基于莖基部分區(qū)邊緣擬合的稻株定位方法

蔣 郁 崔宏偉 區(qū)穎剛 馬 旭，3 齊 龍,3 鄭文漢

(1.華南農(nóng)業(yè)大學(xué)工程學(xué)院， 廣州 510642； 2.華南農(nóng)業(yè)大學(xué)現(xiàn)代教育技術(shù)中心， 廣州510642；3.南方糧油作物協(xié)同創(chuàng)新中心， 長(zhǎng)沙 410128)

基于莖基部分區(qū)邊緣擬合的稻株定位方法

蔣 郁1，2崔宏偉1區(qū)穎剛1馬 旭1，3齊 龍1,3鄭文漢1

(1.華南農(nóng)業(yè)大學(xué)工程學(xué)院， 廣州 510642； 2.華南農(nóng)業(yè)大學(xué)現(xiàn)代教育技術(shù)中心， 廣州510642；3.南方糧油作物協(xié)同創(chuàng)新中心， 長(zhǎng)沙 410128)

準(zhǔn)確地定位稻株是水稻株間除草機(jī)械作業(yè)的前提，提出了側(cè)位俯拍的圖像采集方式獲取稻株莖基部圖像，采用莖基部分區(qū)邊緣擬合的方法定位稻株，解決了除草期內(nèi)水稻冠層接連引起的定位不準(zhǔn)確問(wèn)題。首先分析稻株生長(zhǎng)形態(tài)，探究側(cè)位俯拍稻株莖基部的相機(jī)安裝參數(shù)設(shè)定，以及影響成像質(zhì)量的相關(guān)因素，提出了遮光條件下采集圖像的方法，構(gòu)建了具有遮光功能的圖像采集系統(tǒng)；其次采用2G-R-B彩色圖像灰度化、自動(dòng)閾值、形態(tài)學(xué)操作等方法處理并分割稻株圖像，檢測(cè)莖基部邊緣并分析其形態(tài)特征，并提出了分區(qū)邊緣擬合定位方法：劃分?jǐn)M合區(qū)間為3個(gè)子區(qū)間，在子區(qū)間內(nèi)進(jìn)行邊緣擬合，以擬合邊緣線(xiàn)段中點(diǎn)坐標(biāo)均值作為子區(qū)間莖基部中點(diǎn)，根據(jù)中點(diǎn)擬合莖基部中線(xiàn)，以中線(xiàn)中點(diǎn)作為定位的莖基部中心。最后進(jìn)行了基于莖基部與冠層的稻株定位精度田間對(duì)比試驗(yàn)，結(jié)果顯示：插秧后10～20 d內(nèi)，基于莖基部的稻株定位誤差均在7.0 mm以下，其中10 d、15 d、20 d時(shí)的定位誤差分別為6.9 mm/6.8 mm、5.9 mm/5.8 mm、6.3 mm/6.5 mm(有水條件/無(wú)水條件)；基于冠層的稻株定位誤差在8.0 mm以上，其中插秧20 d后，定位誤差超過(guò)15 mm以上。試驗(yàn)結(jié)果表明，所提出的基于莖基部分區(qū)邊緣擬合的稻株定位方法，定位精度高，除草適用期長(zhǎng)，可滿(mǎn)足株間機(jī)械除草過(guò)程中對(duì)稻株精準(zhǔn)定位的技術(shù)要求。

水稻； 機(jī)械除草； 株間除草； 定位； 莖基部

引言

避開(kāi)作物選擇性地對(duì)株間雜草進(jìn)行防除是機(jī)械除草的最大難點(diǎn)[1]。機(jī)插秧雖理論上株距分布均勻，但實(shí)際生產(chǎn)中由于單位面積上的取秧量不同、漏插以及漂秧現(xiàn)象的存在，致使水稻株距分布不均勻，因此，要實(shí)現(xiàn)水稻株間機(jī)械除草，首先需要對(duì)稻株進(jìn)行精準(zhǔn)識(shí)別和定位。

目前，作物自動(dòng)識(shí)別與定位常采用機(jī)器視覺(jué)技術(shù)，然而識(shí)別與定位精度常受圖像背景的復(fù)雜度、作物與雜草形態(tài)的相似性以及環(huán)境因素等影響，給田間智能機(jī)械除草裝備的研究和應(yīng)用帶來(lái)很大困難。TILLETT等[2]應(yīng)用二維小波技術(shù)結(jié)合Kalman跟蹤算法識(shí)別目標(biāo)作物萵苣個(gè)體并獲得其位置信息，形成決策后控制除草部件完成株間除草作業(yè)。ASTRAND等[3]對(duì)大量甜菜及其雜草的顏色、形狀和不變矩特征信息進(jìn)行提取，并建立了k-NN分類(lèi)器，對(duì)甜菜的識(shí)別正確率達(dá)到80%以上。翟志強(qiáng)等[4]提出一種基于Census變換的作物行識(shí)別算法，通過(guò)改進(jìn)超綠-超紅方法灰度化圖像提取綠色作物特征，以最小核值相似算子檢測(cè)作物行特征角點(diǎn)，運(yùn)用基于Census變換的立體匹配方法和寬度閾值提取作物行特征點(diǎn)，最后利用主成分分析法得到作物行中心線(xiàn)。胡煉等[5]在超綠顏色空間，利用Otsu圖像分割及形態(tài)學(xué)運(yùn)算方法，識(shí)別棉苗和生菜苗，根據(jù)行列像素累加結(jié)合綠色植物連通域的質(zhì)心獲取作物的位置信息。

以上研究均采用機(jī)器視覺(jué)技術(shù)從目標(biāo)作物的冠層進(jìn)行識(shí)別和定位；識(shí)別和定位的作物多為葉菜類(lèi)作物，株距較大；作物冠層形態(tài)特征相對(duì)簡(jiǎn)單，相鄰植株無(wú)接連；圖像背景多為旱地。然而，對(duì)于水稻這種小株距作物而言，不僅冠層形態(tài)特征較為復(fù)雜，而且水稻開(kāi)始分蘗后，相鄰稻穴冠層葉片出現(xiàn)接連，采用機(jī)器視覺(jué)技術(shù)通過(guò)冠層定位與根部實(shí)際位置存在較大偏差。此外，水田背景環(huán)境復(fù)雜、水層反光，也給稻苗的識(shí)別和定位帶來(lái)一定困難。近年來(lái)，NAKARMI等[6]采用莖部定位的圖像處理方式定位作物，通過(guò)3D相機(jī)采集玉米莖基部圖像，進(jìn)而提取出作物株距信息，該方法可以適應(yīng)作物不同生長(zhǎng)時(shí)期的定位要求。

本研究通過(guò)分析稻株的形態(tài)特征，提出側(cè)位俯拍的圖像采集方式，通過(guò)合理設(shè)定圖像采集參數(shù)獲取稻株莖基部圖像；同時(shí)構(gòu)建具有遮光功能的圖像采集系統(tǒng)，以提高自然光下稻苗與背景的差異。

1 材料與方法

1.1 稻苗樣本培育

供試水稻品種為天優(yōu)173。2016年4月19日，在試驗(yàn)基地溫室內(nèi)(113.35°E、23.16°N)培育稻苗，溫室內(nèi)相對(duì)濕度為60%～70%，晝夜平均溫度分別為28、20℃。水稻種子經(jīng)浸泡消毒24 h后，沖洗、催芽，然后進(jìn)行播種、育秧。肥水按照常規(guī)措施均一管理。2016年5月15日，當(dāng)?shù)久缙骄叨燃s為25 cm，冠層平均直徑約為13 cm時(shí)，將稻苗分別移栽到3個(gè)試驗(yàn)土槽(長(zhǎng)×寬×高為200 cm×90 cm×40 cm)內(nèi)。每個(gè)試驗(yàn)土槽移栽稻苗20株，即每行10穴，每列2穴。根據(jù)目前機(jī)插秧的相關(guān)作業(yè)參數(shù)，行距設(shè)定為30 cm，株距12～17 cm隨機(jī)。試驗(yàn)槽放置地點(diǎn)的相對(duì)濕度為65%～75%，晝夜平均溫度分別為26、20℃。試驗(yàn)槽土壤選取稻田土，模擬實(shí)際水田情況，并有雜草分布。

1.2 圖像采集

1.2.1 圖像采集系統(tǒng)

圖像采集系統(tǒng)主要由彩色相機(jī)(acA640-90gc，BASLER，德國(guó))、鏡頭(M0814-MP，COMPUTAR，日本)、計(jì)算機(jī)(B470，Lenovo)、遮光裝置、移動(dòng)平臺(tái)、軌道等組成，如圖1所示。其中相機(jī)分辨率為640像素×480像素，鏡頭焦距8 mm，光圈F1.4～F16C，采集幀率60 f/s，遮光裝置的框架材料為鋁合金，遮光布的材料為聚酯纖維。圖像采集及處理程序均在In-Sight Explorer 4.9.3(COGNEX，美國(guó))下完成。

圖像采集時(shí)，首先將相機(jī)安裝在移動(dòng)平臺(tái)上；然后控制移動(dòng)平臺(tái)沿平行于作物行的軌道運(yùn)動(dòng)，保持相機(jī)與稻苗的相對(duì)位置固定，不發(fā)生橫向偏移。

圖1 圖像采集系統(tǒng)俯拍圖像Fig.1 Image acquisition system1.計(jì)算機(jī) 2.相機(jī) 3.遮光裝置 4.移動(dòng)平臺(tái) 5.稻苗 6.軌道 7.土槽

1.2.2 系統(tǒng)參數(shù)設(shè)定

1.2.2.1 側(cè)位俯拍的相機(jī)安裝參數(shù)設(shè)定

圖2 不同生長(zhǎng)時(shí)期的稻株俯拍圖像Fig.2 Top views of rice seedlings at different growth stages

稻苗冠層形態(tài)特征復(fù)雜，除草時(shí)相鄰稻株葉片接連，基于冠層識(shí)別和定位稻株存在誤差。參考側(cè)位圖像采集的相關(guān)研究[7-8]，并結(jié)合稻株莖基部成束的生長(zhǎng)特點(diǎn)，本研究提出側(cè)位俯拍稻株莖基部的圖像采集方法。側(cè)位俯拍是指：在與目標(biāo)行相鄰的行間，略高于稻株冠層的部位對(duì)目標(biāo)稻株莖基部進(jìn)行圖像采集。

因水稻除草期一般為插秧后10～20 d，為探究除草期內(nèi)，側(cè)位俯拍稻株莖基部的適用性，本研究選取插秧后10 d、15 d、20 d，進(jìn)行稻株冠層與莖基部圖像樣本采集，并對(duì)比分析。圖像采集結(jié)果如圖2所示。

圖2a、圖2b 3幅圖分別為稻苗插秧后10 d、15 d、20 d采集的圖像。對(duì)比圖2a、2b可以看出，在除草期內(nèi)，隨著稻株生長(zhǎng)，相鄰稻株冠層接連狀態(tài)愈加明顯，難以區(qū)分，而相鄰稻株莖基部始終易于區(qū)分。由此可見(jiàn)，在除草期內(nèi)，側(cè)位俯拍稻株莖基部的方式與垂直俯拍冠層的方式相比更利于稻株的識(shí)別和定位。

然而，由圖2b可以看出，目標(biāo)稻株莖基部的識(shí)別與定位易受相鄰行稻株影響，其原因是相機(jī)視野不適合，而相機(jī)視野與物距有關(guān)，物距增大，則視野增大[9]。側(cè)位俯拍時(shí)相機(jī)物距與相機(jī)安裝的高度、俯角等參數(shù)相關(guān)，因此，為獲得清晰且不受鄰行干擾的稻株莖基部圖像，應(yīng)對(duì)相機(jī)的相關(guān)拍攝參數(shù)進(jìn)行合理的設(shè)定。

圖3為相機(jī)安裝不同位置的示意圖。圖中點(diǎn)O1、O2表示相機(jī)安裝位置。h1、h2表示相機(jī)安裝高度，l表示相機(jī)安裝位置與目標(biāo)稻株水平距離，γ1、γ2表示相機(jī)安裝俯角，Rh1、Rh2表示株高和莖基部高度，設(shè)定稻株莖基部高度為株高的2/3，即Rh2=2Rh1/3。

圖3 相機(jī)安裝位置示意圖Fig.3 Schematic diagram of camera installation position

相機(jī)安裝時(shí)需避免相鄰行稻株冠層對(duì)鏡頭視野的遮擋，同時(shí)需避免機(jī)具行進(jìn)過(guò)程中設(shè)備對(duì)稻株的影響。設(shè)行距L，相機(jī)安裝于行間，安裝水平距離l約為2L/3。在水平距離l=2L/3時(shí)，縱向調(diào)整相機(jī)位置，同時(shí)調(diào)整俯角γ，使視野滿(mǎn)足要求，即視野中不包含相鄰行稻株莖基部。如圖3位置O1、O2。當(dāng)相機(jī)位于O1上方時(shí)，物距過(guò)大導(dǎo)致相機(jī)視野中稻株變小，稻株莖基部在圖像中所占面積較小，不利于莖基部邊緣的提取，進(jìn)而影響莖基部中心的定位；當(dāng)相機(jī)安裝于O1點(diǎn)與O2點(diǎn)之間，即h2≤h≤h1時(shí)，可調(diào)整俯角γ，使視野滿(mǎn)足要求；當(dāng)相機(jī)位于點(diǎn)O2下方時(shí)，分析可知不存在滿(mǎn)足視野要求的俯角。

圖4 合理安裝相機(jī)時(shí)稻株莖基部圖像Fig.4 Stem base images of rice seedlings with reasonable installation parameters of camera

由圖3，根據(jù)相似三角形原理，得h1=5Rh1/3，h2=10Rh1/9，因此相機(jī)安裝高度范圍為10Rh1/9≤h≤5Rh1/3，本研究中取相機(jī)安裝高度為4Rh1/3。此時(shí)根據(jù)反正切函數(shù)求得γ范圍為arctan(L/Rh1)≤γ≤arctan(5L/(4Rh1))，本研究中選定俯角γ為arctan(L/Rh1)。綜上所述，相機(jī)安裝水平距離為2L/3，安裝高度為4Rh1/3，俯角γ為arctan(L/Rh1)。進(jìn)行相機(jī)安裝時(shí)，可根據(jù)稻株生長(zhǎng)形態(tài)，對(duì)高度、俯角進(jìn)行適當(dāng)調(diào)整，以期達(dá)到稻株成像部位適合，視野中僅包含目標(biāo)稻株莖基部的目的。

本研究中秧苗行距為300 mm，因此相機(jī)安裝水平距離約為200 mm；插秧后10～20 d范圍，稻株平均高度約為270 mm，因此安裝高度約為360 mm，俯角約為48°。

根據(jù)上述參數(shù)安裝相機(jī)，采集不同時(shí)期稻株莖基部圖像，如圖4所示。由圖4可以看出，經(jīng)過(guò)合理設(shè)置相機(jī)安裝參數(shù)可以采集到較好的稻株莖基部圖像，進(jìn)一步減小了定位難度，因此本研究圖像采集均采用上述參數(shù)安裝相機(jī)。

1.2.2.2 移動(dòng)平臺(tái)前進(jìn)速度設(shè)定

相機(jī)采集幀率為60 f/s。進(jìn)行株間除草作業(yè)實(shí)時(shí)采集圖像時(shí)，為避免重復(fù)計(jì)算稻株，設(shè)置只有當(dāng)視野中圖像滿(mǎn)足條件時(shí)(條件見(jiàn)1.4.3節(jié))，才進(jìn)行后續(xù)圖像處理，從而避免重復(fù)計(jì)算稻株。

1.2.2.3 圖像采集環(huán)境因素設(shè)定

Phong光照模型將照射到物體表面的光照分類(lèi)為漫反射光和鏡面反射光。所謂鏡面反射光是指由于物體表面光滑，光線(xiàn)照射到物體表面時(shí)產(chǎn)生鏡面反射，鏡面反射使物體表面產(chǎn)生一塊亮度特高的區(qū)域[10]。水田環(huán)境中，由于水面的鏡面反射作用，使視覺(jué)系統(tǒng)成像區(qū)域出現(xiàn)亮度較高的區(qū)域，影響稻株的識(shí)別和定位[11]。

為提高圖像樣本中稻株與背景的灰度差異，減少圖像噪聲，需調(diào)控影響成像質(zhì)量的相關(guān)因素，主要包括成像區(qū)域是否具有水層，以及成像區(qū)域是否遮光。本研究中成像區(qū)域遮光是指通過(guò)遮光裝置屏蔽鏡面反射光，使稻苗處于光照漫反射區(qū)，從而使水中無(wú)倒影、亮斑，遮光裝置布置如圖1所示。為探究以上兩種因素對(duì)成像質(zhì)量的影響，分別選擇無(wú)水無(wú)遮光、有水無(wú)遮光、無(wú)水有遮光、有水有遮光4種條件進(jìn)行圖像采集，有水時(shí)的水層厚度約為2 cm，圖像采集結(jié)果如圖5所示。

圖5 不同光照條件下圖像采集結(jié)果Fig.5 Images captured under different light conditions

對(duì)比圖5a和圖5c可見(jiàn)，稻田無(wú)水、自然光照條件下，泥土反光，稻苗與泥土灰度差異不明顯；遮光條件下圖像中稻株與背景的灰度差異較大，易于后續(xù)的圖像分割。稻田有水時(shí)，由于水面反射，無(wú)遮光時(shí)水面倒映移動(dòng)平臺(tái)、天空、云等物體，導(dǎo)致圖5b背景中包含較多噪聲，影響后續(xù)圖像處理，而采用遮光的方式，圖像質(zhì)量明顯改善。綜上所述，本研究圖像采集均在遮光條件下進(jìn)行。

1.2.3 圖像采集步驟

圖像采集步驟為：①調(diào)整安裝相機(jī)，使第1株稻株莖基部位于圖像中部。②調(diào)整鏡頭焦距與光圈，使稻株成像清晰。調(diào)整移動(dòng)平臺(tái)前進(jìn)速度為0.15 m/s。③將試驗(yàn)槽中的水層厚度調(diào)整至2 cm左右。④啟動(dòng)圖像采集系統(tǒng)與移動(dòng)平臺(tái)，來(lái)回2次完成一試驗(yàn)槽稻株的采集。⑤將試驗(yàn)槽中的水全部排出，重復(fù)步驟④。⑥一試驗(yàn)槽圖像樣本采集完成后，進(jìn)行另一個(gè)試驗(yàn)槽圖像樣本采集，重復(fù)以上步驟。

圖像采集在插秧后10 d、15 d、20 d進(jìn)行，采集有水、無(wú)水圖像各50幅，共300幅圖像用于定位方法分析。

1.3 圖像分割

為突出稻株灰度，弱化背景，需將RGB彩色圖像各顏色分量適當(dāng)組合轉(zhuǎn)換。秧苗灰度化最常用方法為[12-13]：用2G-R-B對(duì)原圖像進(jìn)行灰度化，計(jì)算式為

(1)

式中Gray(x,y)——像素坐標(biāo)(x，y)的灰度R、G、B——像素的紅、綠、藍(lán)顏色分量

圖7 無(wú)分區(qū)邊緣擬合定位方法Fig.7 Edge fitting in non-separated region of stem base

該方法可以突出綠色顏色空間灰度，而陰影和土壤得到較好的抑制效果。其中無(wú)水遮光圖像樣本灰度化后所得效果如圖6b所示。

圖像采集時(shí)，光照強(qiáng)度變化影響圖像的灰度分布，因此，無(wú)法采用固定閾值的方法進(jìn)行圖像分割。本研究選取最大類(lèi)間方差法(Otsu 法)自動(dòng)確定閾值對(duì)圖像進(jìn)行二值化處理。最大類(lèi)間方差法是一種自動(dòng)選擇閾值的方法[14-16]。利用Otsu 法計(jì)算出最優(yōu)閾值Th,使用閾值Th對(duì)灰度圖像二值化后的結(jié)果如圖6c所示。由圖6c可知，二值化后的稻株莖基部外邊緣不平滑，內(nèi)部存在較多孔洞，不利于稻株莖基部邊緣提取和中心定位。為平滑稻株莖基部外邊緣，同時(shí)填充莖基部?jī)?nèi)部孔洞，減少噪聲，本研究選用先進(jìn)行3次腐蝕，后進(jìn)行3次膨脹的形態(tài)學(xué)操作對(duì)二值圖像進(jìn)行處理[17-18]。將處理結(jié)果進(jìn)行面積濾波，過(guò)濾像素面積小于1 500像素的連通區(qū)域[19]，然后通過(guò)孔洞填充操作，填充稻株莖基部?jī)?nèi)部存在的孔洞，形態(tài)學(xué)操作處理結(jié)果如圖6d所示。

圖6 圖像分割結(jié)果Fig.6 Image segmentation results

1.4 定位方法分析

1.4.1 邊緣檢測(cè)

邊緣的定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。根據(jù)灰度變化的劇烈程度，通常將邊緣劃分為階躍狀和屋頂狀兩種類(lèi)型[20]。階躍邊緣兩邊的灰度變化明顯，而屋頂邊緣位于灰度增加與減小的交界處[21]。二值圖像中邊緣兩邊的灰度變化明顯，屬于階躍狀邊緣。其中較優(yōu)的階躍狀邊緣檢測(cè)算法為Canny邊緣檢測(cè)，先使用高斯濾波器平滑圖像，接著用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向，然后對(duì)梯度幅值進(jìn)行非極大值抑制，最后用雙閾值算法檢測(cè)邊緣。

運(yùn)用Canny邊緣檢測(cè)算子在圖像內(nèi)檢測(cè)稻株莖基部邊緣，檢測(cè)結(jié)果如圖7a、8a所示，圖7b、8b為檢測(cè)到的邊緣示意圖。

圖8 分區(qū)邊緣擬合定位方法Fig.8 Edge fitting in separated region of stem base

1.4.2 分區(qū)與邊緣擬合

1.4.2.1 設(shè)定莖基部邊緣的擬合區(qū)間

由于莖基部定位稻株不需要稻株冠層，因此在莖基部中下部設(shè)計(jì)擬合區(qū)間。由于稻株莖基部直徑不一，為使擬合區(qū)間充分包含莖基部，設(shè)計(jì)擬合區(qū)間寬W=3Rr(Rr表示圖像中莖基部直徑)，而莖基部定位不需要稻株冠層，因此設(shè)計(jì)擬合區(qū)間高度H為圖像高度的3/4。

本研究測(cè)量50穴稻株插秧后20 d時(shí)莖基部的直徑(表1)。由表1知，稻株莖基部直徑均小于50 mm。經(jīng)坐標(biāo)轉(zhuǎn)換為像素坐標(biāo)系，稻株莖基部直徑均小于90像素，因此設(shè)計(jì)擬合區(qū)間寬度(W)為270像素；本研究圖像高度為480像素，因此設(shè)計(jì)擬合區(qū)間高度(H)為360像素。根據(jù)擬合區(qū)間的尺寸，將區(qū)間放置到圖像中間位置，區(qū)間左上角頂點(diǎn)坐標(biāo)為(185,60)。擬合區(qū)間如圖7c、8c中的大矩形所示，其中虛線(xiàn)又將矩形區(qū)域分2個(gè)虛擬小區(qū)間，表示邊緣擬合分別在兩側(cè)進(jìn)行。

表1 莖基部直徑分布

1.4.2.2 劃分?jǐn)M合區(qū)間與邊緣擬合

采用Hough變換中的直線(xiàn)擬合算法進(jìn)行邊緣擬合[22-23]。Hough變換中的直線(xiàn)擬合算法在極坐標(biāo)下表示為

ρ=xcosθ+ysinθ

(2)

式中ρ——原點(diǎn)到直線(xiàn)交點(diǎn)間的距離θ——垂直于圖像中直線(xiàn)的直線(xiàn)角度

Hough變換中的直線(xiàn)擬合采用極坐標(biāo)方程，將檢測(cè)的邊緣像素點(diǎn)變換到極坐標(biāo)系中，根據(jù)圖像分辨率確定ρ和θ范圍，同時(shí)分配累加器，然后進(jìn)行Hough變換，不斷調(diào)整θ值，得出ρ值，并在對(duì)應(yīng)的累加器累積加1。最后，檢測(cè)整個(gè)參數(shù)空間累加器的峰值，此峰值即為對(duì)應(yīng)圖像中直線(xiàn)的參數(shù)。邊緣離散點(diǎn)擬合直線(xiàn)主要由In-Sight Explorer中的FindLine函數(shù)實(shí)現(xiàn)，在此工具中設(shè)定邊緣擬合的方向?yàn)榭v向，橫向邊緣不進(jìn)行擬合。

采用Hough變換算法在擬合區(qū)間的左右兩側(cè)對(duì)邊緣像素點(diǎn)進(jìn)行擬合，得到代表邊緣的線(xiàn)段，如圖7d中黃色實(shí)線(xiàn)為邊緣擬合結(jié)果；計(jì)算兩條線(xiàn)段中點(diǎn)坐標(biāo)均值，作為該方法定位的稻株中心，定位中心的橫坐標(biāo)顯示在圖右上方，如圖7e所示。此過(guò)程稱(chēng)為無(wú)分區(qū)邊緣擬合定位方法，定位過(guò)程如圖7a、7c、7d、7e所示。由圖7e可以看出，定位中心向左側(cè)偏離，其原因如下：①由圖7b可以看出，莖基部邊緣生長(zhǎng)姿態(tài)不對(duì)稱(chēng)，僅左側(cè)邊緣向左側(cè)傾斜，而右側(cè)邊緣基本保持豎直狀態(tài)，導(dǎo)致擬合的兩側(cè)邊緣線(xiàn)段不對(duì)稱(chēng)，如圖7d所示，兩側(cè)邊緣線(xiàn)段中點(diǎn)坐標(biāo)均值向?qū)嶋H莖基部中心左側(cè)偏離，從而造成定位誤差。②如圖7b所示，檢測(cè)到的莖基部邊緣不平滑，存在凸起的尖銳邊緣，采用Hough變換的直線(xiàn)擬合算法在整個(gè)區(qū)間內(nèi)進(jìn)行邊緣擬合，擬合結(jié)果易受到凸起尖銳邊緣的影響。

為減小以上原因造成的定位誤差，本研究提出分區(qū)邊緣擬合的方法。所謂分區(qū)邊緣擬合是指：將擬合區(qū)間分為上、中、下3個(gè)子區(qū)間，在每個(gè)子區(qū)間內(nèi)進(jìn)行邊緣擬合。邊緣擬合結(jié)果如圖8d所示，圖中黃色實(shí)線(xiàn)表示擬合的邊緣，可以看出僅上部區(qū)間內(nèi)擬合的邊緣線(xiàn)段不對(duì)稱(chēng)，其邊緣線(xiàn)段中點(diǎn)坐標(biāo)均值較實(shí)際莖基部中點(diǎn)向左側(cè)偏離；中、下部區(qū)間內(nèi)的邊緣線(xiàn)段基本保持對(duì)稱(chēng)狀態(tài)，其邊緣線(xiàn)段中點(diǎn)坐標(biāo)均值可代表莖基部中點(diǎn)。為進(jìn)一步減小邊緣不對(duì)稱(chēng)造成的誤差，利用3個(gè)子區(qū)間內(nèi)的莖基部中點(diǎn)擬合線(xiàn)段，求線(xiàn)段中點(diǎn)作為莖基部中心，詳述見(jiàn)下文。

1.4.3 中心定位

在區(qū)間邊緣擬合完成后，對(duì)擬合結(jié)果進(jìn)行判定，若子區(qū)間兩側(cè)均存在擬合邊緣，則求兩側(cè)邊緣線(xiàn)段中點(diǎn)坐標(biāo)均值作為該區(qū)間內(nèi)莖基部的中點(diǎn)；若子區(qū)間不存在或僅一側(cè)存在邊緣，則認(rèn)為該區(qū)間無(wú)莖基部中點(diǎn)；若中點(diǎn)數(shù)小于2，則無(wú)法進(jìn)行直線(xiàn)擬合，圖像不滿(mǎn)足要求。

利用子區(qū)間存在的莖基部中點(diǎn)，結(jié)合最小二乘法擬合莖基部中線(xiàn)。最小二乘法原理為：設(shè)擬合的直線(xiàn)x和y之間的函數(shù)關(guān)系為

y=a+bx

(3)

式中有2個(gè)待定參數(shù)，a表示截距，b表示斜率。用最小二乘法估計(jì)參數(shù)時(shí)，要求觀測(cè)值yi偏差的加權(quán)平方和Q為最小，即

(4)

式中，(xi,yi)表示子區(qū)間莖基部中點(diǎn)。分別對(duì)a、b求偏導(dǎo)得

(5)

式(5)可得到參數(shù)a、b的值，即可得到擬合的直線(xiàn)。最小二乘法擬合直線(xiàn)通過(guò)LineFromNPoints函數(shù)實(shí)現(xiàn)。

圖8d中3個(gè)紅色小圓表示各子區(qū)間莖基部中點(diǎn)，由子區(qū)間莖基部中點(diǎn)擬合中線(xiàn)的結(jié)果如圖8d中莖基部中間的線(xiàn)所示。以擬合中線(xiàn)的中點(diǎn)作為定位中心，定位結(jié)果如圖8e所示，圖中數(shù)值為定位中心的橫坐標(biāo)。

2 試驗(yàn)與分析

2.1 田間莖基部定位試驗(yàn)與分析

2.1.1 橫向糾偏系統(tǒng)

在田間進(jìn)行機(jī)械除草作業(yè)時(shí)，機(jī)具在行進(jìn)的過(guò)程中會(huì)產(chǎn)生橫向偏移，為此研制了橫向糾偏系統(tǒng)，實(shí)時(shí)控制機(jī)具的橫向偏移。橫向糾偏系統(tǒng)主要包括苗帶線(xiàn)視覺(jué)提取系統(tǒng)和液壓控制系統(tǒng)，其原理為：安裝垂直俯拍苗帶的相機(jī)(圖9b)，實(shí)時(shí)采集苗帶圖像，運(yùn)用基于Hough變換統(tǒng)計(jì)學(xué)特性的作物行線(xiàn)提取算法[24]，進(jìn)行苗帶線(xiàn)提取，提取結(jié)果如圖10b所示，圖中紅色實(shí)線(xiàn)為提取苗帶線(xiàn)，綠色實(shí)線(xiàn)為當(dāng)前相機(jī)指示方向，測(cè)量2條線(xiàn)之間的夾角β為苗帶偏轉(zhuǎn)角。通過(guò)液壓控制系統(tǒng)實(shí)時(shí)調(diào)整除草機(jī)架，使除草部件與苗帶保持平行(苗帶偏轉(zhuǎn)角β約為0°)，避免傷苗。液壓控制系統(tǒng)電路圖如圖9a所示，當(dāng)檢測(cè)到苗帶發(fā)生偏轉(zhuǎn)時(shí)，發(fā)出信號(hào)到IO模塊，通過(guò)PLC控制液壓缸伸縮實(shí)現(xiàn)除草機(jī)架的實(shí)時(shí)調(diào)整糾偏。

本研究進(jìn)行稻苗莖基部圖像采集時(shí)，通過(guò)橫向糾偏系統(tǒng)實(shí)時(shí)調(diào)整側(cè)位俯拍相機(jī)(圖9b)的橫向偏移，保持側(cè)位俯拍相機(jī)與稻苗相對(duì)位置不變?？刂葡到y(tǒng)實(shí)物圖如圖9b所示。

圖9 橫向糾偏系統(tǒng)Fig.9 Control system of lateral offset1.液壓缸 2.側(cè)位俯拍相機(jī) 3.垂直俯拍相機(jī)

圖10 苗帶線(xiàn)提取Fig.10 Seedlings line extraction

2.1.2 莖基部中心線(xiàn)標(biāo)定

在廣東省江門(mén)市試驗(yàn)田進(jìn)行田間測(cè)試時(shí)，將橫向糾偏系統(tǒng)和莖基部圖像采集系統(tǒng)安裝在水田拖拉機(jī)上(圖11)，按照1.2.2節(jié)中關(guān)于系統(tǒng)參數(shù)的設(shè)置要求安裝側(cè)位俯拍相機(jī)，設(shè)置拖拉機(jī)行駛速度為0.15 m/s。

圖11 田間測(cè)試現(xiàn)場(chǎng)Fig.11 Experiment in paddy field

供試稻苗為五山絲苗，每穴苗數(shù)平均5株，稻田水層厚度約為2 cm。在水稻插秧后10 d、15 d、20 d時(shí)采集圖像，分別采集有水、無(wú)水條件下圖像樣本各50幅，共300幅稻株莖基部圖像樣本用于方法驗(yàn)證。

稻株中心標(biāo)定是判斷定位是否準(zhǔn)確的關(guān)鍵。本研究通過(guò)人工標(biāo)定得到像素坐標(biāo)下稻株中心的精確坐標(biāo)。圖像采集前，在稻株莖基部中間插入一根黑色標(biāo)桿，如圖12a所示。圖像二值化后，檢測(cè)并擬合該標(biāo)桿的邊緣成線(xiàn)段，計(jì)算兩側(cè)邊緣線(xiàn)段中點(diǎn)坐標(biāo)均值作為標(biāo)定稻株中心。擬合的邊線(xiàn)如圖12b中紅色虛線(xiàn)所示，標(biāo)定中心如圖12b中的點(diǎn)所示，其橫坐標(biāo)顯示在圖12b右上角。

圖12 中心線(xiàn)標(biāo)定Fig.12 Center line calibration

2.1.3 莖基部邊緣擬合定位

為驗(yàn)證本文所述分區(qū)邊緣擬合定位方法的定位精度，分別采用無(wú)分區(qū)邊緣擬合定位方法和本文所述分區(qū)邊緣擬合的定位方法對(duì)稻株進(jìn)行定位，并將定位中心的橫坐標(biāo)和標(biāo)定中心的橫坐標(biāo)由像素坐標(biāo)轉(zhuǎn)換為實(shí)際坐標(biāo)，然后計(jì)算定位橫坐標(biāo)的偏移δi。定位誤差由均方根誤差(RMSE)表示，均方根誤差公式為

(6)

式中σ——均方根誤差，即定位誤差δi——第i幅圖像中的定位偏移

稻株定位結(jié)果如表2所示。

表2 莖基部定位結(jié)果

對(duì)比分區(qū)邊緣擬合與無(wú)分區(qū)邊緣擬合兩種定位方法的定位誤差發(fā)現(xiàn)，分區(qū)邊緣擬合定位方法的定位精度優(yōu)于無(wú)分區(qū)邊緣擬合定位方法，說(shuō)明因稻株莖基部邊緣不平滑、莖基部頂端單側(cè)傾斜，無(wú)分區(qū)邊緣擬合定位莖基部中心容易造成較大定位誤差。由表2中分區(qū)條件下的定位誤差可知，在有水或無(wú)水條件下，定位誤差保持在7.0 mm下，其中插秧后15 d時(shí)的定位精度最高。分析原因如下：插秧后10 d時(shí)，影響定位誤差的主要原因是稻株莖基部未分蘗，部分穴稻株擁有苗數(shù)較少(1～3株)，穴內(nèi)稻株的莖基部未能呈現(xiàn)成束的生長(zhǎng)狀態(tài)，由側(cè)面對(duì)莖基部進(jìn)行圖像采集，圖像中穴內(nèi)稻株之間存在間隙，圖像分割后，稻株莖基部中間存在黑色的背景區(qū)域，進(jìn)行邊緣擬合時(shí)，此類(lèi)區(qū)域的邊緣易被識(shí)別為稻株莖基部邊緣，從而對(duì)邊緣擬合造成干擾，影響定位誤差；插秧后20 d時(shí)，影響定位誤差的主要原因是目標(biāo)行或相鄰行稻株冠層長(zhǎng)勢(shì)較好，葉片被采集到圖像中，葉片邊緣被誤識(shí)別為稻株莖基部邊緣，影響定位誤差。

2.2 冠層定位試驗(yàn)與分析

為分析本研究所提出的區(qū)間邊緣擬合的稻株定位方法，進(jìn)行了傳統(tǒng)的基于植株冠層的定位方法研究[25]。垂直俯拍插秧后10 d、15 d、20 d時(shí)的稻株冠層圖像，采集環(huán)境條件與上述保持一致，每種條件下均采集50幅，共300幅圖像樣本。進(jìn)行圖像分割后，在二值圖像中部采用Blob算法對(duì)稻株冠層進(jìn)行連通區(qū)域質(zhì)心提取，提取結(jié)果即為該方法定位的稻株中心。稻株的標(biāo)定中心采用在稻株中心插入一黑色標(biāo)桿并計(jì)算該標(biāo)桿圓心的方式得到。該方法的定位結(jié)果見(jiàn)表3。

表3 冠層定位結(jié)果

由表3可知，在插秧后10～20 d內(nèi)，隨著稻株的生長(zhǎng)，Blob算法的定位誤差不斷增大，其原因是隨著稻株的生長(zhǎng)，稻株冠層形態(tài)更加復(fù)雜，生長(zhǎng)到一定時(shí)期后，相鄰稻株葉片接連，影響目標(biāo)稻株的定位誤差。

2.3 莖基部與冠層定位試驗(yàn)對(duì)比分析

為更好地對(duì)比分析本研究提出的基于稻株莖基部的定位方法與傳統(tǒng)的基于稻株冠層的定位方法，定義除草適用期為：該方法在稻苗插秧后，分蘗盛期之前的除草期內(nèi)，滿(mǎn)足定位精度要求的時(shí)間段(定位誤差小于10 mm)。對(duì)比分析分區(qū)邊緣擬合定位方法與冠層定位方法的定位誤差發(fā)現(xiàn)，在插秧后10～20 d內(nèi)，本文所述稻株定位方法的定位誤差均低于7.0 mm，而由冠層定位的方法定位誤差均高于8.0 mm，且15 d時(shí)其定位誤差已超過(guò)10 mm，由此可見(jiàn)由冠層定位稻株的方法定位誤差較大，僅適用于插秧初期(10 d內(nèi))，除草適用期較短。而本文所述莖基部分區(qū)邊緣擬合的稻株定位方法，除草適用期較長(zhǎng)，定位誤差較小，可滿(mǎn)足株間除草機(jī)械對(duì)稻株定位的精度要求。

3 結(jié)論

(1)構(gòu)建了具有遮光功能的圖像采集系統(tǒng)，該方法減少了自然光下，亮斑、倒影等因素對(duì)稻株定位精度的影響；提出了側(cè)位俯拍的圖像采集方式獲取稻株莖基部圖像并進(jìn)行定位，探究了側(cè)位俯拍時(shí)相機(jī)的相關(guān)安裝參數(shù)設(shè)定。

(2)提出了基于莖基部分區(qū)邊緣擬合的稻株定位方法，該方法解決了因稻株莖基部邊緣生長(zhǎng)姿態(tài)不對(duì)稱(chēng)、邊緣不平滑，無(wú)分區(qū)邊緣擬合的定位方法存在較大誤差的問(wèn)題。該方法綜合運(yùn)用2G-R-B彩色圖像灰度化、自動(dòng)閾值、形態(tài)學(xué)操作等方法處理并分割稻株圖像，在二值圖像中劃分稻株莖基部擬合區(qū)間，并在每個(gè)子區(qū)間內(nèi)進(jìn)行莖基部中點(diǎn)提取，根據(jù)中點(diǎn)擬合莖基部中線(xiàn)，以中線(xiàn)的中點(diǎn)作為定位的稻株莖基部中心，進(jìn)而實(shí)現(xiàn)稻株的定位。

(3)進(jìn)行了田間基于莖基部與冠層的稻株定位對(duì)比試驗(yàn)。試驗(yàn)結(jié)果表明：在插秧后10～20 d內(nèi)，基于莖基部的定位誤差均保持在7.0 mm以下，10 d、15 d、20 d時(shí)的定位誤差分別為6.9 mm/6.8 mm、5.9 mm/5.8 mm、6.3 mm/6.5 mm(有水條件/無(wú)水條件)；基于冠層定位的誤差分別為8.2 mm/9.0 mm、11.3 mm/10.7 mm、15.4 mm/16.1 mm(有水條件/無(wú)水條件)，均在8.0 mm以上，其中插秧20 d后，定位誤差達(dá)到15 mm以上。試驗(yàn)結(jié)果表明：本研究所提出稻株定位方法的定位誤差優(yōu)于傳統(tǒng)的基于冠層的定位方法，適用于水稻插秧后10～20 d的除草期，滿(mǎn)足株間除草機(jī)械除草期內(nèi)對(duì)稻株定位的精度要求。

1 馬旭,齊龍,梁柏, 等.水稻田間機(jī)械除草裝備與技術(shù)研究現(xiàn)狀及發(fā)展趨勢(shì)[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(6):162-168. MA Xu, QI Long, LIANG Bai, et al. Present status and prospects of mechanical weeding equipment and technology in paddy field[J].Transactions of the CSAE, 2011, 27(6): 162-168. (in Chinese)

2 TILLETT N D, HAGUE T, GRUNDY A C, et al. Mechanical within-row weed control for transplanted crops using computer vision[J].Biosystems Engineering, 2008, 99(2): 171-178.

3 ASTRAND B, BAERVELDT A J. An agricultural mobile robot with vision-based perception for mechanical weed control[J].Autonomous Robots, 2002, 13(1): 21-35.

4 翟志強(qiáng),朱忠祥,杜岳峰,等. 基于Census變換的雙目視覺(jué)作物行識(shí)別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2016,32(11):205-213. ZHAI Zhiqiang, ZHU Zhongxiang, DU Yuefeng, et al. Method for detecting crop rows based on binocular vision with Census transformation[J].Transactions of the CSAE, 2016, 32(11): 205-213.(in Chinese)

5 胡煉,羅錫文,曾山,等. 基于機(jī)器視覺(jué)的株間機(jī)械除草裝置的作物識(shí)別與定位方法[J].農(nóng)業(yè)工程學(xué)報(bào), 2013, 29(10): 12-18. HU Lian, LUO Xiwen, ZENG Shan, et al. Plant recognition and localization for intra-row mechanical weeding device based on machine vision[J].Transactions of the CSAE, 2013, 29(10): 12-18. (in Chinese)

6 NAKARMI A D, TANG L. Automatic inter-plant spacing sensing at early growth stages using a 3D vision sensor[J].Computers and Electronics in Agriculture, 2012,82:23-31.

7 KURTULMUS F, KAVDIR I. Detecting corn tassels using computer vision and support vector machines[J].Expert Systems with Applications, 2014, 41(16):7390-7397.

8 CHOI K H, HAN S K, HAN S H, et al. Morphology-based guidance line extraction for an autonomous weeding robot in paddy fields[J].Computers and Electronics in Agriculture,2015,113:266-274.

9 車(chē)佳斯. 零件圓度與圓柱度的圖像測(cè)量研究[D].長(zhǎng)春：吉林大學(xué),2007. CHE Jiasi. Research of the mechanical part roundness error and cylindricity error based on the image measurement technology[D]. Changchun: Jilin University, 2007.(in Chinese)

10 戚瑋瑋. 光照變化條件下中型組足球機(jī)器人目標(biāo)識(shí)別與定位方法研究[D].青島：中國(guó)海洋大學(xué),2011. QI Weiwei. Research onobject recognition and localization for middle size league soccer robot under variant illumination[D]. Qingdao: Ocean University of China,2011.(in Chinese)

11 毛文華,張銀橋,王輝,等.雜草信息實(shí)時(shí)獲取技術(shù)與設(shè)備研究進(jìn)展[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013,44(1):190-195. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20130136&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2013.01.036. MAO Wenhua, ZHANG Yinqiao, WANG Hui, et al. Advance techniques and equipments for real-time weed detection[J/OL]. Transactions of the Chinese Society for Agricultural Machinery,2013,44(1):190-195.(in Chinese)

12 張勤,黃小剛,李彬. 基于彩色模型和近鄰法聚類(lèi)的水田秧苗列中心線(xiàn)檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(17):163-171，295-296. ZHANG Qin, HUANG Xiaogang, LI Bin. Detection of rice seedlings rows’ centerlines based on color model and nearest neighbor clustering algorithm[J].Transactions of the CSAE, 2012, 28(17): 163-171,295-296. (in Chinese)

13 MIDTIBY H S, MATHIASSEN S K, ANDERSSONK J, et al. Performance evaluation of a crop/weed discriminating microsprayer[J].Computers and Electronics in Agriculture, 2011,77(1):35-40.

14 張錚,王艷平,薛桂香. 數(shù)字圖像處理與機(jī)器視覺(jué)-VisualC++與Matlab實(shí)現(xiàn)[M].北京：人民郵電出版社，2010.

15 陳嬌,姜國(guó)權(quán),杜尚豐, 等.基于壟線(xiàn)平行特征的視覺(jué)導(dǎo)航多壟線(xiàn)識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào), 2009, 25(12): 107-113. CHEN Jiao, JIANG Guoquan, DU Shangfeng, et al. Crop rows detection based on parallel characteristic of crop rows using visual navigation[J].Transaction of the CSAE, 2009,25(12): 107-113. (in Chinese)16 曹倩,王庫(kù),李寒. 基于機(jī)器視覺(jué)的旱田多目標(biāo)直線(xiàn)檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(增刊1): 187-191. CAO Qian, WANG Ku, LI Han. Detection algorithm for crop target multi-lines of the field image based on machine vision[J].Transactions of the CSAE,2010, 26(Supp.1): 187-191. (in Chinese)

17 項(xiàng)榮,應(yīng)義斌,蔣煥煜. 田間環(huán)境下果蔬采摘快速識(shí)別與定位方法研究進(jìn)展[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(11):208-223. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20131137&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2013.11.037. XIANG Rong, YING Yibin, JIANG Huanyu. Development of real-time recognition and localization methods for fruits and vegetables in field[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2013,44(11):208-223.(in Chinese)

18 胡煉,羅錫文,張智剛,等. 株間除草裝置橫向偏移量識(shí)別與作物行跟蹤控制[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(14):8-14. HU Lian, LUO Xiwen, ZHANG Zhigang, et al. Side-shift offset identification and control of crop row tracking for intra-row mechanical weeding[J].Transactions of the CSAE,2013, 29(14): 8-14. (in Chinese)

19 毛文華,王輝,趙博,等. 基于株心顏色的玉米田間雜草識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(增刊2):161-164. MAO Wenhua, WANG Hui, ZHAO Bo, et al. Weed detection method based the centre color of corn seedling[J].Transactions of the CSAE, 2009,25(Supp.2): 161-164.(in Chinese)

20 徐建華. 圖像處理與分析[M].北京:科學(xué)出版社,1992.

21 段瑞玲,李慶祥,李玉和. 圖像邊緣檢測(cè)方法研究綜述[J].光學(xué)技術(shù),2005,31(3):415-419. DUAN Ruiling, LI Qingxiang, LI Yuhe. Summary of image edge detection[J].Optical Technique, 2005,31(3):415-419.(in Chinese)

22 高國(guó)琴,李明. 基于K-means算法的溫室移動(dòng)機(jī)器人導(dǎo)航路徑識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(7):25-33. GAO Guoqin, LI Ming. Navigating path recognition for greenhouse mobile robot based on K-means algorithm[J].Transactions of the CSAE,2014,30(7):25-33. (in Chinese)

23 吳露露,馬旭,齊龍,等. 改進(jìn)Hough變換的農(nóng)作-物病斑目標(biāo)檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(10):152-159. WU Lulu, MA Xu, QI Long, et al. A method of target detection for crop disease spots by improved Hough transform[J].Transactions of the CSAE, 2014, 30(10): 152-159. (in Chinese)

24 侯學(xué)貴,陳勇,郭偉斌. 除草機(jī)器人田間機(jī)器視覺(jué)導(dǎo)航[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2008,39(3):106-108,112. HOU Xuegui, CHEN Yong, GUO Weibin. Machine vision-based navigation for a weeding robot[J].Transactions of the Chinese Society for Agricultural Machinery,2008,39(3):106-108,112.(in Chinese)

25 JIANG Yu, CUI Hongwei, QI Long, et al. Recognition and positioning method of rice seedlings based on machine vision[J].International Journal of Signal Processing, Image Processing and Pattern Recognition, 2016,9(9):265-278.

Positioning Method of Rice Seedlings Based on Edge Fitting in Separated Region of Stem Base

JIANG Yu1,2CUI Hongwei1OU Yinggang1MA Xu1,3QI Long1,3ZHENG Wenhan1

(1.CollegeofEngineering,SouthChinaAgriculturalUniversity,Guangzhou510642,China2.ModernEducationalTechnologyCenter,SouthChinaAgriculturalUniversity,Guangzhou510642,China3.SouthernRegionalCollaborativeInnovationCenterforGrainandOilCropsinChina,Changsha410128,China)

Positioning of rice seedlings is an important step of mechanical intra-row weeding. Aiming to minimize the positioning errors based on canopy of rice, a system that could capture RGB images of rice stem base on the side view was built to position the rice seedlings according to edge fitting in separated region of the stem base. Firstly, relevant factors, including the morphology of rice seedlings, the installation parameters of camera on the side-view and affecting image quality were analyzed, and a method of grabbing image under shading conditions was proposed, contributing to a system with shading device. The original RGB images were distinguished from soil by analyzing the excessive green (2G-R-B) rice seedlings index images. The Otsu algorithm method was employed to transform a gray image to a binary image, and then the binary images were smoothed by morphological operation to remove noise for subsequent analysis. After that the edges of stem base were extracted by the Canny operator, and the fitting region of edges was set up. A method was presented in fitting region based on edge fitting in non-separated region of the stem base. However, the results showed that this positioning method was not accurate because of effect of unsmooth and unilateral sloping edges of stem base. Therefore, the fitting region was separated into three subintervals where the edges of stem base were fitted by the Hough transform. The center of rice seedlings was gained by the center coordinates of the mid-line fitted by the mean of midpoint coordinates of fitting edges. The positioning experiments of rice seedlings in terms of stem base and the canopy were carried out respectively. The results of positioning based on stem base showed that the positioning errors were less than 7.0 mm, and the positioning errors were 6.9 mm, 5.9 mm and 6.3 mm under the condition of including water and 6.8 mm, 5.8 mm and 6.5 mm under the anhydrous condition on the 10th, 15th and 20th day after transplanting, respectively. The results of positioning based on canopy showed that the positioning errors were above 8.0 mm, and the positioning errors were 8.2 mm, 11.3 mm and 15.4 mm under the condition of including water and 9.0 mm, 10.7 mm and 16.1 mm under the anhydrous condition on the 10th, 15th and 20th day after transplanting, respectively. The results suggested that the innovative positioning method that based on edge fitting in separated region of the stem base of rice seedlings met the technical requirement of mechanical weeding in terms of high precision and long applicable period.

rice seedlings; mechanical weeding; intra-row weeding; positioning; stem base

10.6041/j.issn.1000-1298.2017.06.003

2017-01-10

2017-04-02

國(guó)家自然科學(xué)基金項(xiàng)目(51575195)、廣東省自然科學(xué)基金項(xiàng)目(2015A030313402)、廣東省科技計(jì)劃重點(diǎn)項(xiàng)目(2014B020207003)、現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專(zhuān)項(xiàng)資金項(xiàng)目(CARS-01-33)、廣東省科技計(jì)劃項(xiàng)目(2014A020208112)和廣州市珠江科技新星專(zhuān)項(xiàng)(2014J2200041)

蔣郁(1983—)，女，博士生，實(shí)驗(yàn)師，主要從事圖像與信息處理研究，E-mail： nova_yy@scau.edu.cn

區(qū)穎剛(1947—)，男，教授，博士生導(dǎo)師，主要從事農(nóng)業(yè)機(jī)械設(shè)計(jì)研究，E-mail： ouying@scau.edu.cn

S224.1+5； TP391.4

A

1000-1298(2017)06-0023-09