基于超绿色特征分割的植物秧苗在钵盘彩色图像分析.docxVIP

基于超绿色特征分割的植物秧苗在钵盘彩色图像分析

0外在栽苗栽植方法

移动机器人在国内外得到了广泛应用，尤其是在荷兰、日本、以色列、丹麦、美国和其他国家建立了植物工厂，并采用了温室、游泳池和生长苗的基本培养工具。当秧苗长到一定大小,就需要对钵盘中的秧苗进行移栽。国外在秧苗移栽时通常采用串联机构,并且一般都是定位、定量地抓取秧苗,然后再移栽到另外一个培养体中。其特点是多点同时作业,作业刚性大。本文描述了通过超绿色(ExtraGreen)特征分割方法将所采集的图片中的绿色成分提取出来,再计算出每一株苗的中心位置,以确定机械手移栽秧苗时的抓取位置,从而可以跳过那些没有生长出秧苗的穴坑,避免做无用功,使系统具有一定的柔性。

本文所描述的实验采用普通标准花卉育苗钵盘,规格为50孔:5行10列,总体尺寸为545mm×280mm。所培育的植物为双子叶植物凤仙花,每一个穴孔中放置一棵花种,并且在室内进行育苗。经过数天培育,采集大多数花苗为4～6叶时的图片进行实验。

1视频监控系统

机器人系统由三平移并联机构、机械手、控制系统、视觉系统组成,如图1所示。其中,视觉系统由1台摄像机与计算机组成。摄像机通过USB接口与计算机相联接。秧苗移栽机器人系统的工作原理是:摄像机在钵盘上方拍摄图片,通过超绿色分割方法提取出绿色的秧苗,再进行二值化,最后计算出中心位置,并对中心按照坐标进行排序;然后驱动机械手去抓取秧苗,并移送到指定位置。

2穴坑中没有长出秧苗

用塑料钵盘培育凤仙花花苗的图片,如图2所示。每个穴坑中种植1粒凤仙花和种子,但由于无法保证所有的都能出芽成活,所以有些穴坑中没有长出秧苗。将图片表示为RGB图像,采用超绿色方法提取绿色部分,并对分割后的图片进行二值化取反处理,结果如图3所示。

式中E—超绿方法处理后的图片;

A—原图的RGB矩阵。

3叶片质心求解

确定秧苗根茎位置的方法有很多,这里选取质心法、形态学运算法和中点法3种方法计算。

1)对图3所示的二值图分割成均匀的矩形块,先去除块中不为0的像素点总数少于250个的噪音块(每个块约2500个像素点,如果像素个数少于1/10,则定义其为噪音块),并对每一个块进行质心位置的计算。质心求解为

求得质心位置,如表1中各A行所示。

2)对图3所示二值图利用函数bwmorhp进行形态学运算。本文通过erode运算将图像用结构元素ones(3)腐蚀,以去除噪音点,再进行shrink运算将腐蚀后的图像收缩出一个中心点,运算结果如表1中各B行所示。

3)对图3所示二值图进行中点法求解中心位置,分场及去除噪音块方法如质心法所述。对每一个叶片区域极值的坐标取中点,运算结果如表1中各C行所示。

式中i,j—分别指像素值不为0的点的横纵坐标。

4种方法所得到的误差的测定

将通过放大后图片用肉眼观察并手工标定的秧苗根茎中心的位置作为标准,数值见表1各D行所示。计算3种方法所找到的各秧苗的中心位置与观察所得到的根茎的准确位置之间的距离(无秧苗点不计算),则

结果如图4所示,并求出各个方法各点误差的平均误差和方差,如表2所示。

从表2可知:3种方法所求得的平均误差δ值相差不大,但形态学运算法所得到的结果的方差最小。从图4也可以看出:质心法和形态学方法误差分布范围小,而中点法所得结果中某些点的偏差较大,方差也较大。

从时效性来看,在Matlab中完整程序分别运行时间为:质心法为15s左右,形态学方法为9s左右,极值法为10s左右。

5秧苗的联根位置和运算时间

通过形态学运算法找出的中心比较接近于真实的秧苗的根茎位置,同时具有较少的运算时间。此方法找出的中心位置可以用于近似秧苗的根茎位置,即作为移栽机器人的机械手的抓取点。