[發明專利]一種無人插秧機栽插質量的圖像檢測方法有效
| 申請號: | 201710568104.6 | 申請日: | 2017-07-13 |
| 公開(公告)號: | CN107464232B | 公開(公告)日: | 2020-02-21 |
| 發明(設計)人: | 趙德安;劉曉洋 | 申請(專利權)人: | 江蘇大學 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06T7/155;G06T7/187;G06T7/194;G06K9/62;G06T7/60 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 212013 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 無人 插秧機 栽插 質量 圖像 檢測 方法 | ||
1.一種無人插秧機栽插質量的圖像檢測方法,其特征在于,包含以下步驟:
(a)將相機安裝在無人插秧機插植臂后上方俯拍,根據GPS信號每行進一段距離采集一幅秧苗圖像;(b)將圖像中的秧苗從背景中分割出來;(c)確定每簇秧苗的質心;(d)檢測圖中的漏秧;(e)剔除不完整形態秧苗;(f)提取秧苗形狀特征;(g)通過神經網絡檢測圖中的漂秧;(h)統計漏秧和漂秧出現的次數并判斷是否報警;
每簇秧苗質心的確定,首先濾除分割圖像中面積較小的連通區域,記為BW2,然后通過形態學膨脹算法連接相互靠近的連通區域,接著對未連接且面積較小的連通區進行濾除,記為BW3,最后計算每個連通區的質心并將其作為對應秧苗簇的質心;
漏秧的檢測,沿插植臂組間的中間位置將圖像中的秧苗分成對應的列,分別計算每列相鄰秧苗質心的縱向像素距離D,具體為每列最前最后的秧苗還要分別計算其質心到圖像上沿或下沿的縱向像素距離;縱向標準株距在圖像中的像素距離為L,若D>1.5L則表明存在漏秧,漏秧的數目即相鄰秧苗間質心的距離相對標準株距的倍數減去1.5后向無限大方向取整;
不完整形態秧苗的剔除,秧苗質心到圖像上沿或下沿的縱向像素距離小于0.35L則認為該秧苗沒有完整的呈現在圖像中并從BW3中剔除該簇秧苗對應的連通區,記為BW4。
2.根據權利要求1所述的一種無人插秧機栽插質量的圖像檢測方法,其特征在于,所述步驟(a)的具體過程為,將相機安裝在無人插秧機插植臂后上方,鏡頭向下保持水平進行俯拍,并適當調節相機的位置和高度以及圖像ROI使采集的圖像視野能夠覆蓋插植臂工作范圍,根據GPS信號插秧機每行進一定距離采集一幅圖像。
3.根據權利要求1所述的一種無人插秧機栽插質量的圖像檢測方法,其特征在于,所述步驟(b)的具體過程為,首先采用超綠算子EXG對圖像進行灰度化,EXG=2*G-R-B,其中R,G,B分別是圖像的紅色、綠色和藍色分量,然后采用最大類間方差法OTSU將圖像二值化從而將秧苗從背景中分割出來,記為BW1。
4.根據權利要求1所述的一種無人插秧機栽插質量的圖像檢測方法,其特征在于,秧苗形狀特征的提取,提取BW4中每個連通區與該連通區有相同二階中心距的橢圓離心率,再采用BW4中的每個連通區作為掩膜提取BW2中的每簇秧苗,然后計算每簇秧苗的7個不變矩,共提取8個秧苗的特征。
5.根據權利要求1所述的一種無人插秧機栽插質量的圖像檢測方法,其特征在于,漂秧的檢測,將未知狀態的秧苗特征值輸入預先建立并訓練完成的神經網絡中進行分類。
6.根據權利要求1所述的一種無人插秧機栽插質量的圖像檢測方法,其特征在于,所述統計漏秧和漂秧出現的次數并判斷是否報警,具體包括:若一幀圖像有3簇及以上秧苗存在漂秧或漏秧則進行報警,此外還對每列秧苗設置可以存儲15個數據的先入先出堆棧,存入堆棧中的數據用00表示正常栽插秧苗,01表示漏秧,11表示漂秧,每處理一幀圖像就將處理結果存入對應列的堆棧,然后對堆棧中3種類型的數據分別進行統計,若每列堆棧中漏秧和漂秧數量超過4個則進行報警。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于江蘇大學,未經江蘇大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710568104.6/1.html,轉載請聲明來源鉆瓜專利網。





