郭志紅
摘 要:為了使組培苗視覺(jué)識(shí)別系統(tǒng)能夠引導(dǎo)機(jī)械手臂實(shí)現(xiàn)組培苗的自動(dòng)抓取、移栽作業(yè),提出一種基于機(jī)器視覺(jué)的組培苗自動(dòng)識(shí)別方法。通過(guò)對(duì)采集到的圖像進(jìn)行灰度變換、濾波、閾值分割、骨架提取等圖像處理過(guò)程,能夠?qū)M培苗進(jìn)行精確的識(shí)別,并且能夠自動(dòng)識(shí)別交叉點(diǎn)并判斷交叉苗的上下位置。對(duì)實(shí)驗(yàn)室所采集到的100幅圖像進(jìn)行圖像處理并識(shí)別的結(jié)果顯示,該算法準(zhǔn)確率達(dá)到90%,并且不受組培苗擺放位置和擺放數(shù)量的影響,有很強(qiáng)的魯棒性。
關(guān)鍵詞:組培苗;機(jī)器視覺(jué);圖像處理;交叉苗識(shí)別
中圖分類號(hào):TP391.4 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):2095-2945(2017)19-0020-02
1 概述
目前,世界上大多數(shù)組培苗的移栽還是通過(guò)人工實(shí)現(xiàn)種植。以土豆為例,作為世界上第四大糧食作物,目前土豆苗的栽植還沒(méi)有實(shí)現(xiàn)完全自動(dòng)化[1]。然而隨著人口老齡化程度的加劇以及人力成本的迅速提高,使得組培苗自動(dòng)化移植成為必然的趨勢(shì),并且迫在眉睫。組培苗沒(méi)有實(shí)現(xiàn)完全自動(dòng)化移栽的原因,在于其幼苗的特殊性。一般的組培苗都十分脆弱,不能利用傳統(tǒng)的分苗裝置對(duì)幼苗進(jìn)行抓取和移栽,這就給組培苗自動(dòng)化移植帶來(lái)了很大的困難[2]。本文對(duì)組培苗自動(dòng)識(shí)別技術(shù)中遇到的難題進(jìn)行了深入的研究,并且汲取了現(xiàn)有成果經(jīng)驗(yàn),提出一種基于計(jì)算機(jī)視覺(jué)的組培苗自動(dòng)識(shí)別的方法。在對(duì)組培苗進(jìn)行圖像處理的過(guò)程當(dāng)中,提出了一種改進(jìn)的中值濾波和迭代閾值分割方法。利用本文所提出的方法,能夠得到高質(zhì)量的濾波圖像和二值圖像,并且能以很高的準(zhǔn)確率實(shí)現(xiàn)組培苗交叉點(diǎn)識(shí)別、交叉苗上下判斷、抓取點(diǎn)自動(dòng)確定等,為組培苗的自動(dòng)化移栽提供了可能[3-5]。
2 自適應(yīng)灰度化處理
由于彩色圖像包含更多的信息,本文選擇對(duì)彩色圖像進(jìn)行灰度化處理,以得到更多的圖像細(xì)節(jié)。由于組培苗顏色各異,因此不能簡(jiǎn)單地使用某一種固定的方法對(duì)其進(jìn)行灰度化。本文采用自適應(yīng)灰度化的方法,來(lái)確定Y=a1R+a2G+a3B中各分量的系數(shù)。
(1)設(shè)目標(biāo)圖像F大小為m×n,彩色圖像的三個(gè)分量為fi,i=1,2,3,則這三個(gè)分量的均值Ei和方差Di分別計(jì)算如下:
(2)計(jì)算歸一化權(quán)重系數(shù)
di=Di/(D1+D2+D3),令ai=di,從而得到自適應(yīng)灰度化的各分量的系數(shù)值。得到的灰度化圖像和原圖像如圖1所示。
3 改進(jìn)的中值濾波
在計(jì)算機(jī)視覺(jué)領(lǐng)域,椒鹽噪聲是最為常見(jiàn)的一種,中值濾波作為一種非線性的濾波方式,以其出色的降噪能力和計(jì)算速度得到了廣泛的應(yīng)用[6]。中值濾波作為一種典型的非線性濾波,在保護(hù)邊緣信息方面強(qiáng)于線性濾波,但是抑制噪聲和保護(hù)細(xì)節(jié)依然是中值濾波處理過(guò)程中的主要矛盾,也是圖像處理領(lǐng)域尚未很好解決的問(wèn)題。本文提出一種改進(jìn)的中值濾波方法,能夠比較好的平衡去噪和保護(hù)圖像信息兩方面的需求。
3.1 傳統(tǒng)中值濾波及其局限性
中值濾波是對(duì)目標(biāo)像素鄰域的像素值進(jìn)行排列,取中間值作為目標(biāo)位置新的像素值。它的理論基礎(chǔ)基于圖像的這一特性:噪聲往往以孤立的點(diǎn)出現(xiàn),這些點(diǎn)對(duì)應(yīng)的像素很少,而且其像素值的大小和鄰域像素值的差別很大。但是傳統(tǒng)的中值濾波沒(méi)有區(qū)分噪聲點(diǎn)和信號(hào)點(diǎn),而是將圖像中每一個(gè)像素點(diǎn)都進(jìn)行一次處理,這往往會(huì)導(dǎo)致圖像丟失一些邊緣信息。
3.2 改進(jìn)的中值濾波
本文提出一種全新的噪聲點(diǎn)的判斷方法。設(shè)待處理的像素坐標(biāo)位置為(x,y),像素值大小為zxy。現(xiàn)研究其5×5鄰域的矩形窗口Sxy,設(shè)zmin為Sxy中的最小灰度值,zmax為Sxy中的最大灰度值,zmed為Sxy中的灰度值中值,z為最終輸出值。
本文所采用的改進(jìn)中值濾波在判斷噪聲點(diǎn)的時(shí)候,不僅僅依靠zxy的值,還判斷了其和Sxy中像素的關(guān)系。即使zxy為Sxy的極值,也沒(méi)有馬上將zxy判定為噪聲點(diǎn),而是判斷Sxy中是否有與zxy值接近的像素點(diǎn),若個(gè)數(shù)超過(guò)設(shè)定的閾值,則判定zxy為邊緣點(diǎn)而不做處理,從而達(dá)到了保護(hù)圖像細(xì)節(jié)的作用。
4 結(jié)束語(yǔ)
本文在對(duì)待移栽的組培苗進(jìn)行視覺(jué)圖像處理后,識(shí)別準(zhǔn)確率達(dá)到了90%,能夠達(dá)到自動(dòng)化移栽的要求。在處理過(guò)程中,提出了一種改進(jìn)的中值濾波方法,能夠在消除圖像噪聲的同時(shí),很好的保護(hù)了圖像的細(xì)節(jié)特征。在閾值分割時(shí),對(duì)現(xiàn)有的迭代法進(jìn)行了改進(jìn),能夠得到效果更好的二值圖像。在識(shí)別交叉點(diǎn)時(shí),利用骨架圖的交叉點(diǎn)特性,提出了一種計(jì)算交叉點(diǎn)位置的方法,不僅計(jì)算量小,而且準(zhǔn)確率高。最后創(chuàng)新性地提出了一種識(shí)別交叉苗上下位置的方法,很好的解決了組培苗在自動(dòng)化移栽技術(shù)上遇到的難題,為組培苗的自動(dòng)化移植提供了更大的可能。
參考文獻(xiàn):
[1]羅其有,劉洋,高明杰,等.中國(guó)馬鈴薯產(chǎn)業(yè)現(xiàn)狀與前景[J].AO農(nóng)業(yè)生產(chǎn)展望,2015(3):35-40.
[2]楊麗,張鐵中,羅輝.基于機(jī)器視覺(jué)的組織培養(yǎng)苗自動(dòng)識(shí)別技術(shù)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2005,36(1):86-91.
[3]Ying-Jen Huang,F(xiàn)ang-Fan Lee. An automatic machine vision-guided grasping system for Phalaenopsis tissue culture plantlets[J]. Computers and Electronics in Agriculture,2010,70(1):42-51.
[4]劉凱,辜松.基于機(jī)器視覺(jué)的嫁接用苗識(shí)別研究[J].農(nóng)機(jī)化研究,2009(11):46-48.
[5]崔永杰,王霞霞,徐立青,等.基于機(jī)器視覺(jué)的嫁接用苗外觀特征自動(dòng)檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014,45(4):89-95.
[6]王志東,汪友生,李龍,等.血管內(nèi)超聲圖像的噪聲抑制與增強(qiáng)算法研究[J].電子測(cè)量技術(shù),2013,36(03):44-47.