《（毕业论文）-小麦亩穗数的图像估算方法探讨》由会员分享，可在线阅读，更多相关《（毕业论文）-小麦亩穗数的图像估算方法探讨（13页珍藏版）》请在金锄头文库上搜索。
1、 本科生毕业论文（设计）本科生毕业论文（设计）题 目: 小麦亩穗数的图像估算方法探讨 姓 名: 学 院: 工学院 专 业: 农业机械化及其自动化 班 级: 农机班 学 号: 指导教师: 职称: 讲师 2013 年 4 月 28 日南京农业大学教务处制目目 录录摘要 1 关键词 1 AbstractAbstract 1 KeyKey wordswords .1 引言 1 1 图像处理技术 1 2 农业工程上图像处理技术的研究现状 2 2.1 国外的研究现状 2 2.2 国内的研究现状 3 3 现有农作物的估产技术 3 4 材料和方法 4 4.1 实验环境 4 4.2 实验材料 4 5 图像的预处
2、理 4 5.1 RGB 向量空间中的彩色图像分割.5 5.2 灰度处理 6 5.3 图像的滤波 6 5.4 图像的二值化处理 7 5.5 形态学图像处理 7 5.5.1 函数 strel.8 5.5.2 图像的腐蚀 8 5.5.3 图像的膨胀 8 5.5.4 图像去杂处理 8 6 实验结果分析 9 7 结论 .10 致谢 .10 参考文献 .101小麦亩穗数的图像估算方法探讨农业机械化及其自动化 刘晓勇指导教师 李毅念摘要：为了在小麦生产过程中对小麦生产情况和产量进行估测，同时为了便于收获过程中联合收割 机喂入量的自动调节，需要获取亩穗数值。为简化人工计数，通过采集 0.5 m0. 5 m 面
3、积内的小 麦图像信息，利用 MATLAB 图像处理软件进行图像分割、图像增强等操作，将小麦的穗头信息提取 出来，以便于计算机计数，获得小麦的亩穗数值。本文共对获取的 20 幅小麦图像进行图像处理， 估算出穗头数，并与实际人工计数值对比，其准确度范围为 75%-94%。 关键词：小麦;彩色图像分割;形态学处理;亩穗数 An counting Method of Ears per Acres for Wheat based on Image processingAgricultural mechanization and its automation Liu YiaoyongTutor Li Yi
4、nian Abstract: In order to estimate wheat producing condition and production in the wheat production process, and be convenient for automatic control of harvesting feed for combine harvester during harvesting process, ears number per acres need to be acquired. To simplify the work of manual counting
5、, the image processing technology, image segmentation and image enhancement, was used to extract the information of spikes number in 0.25 m2. Finally the number of wheat spikes were counted by computer so as to achieve the per area spikes. 20 pictures are processed in this essay. Recognized accuraci
6、es of wheat ear number by image processing range from 75% to 94% of the total ear number by manual counting. Key words: wheat; segmentation of color images; morphological processing; wheat ears per acres 引言随着计算机技术的飞速发展,数字图像处理技术才得以迅速发展并形成了新的学科,几 十年以来,它已经被广泛用于航空、医学等多个领域。今天,数字图像处理与识别技术 也已经成为发展现代农业不可缺少的
7、组成部分,随着计算机硬件成本的下降和 CPU 运算 速度的提高以及图像处理与识别技术本身的专业化发展,这项技术在农业上的应用将越 来越广泛,也是实现农业信息化与自动化的重要技术力量1。 小麦是我国主要粮食作物之一，农业粮食问题一直是党中央重视的立国之本。因 此，科学地检测农作物的长势、准确地预报农作物的产量，对于加强小麦生产管理， 优化种植空间格局，进一步发挥其生产潜力，国家制定粮食调配和宏观经济计划。全 国各育种单位均制定了小麦高产、超高产的育种目标，并采用不同的途径和方法选育 具有更高潜力的突破性品种。小麦生产过程中需要对小麦生产情况和产量进行估测， 其中重要一步就是获得小麦的亩穗数值，同
8、时有利于收获过程中联合收割机喂入量的 自动调节2。 1 图像处理技术所谓图像处理，就是对图像信息进行加工以满足人的视觉心理或应用需求的行为。 所谓数字图像处理就是利用数字计算机或者其他数字硬件，对从图像信息转换而得的 电信号进行某些数学运算，以提高图像的实用性。它是从应用中产生并发展的一门学2科，六十年代，随着电子技术和计算机技术的不断提高和普及，数字图像处理技术进 入发展时期。虽然只有短短的三十多年历史，但其研究及应用己渗透到各个领域，大 至空间技术，小至电子显微图片的处理，计算机图像处理技术在发展初期主要应用于 工业生产和生物医学，只有少量应用于农业工程研究，具体的方法主要是简单的视觉 模
9、拟，即通过单独提取研究对象的外形尺寸、颜色、纹理、轮廓等特征，来模拟人的 视觉。由于大部分农作物对象是自然生长或栽培的产品，不论其外观和内在品质上都 存在严重参差不齐的现象，提取单一的特征离散度大。所以这些研究都停留在算法和 方法的可行性探索上，但它们对图像处理技术在农业工程中的应用起到了推动作用。 数字图像处理这一技术利用计算机或其他数字设备对图像信息进行各种加工和处理， 图像分析技术在病虫害远程诊断、农作物缺素诊断、作物外部形态监测、种子质量和 纯度检验、农产品品质检测与分级等方面显示了巨大的应用潜力。今天，计算机图像 处理与识别技术已成为发展现代化农业不可缺少的组成部分。随着它的专业化和
10、计算 机硬件成本的下降以及速度的提高，为实现农业生产的信息化与自动化，实现农业现 代化，应用计算机图像处理与识别技术已显得十分重要3。计算机图像处理主要采用两大方法：一类方法着重在空域中处理，即在图像空间 中对图像进行各种处理；另一类方法是把空间图像经过变换，如经过傅立叶变换，变 到频率域，在频率域中进行各种处理，然后再变回到图像的空间域，形成处理后的图 像。图像处理技术包括图像采集、图像增强、图像重建、图像复原、图像编码与数据 压缩、图像分割和识别、图像的分析和理解等。图像处理是软件通过摄像头对外部世 界进行的识别，镜头将入射光投射到光电转换器上形成有序的电信号，然后通过图像 采集卡转变成数
11、字信号，再由计算机软件进行识别。2 农业工程上图像处理技术的研究现状2.1 国外的研究现状 国外的加拿大曼尼托巴大学利用机器视觉技术对小麦的分类进行了研究，相关成 果08年相继发表。国外在小麦种子检测和识别方面开展了广泛的研究，一方面成功地 识别小麦品种和类别，如对大麦、小麦、燕麦和黑麦草的正确识别率均在90%以上； 另一方面有效识别不同类别的小麦种子，对不同冬春性、质地和粒色的小麦类别判断 效果良好，但对同一类型不同品种的识别效果并不理想4。 Sarkar 等根据颜色，利用美国标准西红柿颜色图谱对新鲜西红柿进行分级，它不 是以整个西红柿的颜色均值为评定指标，而是取西红柿中间区域的颜色均值作为
12、特征 来分级，这样丢失了不少边缘的颜色信息。Miller 等利用图像处理技术对桃子进行分 级，把桃子表面颜色与标准成熟色进行对比，然后按成熟度分类，结果与人工分类的 一致性仅为 54。Shearel 等依据 RI，GI，(RI)(GI)三个条件，用三位二进制 码构设了 X1 至 x8 八个颜色等级，基于颜色对新鲜胡椒进行分级，根据每个像素点的 RGB 颜色值不同，依据实验建立了三个判据依据，以此三个依据进行分级。Lee 和 Hall 将西红柿的 R，G，B 图像转化为 H，I，S 彩色模型表示法，通过对色度图的分析计算 得出西红柿的表面各种颜色。Tao Y 等利用计算机图像处理技术进行土豆和苹
13、果的分级， 采用 HIS 颜色模型，利用色调直方图作为特征参数，运用多元线性判别技术，通过多 样本的训练获得识别指标，检测的精度在 90以上。 LIAO 根据玉米粒的颜色和表面缺陷进行实时分级，采用图像处理板和实时图像处 理器来对图像进行低层处理。在基于人工智能的玉米质量在线自动检测系统中提取和 处理特征，对白色和黄色玉米粒进行区分。用 RGB 模型时，蓝体分量表现出最大差异， 绿体次之，红体最小。用 HIS 颜色模型时，光强和色调都能很好地区分两种玉米粒。 由于色调用于分辨白、黄两色玉米粒时，方差都小，故选用色调 H。在该研究中，RGB3颜色模型在分辨能力和图像获取便利性方面都优于 HIS
14、模型。Ahmad 等利用彩色图像 信息评价缺水和缺氮对玉米生长的影响以及由此而造成的植株颜色变化，通过交互地 采集玉米植株的 RGB 色彩特征，建立了 R、G、B 值与色调(H)、饱和度(S)及亮度(I) 之间的色度坐标变换关系，研究发现与 R、G、B 值相比，H、I、S 值能够更清晰地表 征玉米植株中的颜色变化，并表明色调是一个用来识别植株和叶子的有效分类特征， 可供进行灌溉和施用氮肥决策时参考5。 2.2 国内的研究现状 国内在农业工程方面的应用研究刚刚开始，但己经迅速地发展起来。主要集中在 作物病害诊断、农产品品质检测、作物生长状态监测等方面。但有许多高校均已经开 展了利用图像处理技术在
15、农业工程中应用的研究。 贾鹏等利用Matlab图像处理技术很方便地实现了考种过程中的计数。在谷物没有 叠压的状态下准确率可以达到100，这不仅减轻了人的劳动强度，弥补了人视觉的不 足之处，大大提高了效率及准确率，同时也避免了其他软件繁琐的编程工序，为后续 进一步研究奠定基础。姜盼等人提出了一种通过计算机图像处理提取小麦穗长的新方 法。通过形态学基本运算将麦芒腐蚀去除，麦穗上部主轴方向角确定以及旋转过程为 整个算法的关键。硬件采集系统部分采用了平板扫描仪, 但图像的采集也可通过CCD 成像实现, 算法不变。对于弯曲度大的麦穗，整体旋转计算外接矩形长度误差大。可 将麦穗分段，采用同样方法计算每段的长度相加得到的和为麦穗的长度。此方法的提 出为农作物外部参数无损检测提供了一种参考，有利于农业育种考种工作的自动化实 现, 减轻农业研究人员的工作强度和提高测量精度和速度。 陈佳娟采用计算机图像处理技术，根据棉花叶片的孔洞及叶片边缘的残缺，来测 定棉花虫害的受害程度。该方法应用局部门限法完成图像与背景的分割:用高斯拉普拉 斯算子进行棉花图像的边缘检测；利用边缘跟踪算法确
