發(fā)布時(shí)間：2021-07-21 02:59

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

【文章來源】：農(nóng)業(yè)工程學(xué)報(bào). 2020,36(15)北大核心EICSCD

【文章頁數(shù)】：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(gè)數(shù)bO作為橫軸，將每個(gè)bO的方向梯度的像素個(gè)數(shù)作為縱軸，對(duì)每個(gè)像素點(diǎn)的梯度方向做直方圖統(tǒng)計(jì)，為了簡化計(jì)算，將每個(gè)像素的梯度作為“無符號(hào)”的標(biāo)量，方向梯度從0°～360°映射到無符號(hào)的0°～180°，對(duì)胞元內(nèi)每個(gè)像素的梯度方向在直方圖中進(jìn)行投影，得到這個(gè)胞元的梯度方向直方圖，梯度方向的個(gè)數(shù)為bO，其計(jì)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(shè)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(diǎn)（x,y）處的水平梯度Gx(x,y）和垂直梯度Gy(x,y）計(jì)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(gè)異類支持向量超平面H1和H2，并進(jìn)一步找出滿足最大集合間隔的超平面H。為了得到訓(xùn)練SVM分類器的參數(shù)，保證分類效果，SVM的訓(xùn)練過程分為2個(gè)步驟：

【參考文獻(xiàn)】：
期刊論文
[1]質(zhì)心跟蹤視頻棉花行數(shù)動(dòng)態(tài)計(jì)數(shù)方法[J]. 梁習(xí)卉子,陳兵旗,李民贊,魏超杰,楊艷秋,王進(jìn),馮杰.  農(nóng)業(yè)工程學(xué)報(bào). 2019(02)
[2]噴桿式施藥機(jī)對(duì)行噴霧控制系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 張波,翟長遠(yuǎn),蔡吉晨,楊碩,王秀.  農(nóng)機(jī)化研究. 2017(11)
[3]基于圖像特征點(diǎn)粒子群聚類算法的麥田作物行檢測[J]. 姜國權(quán),楊小亞,王志衡,劉紅敏.  農(nóng)業(yè)工程學(xué)報(bào). 2017(11)
[4]基于圖像處理的玉米收割機(jī)導(dǎo)航路線檢測方法[J]. 梁習(xí)卉子,陳兵旗,姜秋慧,朱德利,楊明,喬妍.  農(nóng)業(yè)工程學(xué)報(bào). 2016(22)
[5]氣象要素對(duì)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(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[6]基于Census變換的雙目視覺作物行識(shí)別方法[J]. 翟志強(qiáng),朱忠祥,杜岳峰,張碩,毛恩榮.  農(nóng)業(yè)工程學(xué)報(bào). 2016(11)
[7]油菜直播機(jī)導(dǎo)航路徑識(shí)別方法研究[J]. 周雅文,丁幼春,楊軍強(qiáng),詹鵬,張聞?dòng)?  華中農(nóng)業(yè)大學(xué)學(xué)報(bào). 2016(03)
[8]影響棉花化學(xué)打頂施藥機(jī)車噴霧效果與產(chǎn)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(nóng)田作物行提取[J]. 韓永華,汪亞明,孫麒,趙勻.  電子與信息學(xué)報(bào). 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(nóng)業(yè)工程學(xué)報(bào). 2015(23)



本文編號(hào)：3294166