基于三维飞行时间法成像的农作物-杂草识别及定位方法

摘要

一种基于三维飞行时间法成像的农作物-杂草识别及定位方法，当植株苗体茎杆特征明显时，采取三维飞行时间摄像机获取植株苗体的侧视三维图像；当植株苗体叶片特征明显时，采取三维飞行时间摄像机获取植株苗体的俯视三维图像。再对于侧视三维图和俯视三维图，分别进行三维土壤分割预处理，然后对于茎秆特征明显的植株苗体，采用Hough变换算法、管型特征测量算法提取茎秆特征；对于叶片明显的植株苗体，采用三维图像局部区域增长算法或检查局部曲面法线方向变化的连续性方法抽取叶片进行特征；在特征提取的基础上识别定位出杂草，与除草装置配合可进行快速自动化的除草作业；同时三维重建并定位出植株茎秆及苗体中心位置，进行作物植株苗体的精确定位，并自动得出农作物的株距和苗数等作物生长数据，便于对作物生长进行动态的自动化、精确化管理。

说明书

技术领域

本发明涉及一种基于三维飞行时间法成像的农作物-杂草识别及定位方法。

技术背景

我国是农业大国，农田杂草种类众多，分布范围广。在传统农业中，杂草肆虐是困扰农作物生长的主要问题之一。

据国家农业部植保总站统计，我国每年用在除草上的劳动量高达20-30亿个劳动日，农田除草用工占田间总工作量的1/3-1/2。我国杂草灾害造成的粮食损失仍平均达到13.4%，年损失粮食产量约17500千吨。近几年随着国家经济生产发展，从事农业的人员不断减少，农田管理趋于机械化、自动化、精准化。为了实现精准的自动化除草，必须使除草设备具备自动识别并精准定位杂草的功能。

目前常用的杂草自动识别方法主要有2种，遥感识别以及基于图像处理的模式识别。遥感识别只适用于大尺寸高密度的杂草进行识别，对于小尺寸低密度的杂草无法识别。基于图像处理的模式识别则有计算速度快，运行效率高，识别精度高的优点。然而现有的图像模式识别均是基于二维图像处理，当农作物和杂草时叶片之间重叠遮挡时，很难识别和定位。其识别率低，定位不准确。同时，目前对农作物的长势、株距和苗数等作物生长状况的观测与测量，主要靠人工进行，人力资源耗费多，测得的数据误差大，不能满足农业生产现代化、自动化的需要。

发明内容

本发明的目的就是提供一种基于三维飞行时间法成像的农作物-杂草识别及定位方法，该方法识别率高，定位准确，识别速度快，实时性好，能适应快速自动化除草作业的实时性要求。还可用于农作物株距和苗数的自动测量，便于对作物生长进行动态的自动化、精确化管理。

本发明实现其发明目的所采用的第一种技术方案是，一种基于三维飞行时间法成像的农作物-杂草识别及定位方法，所述的方法适用于茎杆特征明显的农作物与杂草的识别及定位，其步骤如下：

A、三维图像获取

采用三维飞行时间摄像机从侧面摄取、获得农作物及杂草苗体的侧视三维图像；

B、土壤及背景作物行的分割

对侧视三维图像，根据土壤和农作物及杂草反射光强度的不同，用阈值分割法分割并去掉土壤；根据距离最近的当前作物行和其他的背景作物行的深度差，用阈值分割法分离去掉背景作物行；

C、茎秆分割及特征提取

对B步得到的图像，采用霍夫变换算法或管型特征测量算法或线性拟合匹配法分割并提取出当前作物行的主、支茎秆的特征；

D、杂草识别

将C步得到的当前作物行的主、支茎秆的特征与B步的图像进行比对，将既非主、支茎秆特征部位的图像，也非与主、支茎秆特征紧密相连部位的图像，判定为杂草的图像；并计算定位出当前作物行杂草的位置。

E、茎秆三维图像重建及定位

将C步得到的当前作物行的主、支茎秆的特征在三维空间进行茎秆特征建模，重建出当前作物行的主、支茎秆的三维图像；进而定位出当前作物行各植株的位置。

本发明实现其发明目的所采用的第二种技术方案是，2、一种基于三维飞行时间法成像的农作物-杂草识别及定位方法，所述的方法适用于叶片特征明显的农作物与杂草的识别及定位，其步骤如下：

A、三维图像获取

采用三维飞行时间摄像机从上面摄取农作物及杂草苗体的俯视三维图像；

B、土壤分割处理

对俯视三维图，根据土壤和苗体间的高度差用阈值分割法分离去掉土壤；

C、叶片分割及特征提取

对B步得到的图像，采用三维图像局部区域增长算法或检查局部曲面法线方向变化的连续性方法分割并提取出叶片特征；

D、杂草识别

将C步得到的叶片特征与B步的图像进行比对，将不是叶片特征部位的图像，判定为杂草的图像；并计算定位出杂草的位置。

E、作物三维图像重建及定位

将C步得到的叶片特征在三维空间进行特征建模，重建出作物的三维图像，进而定位出作物各植株的位置。

与现有技术相比，本发明的收益效果是：

一、利用三维飞行时间（TOF）摄像机，可以直接获取拍摄作物及杂草、土壤的三维图像，能区分出图像中的前景与后景，并用阈值分割法分割去掉土壤或背景作物行，再用提取出的作物的茎杆或叶片特征与去掉土壤或背景作物行的图像进行对比，将不属于作物部位的图像判定为杂草。由于三维图像含有深度信息可以解决叶片重叠和遮挡问题，提高了杂草的识别率和定位的精度。可使除草设备除草时更加精确和准确。

二、根据作物的茎杆或叶片特征进行的三维植株重建，还可实现作物植株的自动识别及精确定位，可用于农作物株距和苗数的自动测量，便于对作物生长进行动态的自动化、精确化管理。

三、三维飞行时间（TOF）摄像机的三维图像由专门的芯片直接生成，生成速度快。同时，本发明的杂草识别策略是只识别农作物植株，对不属于农作物植株也不属于土壤或背景行作物的图像直接判定为杂草，而不对杂草进行特征与种类识别。由于待识别的农作物植株种类单一，而杂草种类繁多；在保证准确识出植株也即能准确识出杂草的前提下，本发明的特征运算量低、算法简单，识别运算速度快；能大幅度地提高识别系统的实时性，能适应快速自动化除草作业的实时性要求。

四、针对叶片特征明显的低矮作物和茎杆特征明显的细高作物，三维摄像机分别从上方和侧面进行拍摄，可以最大程度的获取出作物特征，有效地提高作物的识别和定位的准确性和精确性。

下面结合附图和具体实施例对本发明进一步说明。

附图说明

图1是本发明实施例一方法的A步操作得到的棉花侧视三维图像。

图2是用本发明实施例一方法的C步操作后得到的棉花茎秆特征。

图3是本发明实施例一方法E步操作后得到的对玉米三维图像重建及定位的结果图。

图4是本发明实施例二方法的A步操作得到的玉米苗俯视三维图像。

图5是本发明实施例二方法的E步操作后得到的E步操作后得到的玉米苗三维图像重建及定位的结果图。

具体实施方式

实施例1

本发明的第一种实施方式是，一种基于三维飞行时间法成像的农作物-杂草识别及定位方法，所述的方法适用于茎杆特征明显的农作物与杂草的识别及定位，其步骤如下：

A、三维图像获取

采用三维飞行时间摄像机从侧面摄取、获得农作物及杂草苗体的侧视三维图像；

图1即是对棉花摄像得到的侧视三维图像。

B、土壤及背景作物行的分割

对侧视三维图像，根据土壤和农作物及杂草反射光强度的不同，用阈值分割法分割并去掉土壤；根据距离最近的当前作物行和其他的背景作物行的深度差，用阈值分割法分离去掉背景作物行；

C、茎秆分割及特征提取

对B步得到的图像，采用霍夫变换算法或管型特征测量算法或线性拟合匹配法分割并提取出当前作物行的主、支茎秆的特征；

图2即是对图1用以上方法提取出的棉花主、支茎秆特征。

D、杂草识别

将C步得到的当前作物行的主、支茎秆的特征与B步的图像进行比对，将既非主、支茎秆特征部位的图像，也非与主、支茎秆特征紧密相连部位的图像，判定为杂草的图像；计算定位出当前作物行杂草的位置。

E、茎秆三维图像重建及定位

将C步得到的当前作物行的主、支茎秆的特征在三维空间进行茎秆特征建模，重建出当前作物行的主、支茎秆的三维图像；进而定位出当前作物行各植株的位置。

图3即是用以上方法得到的玉米三维图像重建及定位的结果图。对1096株玉米的测试结果表明：以上实施例1的方法对玉米的识别率98.5%，株距平均定位误差为±1.60cm。

实施例2

本发明的第二种实施方式是，一种基于三维飞行时间法成像的农作物-杂草识别及定位方法，所述的方法适用于叶片特征明显的农作物与杂草的识别及定位，其步骤如下：

A、三维图像获取

采用三维飞行时间摄像机从上面摄取农作物及杂草苗体的俯视三维图像；

图4即是对玉米苗摄像得到的俯视三维图像。

B、土壤分割处理

对俯视三维图，根据土壤和苗体间的高度差用阈值分割法分离去掉土壤；

C、叶片分割及特征提取

对B步得到的图像，采用三维图像局部区域增长算法或检查局部曲面法线方向变化的连续性方法分割并提取出叶片特征；

D、杂草识别

将C步得到的叶片特征与B步的图像进行比对，将不是叶片特征部位的图像，判定为杂草的图像；计算定位出杂草的位置。

E、作物三维图像重建及定位

将C步得到的叶片特征在三维空间进行特征建模，重建出作物的三维图像，进而定位出作物各植株的位置。

图5即是用本例以上方法得到的玉米苗三维图像重建及定位的结果图。