王 盛，李 明

(河南職業(yè)技術(shù)學院，鄭州 450046)

?

基于計算機視覺識別技術(shù)的甘蔗種植機械化研究

王 盛，李 明

(河南職業(yè)技術(shù)學院，鄭州 450046)

針對當前甘蔗種植機械化現(xiàn)狀，優(yōu)化機具設(shè)計，并應(yīng)用計算機視覺識別技術(shù)，自動識別切種長度，預切甘蔗種，以便實現(xiàn)精密化、機械化的甘蔗種植。在計算機視覺識別技術(shù)支持下優(yōu)化設(shè)計甘蔗種植設(shè)備，不僅可提升識別甘蔗莖節(jié)的正確率(提升80%)，還可以提升甘蔗種植效益(提升20%)，取得較好的經(jīng)濟效益。為此，設(shè)計了基于計算機視覺識別技術(shù)甘的蔗種植機械化設(shè)備，可提升甘蔗種植機械化水平，提高甘蔗預切種正確率，提升甘蔗機械化種植效益，產(chǎn)生積極影響。

甘蔗；種植機械化；視覺識別；預切種

0 引言

在我國，甘蔗屬于宿根作物，一年可以收獲一次，其留宿根在1～2年后會導致甘蔗產(chǎn)量下降[1]。由于甘蔗種植屬于勞動密集型產(chǎn)業(yè)[2]，實現(xiàn)甘蔗種植機械化生產(chǎn)是未來發(fā)展的方向。

1 甘蔗種植機械化發(fā)展現(xiàn)狀

甘蔗種植屬于勞動密集型工序，主要包括開溝、施肥、投種、覆土、壓土、鋪膜及壓膜等工序[3-5]，而甘蔗種植機械化是指采用甘蔗聯(lián)合種植機在田間進行開溝、施肥，以及甘蔗斬種、消毒、排種、覆土、壓土、蓋膜作業(yè)的技術(shù)[6]。當前，多應(yīng)用預切種式甘蔗種植機，其工作原理是通過人工預先切種剔除有病蟲害蔗種，將蔗段充分地浸泡消毒，并將預先就切割好的蔗段裝到機器的甘蔗種箱之內(nèi)[7-12]，通過蔗段喂入結(jié)構(gòu)及排種部分，把蔗段鋪放到已經(jīng)開好溝的土地區(qū)域，完成機械化種植。然而，在現(xiàn)存的甘蔗種植機械化設(shè)備中，預切種式的優(yōu)點是能夠?qū)⒏收岱N植的開溝、施肥、落種及覆土等工序[13]實現(xiàn)機械化的自動操作，減少人工工作量；但是在蔗段預切種方面還是需要人工參與，降低了工作效率，未能達到實現(xiàn)全機械化的甘蔗種植目標。

2 設(shè)計原理

基于計算機視覺識別技術(shù)，設(shè)計機械化甘蔗種植機器，主要原理是通過圖像采集設(shè)備采集甘蔗圖像,而后由計算機識別甘蔗莖節(jié)、蔗芽，對甘蔗蔗種切斷進行預處理[14]。本次設(shè)計的甘蔗種植機械化設(shè)備能夠通過計算視覺機識技術(shù)，識別出甘蔗圖像中的莖節(jié)部分,然后通過軟件操控系統(tǒng)控制切斷器進行分段預切，并將這個蔗種當做預切的甘蔗，放到預切種箱內(nèi)，作為機械化種植甘蔗的蔗種來源，實現(xiàn)甘蔗種植機械化。在機械化設(shè)備設(shè)計中，喂蔗時先把甘蔗整齊堆放至擺蔗位置；試運行液壓系統(tǒng)，抬起機器，投蔗時要連續(xù)，保證不漏種，喂蔗時要空走一定距離，看蔗種擺放密度及施肥效果，如果不理想，按種植機切割速度及施肥速度進行調(diào)節(jié)[15]。鋪膜時，當機器抬起時，把薄膜扯出一部分，蓋過壓膜輪，然后降下機器，用壓膜輪壓住，以防被風吹偏。目前的甘蔗機械化種植中，多是采用定長的方式去切斷甘蔗終端的預切種方式，不僅會造成切斷蔗芽而嚴重浪費甘蔗種資源，也會降低實際機械化甘蔗種植效益?；谟嬎銠C視覺識別技術(shù)，能夠有效提高機械化蔗種切斷的質(zhì)量，精確地對甘蔗圖像中的莖節(jié)進行識別，根據(jù)拍攝到甘蔗圖像的邊緣特性及顏色分量，運用灰度的梯度特性、邊緣檢側(cè)法、HVS顏色空間分量等[16]，確保滿足人們對甘蔗種植機械化設(shè)備的應(yīng)用需求。

3 甘蔗種植機械的優(yōu)化設(shè)計

3.1 設(shè)備總體結(jié)構(gòu)組成

本次設(shè)計的甘蔗種植機械化設(shè)備中，基于計算機視覺識別技術(shù)，確保該設(shè)備應(yīng)包含機械部分與軟件控制部分，其軟件控制部分應(yīng)包含蔗種預處理、莖節(jié)與莖芽識別模塊，其設(shè)計流程如圖1所示。

圖1 設(shè)計流程

在蔗種預處理中，主要通過系統(tǒng)攝像機，根據(jù)拍攝的甘蔗圖像，將其傳輸給系統(tǒng)的控制部分。即針對需要進行切斷的甘蔗蔗種，將其放置到系統(tǒng)的切種控制載物臺位置；然后，由計算機視覺識別技術(shù)中的攝像機控制部分進行處理，有效采集甘蔗的圖像信息,并將采集到甘蔗的圖像應(yīng)用JGP格式存儲在機械設(shè)備的軟件控制系統(tǒng)中。

莖節(jié)與莖芽識別中，能夠應(yīng)用邊緣檢側(cè)法及灰度梯度法，以RGB及HVS圖像的顏色空間分量作為視覺依據(jù)，從而識別出在某一甘蔗圖像中的甘蔗莖節(jié),實現(xiàn)蔗種預切操作。

3.2 蔗種預處理

該部分處理中，將采集的RGB甘蔗圖像，轉(zhuǎn)化成HVS顏色空間圖像，采應(yīng)用H分量對圖像進行二值化分割，并通過 OTSU濾波、除噪等預處理過程，有效獲得在甘蔗圖像中的最小區(qū)域。預處理工作流程如圖2所示。

圖2 預處理流程

3.3 識別甘蔗莖節(jié)、莖芽

針對采集的甘蔗圖像，根據(jù)計算機系統(tǒng)平臺，應(yīng)用模糊聚類算法，去除甘蔗圖像中的噪聲，并有效提出在甘蔗圖像中的莖節(jié)特征及最小甘蔗區(qū)域, 識別、定位甘蔗莖節(jié),以便可以獲取莖節(jié)位置，從而計算出甘蔗中的莖節(jié)、莖芽個數(shù)，有利于機械化種植甘蔗中做好預切種工作。

3.4 計算機視覺識別算法

對于計算機視覺識別技術(shù)中，應(yīng)用模糊聚類算法，不僅能夠提出原始數(shù)據(jù)中的特征信息,還可以優(yōu)化選擇特征，或是針對特征降維，提升計算機視覺識別精度。

模糊聚類算法目標函數(shù)為

(1)

其中，p表示每一個樣本xj的維數(shù)，x={x1，x2，…，xj，…，xN}是一個p×N矩陣；N表示樣本數(shù)目，通常表示圖像像素數(shù)；C表示聚類數(shù)目；uij?U(p×N×C)是矢量xj隸屬于第i類的隸屬度函數(shù)，滿足uij[0,1]且；聚類中心z={z1，z2，…，zi，…，zC}是p×C矩陣。uij和zi更新等式分別為

(2)

算法步驟如下：

1)設(shè)置出目標函數(shù)的精度，對于這個模糊指數(shù)通常情況下可以設(shè)置為2，找出其中最大的迭代次數(shù)；

2)初始化模糊聚類的中心；

3)更新聚類中心；

4)|J(t)-J(t-1)|<ε，c>Tm可以結(jié)束聚類；或者t←t+1，跳轉(zhuǎn)到步驟3)；

5)根據(jù)U={uij}得到的像素點，分類處理結(jié)果。

3.5 算法代碼實現(xiàn)

function[IX2]=fcm(IM);

%IM是輸入的源圖像

%IX2是分類結(jié)果

IM=imread('tu1.bmp');

……

IMM=cat(4,IM,IM,IM,IM);

%初始化聚類中心(4類)

cc1=7;

cc2=70;

cc3=180;

cc4=240;

ttFcm=0;

while(ttFcm<15)

ttFcm=ttFcm+1;

c1=repmat(cc1,maxX,maxY);

c2=repmat(cc2,maxX,maxY);

……

daoshu2=daoshu(:,:,1)+daoshu(:,:,2)+daoshu(:,:,3)+daoshu(:,:,4);

%計算隸屬度u

distance1=distance(:,:,1).*daoshu2;

u1=1./distance1;

這種論調(diào)常常被當做非理性主義的、反科學的觀念，是以文學的形式表現(xiàn)的非理性主義哲學。 但問題并非如此簡單。 羅扎諾夫認為，在實證主義科學(傲慢的科學)的基礎(chǔ)上固然不能建成大廈，在“任性”的基礎(chǔ)上同樣不能建成大廈，而是需要一種可以包容“任性”的、溫和的、謙遜有禮的科學。 羅扎諾夫說：

……

u4=1./distance4;

%計算聚類中心z

ccc1=sum(sum(u1.*u1.*IM))/sum(sum(u1.*u1));

……

fori=1:maxX

forj=1:maxY

ifmax(pp(i,j,:))==u1(i,j)

elseifmax(pp(i,j,:))==u2(i,j)

IX2(i,j)=2;

elseifmax(pp(i,j,:))==u3(i,j)

IX2(i,j)=3;

……

end

%判結(jié)束條件

ifmax(tmpMatrix)<0.0001

break;

……

IMMM(i,j)=240;

elseifIX2(i,j)==3

IMMM(i,j)=180;

elseifIX2(i,j)==2

%顯示每次聚類分割結(jié)果

figure(2);

imshow(uint8(IMMM));

end

fori=1:maxX

forj=1:maxY

ifIX2(i,j)==4

IMMM(i,j)=240;

……

IMMM(i,j)=70;

else

IMMM(i,j)=7;

end

%顯示最終分類結(jié)果

4 甘蔗種植機械化仿真驗證

4.1 仿真實驗

采用C1745B型號攝像頭作為機械化設(shè)備軟件控制部分的數(shù)據(jù)采集工具；主要采用CMOS傳感器自動進行曝光控制，也可以自動校正拍攝圖片過程中的白平衡和顏色，可以獲得更為清晰的甘蔗圖像，如圖3所示；應(yīng)用C1745B型號攝像頭的相機，拍攝采集大小為 640×480 像素的甘蔗圖像，然后提取圖像區(qū)域，進行HSV變換，標記甘蔗圖像中的莖節(jié)。

圖3 甘蔗圖像

4.2 仿真結(jié)果

對甘蔗圖像的 150 個莖節(jié)進行計算機視覺識別，讀入圖像的像素信息后顯示出結(jié)果，利用像素按灰度值分類后的中間結(jié)果，將圖片成功地分為黑、白、深灰和淺灰4類，并且邊界十分清楚,如圖4所示。

圖4 識別后的圖像

計算機視覺識別中，在沒有考慮修正參數(shù)的前提下，得到的正確識別率是 62%。因此，基于人眼識別基礎(chǔ)理論，可以看出：甘蔗的莖節(jié)部分多是出現(xiàn)在甘蔗凸起區(qū)域的一側(cè)。因此，可以對計算機視覺識別的結(jié)果進行以下修正，如表1所示。

表1 仿真結(jié)果

結(jié)果表明：當修正了20 像素時，可獲得較好的甘蔗機械化預切種識別效果；且針對150 個甘蔗的莖節(jié)進行視覺識別，得出的正確識別率是80%，僅僅偏離甘蔗莖節(jié)中心線28.85像素。

經(jīng)過試驗研究可以證實：設(shè)計的基于計算機視覺識別技術(shù)的機械化甘蔗種植設(shè)備，不僅可以提升識別甘蔗莖節(jié)的正確率(提升80%)，還可以提升甘蔗種植效益(提升20%)，具有較好的經(jīng)濟效益。

5 結(jié)論

設(shè)計了基于計算機視覺識別下的甘蔗種植機械化設(shè)備，可提升甘蔗種植機械化水平和效益，提高甘蔗預切種正確率，對促進我國甘蔗種植機械化水平提升具有重要意義，可在實踐中推廣應(yīng)用該技術(shù)。

[1] 譚浩,林芝,鄭英模，等.基于機器視覺的甘蔗段分選系統(tǒng)的設(shè)計[J].安徽農(nóng)業(yè)科學,2014(19):6462-6464,6467.

[2] 陸尚平,黃林,陳炳森，等.基于機器視覺的甘蔗種植機械化研究[J].廣西農(nóng)業(yè)機械化,2012(5):28-29,32.

[3] 陸尚平,鐘麗珠.機器視覺與模糊決策在甘蔗種蔗識別機械化中的運用[J].農(nóng)業(yè)開發(fā)與裝備,2013(7):35-36.

[4] 陸尚平,梁建和,孫凱，等.機器視覺技術(shù)在甘蔗等經(jīng)濟作物節(jié)水灌溉中的運用展望[J].廣西水利水電,2015(1):87-89.

[5] 尤文堅,唐仕云.精細農(nóng)業(yè)電子系統(tǒng)相關(guān)技術(shù)的研究[J].中國農(nóng)機化,2013,34(3):233-236.

[6] 賈洪雷,王剛,郭明卓,等.基于機器視覺的玉米植株數(shù)量獲取方法與試驗[J].農(nóng)業(yè)工程學報,2015(3):215-220.

[7] 賈挺猛.葡萄樹冬剪機器人剪枝點定位方法研究[D].杭州：浙江工業(yè)大學,2012.

[8] 孫劍,周增產(chǎn),卜云龍，等.盆花自動分級物聯(lián)網(wǎng)系統(tǒng)研發(fā)[J].沈陽農(nóng)業(yè)大學學報,2013,44(5):687-691.

[9] 王海青.黃瓜收獲機器人視覺系統(tǒng)的研究[D].南京：南京農(nóng)業(yè)大學,2012.

[10] 白敬.基于光譜分析的冬油菜苗期田間雜草識別研究[D].鎮(zhèn)江：江蘇大學,2014.

[11] 金海龍.插秧機視覺導航關(guān)鍵技術(shù)的研究[D].杭州：浙江理工大學,2015.

[12] 何青海, 馬本學, 瞿端陽,等. 基于機器視覺棉葉螨自動監(jiān)測與分級方法研究[J]. 農(nóng)機化研究, 2013，35(4):152-155.

[13] 喬曦.基于計算機視覺的甘蔗種莖切割防傷芽系統(tǒng)的研究[D].南寧：廣西大學,2013.

[14] 蒲哲,朱名日.基于WPFMVVM的甘蔗種植管理系統(tǒng)[J].計算機與現(xiàn)代化,2014(2):110-114,177.

[15] 杭騰, 毛罕平, 張曉東,等.基于機器視覺的番茄長勢信息無損檢測的研究[J].農(nóng)機化研究, 2015，37(11):192-197.

[16] 刁智華, 王會丹, 魏偉.機器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用研究[J].農(nóng)機化研究, 2014，36(3):206-211.

Mechanization of Sugarcane Planting Based on Computer Vision Identification Technology

Wang Sheng, Li Ming

(Henan Polytechnic, Zhengzhou 450046, China)

The aim of this study is to study the mechanization of sugarcane planting under the recognition of computer vision. In the sugarcane planting technology, in view of the current mechanization of sugarcane planting status, to optimize the design of machinery equipment and application of computer visual recognition technology, automatic identification of cutting length, pre cut sugar cane, so that the precision and mechanization of sugar cane cultivation can be achieved. Results confirmed that the application design based on computer vision recognition technology of mechanization of sugarcane planting equipment, not only can improve the correct rate of the recognition of sugarcane stem section, up to 80%, also can enhance the efficiency of sugarcane planting, increased by 20%, play a positive effect in application. Results show that the design based on computer vision recognition of sugar cane mechanized equipment, enhance the level of mechanization of sugarcane planting, sugarcane pre cut planting, enhance sugarcane mechanization planting benefit, resulting in a positive impact.

sugarcane; planting mechanization; vision recognition; pre cut

2016-04-25

河南省自然科學基金項目(162300410266)

王 盛(1981-)，男，河南濮陽人，講師 ,碩士研究生，(E-mail)wangsheng042212@163.com。

S233.1

A

1003-188X(2017)06-0198-04