基于支持向量机的玉米根茬行图像分割.pdfVIP

第 37 卷 第 16 期 农 业 工 程 学 报 Vol.37 No.16 2021 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2021 117 ·农业信息与电气技术· 基于支持向量机的玉米根茬行图像分割 ※ 王春雷，卢彩云，李洪文 ，何 进，王庆杰，江 珊 （1. 中国农业大学工学院，北京 100083 ；2. 农业农村部河北北部耕地保育科学观测实验站，北京 100083 ） 摘 要：玉米根茬行的准确识别是实现玉麦轮作机器视觉式小麦自动对行免耕播种技术的前提。针对华北一年两熟区联 合收获机玉米留茬收获后根茬行较难准确分割的问题，该研究以直立玉米根茬为研究对象，提出一种基于支持向量机 （Support Vector Machine，SVM）的玉米根茬行分割方法。首先，利用主成分分析（Principal Components Analysis ，PCA ） 对提取的目标（直立根茬）与背景（行间秸秆及裸露地表）的颜色和纹理特征进行分析，优选出 21 个特征，构成特征向 量作为训练直立根茬 SVM 识别模型的输入；然后，根据图像坐标设置图像中间包含完整玉米根茬行的矩形区域为感兴趣 区域（Region of Interest ，ROI ）；最后，使用训练好的直立根茬 SVM 识别模型以 25×25 （像素）的窗口在ROI 内滑动检 测，采用阈值法分割根茬行并通过形态学处理优化得到最终的玉米根茬行二值图像。利用在农业农村部河北北部耕地保 育农业科学观测实验站采集的 100 幅玉米根茬行图像进行试验，结果表明，本文方法对于不同行间秸秆覆盖量和不同光 照条件下的根茬行分割表现出较好的准确性和鲁棒性，直立根茬平均识别准确率、平均分割准确率、平均召回率、平均 分割准确率与平均召回率的加权调和平均值（F1avr 值）分别为 93.8%、93.72%、92.35%和 93.03%，每幅图像的平均分割 时间为 0.06 s，具有较好的实时性。基于 SVM 的分割方法可实现联合收获机玉米留茬收获后根茬行图像的分割，为下一 步检测玉米根茬行直线并将其作为导航基准线进行视觉导航的研究提供良好基础。 关键词：机器视觉；图像分割；支持向量机；主成分分析；玉米根茬行 doi ：10.11975/j.issn.1002-6819.2021.16.015 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2021)-16-0117-10 王春雷，卢彩云，李洪文，等. 基于支持向量机的玉米根茬行图像分割[J]. 农业工程学报，2021，37(16)：117-126. doi ：10.11975/j.issn.1002-6819.2021.16.015 Wang Chunlei, Lu Caiyun, Li Hongwen, et al. Image segmentation of maize stubble row based on SVM[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(16): 117-126. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2021.16.015 麦自动对行免耕播种技术实现的前提，其识别性能的好坏 0 引 言  直接影响自动对行的精度及播种质量。为提高根茬行识别 华北一年两熟区是中国主要粮食生产基地，保持该