基于機器視覺雜草識別研究

關鵬 鄧學峰 楊健琪

摘要：針對去除雜草的檢測技術研究在農作物生長、識別監測等領域均有廣泛的應用價值。本文運用快速作物識別圖像處理算法的載體，利用二維空間與三維空間的轉換技術，運用小孔成像原理進行參數計算，得到圖像中作物中心位置在地面上的實際位置，從而進行除草作業。試驗結果表明：本文計算機視覺系統對田間單張圖像的處理時間為170ms，機械的最佳作業速度為1m/s和1.5m/s，具有較高的除草效率并且傷苗率最低，該研究可為田間除草機對雜草識別處理影響提供參考。

關鍵詞：雜草識別;機器視覺;圖像處理;除草

引言

隨著人們的環保意識的不斷提高以及對食品安全問題日漸重視，如何精準進行除草是迫在眉睫的問題。對此國內外相關學者進行了大量研究2016年Inaci等選擇貝葉斯網絡識別田間的雜草[1--8]。目前田間的機械除草和計算機視覺識別都取得了很大的進步，但是之前關于二者結合應用的報導還較少，主要是受到機械自主導航和雜草快速準備識別問題限制。本文根據除草機所作業的田間情況，按上基于機械視覺自動識別系統，基于小孔成像原理建立了視覺系統成像模型的機器視覺系統結構。

1.自動識別除草機的結構設計

雜草自動識別除草機設計是已傳統形式除草機為基礎，同時結合了除草機在農作物行間、株間除草的作業特點對工作在行間、株間除草機的控制系統、機械部件、運動機構進行引用，使除草機具備行間除草、株間除草、自動識別雜草的功能。自動識別雜草除草機的機械結構主要包括導向機構、移動機構、刀具單元和機架以及最重要的識別裝置。通過光源、鏡頭、相機、圖像采集卡、圖像處理器、圖像分析處理軟件等構成了典型的相機視覺系統。

2.除草機的機器視覺虛擬坐標識別過程設計

視覺系統視線范圍下邊緣到除草刀中心的距離，由除草機的機械結構決定，通過手工測量獲得。即圖1中的d2。

2.1圖像采集

本文圖像處理系統是基于OpenCV圖像處理軟件，通過使用C語言編寫圖像處理程序完成雜草任務。在OpenCV軟件中編寫程序讀取攝像頭采集到的數據，用函數讀取每一幀圖像并將圖像顯示出來，為了提高植株根部位置識別精準度，降低損傷率，對采集到的圖像設置目標區域，只有當植株株心出現在目標區域才對植株標記。

2.2.預處理

首先使用CVSp11t函數將RGB圖像分為B，G，R三個單通道圖像，分別取每個通道的像素值，使用加權函數，計算加權后的灰度值，結果賦值給一個新的八位單通道圖像，并將其輸出圖像的每一個像素為輸入圖像對應像素的平均值。

3.自動識別除草的實現

相機成像幾何模型俯視圖如圖2所示。取圖像傳感器所對地面鏡頭中點O1為坐標原點，圖像傳感器上點的坐標用（Xa，Ya）表示。O1對應的田間平面的實物點O2為視場平面坐標原點，田間平面上點的坐標用（Xb，Yb）表示。h為自動識別除草機的鏡頭焦點離地高度，f為自動識別除草機的鏡頭焦距，z為自動識別除草機的鏡頭焦點到O2的距離，∮為自動識別除草機的相機主光軸前傾角度，d為自動識別除草機的鏡頭焦點到O2的水平距離。代表圖像像素寬度， 為圖像像素單位高度。

式中 為歸一化焦距，由于 ， 。 屬于相機基本參數，可通對照相機說明書獲得。角度∮和距離z可通過測量h和d獲得。

4 試驗與結果

在一塊田間只需依托人識別的聯合機械除草，另一塊田間機械上安裝計算機視覺識別，在兩塊田間中驗證除草機的識別除草效果，選擇4個雜草生長密度相似的行間進行除草試驗，使用流線型刀頭，田間的行間為0.5m，長度為10m。除草刀頭行進速度分布設置為0.5、1、1.5、2m/s，通過除草率和傷苗率來評價變量調整除草的準確性。

5 結 ?論

1）計算機識別模塊對田間單張圖像的處理時間為170ms，聯合除草機最佳的作業速度為1m/s和1.5m/s，具有較高的除草效果和工作效率，在田間生產中有應用潛力。

參考文獻：

[1] Burks T F，Shearer S A，Payne F A.Classification of weed species using color texture features and discriminant analysis.[J].Transactions of the Asae，2000，43（2）：441-448.

[2] Eddy P，Heckenberg R，Wertheim E H，et al.A systematic review and meta-analysis of the effort-reward imbalance model of workplace stress with indicators of immune function.[J].Journal of Psychosomatic Research，2016，91：1-8.

[3] Inacio H.Yano，Jose R.Aloes，Wesley E.Santiago，Barbara J.T.Mederos.Identification of weeds in sugarcane fields through images taken by UAV and Random Forest classifier[J].IFAC PapersOnLine，2016，49（16）：415-420.

[4] 馬兆敏，黃玲，胡波，等.基于神經網絡的雜草圖像分割算法[J].計算機工程與應用，2009，45（24）：216-218.

[5] Tellaeche A，Pajares C} Burgos-Artizzu X P，et al.A computer vision approach for weeds identification through Support Vector Machines}J}.Applied Soft Computing，2011，11（1）：908-915.

[6] 毛文華，王一鳴，張小超，等.基于機器視覺的苗期雜草實時分割算法[J].農業機械學報，2005，36（1）：83-86.

[7] 袁海波，史巖，梁安波，等.基于神經網絡的雜草識別試驗研究[J].機電工程，2008，25（4）：28-30.

[8] Geng X，Lu S，Jiang M，et al.Research on FBG-Based CFRP Structural Damage Identification Using BP Neural Network[J].Photonic Sensors，2018（11–12）：1-8.

[9] 顏秉忠.機器視覺技術在玉米苗期雜草識別中的應用[J].農機化研究，2018，40（3）：212-216.

基金項目：

農業物聯網模型檢測技術研究，基金編號：SXYBKY201721

作者簡介：

關鵬（1994-），男，山西朔州人，山西農業大學碩士生。

（作者單位：山西農業大學信息科學與工程學院）