农业机械学报

作者：张勤，王家辉，李彬

单位：华南理工大学,华南理工大学,华南理工大学,

关键词：水田秧苗; 中心线提取; 深度学习; ROI图像; 自适应检测框聚类

基金：广东省省级科技计划项目（2014A020208018）

针对秧苗列中心线的检测结果易受到水田中的浮萍、蓝藻以及水面反射、风速、光照情况等自然条件影响的问题，提出一种基于YOLOv3目标检测的秧苗列中心线检测算法。基于透视投影计算提取图像的ROI(Region of interest)区域，采用ROI图像构建数据集，对YOLOv3模型进行训练，训练过程中通过减少YOLOv3模型的输出降低运算量，利用模型识别定位ROI内的秧苗，并输出其检测框，对同列秧苗的检测框进行自适应聚类。在对秧苗图像进行灰度化和滤波处理后，在同类检测框内提取秧苗SUSAN（Smallest univalue segment assimilating nucleus）角点特征，采用最小二乘法拟合秧苗列中心线。试验结果表明，该算法对于秧苗的不同生长时期，以及在大风、蓝藻、浮萍和秧苗倒影、水面强光反射、暗光线的特殊场景下均能成功提取秧苗列中心线，鲁棒性较好，模型的平均精度为91.47%，提取的水田秧苗列中心线平均角度误差为0.97°，单幅图像（分辨率640像素×480像素）在GPU下的平均处理时间为82.6?ms，能够满足视觉导航的实时性要求。为复杂环境下作物中心线的提取提供了有效技术途径。

来源：2020年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第8期