基于改进视觉的甘蔗分割与识别方法技术

为实现甘蔗的生长监视或者含有甘蔗芽的蔗种的智能切断，提出一种采用改进的计算机视觉技术来识别甘蔗的形状和茎节特征，自动完成甘蔗的分割和识别的方法。首先通过数码设备取得甘蔗图像，然后对甘蔗图像进行HSI颜色空间转换，结合H分量和S分量颜色特征和阈值分割，经阈值分割的反图像进行与运算得到合成图，将合成图划分为64个列块区域，最后通过提取H参数、S参数、粗度比和白点比等特征指标，再通过支持向量机分类识别茎节与节间列块，完成得到茎节与位置的识别，平均识别率为94.2％。

【技术实现步骤摘要】

本专利技术属于图像处理
，是一种结合甘蔗图像和计算模型的对甘蔗特征进行提取和识别的方法。
技术介绍
在甘蔗的生长和后期处理过程中，生长状态和甘蔗蔗芽的切割长期以来都是人工完成的，本方法通过计算机视觉技术的识别和处理，能对甘蔗的图像进行自动的识别，在蔗种处理中需要将整根的甘蔗切断成包含1～3个蔗芽的有效蔗种片段。目前也多是人工完成为主。为提高效率，降低劳动强度和实现甘蔗种植的精细化，需要研制可识别茎节和节间的智能切断装置，而其中最关键的是识别甘蔗茎节。目前国内在此领域的研究还属于空白。相近研究有刘庆庭等利用高速摄像分析刀片切割甘蔗茎秆破坏过程，国外，仅伊朗MoshashaiK利用灰度图像阈值分割的方法对甘蔗茎节识别做了初步研究，也还处于初始阶段。国内甘蔗茎干图像自动识别技术的研究尚未见报道。本专利技术采用基于颜色特征向量的彩色图像分割算法对甘蔗图像进行分割，再对识别出的茎节类进行聚类识别，获得茎节数与茎节位置，取得了良好的效果。
技术实现思路
基于改进视觉的甘蔗分割与识别方法，其特征是包含以下具体步骤：(1)获取甘蔗原始图像；(2)将原始图像去噪和从RGB颜色空间转换到HSI颜色空间，并选取模型中的H和S参数作为甘蔗图像的特征；(3)对甘蔗图像进行卷积的处理；(4)对甘蔗图像进行特征的提取；(5)对甘蔗图像特征进行模型计算与匹配；(6)对完成特征提取的甘蔗图像进行SVM识别。>具体的过程包括有：1、图像的获取在试验台上采用CANONS80型数码相机拍摄红色背景的单根甘蔗彩色图像，图像大小为1600*1200像素，JPG格式。处理软件采用VC++6.0和Matlab7.0。拍摄前先将甘蔗叶剥净，相机镜头与工作台垂直，距离工作台30cm。2、图像基本处理图像中甘蔗表面颜色从黑到白过渡，占据整个灰度级，采用RGB颜色空间难以分割出理想的甘蔗轮廓，各分量空间的相关性也难以体现出茎节与节间特征差异。在经过大量的试验对比后，发现采用红色背景的HSI空间能有效地将背景与甘蔗区分。(1)基于HSI的彩色空间HSI空间比较直观且符合人的视觉特性，H、S、I表示色调、饱和度和亮度。从HSI颜色空间的H分量图可以看到甘蔗与背景区域的灰度在空间上分散，茎节与节间的色调有明显差异，可作为茎节与节间的识别依据；从S分量中可以看到甘蔗轮廓清晰，背景区域灰度均匀，其灰度直方图显现双峰性，有利于甘蔗轮廓提取。(2)卷积处理二值图像的卷积处理彩色分割后，图像是二值图像。通过放大观察可以看出，分割后的图像是由大量的、单独的点和小面积的区域组成的，无法对图像进行进一步的有效分割。因此，采用卷积处理，便于后续的图像处理过程。卷积处理是一种图像线性滤波方法。通过实验研究对比了7种类型的掩模，最后确定应用5×5的DISK掩模处理。(3)阈值分割H分量可以体现出甘蔗茎节的细节特征，S分量体现甘蔗的轮廓特征。选择合适的阈值分割可以得到理想的甘蔗轮廓和表征甘蔗茎节与节间差异的二值图；在S、H阈值选择方法上，分别对Otsu与人工选择阈值做了比较试验，发现Otsu自动分割不能有效消除背景噪声，存在大面积的反光现象。而在工作台控制条件下，S分量的直方图波谷出现在0.40～0.55之间，在这之间设置阈值可以得到理想的甘蔗边界轮廓图；在0.4～0.6范围内以0.1间隔区域统计灰度级点数，以0.1范围内最少灰度级点数对应的灰度值作为S分量的分割阈值。研究发现H分量直方图中绝大部分的像素点在灰度级0～0.04和0.90～1之间，在区间0.85～0.15之间设置阈值，可以有效得到茎节特征。3、特征提取由于茎节处的白点数分散相对均匀，茎节区域的白点数密集，直径比较大；将合成图按列划分为64个列块区域，设图像集合为X(i，j)；图像的上边缘为Pt＝(xt，yt)，下边缘为Pt＝(xt，yt)，第k列块粗度为Ck=110Σi=10(k+1)10k(ybi-yti)]]>各个列块的粗度(即直径)与最大粗度之比为粗度比为Sk=Ckmax(Ck)]]>由各列块的上边界与下边界将各个列块划分8个等行块，中心4行块的白点数之和与其所在列的白点总数之比为1/2中区比，其计算公式为Ik=Σf=36RkfWk]]>各个列块粗度与其左右两侧5列块距离处两列块粗度和的平均之比为位粗比，其计算公式为Yk=2CkCk-5+Ck+5(k∈[6,59])2CkC1+Ck+5(k∈[1,5])2CkCk-5+C64(k∈[60,64])]]>4、SVM识别算法识别茎节与节间列块SVM是一种新的模式识别方法，它兼顾训练误差和泛化能力，在解决小样本、非线性、高维数、局部极小值等模式识别问题中表现出许多特有的优势，在两类模式识别问题中，给定训练资料{(xi，yi)；xi∈RN；yi＝±1本文档来自技高网...

【技术保护点】
一种基于改进视觉的甘蔗分割与识别方法，其特征是包含以下具体步骤： (1)获取甘蔗原始图像； (2)将原始图像去噪和从RGB颜色空间转换到HSI颜色空间，并选取模型中的H和S参数作为甘蔗图像的特征； (3)对甘蔗图像进行卷积的处理； (4)对甘蔗图像进行特征的提取； (5)对甘蔗图像特征进行模型计算与匹配； (6)对完成特征提取的甘蔗图像进行SVM识别。

【技术特征摘要】
1.一种基于改进视觉的甘蔗分割与识别方法，其特征是包含以下具体步骤：
(1)获取甘蔗原始图像；
(2)将原始图像去噪和从RGB颜色空间转换到HSI颜色空间，并选取模型中的H和S参数作为甘蔗图像的特征；
(3)对甘蔗图像进行卷积的处理；
(4)对甘蔗图像进行特征的提取；
(5)对甘蔗图像特征进行模型计算与匹配；
(6)对完成特征提取的甘蔗图像进行SVM识别。
2.根据权利要求1所述的基于改进视觉的甘蔗分割与识别方法，其特征是：
对图像采用了卷积处理，以便于后续的图像处理过程。卷积处理是一种图像线性滤波方法。通过实验研究对比了7种类型的掩模，最后确定应用5×5的DISK掩模处理。
3.根据权利要求1所述的基于改...

【专利技术属性】
技术研发人员：崔胡晋，
申请(专利权)人：崔胡晋，
类型：发明
国别省市：四川;51