基于机器视觉的玉米植株数量获取方法与试验

• Published in: 农业工程学报 Vol. 31; no. 3; pp. 215 - 220
• Main Author: 贾洪雷 王刚 郭明卓 DylanShah 姜鑫铭 赵佳乐
• Format: Journal Article
• Language: Chinese
• Published: 吉林大学工程仿生教育部重点实验室，长春 130025 2015; 吉林大学生物与农业工程学院，长春 130025; Department of Mechanical Engineering，Iowa State University，Ames，IA，50011，USA%Department of Mechanical Engineering，Iowa State University，Ames，IA，50011，USA; 吉林大学工程仿生教育部重点实验室，长春 130025%吉林大学生物与农业工程学院，长春 130025
• Subjects: 图像处理; 图像识别; 机器视觉; 玉米收获机; 玉米植株数量; 留高茬; 秸秆; image processing; 秸秆; 玉米植株数量; 留高茬; straw; corn population; image identifying; 机器视觉; corn harvester; 图像处理; 玉米收获机; computer vision; high stubble; 图像识别
• ISSN: 1002-6819
• DOI: 10.3969/j.issn.1002-6819.2015.03.028

获得田间的玉米植株数量对于优化不同玉米品种的种植密度有重要意义,玉米植株数量也是计算新玉米品种平均每株产量的重要参数。为了减轻人工获得玉米植株数量的劳动强度,提高数据的准确率,该文利用基于机器视觉的图像处理技术来获得玉米植株数量。被留高茬玉米收获机作业之后的地块,有一定高度的玉米秸秆站立在地表,摄录这样的图像信息可以大大简化图像处理的难度,提高结果的精确度,所以将图像采集装置安装在留高茬玉米收获机之后来获得视频流。后处理过程中,将视频文件分解为图片文件,然后将真彩色的RGB图片文件转化成灰度图像进行图片的配准,再将灰度图像转化为二值图像进行图像分割与边界提取,最后找到玉米秸秆断面的几何中心并进行标记,统计标记结果即获得玉米植株数量。试验结果显示,人工播种与机械播种在图像识别的误差上没有显著差异（P〉0.05）;机器视觉识别出来的玉米植株数量与实际数量也没有显著差异（P〉0.05）,其平均误差为6.7%;并且该误差不会随着图像中玉米植株数量的增加而产生积累。该文的设计可以降低机器视觉在识别玉米植株数量过程中的难度,提高图像识别的准确度,更好地服务生产实际问题。