針對目前葉菜類蔬菜田間作業(yè)自動化程度低,缺乏適用自主導(dǎo)航技術(shù)等問題,提出一種基于機器視覺的葉菜類蔬菜菜壟識別算法。利用改進超綠算法（Gray=2Cg-Cr-Cb）對菜地圖像進行灰度化,通過二值形態(tài)學變換和連通區(qū)域提取獲得菜壟區(qū)域和邊界,基于Huber損失函數(shù)進行邊界曲線擬合,最終提取導(dǎo)航基準線。圖像處理結(jié)果表明:1)本研究提出的識別算法在不同光照環(huán)境下具有較好的魯棒性,自然綜合光照條件下導(dǎo)航基準線提取成功率為97.5%;2)基于Huber損失函數(shù)獲取到的導(dǎo)航基準線,平均均方根誤差為0.668像素,比最小二乘法高72.5%,平均角度偏差為0.273°,比最小二乘法高72.6%,且處理速度與最小二乘法相似。試驗證明本研究算法可實現(xiàn)在自然光照條件下對葉菜類蔬菜圖像的菜壟識別和導(dǎo)航基準線提取。 

【文章來源】：中國農(nóng)業(yè)大學學報. 2020,25(03)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

4種光照條件下菜地不同顏色空間分量圖

基于上述分析，本研究對4種光照條件下，灰度化處理后的2G-R-B分量和2Cg-Cr-Cb分量圖像繪制灰度直方圖（圖2）。可以明顯發(fā)現(xiàn)，在不同光照條件下，傳統(tǒng)超綠算法的2G-R-B分量亮度變化相對于2Cg-Cr-Cb分量更加明顯，受光照干擾較大，因此本研究選用改進超綠算法對菜地圖像進行灰度化處理。2 圖像分割與菜壟邊界提取

為進一步提取菜壟圖像，本研究選用自適應(yīng)閾值的大津（OTSU）法[4]進行二值化，效果見圖3。圖像中存在大量的細小孤立噪聲（圖3(b）），因此本研究選用5×5的濾波窗口對圖3(a）進行中值濾波，再進行圖像二值化，效果見圖4，二值圖像中（圖4(b））細小孤立噪聲基本上被去除。圖4 中值濾波處理后的菜地灰度圖像（a）和二值圖像（b)


本文編號：3522740