农业机械学报

作者：苗伟,张铁,杨学军,刘路,陈黎卿

单位：安徽农业大学,中国农业机械化科学研究院,中国农业机械化科学研究院,安徽农业大学,安徽农业大学,

关键词：花生苗;出苗质量评价;机器视觉;缺苗率;活力指数

基金：国家重点研发计划项目（2017YFD0700902-2）和安徽省自然科学基金项目（1708085QF148）

为了能够快速、准确地获取花生出苗质量，提出了基于机器视觉的花生出苗质量评价方法。首先通过田间自走机器人获取花生图像信息，然后采用机器视觉的方法获取图像中花生苗的数量、花生苗冠层投影面积以及花生苗中心点坐标位置。将花生缺苗率和花生苗活力指数作为花生出苗质量评价指标，以花生苗数量结合花生苗坐标计算花生缺苗率，以花生苗叶片包络面积计算花生苗活力指数。针对花生图像识别易受环境干扰的问题，提出了鲁棒性强的花生苗提取算子，采用K均值聚类方法对花生苗提取算子进行分类，结合花生苗和土壤自适应分类算法，有效地将花生苗从土壤中提取出来。针对花生苗棵数误判现象，提出了采用图像全局分割和区域分割相结合的方法对图像进行分割，并基于形态学方法剔除田地杂草等噪声。试验结果表明：采用机器视觉识别花生苗数量的平均准确率为95.4%，花生苗株距计算平均误差为5.35mm，验证了所提出的图像自适应分类算法的可行性。基于机器视觉所得花生缺苗率结果与人工测量结果两者之间的相关性为0.991（皮尔逊相关系数），人工评价与基于机器视觉评价具有较高的一致性。

来源：2018年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第3期