《基于opencv的玉米出苗期和三叶期自动检测系统的设计》由会员分享，可在线阅读，更多相关《基于opencv的玉米出苗期和三叶期自动检测系统的设计（12页珍藏版）》请在金锄头文库上搜索。
1、基于 openCV 的玉米出苗期和三叶期自动检测系统的设计 韩悦婷 行鸿彦 金红伟 南京信息工程大学电子与信息工程学院 江苏省无线电科学研究所 摘 要： 为了远程实时动态监测玉米长势, 为农事活动提供准确的玉米生长状态信息, 提出了基于轮廓和骨架提取的玉米出苗期和三叶期的自动识别算法。该算法实现了对玉米图像的分割, 并对图像中轮廓和骨架等图像特征进行提取, 根据所提取的图像特征判断玉米是否进入出苗期或三叶期。利用该算法与计算机视觉库 openCV 进行玉米出苗期和三叶期的检测系统的设计, 实现了玉米出苗期和三叶期的自动识别。此外, 在 VS2013 环境下实现了对一个简单的玉米出苗期和三叶期的
2、自动检测系统软件的界面开发。该系统对玉米出苗期和三叶期的识别速度较快, 识别结果准确, 可以作为玉米全部生长期检测系统的开发基础。关键词： 轮廓; 骨架; openCV; 图像处理; 出苗期; 三叶期; 作者简介：韩悦婷, 2014 年于淮阴师范学院获得学士学位, 现为南京信息工程大学硕士研究生, 主要研究方向为农业气象、图像处理和模式识别。E-mail:作者简介：行鸿彦, 1983 年于太原工学院获得学士学位, 1990 年于长春地质学院获得硕士学位, 2003 年于西安交通大学获得博士学位, 现为南京信息工程大学教授, 电子与信息学院副院长, 博士生导师, 主要研究方向为微弱信号检测与处理
3、, 混沌与海杂波信号处理, 气象仪器仪表, 气象信息处理等。博士、二级教授, 博士生导师, 南京信息工程大学电子与信息工程学院副院长, 江苏省气象探测与信息处理重点实验室副主任, 江苏省“青蓝工程”中青年学术带头人;江苏省“六大人才高峰”培养对象;江苏省优势学科学术带头人, 国家级特色专业负责人。南京信息工程大学校级教学名师。先后荣获江苏省科学技术二等奖, 中国仪器仪表学会科学技术成果奖, 江苏省教学成果二等奖。主持研制的自动气象站信号模拟器通过中国气象局考核定型, 在全国 31 个省市自治区推广使用。主持起草的中华人民共和国气象行业标准 QX/T346-2016 已由中国气象局发布并开始实施
4、。主持国家 863 计划课题、国家自然科学基金、科技部行业专项子课题、中国气象局行业标准重点项目、江苏省科技计划项目等 20 余项。发表学术论文 150 余篇。主编、主审出版教材和专著 4 部;授权专利 80 余项。兼任中国仪器仪表学会气象水文海洋仪器分会副理事长;全国气象仪器与观测方法标准化技术委员会委员;全国气象专用计量器具计量技术委员会委员;中国气象学会大气探测与仪器委员会委员;华东地区高校“电子线路”课程教学研究会理事, 江苏省气象学会雷电防护科学与技术委员会副主任;江苏省军工学会理事;江苏省气象传感网工程技术中心技术委员会副主任;电子测量与仪器学报编委。主要研究领域包括:微弱信号检测
5、与处理, 气象仪器与观测方法, 气象计量技术与标准, 雷电防护技术与仪器, 电子测量与物探仪器, 生物医学信号采集与处理等。E-mail:作者简介：金红伟, 1992 年于东南大学获得学士学位, 2010 年于江南大学获得硕士学位, 现为江苏省无线电科学研究所有限公司研究员级高级工程师, 主要研究方向为大气探测。E-mail:收稿日期：2010-04基金：国家自然科学基金 (61671248) Automatic detection system design of maize emergence and three-leaf stage based on openCVHan Yueting
6、Xing Hongyan Jin Hongwei School of Electronics and Information Engineering, Nanjing Information Engineering University; Radio Science Research Institute; Abstract： The automatic recognition algorithm of emergence and three-leaf stage of maize is proposed in order to dynamically monitor the growth of
7、 maize in real-time and provide accurate information about growth status for farming activities.This algorithm realizes segmentation of corn images and extract image characteristics such as contour and skeleton.To determine whether the corn has been in emergence and three-leaf stage according to the
8、 extracted image features.This algorithm and computer vision class library openCV are used for the design of emergence and three-leaf stage detection system and the target of detecting emergence and three-leaf stage of maize is achieved automatically.Whats more, in the environment of VS2013, it achi
9、eved the development of this detection system.The speed of this detection system is fast and the test results are accurate.It can be used as the development foundation of all maize growth period detection system.Keyword： contour; skeleton; OpenCV; image processing; emergence; three-leaf stage; Recei
10、ved： 2010-040 引言玉米是我国主要的粮食作物之一。为了节约资源并促使玉米高产, 需要对玉米的长势进行监测, 获得玉米的生长信息, 并分析生长信息与气象条件之间的关系, 从而获得对玉米生长有利的农业气象条件。以往采用的人工观测玉米长势的方式耗费大量人力效率低下1, 观测结果受观察人员的主观因素影响较大2,观测周期长。而遥感监测是基于宏观的大面积作物监测3, 不适合小型农场的实时监测。目前已经出现的一些基于计算机视觉的农作物长势监测方法也存在一些弊端。例如, 2010 年李荣春等人4提出了通过建立覆盖度与叶面积指数 (LAI) 和干物质积累 (DMA) 的回归模型估计夏玉米长势的方法,
11、 此方法仅仅根据覆盖度对玉米长势进行判断, 无法获得准确的判断结果。2010 年马彦平3提出了基于双目立体视觉的大田玉米生长参数的夏玉米长势监测方法, 此方法由于受图像分辨率和复杂地理环境的影响较大, 很难应用于实际观测。为此, 本文通过数字图像处理技术对图像进行分析5, 提取玉米形态参数, 根据轮廓、骨架6等图像特征实现对玉米两个重要生长期出苗期和三叶期的自动识别。出苗期的识别算法采用轮廓质心作为图像特征, 并采用划分空间的方法统计图像特征的分布, 从而判断图像是否到达出苗期。三叶期的识别算法把图像细化得到的骨架顶点的数量和分布作为估算图像是否到达三叶期的依据。open CV 是一个跨平台的
12、开源的计算机视觉库, 它最初由 Intel 公司发起并开发, 为实时性要求较高的计算机视觉和模式识别系统的开发搭建了很好的软件平台。本系统就是基于 open CV 设计的一个玉米出苗期和三叶期自动检测系统, 该系统能够实时、准确的完成对玉米出苗期和三叶期的自动识别。为了证明本系统的有效性, 本文采用在中国河南实验田拍摄的玉米地图像作为实验样本, 并将实验结果和人工观测的结果进行对比。实验证明本系统符合实际观测的需求。1 农作物提取算法玉米出苗期和三叶期的识别算法的第一步是把包含农作物的像素点从背景中提取出来。在户外条件下拍摄的农作物图像存在一些不利于图像分割的因素, 比如土地存在杂物、杂草、影
13、子造成背景复杂以及光照强度不同引起的图像色差。为了解决这些问题, 选取合适的农作物提取算法非常重要。目前有一些广泛使用的农作物图像分割算法, 比如超绿算子分割算法。超绿算子分割算法结合各个通道的颜色信息提取农作物, 在单一的背景条件下可以准确的完成农作物图像的分割。但当户外的光照强度随着时间和天气情况急剧变化时, 这种算法就会产生明显的误差。环境自适应分割算法对光照的变化具有很强的鲁棒性, 但它需要大量的训练样本。本系统引用文献7提到的 AP-HI 算法, 结合实际拍摄的样本图像, 通过少量的训练样本, 达到良好的图像分割效果。AP-HI 算法结合了 HI (hue-intensity) 对照
14、表和仿射传播聚类 (affinity propagation clustering) 算法8。将户外拍摄的农作物图像转化到 HSI 色彩空间, HSI 颜色空间采用亮度 I、色调H 和饱和度 S 来描述图像的颜色特征9。在一个指定的 I 下考察绿色像素的直方图分布。研究表明, 在一个指定的 I 下绿色像素的色彩直方图形状和高斯分布十分相似。因此, 可以采用高斯模型来近似表示在相应 I 下的绿色色调的分布, 具体的近似表达式如式 (1) 。其中变量 h 表示绿色色调, u 表示高斯模型的数学期望, 表示高斯模型的方差。每个 I 下的分布参数 和 可以从训练样本集合中通过最大似然估计的方法得到,
15、具体的表达式如式 (2) 8。选取若干张在不同光照条件下拍摄的玉米地俯视图保留其中作物的区域作为训练样本图像。将训练样本图像转换到 HSI 颜色空间10-11, 保存每个作物像素对应的 H 值和 I 值。I 值的范围为1, 255, 将 I 值相同的像素的 H 值放在一个数组中, 即将每个作物像素对应的 H 值根据 I 值划分到 255 个数组中。如式 (2) 所示, 分别计算 255 个数组中 H 值的数学期望 和方差式中 n 表示每个数组中 H 值的个数。最后, 就可以得到玉米的 H-I 颜色特征对照表 HI-LUT, HI-LUT=I, I, I/1I255。设待测图像中的一个像素 P
16、(i, j) 的 I 值为 I (i, j) , 把 I (i, j) 代入 HI-LUT 可以得到对应的 I (i, j) 和 I (i, j) 。计算 H, H=|H (i, j) - I (i, j) |。判断 H 的值是否大于 k I, 如果 Hk I, 就将像素 P (i, j) 的值置为黑色, 否则将 P (i, j) 的值置为白色8, 在本系统中 k 的值取 2, 这样就得到了作物粗分割的结果, 玉米地俯视图如图 1 所示, 图 2 所示为图 1 经过粗分割之后的结果。图 1 玉米地俯视图 Fig.1 Vertical view of corn field 下载原图将待测玉米地图像从 RGB 空间转换到 Lab 空间9, 将 a 和 b 作为特征向量 k-mean 聚类成 n 个不同区域。计算聚类后
