基于多纹理特征融合的麦田收割边界检测.pdf

第 39 卷 　 第 12 期 农 业 工 程 学 报　 Vol.39　No.12 2023 年 　　 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2023 123     基于多纹理特征融合的麦田收割边界检测 潘胜权 ，陈　凯 ，解印山 ，莫锦秋 ※ （上海交通大学机械与动力工程学院，上海 200240） 摘　要：自主导航是智能化农机完成收割作业的重要保障。该研究针对多云天气下光照易变化导致单一特征难以应对麦 田环境的问题，提出基于多纹理特征融合的麦田收割边界检测方法。通过构建由图像熵特征和方向梯度特征组成的二维 特征向量对麦田收割区域与未收割区域进行分类。其中，根据图像熵特征提取的特点，提出基于滑动窗口的直方图统计 方法加速图像熵特征提取速度，较传统熵特征提取方法，本文方法耗时减少49.52%。在提取二维特征基础上，根据特 征直方图分布特点，结合最大熵阈值分割算法对麦田图像进行初步分类，然后通过去除小连通区域对误分类区域进行剔 除，进而运用Canny算子提取边缘轮廓点，得到分布于收割边界附近的待拟合点。最后，通过Ransac算法对拟合直线 进行区域限制，得到较为准确的收割边界。试验结果表明，相比传统基于Adaboost集成学习算法提取收割边界，本文 算法处理240像素×1 280像素的图像平均耗时为0.88 s，提速约73.89%；在不同光照条件下，收割边界平均检测率为 89.45%，提高47.28个百分点，其中弱光照下检测率为90.41%，提高46.19个百分点，局部强光照下检测率为88.26%， 提高46.00个百分点，强光照下检测率为89.68%，提高49.64个百分点。研究结果可为田间农机导航线识别提供参考。 关键词：机器视觉；图像处理；图像熵；多纹理特征；方向梯度；收割边界；小麦 doi：10.11975/j.issn.1002-6819.202301067 中图分类号：S224　　　　文献标志码：A　　　　文章编号：1002-6819(2023)12-0123-09 潘胜权，陈凯，解印山，等. 基于多纹理特征融合的麦田收割边界检测[J]. 农业工程学报，2023，39（12）：123-131. doi: 10.11975/j.issn.1002-6819.202301067　　 PAN Shengquan, CHEN Kai, XIE Yinshan, et al. Detection of the wheat-harvesting boundary in wheat field based on multi- texture fusion[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(12): 123- 131. (in Chinese with English abstract)　　doi: 10.11975/j.issn.1002-6819.202301067　　 差异明显的颜色作为识别特征，以超绿算法为核心，对   0　引 言 图像进行预处理，后续通过Hough变换、OTSU算法或 自主导航作为智能农机系统中田间信息感知模块的 垂直投影法完成单一或多条作物行线识别，进而用于指 [16-21] 关键技术，被广泛应用于播种、施肥、除草和收割等农 导早耕、中耕期的智能农机作业导航 。 [1-2] 业作业不同阶段 。在收割作业阶段，为提高收割