的方法,其中,所述步骤三中,进一步包括:
根据所述水平方向像素直方图的最大值,确定上部株数阈值;
根据所述水平方向像素直方图的最小值,确定下部株数阈值;
求取所述上部株数阈值线与所述水平方向像素直方图曲线的第一左右交点;
求取所述下部株数阈值线与所述水平方向像素直方图曲线的第二左右交点;
由所述第一左右交点及所述第二左右交点,计数所述二值图像中棉苗的株数和各单株棉苗的左右边界;
滤除各棉苗植株左右边界外的杂草区域,把这些杂草区域置为黑色的背景。
所述的自动提取棉苗的方法,其中,所述步骤三中,进一步包括:
根据各单株棉苗的宽度,修正棉苗的株数。
所述的自动提取棉苗的方法,其中,所述步骤四中,进一步包括:
根据棉苗植株面积远大于杂草植株面积的形状特征,获得各棉苗和杂草区域的面积大小,擦除面积远小于棉苗的杂草区域,得到所述田间棉苗图像。
所述的自动提取棉苗的方法,其中,所述步骤四中,进一步包括:
运用快速区域标记法标记各棉苗和杂草区域,并计算各区域的面积;
对各棉苗和杂草区域的面积从大到小进行排序;
从排序后的面积序列中,去掉与所述棉苗株数相同的棉苗面积后,求取剩余的各区域面积的均值,并将该均值作为粒子擦除算法的面积阈值;
根据所述面积阈值,擦除面积小于所述面积阈值的杂草区域,把这些区域置为黑色的背景,得到所述田间棉苗图像。
为了实现上述目的,本发明还提供一种自动提取棉苗的装置,其特征在于,包括:
背景分割模块,用于对棉苗田间彩色图像利用绿色植物和土壤颜色特征进行背景分割;
棉苗带定位模块,连接所述背景分割模块,用于对背景分割后得到的绿色植物,利用棉苗行距的位置特征进行棉苗带定位;
单株棉苗定位及株数计数模块,连接所述棉苗带定位模块,用于对所定位的棉苗带,利用棉苗株距的位置特征进行单株棉苗定位及株数计数;
田间棉苗图像获取模块,连接所述单株棉苗定位及株数计数模块,用于根据棉苗株数利用棉苗和杂草的形状特征进行单株棉苗的提取,得到田间棉苗图像。
所述的自动提取棉苗的装置,其中,所述背景分割模块包括:
灰度转换模块,用于将所述棉苗田间彩色图像,根据超绿颜色阈值指标转换为8bit的灰度图像;
二值转换模块,连接所述灰度转换模块,用于将所述8bit的灰度图像转换为二值图像,绿色植物为白色的前景,土壤为黑色的背景。
所述的自动提取棉苗的装置,其中,所述棉苗带定位模块包括:
绿色植物垂直投影模块,用于基于所述二值图像,根据棉苗行距基本恒定的位置特征,通过所述绿色植物的垂直投影得到所述绿色植物的垂直方向像素直方图;
中心位置确定模块,连接所述绿色植物垂直投影模块,用于根据所述垂直方向像素直方图的最大值,确定所述棉苗带的中心位置;
边界分割阈值确定模块,连接所述绿色植物垂直投影模块,用于根据所述垂直方向像素直方图的最小值,确定所述棉苗带的边界分割阈值;
棉苗带上下边界确定模块,连接所述中心位置确定模块、所述边界分割阈值确定模块,用于根据所述棉苗带的边界分割阈值,由所述棉苗带的中心位置开始分别向上下两边,搜索所述棉苗带的上下边界;
第一杂草区域滤除模块,连接所述棉苗带上下边界确定模块,用于滤除所述棉苗带的上下边界外的杂草区域,把这些杂草区域置为黑色的背景。
所述的自动提取棉苗的装置,其中,所述棉苗带定位模块还包括:
上下边界修正模块,连接所述中心位置确定模块、所述棉苗带上下边界确定模块,用于根据所述棉苗带的上下边界与中心位置的距离,修正上下边界。
所述的自动提取棉苗的装置,其中,所述单株棉苗定位及株数计数模块包括:
棉苗带水平投影模块,用于基于所述二值图像,根据棉苗株距基本恒定的位置特征,通过所述棉苗带的水平投影,得到所述棉苗带的水平方向像素直方图;
上部株数阈值确定模块,连接所述棉苗带水平投影模块,用于根据所述水平方向像素直方图的最大值,确定上部株数阈值;
下部株数阈值确定模块,连接所述棉苗带水平投影模块,用于根据所述水平方向像素直方图的最小值,确定下部株数阈值;
第一左右交点求取模块,连接所述棉苗带水平投影模块、所述上部株数阈值确定模块,用于求取所述上部株数阈值线与所述水平方向像素直方图曲线的第一左右交点;
第二左右交点求取模块,连接所述棉苗带水平投影模块、所述下部株数阈值确定模块,用于求取所述下部株数阈值线与所述水平方向像素直方图曲线的第二左右交点;
棉苗株数和左右边界确定模块,连接所述第一左右交点求取模块、所述第二左右交点求取模块,用于由所述第一左右交点及所述第二左右交点,计数所述二值图像中棉苗的株数和各单株棉苗的左右边界;
第二杂草区域滤除模块,连接所述棉苗株数和左右边界确定模块,用于滤除各棉苗植株左右边界外的杂草区域,把这些杂草区域置为黑色的背景。
所述的自动提取棉苗的装置,其中,所述单株棉苗定位及株数计数模块还包括:
棉苗株数修正模块,连接所述棉苗株数和左右边界确定模块,用于根据各单株棉苗的宽度,修正棉苗的株数。
所述的自动提取棉苗的装置,其中,所述田间棉苗图像获取模块包括:
棉苗和杂草区域获取模块,用于运用快速区域标记法标记各棉苗和杂草区域,并计算各区域的面积;
棉苗和杂草区域排序模块,连接所述棉苗和杂草区域获取模块,用于对各棉苗和杂草区域的面积从大到小进行排序;
面积阈值获取模块,连接所述棉苗和杂草区域排序模块,用于从排序后的面积序列中,去掉与所述棉苗株数相同的棉苗面积后,求取剩余的各区域面积的均值,并将该均值作为粒子擦除算法的面积阈值;
第三杂草区域滤除模块,连接所述棉苗和杂草区域获取模块、所述面积阈值获取模块,用于根据所述面积阈值,擦除面积小于所述面积阈值的杂草区域,把这些杂草区域置为黑色的背景,得到所述田间棉苗图像。
与现有技术相比,本发明的有益技术效果在于:
本发明由于采用了棉苗的位置和形状特征与计算机图像处理技术相结合,因此,具有高识别率,且能够快速、自动提取棉田间的棉苗植株,并计数棉苗株数,从而对后续的棉苗的病虫草害分析提供条件,实施变量喷药,以解决农药过量使用的问题,降低农业生态环境污染,促进资源节约型和环境友好型的可持续农业的建设。
附图说明
图1是本发明的自动提取棉苗的方法流程图;
图2是本发明棉苗带的自动定位方法的流程图;
图3是本发明单株棉苗定位及株数计数方法的流程图;
图4是本发明的自动提取棉苗的装置结构图。
具体实施方式
有关本发明的详细说明及技术内容,配合附图说明如下。
如图1所示,是本发明的自动提取棉苗的方法流程图。该方法利用计算机编程实现图像处理和分析,对用数码相机采集的棉花田间棉苗图像,根据点播棉苗的位置和形状特征,提取棉苗植株及其株数,本发明采取以下步骤提取棉苗:
步骤101,对棉苗田间原始彩色图像进行超绿法灰度化处理,得到灰度图像;
步骤102,对灰度图像运用Otsu法二值化处理,得到二值图像;
步骤103,基于二值图像,采用垂直投影法定位棉苗带;
步骤104,对所定位的棉苗带,采用水平投影法确定棉苗株数;
步骤105,采用粒子擦除法定位单株棉苗。
进一步地,步骤101、步骤102,是利用绿色植物和土壤颜色特征进行背景分割,根据“超绿法”,采用颜色阈值指标分割棉苗和杂草等绿色植物和土壤背景,即:
先对点播棉苗田间24bit RGB原始彩色图像,根据超绿颜色阈值指标Extra-Green=2G-R-B,转换为8bit的灰度图像;
然后运用Otsu法将8bit的灰度图像转换为二值图像,绿色植物为前景-白色(像素值为255),土壤为背景-黑色(像素值为0)。
进一步地,步骤103中,是对背景分割后得到的绿色植物,利用棉苗行距的位置特征进行棉苗带定位,具体是根据绿色植物的垂直投影获得的像素直方图,确定棉苗带的中心位置及其上下边界,并滤除边界外的杂草区域;具体子步骤如下:
B1,统计垂直方向(沿着作物行方向)二值图像中绿色植物的像素直方图,像素直方图的横坐标为图像的高度,纵坐标为每行中的绿色植物像素数;
B2,根据垂直方向像素直方图的最大值,确定棉苗带的中心位置;
B3,根据垂直方向像素直方图的最小值,确定棉苗带的边界分割阈值;
B4,由棉苗带的中心位置开始,分别向上下两边,根据棉苗带的边界分割阈值,搜索棉苗带的上下边界;
B5,根据棉苗带的上下边界与中心位置的距离,修正上下边界;
B6,滤除棉苗带上下边界外的区域,把这些区域置为背景(黑色)。
进一步地,步骤104中,是对所定位的棉苗带,利用棉苗株距的位置特征进行单株棉苗定位及株数计数;具体是根据棉苗带的水平投影获得的像素直方图,计数图像中棉苗的株数,并确定各单株棉苗的左右边界,并滤除左右边界外的杂草区域,具体子步骤如下:
C1,统计水平方向(垂直作物行方向)二值图像中棉苗带的像素直方图,像素直方图的横坐标为图像的宽度,纵坐标为每列中的植物像素数;
C2,根据棉苗带的水平方向像素直方图的最大值,确定上部株数阈值;
C3,根据棉苗带的水平方向像素直方图的最小值,确定下部株数阈值;
C4,求取上部株数阈值线与棉苗带的水平方向像素直方图曲线的左右交点;
C5,求取下部株数阈值线与棉苗带的水平方向像素直方图曲线的左右交点;
C6,由确定的上下部左右交点,计数图像中棉苗的株数和各单株棉苗的左右边界;
C7,滤除各棉苗植株左右边界外的区域,把这些区域置为背景(黑色);
C8,根据各株棉苗的宽度,修正棉苗株数。
进一步地,步骤105中,是利用棉苗和杂草的形状特征进行单株棉苗的提取,得到田间棉苗图像;具体是根据棉苗植株面积远大于杂草植株面积的形状特征,通过快速区域标记法获得各棉苗和杂草区域的面积大小,擦除面积远小于棉苗的杂草区域,从而得到田间棉苗图像。具体子步骤如下:
D1,运用快速区域标记法标记各棉苗和杂草区域,并计算各区域的面积;
D2,运用冒泡排序法,对各棉苗和杂草区域的面积从大到小进行排序;
D3,计算棉苗株数后的各区域面积的均值,以此作为粒子擦除算法的面积阈值;其中从排序后的面积序列中,去掉与棉苗株数相同的棉苗面积后,求取剩余的各区域面积的均值,该均值作为棉苗株数后的各区域面积的均值。
D4,根据面积阈值,滤除面积小于面积阈值的杂草区域,把这些区域置为背景(黑色),得到棉苗植株图像。
如图2所示,是本发明棉苗带的自动定位方法的流程图。该流程描述了棉苗带的自动定位方法,其是先根据棉苗行距基本恒定的位置特征,通过绿色植物的垂直投影,即沿着作物行的方向统计植物像素数,得到植物像素分布的垂直方向直方图f(y):
其中,f(x,y)表示图像像素点(x,y)的灰度值,W为图像的宽度,H为图像的高度。
根据绿色植物的垂直方向像素直方图,自动确定棉苗带的中心位置和上下边界,位于边界之外的植物像素即为杂草,予以滤除。
具体地,
A)求取垂直方向像素直方图的最大值Max(f(y)),最大值所对应的y为棉苗带的中心位置Hc;
Hc=y,y为Max(f(y))所对应的值
B)求取垂直方向像素直方图的最小值Min(f(y)),由最小值确定棉苗带的边界分割阈值threshold:
threshold=Min(f(y))+10
C)从棉苗带的中心位置y=Hc开始,向上搜索棉苗带的上边界Ht,如果f(y)≤threshold,上边界Ht=y,停止搜索。
D)从棉苗带的中心位置y=Hc开始,向下搜索棉苗带的下边界Hb,如果f(y)≤threshold,下边界Hb=y,停止搜索。
E)计算上边界与中心线的距离Dt,Dt=Hc-Ht,计算下边界与中心线的距离Db,Db=Hb-Hc,根据距离Dt和Db,修正上下边界:
如果Dt>Db,修正下边界:Hb=Hc+Dt;如果Dt<Db,修正上边界:Ht=Hc-Db。
F)滤除棉苗带上下边界外的区域,把y=Ht到y=0的区域置为背景-黑色(像素值为0),把y=Hb到y=H-1的区域置为背景-黑色(像素值为0)。
下面对图2中的各步骤进行详述如下:
步骤201,初始化,图像宽度W、图像高度H,像素直方图的数组f(H)=0,像素直方图的最大值Maxf=0,像素直方图的最小值Minf=W;
步骤202,开始计算垂直方向的像素直方图f(H);
步骤203,取第x列、第y行的像素f(x,y),判断像素的灰度值f(x,y)是否为0?如不为0,则将像素直方图的数组f(y)的值加1,并将x执行x+1;
步骤204,判断x列的像素是否取完x=W-1?如取完,对y执行y+1,否则返回步骤203;
步骤205,判断图像的行y是否取完y=H-1?如取完,则完成垂直方向的像素直方图f(H)的计算,否则返回步骤203;
步骤206,开始计算像素直方图的最大值Maxf;
步骤207,判断f(y)>Maxf?如大于,则执行Maxf=f(y),y=y+1;
步骤208,判断直方图数组是否取完y=H-1?如是,则完成像素直方图的最大值Maxf的计算,否则返回步骤207;
步骤209,开始棉苗带中心位置Hc的计算;
步骤210,判断f(y)=Maxf?如是,则执行Hc=y,break;否则执行y=y+1后继续判断f(y)=Maxf?
步骤211,开始计算像素直方图的最小值Minf;
步骤212,判断f(y)<Minf?如是,执行Minf=f(y),y=y+1;
步骤213,判断直方图数组是否取完y=H-1?如是,则完成像素直方图的最小值Minf的计算,否则返回步骤212;
步骤214,棉苗带的边界分割阈值th=Minf+10;
步骤215,开始棉苗带上边界Ht的计算,从y=Hc开始;
步骤216,判断f(y)<=th?如是,则执行上边界Ht=y;break;否则执行y=y-1后继续判断f(y)<=th?
步骤217,开始棉苗带下边界Hb的计算,从y=Hc开始;
步骤218,判断f(y)<=th?如是,则执行上边界Hb=y;break;否则执行y=y+1后继续判断f(y)<=th?
步骤219,上边界与中心线的距离Dt=Hc-Ht;
步骤220,下边界与中心线的距离Db=Hb-Hc;
步骤221,判断Dt>Db?如是,则修正下边界,Hb=Hc+Dt,否则修正上边界,Ht=Hc-Db;
步骤222,开始根据上下边界分离棉苗带病滤除杂草区域;
步骤223,把y=0到y=Ht的图像区域的像素值置为0,f(x,y)=0;
步骤224,把y=Hb到y=H-1的图像区域的像素值置为0,f(x,y)=0;
步骤225,结束。
如图3所示,是本发明单株棉苗定位及株数计数方法的流程图。该流程描述了单株棉苗定位及株数计数方法,其是先根据棉苗株距基本恒定的位置特征,通过棉苗带的水平投影,即沿着作物列的方向统计植物像素数,得到植物像素分布的水平方向直方图f(x):
其中,f(x,y)表示图像像素点(x,y)的灰度值,W为图像的宽度,H为图像的高度。
根据棉苗带的水平方向像素直方图,计数图像中棉苗的株数,并确定各单株棉苗的左右边界(各棉苗植株上部和下部的阈值线,及其与水平方向像素直方图曲线的左右交点),并滤除左右边界外的杂草区域。
A)求取水平方向像素直方图的最大值Max(f(x)),由Max(f(x))确定上部株数阈值Tt:
Tt=Max(f(x))/2
B)求取水平方向像素直方图的最小值Min(f(x)),由Min(f(x))确定下部株数阈值Tb:
Tb=Min(f(x))+1
C)求取水平方向像素直方图曲线f(x)与上部株数阈值线y=Tt的交点P(x):
如果f(x)≥Tt且f(x-1)<Tt且f(x+1)≥Tt,则为左交点,P(x)=Tt;如果f(x)≥Tt且f(x+1)<Tt且f(x-1)≥Tt,则为右交点,P(x)=Tt。
D)求取水平方向像素直方图曲线f(x)与下部株数阈值线y=Tb的交点N(x):
如果f(x)≥Tb且f(x-1)<Tb且f(x+1)≥Tb,则为左交点,N(x)=Tb;如果f(x)≥Tb且f(x+1)<Tb且f(x-1)≥Tb,则为右交点,N(x)=Tb。
E)由交点P(x)和N(x)计数图像中棉苗的株数和单株棉苗的左右边界(即根据各棉苗植株上部和下部的阈值线与水平方向像素直方图曲线的左右交点,计数图像中棉苗的株数,确定各单株棉苗的左右边界和宽度,并滤除左右边界之外的区域):
从x=0开始以步长1递增搜索,如果N(x)=Tb,则停止搜索,记录此时的x值Rb=x;计数x∈[0,Rb]区间内,P(x)=Tt的个数n,如果n<2,则x∈[0,Rb]区域为背景区域,把x=0到x=Rb的区域置为背景-黑色;如果n≥2,则x∈[0,Rb]区域为一株棉苗区域,棉苗株数值s加1,并记录该株棉苗区域的左边界SL[s]=0,右边界SR[s]=Rb,棉苗的宽度SW[s]=SR[s]-SL[s]。
从x=W-1开始以步长1递减搜索,如果N(x)=Tb,则停止搜索,记录此时的x值Lb=x;计数x∈[Lb,W)区间内,P(x)=Tt的个数n,如果n<2,则x∈[Lb,W)区域为背景区域,把x=Lb到x=W-1的区域置为背景-黑色;如果n≥2,则x∈[Lb,W)区域为一株棉苗区域,棉苗株数值s加1,并记录该株棉苗区域的左边界SL[s]=Lb,右边界SR[s]=W-1,棉苗的宽度SW[s]=SR[s]-SL[s]。
从x=Rb开始以步长1递增搜索,直至x=Lb为止:如果N(x)=Tb,记录此时的x值L=x;从x=L开始以步长1递增搜索,如果N(x)=Tb,记录此时的x值R=x;计数x∈[L,R]区间内,P(x)=Tt的个数n,如果n<2则x∈[L,R]区域为背景区域,把x=L到x=R的区域置为背景-黑色;如果n≥2,则x∈[L,R]区域为一株棉苗区域,棉苗株数值s加1,并记录该株棉苗区域的左边界SL[s]=L,右边界SR[s]=R,棉苗的宽度SW[s]=SR[s]-SL[s],停止搜索。根据各株棉苗的宽度SW[s],修正棉苗株数:如果则棉苗株数值s加1。
下面对图3中的各步骤进行详述如下:
步骤301,初始化,图像宽度W、图像高度H,像素直方图的数组f(W)=0,像素直方图的最大值Maxf=0,像素直方图的最小值Minf=H;
步骤302,计算水平方向的像素直方图f(W);
步骤303,计算像素直方图的最大值Maxf;
步骤304,计算像素直方图的最小值Minf;
步骤305,上部株数阈值Tt=maxf/2,下部株数阈值Tb=Minf+1;
步骤306,开始计算像素直方图与上部株数阈值线的交点P(x);
步骤307,判断f(x)>=Tt && f(x+1)<Tt && f(x-1)>=Tt?如是,则执行左交点P(x)=Tt,进入步骤308,否则执行x=x+1,继续该判断;
步骤308,判断f(x)>=Tt && f(x+1)>=Tt && f(x-1)<Tt?如是,则执行右交点P(x)=Tt;否则执行x=x+1,并继续步骤307中的判断;
步骤309,开始计算直方图中与下部株数阈值线的交点N(x);
步骤310,判断f(x)>=Tb && f(x+1)<Tb && f(x-1)>=Tb?如是,则执行左交点N(x)=Tb,进入步骤311,否则执行x=x+1,继续该判断;
步骤311,判断f(x)>=Tb && f(x+1)>=Tb && f(x-1)<Tb?如是,则执行右交点N(x)=Tb,进入步骤312,否则执行x=x+1,并继续步骤310中的判断;
步骤312,开始由交点P(x)和N(x)计算棉苗的株数和单株棉苗左右边界;
步骤313,左端从x=0开始;
步骤314,判断N(x)=Tb?如是,则右下边界Rb=x;n=0;break;并从x=0到x=Rb计数上交点的个数;否则执行x=x+1,继续该判断;
步骤315,判断P(x)=Tt?如是,则执行n=n+1,x=x+1,判断x=Rb?如是则进入步骤316,否则继续判断P(x)=Tt?;否则执行x=x+1,判断x=Rb?如是,则进入步骤316,否则继续判断P(x)=Tt?;
步骤316,判断n>=2?
如是,则得到:
棉苗株数值s=s+1,左边界SL[s]=0,右边界SR[s]=Rb,宽度SW[s]=SR[s]-SL[s];
否则将从x=0到x=Rb区域的像素置为背景f(x,y)=0;
步骤317,右端从x=W-1开始;
步骤318,判断N(x)=Tb?如是,则左下边界Lb=x;n=0;break;从x=Lb到x=W-1计数上交点的个数;否则执行x=x-1,继续该判断;
步骤319,判断P(x)=Tb?如是,则执行n=n+1,x=x+1,判断x=W-1?如是则进入步骤320,否则继续判断P(x)=Tb?;否则执行x=x+1,判断x=W-1?如是,则进入步骤320,否则继续判断P(x)=Tb?;
步骤320,判断n>=2?
如是,则得到:
棉苗株数值s=s+1,左边界SL[s]=Lb,右边界SR[s]=W-1,宽度SW[s]=SR[s]-SL[s];
否则将从x=Lb到x=W-1区域的像素置为背景f(x,y)=0;
步骤321,中间从x=Lb到x=Rb;
步骤322,判断N(x)=Tb?如是,则左下边界L=x,从x=L+1到x=Rb,否则执行x=x+1,继续该判断;
步骤323,判断N(x)=Tb?如是,则右下边界R=x,n=0,从x=L到x=R计数上交点的个数;否则执行x=x+1,继续该判断;
步骤324,判断P(x)=Tt?如是,则执行n=n+1,x=x+1,判断x=R?如是,则进入步骤325,否则继续判断P(x)=Tt?;否则执行x=x+1,判断x=R?如是,则进入步骤325,否则继续判断P(x)=Tt?;
步骤325,判断n>=2?
如是,则得到:
棉苗株数值s=s+1,左边界SL[s]=0,右边界SR[s]=Rb,宽度SW[s]=SR[s]-SL[s];break;
否则将从x=L到x=R区域的像素置为背景f(x,y)=0;
步骤326,开始修正棉苗株数;
步骤327,判断SW[s+1]/SW[s]>=2?如是,则棉苗株数s=s+1;否则执行x=x+1,继续该判断;
步骤328,结束。
如图4所示,是本发明的自动提取棉苗的装置结构图。该装置400,包括:
背景分割模块41,用于对棉苗田间彩色图像利用绿色植物和土壤颜色特征进行背景分割;
棉苗带定位模块42,连接背景分割模块41,用于对背景分割后得到的绿色植物,利用棉苗行距的位置特征进行棉苗带定位;
单株棉苗定位及株数计数模块43,连接棉苗带定位模块42,用于对所定位的棉苗带,利用棉苗株距的位置特征进行单株棉苗定位及株数计数;
田间棉苗图像获取模块44,连接单株棉苗定位及株数计数模块43,用于利用棉苗和杂草的形状特征进行单株棉苗的提取,得到田间棉苗图像。
进一步地,背景分割模块41包括:
灰度转换模块411,用于将棉苗田间24bit RGB原始彩色图像,根据超绿颜色阈值指标Extra-Green=2G-R-B,转换为8bit的灰度图像;
二值转换模块412,连接灰度转换模块411,用于运用Otsu法将8bit的灰度图像转换为二值图像,绿色植物为前景-白色(像素值为255),土壤为背景-黑色(像素值为0)。
进一步地,棉苗带定位模块42包括:
绿色植物垂直投影模块421,用于基于二值图像,根据棉苗行距基本恒定的位置特征,通过绿色植物的垂直投影,即沿着作物行的方向统计植物像素数,得到绿色植物的垂直方向像素直方图f(y)
其中,f(x,y)表示图像像素点(x,y)的灰度值,W为图像的宽度,H为图像的高度,每行中的植物像素数。
中心位置确定模块422,连接绿色植物垂直投影模块421,用于根据垂直方向像素直方图的最大值Max(f(y)),确定棉苗带的中心位置Hc,最大值所对应的y为棉苗带的中心位置Hc;
边界分割阈值确定模块423,连接绿色植物垂直投影模块421,用于根据垂直方向像素直方图的最小值Min(f(y)),确定棉苗带的边界分割阈值threshold,公式如下:
threshold=Min(f(y))+10
棉苗带上下边界确定模块424,连接中心位置确定模块422、边界分割阈值确定模块423,用于根据棉苗带的边界分割阈值threshold,由棉苗带的中心位置Hc开始分别向上下两边,搜索棉苗带的上边界Ht、下边界Hb:
如果f(y)≤threshold,上边界Ht=y,停止搜索;如果f(y)≤threshold,下边界Hb=y,停止搜索。
第一杂草区域滤除模块425,连接棉苗带上下边界确定模块424,用于滤除棉苗带的上下边界外的杂草区域,把这些杂草区域置为黑色的背景:
把y=Ht到y=0的区域置为背景-黑色(像素值为0),把y=Hb到y=H-1的区域置为背景-黑色(像素值为0)。
进一步地,棉苗带定位模块42还包括:
上下边界修正模块426,连接中心位置确定模块422、棉苗带上下边界确定模块424,用于根据棉苗带的上边界Ht与中心位置Hc的距离Dt(Dt=Hc-Ht)、棉苗带的下边界Hb与中心位置Hc的距离Db(Db=Hb-Hc),修正上下边界:
如果Dt>Db,修正下边界:Hb=Hc+Dt;
如果Dt<Db,修正上边界:Ht=Hc-Db。
进一步地,单株棉苗定位及株数计数模块43包括:
棉苗带水平投影模块431,用于基于二值图像,根据棉苗株距基本恒定的位置特征,通过棉苗带的水平投影,即沿着作物列的方向统计植物像素数,得到棉苗带的水平方向像素直方图f(x):
其中,f(x,y)表示图像像素点(x,y)的灰度值,W为图像的宽度,H为图像的高度,每列中的植物像素数。
上部株数阈值确定模块432,连接棉苗带水平投影模块431,用于根据水平方向像素直方图的最大值Max(f(x)),确定上部株数阈值Tt:
Tt=Max(f(x))/2
下部株数阈值确定模块433,连接棉苗带水平投影模块431,用于根据水平方向像素直方图的最小值Min(f(x)),确定下部株数阈值Tb:
Tb=Min(f(x))+1
第一左右交点求取模块434,连接棉苗带水平投影模块431、上部株数阈值确定模块432,用于求取上部株数阈值线y=Tt与水平方向像素直方图曲线f(x)的第一左右交点P(x):
如果f(x)≥Tt且f(x-1)<Tt且f(x+1)≥Tt,则为左交点,P(x)=Tt;如果f(x)≥Tt且f(x+1)<Tt且f(x-1)≥Tt,则为右交点,P(x)=Tt。
第二左右交点求取模块435,连接棉苗带水平投影模块431、下部株数阈值确定模块433,用于求取下部株数阈值线y=Tb与水平方向像素直方图曲线f(x)的第二左右交点N(x):
如果f(x)≥Tb且f(x-1)<Tb且f(x+1)≥Tb,则为左交点,N(x)=Tb;如果f(x)≥Tb且f(x+1)<Tb且f(x-1)≥Tb,则为右交点,N(x)=Tb。
棉苗株数和左右边界确定模块436,连接第一左右交点求取模块434、第二左右交点求取模块435,用于由第一左右交点P(x)及第二左右交点N(x),计数二值图像中棉苗的株数s和各单株棉苗的左边界SL[s]、SR[s]。
第二杂草区域滤除模块437,连接棉苗株数和左右边界确定模块436,用于滤除各单株棉苗的左右边界SL[s]、SR[s]外的杂草区域,把这些杂草区域置为背景-黑色。
棉苗株数和左右边界确定模块436从x=0开始以步长1递增搜索,如果N(x)=Tb,则停止搜索,记录此时的x值Rb=x;计数x∈[0,Rb]区间内,P(x)=Tt的个数n,如果n<2,则x∈[0,Rb]区域为背景区域,由第二杂草区域滤除模块437把x=0到x=Rb的区域置为背景-黑色;如果n≥2,则x∈[0,Rb]区域为一株棉苗区域,棉苗株数值s加1,并记录该株棉苗区域的左边界SL[s]=0,右边界SR[s]=Rb,棉苗的宽度SW[s]=SR[s]-SL[s]。
棉苗株数和左右边界确定模块436从x=W-1开始以步长1递减搜索,如果N(x)=Tb,则停止搜索,记录此时的x值Lb=x;计数x∈[Lb,W)区间内,P(x)=Tt的个数n,如果n<2,则x∈[Lb,W)区域为背景区域,由第二杂草区域滤除模块437把x=Lb到x=W-1的区域置为背景-黑色;如果n≥2,则x∈[Lb,W)区域为一株棉苗区域,棉苗株数值s加1,并记录该株棉苗区域的左边界SL[s]=Lb,右边界SR[s]=W-1,棉苗的宽度SW[s]=SR[s]-SL[s]。
棉苗株数和左右边界确定模块436从x=Rb开始以步长1递增搜索,直至x=Lb为止:如果N(x)=Tb,记录此时的x值L=x;从x=L开始以步长1递增搜索,如果N(x)=Tb,记录此时的x值R=x;计数x∈[L,R]区间内,P(x)=Tt的个数n,如果n<2,则x∈[L,R]区域为背景区域,由第二杂草区域滤除模块437把x=L到x=R的区域置为背景-黑色;如果n≥2,则x∈[L,R]区域为一株棉苗区域,棉苗株数值s加1,并记录该株棉苗区域的左边界SL[s]=L,右边界SR[s]=R,棉苗的宽度SW[s]=SR[s]-SL[s],停止搜索。
进一步地,单株棉苗定位及株数计数模块43还包括:
进一步地,田间棉苗图像获取模块44包括:
棉苗和杂草区域获取模块441,用于运用快速区域标记法标记各棉苗和杂草区域,并计算各区域的面积;
棉苗和杂草区域排序模块442,连接棉苗和杂草区域获取模块441,用于运用冒泡排序法,对各棉苗和杂草区域的面积从大到小进行排序;
面积阈值获取模块443,连接棉苗和杂草区域排序模块442,用于计算棉苗株数后的各区域面积的均值,并将该均值作为粒子擦除算法的面积阈值;
进一步地,面积阈值获取模块443是从排序后的面积序列中,去掉与棉苗株数相同的棉苗面积后,求取剩余的各区域面积的均值,并将该均值作为棉苗株数后的各区域面积的均值。
第三杂草区域滤除模块444,连接棉苗和杂草区域获取模块441、面积阈值获取模块443,用于根据面积阈值,擦除面积小于面积阈值的杂草区域,把这些杂草区域置为背景-黑色,得到田间棉苗图像。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (17)
1.一种自动提取棉苗的方法,其特征在于,包括:
步骤一,对棉苗田间彩色图像利用绿色植物和土壤颜色特征进行背景分割;
步骤二,对背景分割后得到的绿色植物,利用棉苗行距的位置特征进行棉苗带定位;
步骤三,对所定位的棉苗带,利用棉苗株距的位置特征进行单株棉苗定位及株数计数;
步骤四,根据棉苗株数利用棉苗和杂草的形状特征进行单株棉苗的提取,得到田间棉苗图像。
2.根据权利要求1所述的自动提取棉苗的方法,其特征在于,所述步骤一中,进一步包括:
将所述棉苗田间彩色图像,根据超绿颜色阈值指标转换为8bit的灰度图像;
将所述8bit的灰度图像转换为二值图像,绿色植物为白色的前景,土壤为黑色的背景。
3.根据权利要求2所述的自动提取棉苗的方法,其特征在于,所述步骤二中,进一步包括:
基于所述二值图像,根据棉苗行距基本恒定的位置特征,通过所述绿色植物的垂直投影得到所述绿色植物的垂直方向像素直方图,根据所述垂直方向像素直方图确定所述棉苗带的中心位置及其上下边界,并滤除上下边界外的杂草区域。
4.根据权利要求3所述的自动提取棉苗的方法,其特征在于,所述步骤二中,进一步包括:
根据所述垂直方向像素直方图的最大值,确定所述棉苗带的中心位置;
根据所述垂直方向像素直方图的最小值,确定所述棉苗带的边界分割阈值;
根据所述棉苗带的边界分割阈值,由所述棉苗带的中心位置开始分别向上下两边,搜索所述棉苗带的上下边界;
滤除所述棉苗带的上下边界外的杂草区域,把这些杂草区域置为黑色的背景。
5.根据权利要求4所述的自动提取棉苗的方法,其特征在于,所述步骤二中,进一步包括:
根据所述棉苗带的上下边界与中心位置的距离,修正上下边界。
6.根据权利要求2、3、4或5所述的自动提取棉苗的方法,其特征在于,所述步骤三中,进一步包括:
基于所述二值图像,根据棉苗株距基本恒定的位置特征,通过所述棉苗带的水平投影,得到所述棉苗带的水平方向像素直方图,根据所述水平方向像素直方图计算棉苗的株数,确定各单株棉苗的左右边界,并滤除左右边界外的杂草区域。
7.根据权利要求6所述的自动提取棉苗的方法,其特征在于,所述步骤三中,进一步包括:
根据所述水平方向像素直方图的最大值,确定上部株数阈值;
根据所述水平方向像素直方图的最小值,确定下部株数阈值;
求取所述上部株数阈值线与所述水平方向像素直方图曲线的第一左右交点;
求取所述下部株数阈值线与所述水平方向像素直方图曲线的第二左右交点;
由所述第一左右交点及所述第二左右交点,计数所述二值图像中棉苗的株数和各单株棉苗的左右边界;
滤除各棉苗植株左右边界外的杂草区域,把这些杂草区域置为黑色的背景。
8.根据权利要求7所述的自动提取棉苗的方法,其特征在于,所述步骤三中,进一步包括:
根据各单株棉苗的宽度,修正棉苗的株数。
9.根据权利要求2、3、4、5、7或8所述的自动提取棉苗的方法,其特征在于,所述步骤四中,进一步包括:
根据棉苗植株面积远大于杂草植株面积的形状特征,获得各棉苗和杂草区域的面积大小,擦除面积远小于棉苗的杂草区域,得到所述田间棉苗图像。
10.根据权利要求9所述的自动提取棉苗的方法,其特征在于,所述步骤四中,进一步包括:
运用快速区域标记法标记各棉苗和杂草区域,并计算各区域的面积;
对各棉苗和杂草区域的面积从大到小进行排序;
从排序后的面积序列中,去掉与所述棉苗株数相同的棉苗面积后,求取剩余的各区域面积的均值,并将该均值作为粒子擦除算法的面积阈值;
根据所述面积阈值,擦除面积小于所述面积阈值的杂草区域,把这些区域置为黑色的背景,得到所述田间棉苗图像。
11.一种自动提取棉苗的装置,其特征在于,包括:
背景分割模块,用于对棉苗田间彩色图像利用绿色植物和土壤颜色特征进行背景分割;
棉苗带定位模块,连接所述背景分割模块,用于对背景分割后得到的绿色植物,利用棉苗行距的位置特征进行棉苗带定位;
单株棉苗定位及株数计数模块,连接所述棉苗带定位模块,用于对所定位的棉苗带,利用棉苗株距的位置特征进行单株棉苗定位及株数计数;
田间棉苗图像获取模块,连接所述单株棉苗定位及株数计数模块,用于根据棉苗株数利用棉苗和杂草的形状特征进行单株棉苗的提取,得到田间棉苗图像。
12.根据权利要求11所述的自动提取棉苗的装置,其特征在于,所述背景分割模块包括:
灰度转换模块,用于将所述棉苗田间彩色图像,根据超绿颜色阈值指标转换为8bit的灰度图像;
二值转换模块,连接所述灰度转换模块,用于将所述8bit的灰度图像转换为二值图像,绿色植物为白色的前景,土壤为黑色的背景。
13.根据权利要求12所述的自动提取棉苗的装置,其特征在于,所述棉苗带定位模块包括:
绿色植物垂直投影模块,用于基于所述二值图像,根据棉苗行距基本恒定的位置特征,通过所述绿色植物的垂直投影得到所述绿色植物的垂直方向像素直方图;
中心位置确定模块,连接所述绿色植物垂直投影模块,用于根据所述垂直方向像素直方图的最大值,确定所述棉苗带的中心位置;
边界分割阈值确定模块,连接所述绿色植物垂直投影模块,用于根据所述垂直方向像素直方图的最小值,确定所述棉苗带的边界分割阈值;
棉苗带上下边界确定模块,连接所述中心位置确定模块、所述边界分割阈值确定模块,用于根据所述棉苗带的边界分割阈值,由所述棉苗带的中心位置开始分别向上下两边,搜索所述棉苗带的上下边界;
第一杂草区域滤除模块,连接所述棉苗带上下边界确定模块,用于滤除所述棉苗带的上下边界外的杂草区域,把这些杂草区域置为黑色的背景。
14.根据权利要求13所述的自动提取棉苗的装置,其特征在于,所述棉苗带定位模块还包括:
上下边界修正模块,连接所述中心位置确定模块、所述棉苗带上下边界确定模块,用于根据所述棉苗带的上下边界与中心位置的距离,修正上下边界。
15.根据权利要求12、13或14所述的自动提取棉苗的装置,其特征在于,所述单株棉苗定位及株数计数模块包括:
棉苗带水平投影模块,用于基于所述二值图像,根据棉苗株距基本恒定的位置特征,通过所述棉苗带的水平投影,得到所述棉苗带的水平方向像素直方图;
上部株数阈值确定模块,连接所述棉苗带水平投影模块,用于根据所述水平方向像素直方图的最大值,确定上部株数阈值;
下部株数阈值确定模块,连接所述棉苗带水平投影模块,用于根据所述水平方向像素直方图的最小值,确定下部株数阈值;
第一左右交点求取模块,连接所述棉苗带水平投影模块、所述上部株数阈值确定模块,用于求取所述上部株数阈值线与所述水平方向像素直方图曲线的第一左右交点;
第二左右交点求取模块,连接所述棉苗带水平投影模块、所述下部株数阈值确定模块,用于求取所述下部株数阈值线与所述水平方向像素直方图曲线的第二左右交点;
棉苗株数和左右边界确定模块,连接所述第一左右交点求取模块、所述第二左右交点求取模块,用于由所述第一左右交点及所述第二左右交点,计数所述二值图像中棉苗的株数和各单株棉苗的左右边界;
第二杂草区域滤除模块,连接所述棉苗株数和左右边界确定模块,用于滤除各棉苗植株左右边界外的杂草区域,把这些杂草区域置为黑色的背景。
16.根据权利要求15所述的自动提取棉苗的装置,其特征在于,所述单株棉苗定位及株数计数模块还包括:
棉苗株数修正模块,连接所述棉苗株数和左右边界确定模块,用于根据各单株棉苗的宽度,修正棉苗的株数。
17.根据权利要求12、13、14或16所述的自动提取棉苗的装置,其特征在于,所述田间棉苗图像获取模块包括:
棉苗和杂草区域获取模块,用于运用快速区域标记法标记各棉苗和杂草区域,并计算各区域的面积;
棉苗和杂草区域排序模块,连接所述棉苗和杂草区域获取模块,用于对各棉苗和杂草区域的面积从大到小进行排序;
面积阈值获取模块,连接所述棉苗和杂草区域排序模块,用于从排序后的面积序列中,去掉与所述棉苗株数相同的棉苗面积后,求取剩余的各区域面积的均值,并将该均值作为粒子擦除算法的面积阈值;
第三杂草区域滤除模块,连接所述棉苗和杂草区域获取模块、所述面积阈值获取模块,用于根据所述面积阈值,擦除面积小于所述面积阈值的杂草区域,把这些杂草区域置为黑色的背景,得到所述田间棉苗图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102365420A CN102339378A (zh) | 2010-07-22 | 2010-07-22 | 一种自动提取棉苗的方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102365420A CN102339378A (zh) | 2010-07-22 | 2010-07-22 | 一种自动提取棉苗的方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102339378A true CN102339378A (zh) | 2012-02-01 |
Family
ID=45515103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102365420A Pending CN102339378A (zh) | 2010-07-22 | 2010-07-22 | 一种自动提取棉苗的方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102339378A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900498A (zh) * | 2012-12-28 | 2014-07-02 | 中国农业机械化科学研究院 | 一种棉田苗情自动探测方法及其探测装置 |
CN103903252A (zh) * | 2012-12-28 | 2014-07-02 | 中国农业机械化科学研究院 | 棉田虫情自动监测装置及监测方法 |
CN106503695A (zh) * | 2016-12-02 | 2017-03-15 | 汕头大学 | 一种基于航拍图像的烟草植株识别与计数方法 |
CN107437253A (zh) * | 2017-08-07 | 2017-12-05 | 江西农业大学 | 一种基于灭点的条播作物行提取的预处理方法 |
CN107490579A (zh) * | 2016-06-09 | 2017-12-19 | 本田技研工业株式会社 | 缺陷检查方法及其设备 |
CN109197275A (zh) * | 2018-10-18 | 2019-01-15 | 广州极飞科技有限公司 | 杂草种类的识别方法及装置、施药信息的确定方法 |
CN116823918A (zh) * | 2023-08-30 | 2023-09-29 | 北京市农林科学院信息技术研究中心 | 作物苗株数测量方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1936919A (zh) * | 2005-09-23 | 2007-03-28 | 中国农业机械化科学研究院 | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 |
-
2010
- 2010-07-22 CN CN2010102365420A patent/CN102339378A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1936919A (zh) * | 2005-09-23 | 2007-03-28 | 中国农业机械化科学研究院 | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 |
Non-Patent Citations (2)
Title |
---|
毛文华: "基于机器视觉的田间杂草识别技术研究", 《中国农业大学博士学位论文》 * |
毛文华等: "基于机器视觉的苗期杂草实时分割算法", 《农业机械学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900498A (zh) * | 2012-12-28 | 2014-07-02 | 中国农业机械化科学研究院 | 一种棉田苗情自动探测方法及其探测装置 |
CN103903252A (zh) * | 2012-12-28 | 2014-07-02 | 中国农业机械化科学研究院 | 棉田虫情自动监测装置及监测方法 |
CN103900498B (zh) * | 2012-12-28 | 2016-08-03 | 中国农业机械化科学研究院 | 一种棉田苗情自动探测方法及其探测装置 |
CN107490579A (zh) * | 2016-06-09 | 2017-12-19 | 本田技研工业株式会社 | 缺陷检查方法及其设备 |
CN106503695A (zh) * | 2016-12-02 | 2017-03-15 | 汕头大学 | 一种基于航拍图像的烟草植株识别与计数方法 |
CN106503695B (zh) * | 2016-12-02 | 2019-07-09 | 汕头大学 | 一种基于航拍图像的烟草植株识别与计数方法 |
CN107437253A (zh) * | 2017-08-07 | 2017-12-05 | 江西农业大学 | 一种基于灭点的条播作物行提取的预处理方法 |
CN109197275A (zh) * | 2018-10-18 | 2019-01-15 | 广州极飞科技有限公司 | 杂草种类的识别方法及装置、施药信息的确定方法 |
CN109197275B (zh) * | 2018-10-18 | 2021-05-07 | 东莞极飞无人机科技有限公司 | 杂草种类的识别方法及装置、施药信息的确定方法 |
CN116823918A (zh) * | 2023-08-30 | 2023-09-29 | 北京市农林科学院信息技术研究中心 | 作物苗株数测量方法、装置、电子设备及存储介质 |
CN116823918B (zh) * | 2023-08-30 | 2023-12-22 | 北京市农林科学院信息技术研究中心 | 作物苗株数测量方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fu et al. | A novel image processing algorithm to separate linearly clustered kiwifruits | |
CN100416590C (zh) | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 | |
CN102339378A (zh) | 一种自动提取棉苗的方法及其装置 | |
CN101539531B (zh) | 基于多光谱图像处理的水稻稻叶瘟病检测分级方法 | |
Burgos-Artizzu et al. | Real-time image processing for crop/weed discrimination in maize fields | |
CN106688705A (zh) | 一种智能种植大棚及其采用的监测方法 | |
CN110163138B (zh) | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 | |
CN101859375B (zh) | 农田苗期行内作物-杂草识别方法 | |
Sun et al. | Image processing algorithms for infield single cotton boll counting and yield prediction | |
CN105987684A (zh) | 一种基于单目视觉的农业车辆导航线检测***及方法 | |
CN201600330U (zh) | 成熟菠萝识别与定位*** | |
CN106682639B (zh) | 一种基于视频监测的作物叶部异常图像提取方法 | |
CN114818909B (zh) | 一种基于作物长势特征的杂草检测方法和装置 | |
CN105719282B (zh) | 一种果园红色苹果图像果实枝叶区域获取方法 | |
CN104751122B (zh) | 一种农作物病情指数的计算方法及*** | |
CN103530606A (zh) | 一种杂草环境下的农机导航路径提取方法 | |
CN114067207A (zh) | 一种基于深度学习和图像处理的蔬菜苗田杂草检测方法 | |
CN108037123A (zh) | 一种杂交稻钵体盘播种性能参数精密检测方法 | |
Li et al. | Image detection and verification of visual navigation route during cotton field management period | |
CN110598514B (zh) | 一种土地整治项目区地块尺度农作物播种面积监测方法 | |
CN113142170A (zh) | 一种适用于稻田的无人机智能化定点除草技术 | |
CN105447860A (zh) | 一种麦苗计数方法 | |
CN103679131B (zh) | 基于时序遥感影像的多季农作物自动识别方法 | |
CN104504736A (zh) | 一种识别大田作物长势监控图像中绿色植物的方法及*** | |
CN103226709A (zh) | 一种美国白蛾幼虫网幕图像识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120201 |