基于机器视觉的大田环境小麦麦穗计数方法.PDFVIP

２０１５年 １２月 农 业 机 械 学 报 第 ４６卷 增刊 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１５．Ｓ０．０３８ 基于机器视觉的大田环境小麦麦穗计数方法 １，２ １，２ １，２ １，２ １，２ １，２ 范梦扬 　马　钦 　刘峻明 　王　庆 　王　越 　段熊春 （１．中国农业大学信息与电气工程学院，北京 １０００８３；２．中国农业大学农业部农业信息获取技术重点实验室，北京 １０００８３） 摘要：基于机器视觉技术研究了一种低成本、针对局部小范围的小麦麦穗计数方法。通过部署的田间摄像头采集 大田环境下小麦麦穗低分辨率群体图像，实现了复杂大田环境下小麦麦穗图像的降噪增强处理；提取麦穗的颜色、 纹理特征，采用 ＳＶＭ学习的方法，精确提取小麦麦穗轮廓，同时构建麦穗特征数据库，对麦穗的二值图像细化得到 麦穗骨架；最后通过计算麦穗骨架的数量以及麦穗骨架有效交点的数量，即可得到图像中麦穗的数量。经过 ２０１４ 年５月和２０１５年５月在方城县赵河镇示范区的试验测试，以小麦麦穗图像 ６４０像素 ×４８０像素（约２５０穗）为例， 小麦麦穗计数平均耗时 １７ｓ，准确率达到９３１％，满足大田环境下小麦麦穗计数要求，可以为小麦估产提供可靠 的参考数据。 关键词：小麦麦穗　机器视觉　图像特征　支持向量机　骨架 中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１５）Ｓ００２３４０６ ＣｏｕｎｔｉｎｇＭｅｔｈｏｄｏｆＷｈｅａｔｅａｒｉｎＦｉｅｌｄＢａｓｅｄｏｎＭａｃｈｉｎｅＶｉｓｉｏｎＴｅｃｈｎｏｌｏｇｙ １，２ １，２ １，２ １，２ １，２ １，２ ＦａｎＭｅｎｇｙａｎｇ 　ＭａＱｉｎ 　ＬｉｕＪｕｎｍｉｎｇ 　ＷａｎｇＱｉｎｇ 　ＷａｎｇＹｕｅ 　ＤｕａｎＸｉｏｎｇｃｈｕｎ （１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ ２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＩｎｆｏｒｍａｔｉｏｎＡｃｑｕｉｓｉｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＭｉｎｉｓｔｒｙｏｆＡｇｒｉｃｕｌｔｕｒｅ， ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＷｈｅａｔｉｓａｍａｉｎｃｒｏｐｉｎＣｈｉｎａａｎｄｔｈｅｔｉｍｅｌｙａｎｄａｃｃｕｒａｃｙｅｓｔｉｍａｔｉｏｎｏｆｗｈｅａｔｙｉｅｌｄｉｓ ｓｉｇｎｉｆｉｃａｎｔ．Ｔｈｅｎｕｍｂｅｒｏｆｗｈｅａｔｅｒｉｎｃｅｒｔａｉｎａｒｅａｉｓａｎｉｍｐｏｒｔａｎｔｅｌｅｍｅｎｔｉｎｗｈｅａｔｙｉｅｌｄｅｓｔｉｍａｔｉｏｎ．Ｔｈｅ ｃｏｕｎｔｉｎｇｍｅｔｈｏｄｏｆｗｈｅａｔｅａｒｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉｓｉｏｎｔｅｃｈｎｏｌｏｇｙｗａｓｓｔｕｄｉｅｄ，ｗｈｉｃｈｗａｓｃｈｅａｐａｎｄ ｓｕｉｔａｂｌｅｆｏｒｌｏｃａｌａｒｅａ．Ｔｈｅｍｅｔｈｏｄｗａｓｖｅｒｙｓｉｇｎｉｆｉｃａｎｔｆｏｒｗｈｅａｔｇｒｏｗｔｈｍｏｎｉｔｏｒｉｎｇａｎｄｙｉｅｌｄｅｓｔｉｍａｔｉｏｎ． Ｆｉｒｓｔｌｙ，ｔｈｅｃｏｕｎｔｉｎｇｍｅｔｈｏｄｆｏｒｗｈｅａｔｅａｒｉｎｆｉｅｌｄｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉｓｉｏｎｔｅｃｈｎｏｌｏｇｙｗａｓｓｔｕｄｉｅｄｂｙ ｃｏｌｌｅｃｔｉｎｇｉｍａｇｅｓｏｆｗｈｅａｔｅａｒｃｏｌｏｎｙｗｉｔｈｃａｍｅｒａｓｄｅｐｌｏｙｅｄｉｎｔｈｅｆｉｅｌｄ．Ｔｈｅａｎａｌｙｓｉｓｍｅｔｈｏｄｆｏｒｗｈｅａｔｅａｒ ｉｍａｇｅｆｅａｔｕｒｅ，ｔｈｅｔｈｉｎｎｉｎｇｍｅｔｈｏｄｆｏｒｗｈｅａｔｅａｒｏｕｔｌｉｎｅａｎｄｗｈｅａｔｅａｒｃｏｕｎｔｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｓｋｅｌｅｔｏｎ ｗ