论文部分内容阅读
【摘要】图像特征是区分作物和杂草的重要属性，利用图像特征对杂草进行识别和分类，能达到较高的空间分辨能力，识别率和准确率都能得到较好结果。温室杂草多采用地膜覆盖的方式在作物整个生长期间进行控制，地膜下的杂草生长虽受到限制，同时杂草仍能与作物的根部争夺养分，因此准确获得膜下杂草信息对进一步在播种前进行抑制，采收后去除杂草等精准控制杂草环节具有重要意义。
背景
温室周年生产，环境封闭，因此不合适使用除草剂防除杂草，并且蔬菜等作物也不宜采用化学制剂进行杂草治理。温室杂草的防控多采用地膜覆盖的物理方法来阻止杂草过度生长，但整个生长季杂草都会在地膜下生长，与作物争夺肥料养分，对作物的生长产生不好的影响。因此消除杂草的影响就成为必须面对的一个问题，首要的问题就是获取杂草的信息。温室中作物生长期地膜一直覆盖，地膜防控杂草的同时也遮挡了杂草，给直观获取杂草表观信息增加了难度。探究采用图像的方法，通过识别算法准确地获得杂草的信息具有重要的意义[1]。
原理
区别于非保护地，温室杂草信息获取有4个关键步骤（图1）：①采集装置的移动作业要符合温室柔性枝条茂密的实际情况，机械装置研制要实现易于转弯和调头，并采用人力或电动驱动的方式；②图像特征的获取，根据作物根部绿色茎秆和膜下杂草叶片簇生的特点选择合适的摄像机[2]，并配备合适的支架以及光源组成摄像机系统；③图像的处理，温室中所使用地膜的透光度参数各不相同，但是对所获取杂草的图像有很大的阻隔，在计算算法及软件的开发上要进行模糊识别，难度会有所增加；④杂草空间分辨结果的使用，需要对应的温室农艺技术对识别结果利用，以便实现杂草的精准防控。
结构
信息采集系统的结构包括：计算机、图像采集卡、CCD、卤素灯光源、移动装置等（图2）。计算机用来运行图像处理软件，并通过图像采集卡连接CCD获得高速的图像信息，采用可调节的卤素灯光源可以有效的消除温室棚膜及作物遮挡引起的自然光变化的干扰。
计算算法及软件
信息的获取和杂草的识别主要依据的图像特征有：位置、形态、纹理、颜色特征等[3]。由于温室的垄间距规则、地膜为白色、茎秆为绿色，算法（图3）主要采用Hough变换、直方图算法等提取作物行和行间地膜；形态特征识别利用区域标记算法提取地膜下杂草的无量纲形状特征参数；由于地膜的存在纹使得纹理识别难度非常大，采用共生矩阵和小波变换，计算量较大，速度很慢；颜色特征的提取主要采用颜色变换等算法，将行间和行内地膜下的杂草识别出来。从实践的结果看，单一算法很难实现及时准确的识别，多种识别方法及识别信息的综合利用，可以使杂草的纹理识别和颜色特征提取在准确性和快速性上有很大的提高。
软件采用C 语言编写，获取图像后首先进行垄中心线的定位，然后将图像进行区域标记、共生矩阵等数学运算进行特征提取和修正，最后通过颜色变换的校正后，将有效的特征图像进行拼接，通过软件界面显示温室大地块的杂草信息图，并将信息图和多次获取的图进行比对，分析杂草的生长趋势和控制效果，有助于了解整个种植期的草害发生情况。
结束语
基于图像特征识别温室膜下杂草的方法是一种温室精准杂草防控信息采集的大胆尝试，美国有学者对此方法的不足提出一些建议，主要包括实用性、分辨率和识别率的范围。从国际研究的趋势看，实时的杂草识别传感设备以及传感器的需求很大，美国已经开始走向实际应用。国内目前尚处于研发阶段，没有成熟的可推广的产品。由于温室膜下杂草的特殊性，基于图像特征的技术有很大的發展潜力。
参考文献
[1] 雄锋.基于双目立体视觉的杂草定位 技术研究[D].镇江：江苏大学，2008.
[2] 赵德升.基于机器视觉的精确喷施智 能除草装置杂草实时识别技术[D]. 镇江：江苏大学，2009.
[3] 夏利兵.基于角点特征的双目视觉 杂草定位系统研究[D].镇江：江苏 大学，2009.
背景
温室周年生产，环境封闭，因此不合适使用除草剂防除杂草，并且蔬菜等作物也不宜采用化学制剂进行杂草治理。温室杂草的防控多采用地膜覆盖的物理方法来阻止杂草过度生长，但整个生长季杂草都会在地膜下生长，与作物争夺肥料养分，对作物的生长产生不好的影响。因此消除杂草的影响就成为必须面对的一个问题，首要的问题就是获取杂草的信息。温室中作物生长期地膜一直覆盖，地膜防控杂草的同时也遮挡了杂草，给直观获取杂草表观信息增加了难度。探究采用图像的方法，通过识别算法准确地获得杂草的信息具有重要的意义[1]。
原理
区别于非保护地，温室杂草信息获取有4个关键步骤（图1）：①采集装置的移动作业要符合温室柔性枝条茂密的实际情况，机械装置研制要实现易于转弯和调头，并采用人力或电动驱动的方式；②图像特征的获取，根据作物根部绿色茎秆和膜下杂草叶片簇生的特点选择合适的摄像机[2]，并配备合适的支架以及光源组成摄像机系统；③图像的处理，温室中所使用地膜的透光度参数各不相同，但是对所获取杂草的图像有很大的阻隔，在计算算法及软件的开发上要进行模糊识别，难度会有所增加；④杂草空间分辨结果的使用，需要对应的温室农艺技术对识别结果利用，以便实现杂草的精准防控。
结构
信息采集系统的结构包括：计算机、图像采集卡、CCD、卤素灯光源、移动装置等（图2）。计算机用来运行图像处理软件，并通过图像采集卡连接CCD获得高速的图像信息，采用可调节的卤素灯光源可以有效的消除温室棚膜及作物遮挡引起的自然光变化的干扰。
计算算法及软件
信息的获取和杂草的识别主要依据的图像特征有：位置、形态、纹理、颜色特征等[3]。由于温室的垄间距规则、地膜为白色、茎秆为绿色，算法（图3）主要采用Hough变换、直方图算法等提取作物行和行间地膜；形态特征识别利用区域标记算法提取地膜下杂草的无量纲形状特征参数；由于地膜的存在纹使得纹理识别难度非常大，采用共生矩阵和小波变换，计算量较大，速度很慢；颜色特征的提取主要采用颜色变换等算法，将行间和行内地膜下的杂草识别出来。从实践的结果看，单一算法很难实现及时准确的识别，多种识别方法及识别信息的综合利用，可以使杂草的纹理识别和颜色特征提取在准确性和快速性上有很大的提高。
软件采用C 语言编写，获取图像后首先进行垄中心线的定位，然后将图像进行区域标记、共生矩阵等数学运算进行特征提取和修正，最后通过颜色变换的校正后，将有效的特征图像进行拼接，通过软件界面显示温室大地块的杂草信息图，并将信息图和多次获取的图进行比对，分析杂草的生长趋势和控制效果，有助于了解整个种植期的草害发生情况。
结束语
基于图像特征识别温室膜下杂草的方法是一种温室精准杂草防控信息采集的大胆尝试，美国有学者对此方法的不足提出一些建议，主要包括实用性、分辨率和识别率的范围。从国际研究的趋势看，实时的杂草识别传感设备以及传感器的需求很大，美国已经开始走向实际应用。国内目前尚处于研发阶段，没有成熟的可推广的产品。由于温室膜下杂草的特殊性，基于图像特征的技术有很大的發展潜力。
参考文献
[1] 雄锋.基于双目立体视觉的杂草定位 技术研究[D].镇江：江苏大学，2008.
[2] 赵德升.基于机器视觉的精确喷施智 能除草装置杂草实时识别技术[D]. 镇江：江苏大学，2009.
[3] 夏利兵.基于角点特征的双目视觉 杂草定位系统研究[D].镇江：江苏 大学，2009.