论文部分内容阅读
穴盘烟苗的培育是烟叶栽植初期的关键环节,培养数量足够、健康粗壮的幼苗是获取优质、适产、高效烟叶的首要基础。穴盘中每一个盘穴内需要培育一株健壮的烟苗,但会存在少量空穴或多余一株(多株)的情况,对于空穴需要补种,对于多株需要保留壮苗,拔掉弱苗,俗称间苗。人工补种和间苗,效率非常低。因此开发自动补种和间苗机非常必要,空穴和多株中壮苗的准确识别是自动补种和间苗机的重要环节。针对这一问题,本文采用机器视觉技术进行了穴盘烟苗空穴和壮苗识别算法研究,开发了相应软件系统,为进一步开发自动补种和间苗机奠定了理论基础和技术支持。本文研究的主要内容包含以下几部分:(1)搭建密闭的穴盘烟苗图像采集系统。该系统主要包括:电源、计算机、数码相机、日光灯管、载物台、手持式照度仪及封闭的箱体等。为了确保每张穴盘烟苗图像具有一致的、均匀的光照强度,选择了合适的拍摄高度和分辨率。(2)基于AdaBoost的烟苗穴盘格图像分割方法研究。首先对于所采集的10(9)20的穴盘图像预处理分析比较,包括:直方图均衡化、图像归一化、中值滤波法、穴盘图像校正。然后以AdaBoost算法为核心,提取出Haar特征,根据积分图和级联分类器创建烟苗穴盘格训练样本,得到训练分类器并对烟苗穴盘格进行检测、标记及分割。实验结果表明,该烟苗穴盘格分割算法的准确率为100%。(3)基于多层感知器(MLP)和卷积神经网络(CNN)烟苗穴盘格类别识别算法研究。采用MLP和CNN模型算法对单株、多株及空穴穴盘格类别进行训练,提取CNN训练模型的数据,绘制出迭代与准确率、Loss函数关系曲线图分析研究。通过预测集仿真实验,对两种算法的准确率及运行时间进行对比,并对实验结果进行分析。两种算法对烟苗穴盘格类别识别准确率分别在96.75%及97.58%。因此,本文选择CNN模型算法对单株、多株及空穴穴盘格类别识别研究。(4)基于机器视觉的多株穴盘格烟苗壮苗识别算法研究。本文首先采用坐标定位提取出多株穴盘格烟苗坐标位置,然后经K-means聚类彩色分割、二值化图像、中值滤波,最后通过计算单连通区域像素的个数确定多株穴盘格烟苗数量。通过分别比较面积、周长、圆形度、长宽比、矩形度共5个几何特征参数进行壮苗识别及标记。当烟苗重叠时,对烟苗进行膨胀及腐蚀运算;当烟苗越界时,计算图像二值化面积,低于最大面积的1/4舍弃。该方法壮苗识别准确率可达99.05%。(5)穴盘烟苗识别软件系统开发。选择Qt平台利用C++语言开发了一套用于穴盘烟苗图像预处理、穴盘格类别识别及壮苗识别算法的软件系统。结果表明基于机器视觉的穴盘烟苗识别方法对穴盘格烟苗的检测分割、类别识别及壮苗识别效果较好。