基于改进可变形部件模型与判别模型的葡萄叶片检测与跟踪.pdfVIP

第 33 卷 第 6 期 农 业 工 程 学 报 Vol.33 No.6 140 2017 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2017 基于改进可变形部件模型与判别模型的葡萄叶片检测与跟踪 1 1※ 2 1 杨 森 ，冯 全 ，王书志 , 张 芮 （1. 甘肃农业大学工学院，兰州 730070 ；2. 西北民族大学电气工程学院，兰州 730030 ） 摘 要：为解决酿酒葡萄生长状态自动监测问题，该文提出基于机器视觉和视频处理技术的自动监测系统，开发了多角 度可变形部件模型的葡萄叶片检测算法和基于颜色特征的判别模型跟踪算法。在叶片检测方面，该算法对颜色特征图像 采用可变形部件模型训练出多角度叶片检测器，通过多模型匹配后产生叶片检测候选集合，选择集合中得分最高的检测 结果作为最后的定位信息；在跟踪方面，结合图像中目标的颜色直方图，建立具有区分背景和目标的组合判别模型，并 将位置函数的最大值作为相邻帧的目标位置，从而实现对叶片目标的实时跟踪。试验结果表明，该文检测算法对自然条 件下的葡萄叶片平均检测率为 88.31%，误检率为 8.73%；叶片跟踪的准确性也相对较高，其重叠率高达 0.83，平均中心 误差为 17.33 像素，其证明了该算法的有效性，研究结果为葡萄生长状态的自动分析提供参考。 关键词：机器视觉；图像处理；模型；葡萄叶片；检测；跟踪；可变形部件模型；判别模型 doi ：10.11975/j.issn.1002-6819.2017.06.018 中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2017)-06-0140-08 杨 森，冯 全，王书志，张 芮. 基于改进可变形部件模型与判别模型的葡萄叶片检测与跟踪[J]. 农业工程学报，2017， 33(6)：140－147. doi ：10.11975/j.issn.1002-6819.2017.06.018 Yang Sen, Feng Quan, Wang Shuzhi, Zhang Rui. Grape leaves detection and tracking based on improved deformable part model and discriminative model [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(6): 140 －147. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.06.018 屎等杂物从颜色和形状上与病斑很像，但它们随着时间 0 引 言 不会增大和扩散。如果在序列图像（视频）中跟踪某片 近年来酿酒葡萄的种植向集约化发展，大规模种植 具有疑似病症叶片的运动，就能比较该叶片在不同时间 给生长状态的监测带来了极大的挑战，而人工检测效率 上的状态变化，排除虚假病害，提高病害判断的准确性。 低、工作强度大。葡萄叶片的健康状态在很大程度上能 目前关于运动目标跟踪的研究有2 大方向[6] ：一种是基于 反映葡萄的生长状态，而葡萄叶片的检测是后续视觉处 运动信息的跟踪方法[7-9] ，该方法对目标的遮挡、相似性 理的基础。自然条件下获取的图像中叶片姿态不同，叶 目