發(fā)布時間：2021-07-21 02:59

　　正確地進行棉花行數的動態(tài)計數是保證視覺植保車在田端橫移過程中實現準確定位的前提。該研究以植保期間的棉花作物為研究對象,提出通過方向梯度直方圖（Histogram of Oriented Gradient,HOG）和支持向量機（Support Vector Machine,SVM）實現棉田的棉花行動態(tài)計數方法。為了減少棉花行之間的粘連,以及缺苗和倒伏對棉花行識別造成的影響,設置圖像的感興趣區(qū)域（Region of Interest,ROI）;為了減小相機抖動、光照變化以及刮風對動態(tài)數行造成的影響,使用HOG-SVM模型在視頻序列圖像ROI區(qū)域內窗口滑動檢測,將棉花行和行間背景分別設置正、負樣本,通過提取二者HOG特征、多次訓練獲得SVM分類器參數,固化HOG-SVM模型,再使用非極大值抑制（Non-Maximum Suppression,NMS）進行窗口的歸一,通過歸一化互相關（Normalized Cross Correlation,NCC）模板匹配實現棉花行的動態(tài)跟蹤和計數。結果表明,該方法可以準確地對棉花行實現動態(tài)計數,有很好的泛化能力,識別率高于90%,平均每幀檢測時間為32 m... 

【文章來源】：農業(yè)工程學報. 2020,36(15)北大核心EICSCD

【文章頁數】：9 頁

【部分圖文】：

圖像采集方式

胞元作為組成樣本圖像HOG特征的最小單元，其梯度方向和大小由組成胞元的像素梯度方向直方圖確定。將方向梯度個數bO作為橫軸，將每個bO的方向梯度的像素個數作為縱軸，對每個像素點的梯度方向做直方圖統計，為了簡化計算，將每個像素的梯度作為“無符號”的標量，方向梯度從0°～360°映射到無符號的0°～180°，對胞元內每個像素的梯度方向在直方圖中進行投影，得到這個胞元的梯度方向直方圖，梯度方向的個數為bO，其計算如式（2）所示像素的梯度方向在水平和垂直方向的大小由bO確定，設像素等水平梯度算子為[-1,0,1]，像素的垂直梯度算子為[-1,0,1]T。像素點（x,y）處的水平梯度Gx(x,y）和垂直梯度Gy(x,y）計算分別如式（3）和式（4）所示

式中?是垂直于超平面H的向量，b為超平面H的截距。為了能夠獲得圖像中的棉花行以及行間背景之間最好的分類效果，引入拉格朗日優(yōu)化理論，分別求出2個異類支持向量超平面H1和H2，并進一步找出滿足最大集合間隔的超平面H。為了得到訓練SVM分類器的參數，保證分類效果，SVM的訓練過程分為2個步驟：

【參考文獻】：
期刊論文
[1]質心跟蹤視頻棉花行數動態(tài)計數方法[J]. 梁習卉子,陳兵旗,李民贊,魏超杰,楊艷秋,王進,馮杰.  農業(yè)工程學報. 2019(02)
[2]噴桿式施藥機對行噴霧控制系統設計與試驗[J]. 張波,翟長遠,蔡吉晨,楊碩,王秀.  農機化研究. 2017(11)
[3]基于圖像特征點粒子群聚類算法的麥田作物行檢測[J]. 姜國權,楊小亞,王志衡,劉紅敏.  農業(yè)工程學報. 2017(11)
[4]基于圖像處理的玉米收割機導航路線檢測方法[J]. 梁習卉子,陳兵旗,姜秋慧,朱德利,楊明,喬妍.  農業(yè)工程學報. 2016(22)
[5]氣象要素對石河子地區(qū)參考作物蒸發(fā)蒸騰量的影響[J]. 王萌萌,呂廷波,何新林,辛明亮,曹玉斌.  石河子大學學報(自然科學版). 2016(05)
[6]基于Census變換的雙目視覺作物行識別方法[J]. 翟志強,朱忠祥,杜岳峰,張碩,毛恩榮.  農業(yè)工程學報. 2016(11)
[7]油菜直播機導航路徑識別方法研究[J]. 周雅文,丁幼春,楊軍強,詹鵬,張聞宇.  華中農業(yè)大學學報. 2016(03)
[8]影響棉花化學打頂施藥機車噴霧效果與產量的多因素分析[J]. 王剛,張鑫,陳兵,葉春秀,王旭文,韓煥勇,趙海.  中國棉花. 2016(04)
[9]基于小波變換及Otsu分割的農田作物行提取[J]. 韓永華,汪亞明,孫麒,趙勻.  電子與信息學報. 2016(01)
[10]基于最大正方形的玉米作物行骨架提取算法[J]. 刁智華,吳貝貝,毋媛媛,魏玉泉,錢曉亮.  農業(yè)工程學報. 2015(23)



本文編號：3294166