馮運發(fā) 王新彥 佘銀海

摘要：針對半自動液控變割幅坐騎式割草機在工作時，操作人員不能準確目測前方樹木的間距而無法確定當(dāng)前割草機的割幅的情況，提出了1種基于HALCON軟件及HSV[H表示色調(diào)（hue），S表示飽和度（saturation），V表示明度（value）]顏色空間的樹木檢測算法。利用HALCON算子將原RGB[R表示紅色（red），G表示綠色（green），B表示藍色（blue）]圖像轉(zhuǎn)換到HSV空間后，分析H和S分量的灰度直方圖，對其進行對比度增強處理，并運用動態(tài)閾值法分別分割出大體目標(biāo)區(qū)域并求出并集，再依次運用連通域處理、形態(tài)學(xué)操作、目標(biāo)區(qū)域提取、矩形度過濾等后續(xù)處理，提取出樹木的完整輪廓。最后運用MER（最小外接矩形）算法生成樹木輪廓的最小外接矩形，為后續(xù)的樹木間距測量等工作奠定基礎(chǔ)。

關(guān)鍵詞：HALCON;HSV模型;樹木檢測;動態(tài)閾值分割;割草機;機器視覺

隨著乳品業(yè)的迅猛發(fā)展及高爾夫球、網(wǎng)球、足球等運動的興起，我國的牧草產(chǎn)業(yè)及草坪的需求量正在迅速發(fā)展。目前較流行的大型割草機械是割草機，包括坐騎式、拖拉機懸掛式等。但是割幅一般是固定不變的，當(dāng)在長有樹木或者有其他障礙物的草坪上進行除草作業(yè)時，寬割幅的割草機由于兩樹間距較小就難以徹底地完成任務(wù)。

江蘇科技大學(xué)的王新彥教授等發(fā)明了1種半自動液控變割幅坐騎式割草機，實現(xiàn)了從1.2 m到2.3 m的無極變割幅[1]。但是該機器需要駕駛員通過目測判斷前方樹木或其他障礙物之間的距離，再決定是否按下控制按鈕改變割幅，這樣容易出現(xiàn)誤判導(dǎo)致割草機撞到樹木或者出現(xiàn)漏割的現(xiàn)象。

隨著科技的發(fā)展及視覺應(yīng)用的不斷推廣，越來越多的農(nóng)林業(yè)機械應(yīng)用了機器視覺系統(tǒng)。機器視覺是一門綜合性很強的學(xué)科，它包括圖像處理、機械工程技術(shù)、控制、信號處理、光學(xué)、計算機軟硬件技術(shù)等。機器視覺的概念起始于20世紀50年代，最先的應(yīng)用來自“機器人”的研制[2]。其主要工作方式是通過工業(yè)相機[分為互補金屬氧化物半導(dǎo)體（complementary metal oxide semiconductor，簡稱CMOS）和電荷耦合器件（charge coupled device，簡稱CCD）相機]采集的圖像信號，傳送給專用的圖像處理系統(tǒng)，得到圖像的形態(tài)信息，根據(jù)飽和度、亮度和顏色等信息，轉(zhuǎn)變成數(shù)字化信號，圖像系統(tǒng)通過各種算法實現(xiàn)目標(biāo)特征的提取。利用機器視覺檢測樹木等障礙物已經(jīng)有很多人進行了研究，有研究者提出了基于顏色和紋理的算法，可以得到比較理想的結(jié)果，但是運行時間過長，不能滿足實時檢測的目的[3];有研究者提出了利用三目立體視覺場景分割方法，可以在靜態(tài)或動態(tài)的場景進行分割，其缺點是培訓(xùn)時間比較長，實時性較差[4];有研究者提出了1種障礙物檢測系統(tǒng)，利用立體匹配生成1個點云在圖像中的區(qū)域，地面檢測用于確定點云中哪些點是障礙物，其缺點是如果障礙物的顏色與地面相近時，就很難檢測出障礙物[5];有研究者提出了1種利用光譜分析及紋理提取實時檢測靜態(tài)和動態(tài)障礙物的方法，但是其算法復(fù)雜且當(dāng)車輛在運動時識別率比較低[6]。本研究基于HALCON軟件與HSV[H表示色調(diào)（hue），S表示飽和度（saturation），V表示明度（value）]顏色空間提出了1種實時檢測樹木的方法，為半自動液控變割幅坐騎式割草機實現(xiàn)全自動變割幅奠定了基礎(chǔ)。

5 結(jié)論

本研究通過使用HALCON軟件強大的功能，將復(fù)雜的自然環(huán)境通過HSV顏色空間模型消除了因光照和陰影等影響因素，其中主要利用H分量受光照影響較小的優(yōu)點，并將攝像頭進行合理的位置安裝，減少了不必要的背景，降低了圖像處理的復(fù)雜度。再結(jié)合動態(tài)閾值算法進行處理，然后進行形態(tài)學(xué)運算處理，包括腐蝕、膨脹，面積、矩形度篩選，最后生成最小外接矩形，完成了樹木的提取分割。本研究得到如下結(jié)論：（1）采用HSV顏色空間中的H和S分量相結(jié)合的方法可以避免因光照或陰影造成的影響;（2）使用動態(tài)閾值分割法有效避免了因自然環(huán)境不同而造成的分割不準確等弊端;（3）本研究的算法識別速度快，平均速度為0.098 s，滿足了實時性的要求;（4）本研究為后續(xù)的樹木間距測量實現(xiàn)全自動液控變割幅坐騎式割草機奠定了基礎(chǔ)。

參考文獻：

[1]王新彥，周 浩. 一種液控變割幅坐騎式割草機：201410784597.3[P]. 2014-12-17.

[2]雷文華. 機器視覺及其應(yīng)用（系列講座）第一講 機器視覺發(fā)展概述[J]. 應(yīng)用光學(xué)，2006，27（5）：467-470.

[3]白麗麗. 用于機器人定位導(dǎo)航的樹木檢測算法研究[D]. 南京：南京理工大學(xué)，2012.

[4]Reina G，Milella A. Towards autonomous agriculture：automatic ground detection using trinocular stereovision[J]. Sensors，2012，12（9）：12405-12423.

[5]Ross P，English A，Ball D，et al. Novelty-based visual obstacle detection in agriculture[C]//IEEE International Conference on Robotics and Automation，2014.

[6]Campos Y，Sossa H，Pajares G. Spatio-temporal analysis for obstacle detection in agricultural videos[J]. Applied Soft Computing，2016，45：86-97.

[7]闞仁峰，楊龍興，南玉龍. 基于HALCON圖像處理的焊縫識別與提取方法的研究[J]. 物聯(lián)網(wǎng)技術(shù)，2017（5）：29-31.

[8]李錦瓏，張維昭，馬宏鋒，等. 基于HALCON的車牌識別技術(shù)研究[J]. 西北師范大學(xué)學(xué)報（自然科學(xué)版），2015（6）：54-57.

[9]蘭 紅，胡 涵. 結(jié)合HSV空間的改進二維Otsu免疫組化圖像分割[J]. 計算機應(yīng)用與軟件，2016，33（5）：200-203.

[10]郭翰林，林 建，張 翔. 基于HSV空間再生稻植株與土壤背景圖像分割[J]. 農(nóng)機化研究，2017，39（7）：169-174.

[11]袁奮杰，周 曉，丁 軍，等. 基于FPGA的RGB和HSV色空間轉(zhuǎn)換算法實現(xiàn)[J]. 電子器件，2010，33（4）：493-497.

[12]張紅旗，劉 宇，王春光. 改進田間雜草識別圖像預(yù)處理方法的研究[J]. 農(nóng)機化研究，2015（6）：70-73.

[13]Steger C. 機器視覺算法與應(yīng)用[M]. 北京：清華大學(xué)出版社，2008：144-155.

[14]Weszka J S，Rosenfeld A. Histogram modification for threshold selection[J]. IEEE Transactions on Systems Man and Cybernetics，2007，9（1）：38-52.

[15]Gonzalez R C，Woods R E，Eddins S L. 數(shù)字圖像處理的MATLAB實現(xiàn)[M]. 阮秋埼，譯. 2版. 北京：清華大學(xué)出版社，2013：396-398.

[16]楊 琨，曾立波，王殿成. 數(shù)學(xué)形態(tài)學(xué)腐蝕膨脹運算的快速算法[J]. 計算機工程與應(yīng)用，2005，41（34）：54-56.

[17]盧 蓉，范 勇，陳念年，等. 一種提取目標(biāo)圖像最小外接矩形的快速算法[J]. 計算機工程，2010，36（21）：178-180.李 陽，雷一騰，胡 斌. 大豆凸輪排種器的設(shè)計與優(yōu)化[J]. 江蘇農(nóng)業(yè)科學(xué)，2019，47（6）：193-196.