基于機器視覺的農(nóng)作物播種精度檢測方法

楊奧棋，李 冰

（河南職業(yè)技術學院 現(xiàn)代信息技術學院，河南 鄭州 450046）

為了實現(xiàn)對農(nóng)作物播種精度的測定，劉偉等[1]人紛紛嘗試引入傳感器、圖像采集裝置等方式對農(nóng)作物播種精度檢測方法進行設計和研究。目前真正應用到農(nóng)業(yè)生產(chǎn)領域當中的檢測方法極少，并且在實際應用中存在操作復雜性強、檢測結(jié)果精度無法得到保障等問題，嚴重影響農(nóng)作物播種的質(zhì)量。部分檢測方法雖然具備了操作簡單的優(yōu)勢，但無法實現(xiàn)對多粒農(nóng)作物種子同時下落、同時檢測的效果。由于當前農(nóng)作物播種技術逐漸成熟，各類現(xiàn)代化播種設備的引入，使得田間的工況條件日益復雜，而各類傳感器裝置會受到振動、光線、溫度等多方面的影響，進而造成最終的檢測結(jié)果無法得到保證[2]?；诖?，針對當前農(nóng)作物播種過程中存在的精度低，檢測方法得出的結(jié)果有效性較差等問題，引入機器視覺技術開展對農(nóng)作物播種精度檢測方法的優(yōu)化設計研究。

1 農(nóng)作物播種精度檢測方法

1.1 農(nóng)作物播種圖像預處理

為實現(xiàn)對農(nóng)作物播種精度的檢測，首先需要對獲取到的農(nóng)作物播種圖像進行預處理。由于在農(nóng)作物播種區(qū)域中，機器視覺技術應用時，其視覺導航初始化階段為未知狀態(tài)，無法實現(xiàn)對農(nóng)作物與土壤之間的圖像區(qū)分，并且與其他圖像相比，農(nóng)作物播種圖像具有更明顯的多樣性和不一致性[3]。針對這一特點，在對其進行區(qū)域提取以及后續(xù)精度檢測時，需要對其圖像分割和圖像灰度處理。

在農(nóng)作物播種區(qū)域內(nèi)，通過機器視覺導航觀察農(nóng)作物播種情況基本上以綠色為主，而土壤以及周圍環(huán)境的顏色為非綠色。因此，基于這一特點，在農(nóng)作物播種圖像當中，基于2GRB顏色的特征，將原本三維的彩色圖像轉(zhuǎn)變?yōu)橐痪S的灰度圖像。通過上述操作處理，不僅能夠減少后期精度檢測的數(shù)據(jù)處理量，同時還能夠進一步突出農(nóng)作物的信息。在經(jīng)過灰度化處理后，農(nóng)作物的灰度圖像直方圖如圖1所示。

圖1 農(nóng)作物播種灰度圖像直方圖

從圖1可以看出，圖像當中存在明顯的峰值，但低谷不明顯，并且其相應的區(qū)域難以直觀判定。農(nóng)作物播種區(qū)域的灰度值通常較大，而其他區(qū)域的灰度值較小，因此像素在0 ～25的區(qū)域大多為土壤區(qū)域，將這一部分區(qū)域視為非精度檢測對象；像素值在95 ～255的區(qū)域大多為農(nóng)作物種植區(qū)域，因此將這一部分區(qū)域視為精度檢測對象[4]。

本文采用動態(tài)閾值與區(qū)域分割相結(jié)合的方式，基于子區(qū)域獨立分割的基本思想，針對相對復雜的農(nóng)作物播種圖像進行分割。利用Otsu算法，對需要進行檢測的圖像區(qū)域進行閾值選擇，為了提高后續(xù)檢測的精度，還需要對這一區(qū)域進行降噪處理。結(jié)合3×3的函數(shù)窗對其噪聲去除，并提取機器視覺導航線及相應離散點，將農(nóng)作物播種圖像大小設置為M×N，以此按照上述內(nèi)容完成對農(nóng)作物播種圖像的預處理，為后續(xù)目標區(qū)域提取以及精度檢測提供依據(jù)[5]。

1.2 基于機器視覺的農(nóng)作物播種目標區(qū)域提取

結(jié)合機器視覺中的移動窗口方法，從上到下，從左到右完成對預處理后的農(nóng)作物播種圖像掃描。設定掃描區(qū)域的大小為W×H，在掃描的過程中，針對圖像上的陰影區(qū)域，窗口可適當調(diào)整，以此能夠有效抑制噪聲，得到更加精確的掃描信息。結(jié)合下述公式（1），對掃描區(qū)域中的目標像素總數(shù)據(jù)確定：

公式（1）中，I（i，j）表示為機器視覺窗口掃描過程中包含的像素點個數(shù)；f（u，a）表示為某一像素點（u，a）在像素圖像當中的索引值。根據(jù)上述公式，明確被檢測區(qū)域當中具體含有的像素點個數(shù)。根據(jù)上述分析可知，農(nóng)作物播種灰度圖像中檢測區(qū)域與非檢測區(qū)域存在明顯的像素差異。因此，基于這一特點，將目標檢測區(qū)域像素值設置為255，將非目標區(qū)域的像素值設置為0，以此實現(xiàn)對目標區(qū)域與非目標區(qū)域的區(qū)分。

1.3 單粒種子下落精度檢測

計算時，需要先采集約2 000.0個樣本數(shù)據(jù)（沒有種子下落時的數(shù)據(jù)），根據(jù)此部分數(shù)據(jù)，計算電容裝置的初始化運行數(shù)值，將其表示為C。獲取種子以單粒下降時的信號，當信號的差分值大于原始信號的0.7倍數(shù)時，提取信號集合中的前10.0個脈沖信號值。根據(jù)前10個脈沖信號值的變化幅度與變化趨勢，分析電容的變化量。通過上述的方式，可以得到電容裝置在此過程中的多個變化數(shù)值，將其表示為C1 ～C5，采用計算平均值的方式，得到電容算數(shù)平均值，將其表示為C。去掉集合中的峰值與低谷值，將剩余的幅度值記為H，對H的描述可以用H1 ～H5表示。根據(jù)電容裝置的初始化數(shù)值，得到信號的一階差分閾值，將其表示為γ，則H與γ的關系需要滿足下述不等式。

公式（2）中，Hi+1表示為種子下落過程中傳感器對其的差分閾值采樣點。將Hi+1作為中心點，對其前后的數(shù)據(jù)進行連續(xù)采樣，采樣后可以得到5個呈現(xiàn)連續(xù)狀態(tài)的采樣點。將此采樣點表示為脈沖信號，對信號的有效閾值進行更新，對比更新前后信號的變化，得到有效幅值的上限與下限，將上限值與下限值作為檢測依據(jù)，根據(jù)種子下落過程中，電容裝置檢測結(jié)果幅度值的變化，即可實現(xiàn)對其下落過程的精準檢測。

1.4 多粒種子同時下落精度檢測

為了滿足檢測需求，可根據(jù)播種過程中批量種子的下落數(shù)量，結(jié)合電容裝置在運行中檢測的差分數(shù)值，建立一個最小二乘回歸計算模型。由電容裝置對其進行采樣處理，將裝置在運行中自身具備的微小波動作為精度檢測誤差值，采用設定閾值的方式，降低裝置運行微小波動與檢測結(jié)果精度的影響。根據(jù)試驗中人工統(tǒng)計種子數(shù)量G與電容裝置積分差值的關系，根據(jù)兩者的關系，對其進行建模處理，得到如下計算公式（3）所示的線性計算模型，模型表達式如下：

公式（3）中，β0表示為線性模型額定系數(shù)；β1表示為模型線性值上限；A表示為精度檢測過程中產(chǎn)生的隨機誤差值。使用樣本統(tǒng)計法，對β0與β1進行計量與校正，得到針對已知參數(shù)的未知數(shù)值。將未知數(shù)值導入最小二乘計算公式中，將未知參數(shù)作為檢測精度的參照值，將參數(shù)的最小值與最大值作為檢測過程中精度有效范圍。對電容裝置顯示的結(jié)果進行平方和計算，當計算得到的結(jié)果在參數(shù)的最小值與最大值（精度有效范圍）內(nèi)時，輸出此時的檢測結(jié)果，將此結(jié)果作為多粒種子同時下落精度檢測結(jié)果。

2 對比實驗

為了驗證該方法在實際應用中的效果，選擇將上述檢測方法與基于行程自校準的檢測方法應用到相同的實驗環(huán)境當中，針對兩種檢測方法的應用效果進行對比。首先，針對種子以單粒的方式播種的精度進行檢測并得到理論層面上的農(nóng)作物播種粒數(shù)，再通過人工方式，對接收盒當中的農(nóng)作物種子實際粒數(shù)進行統(tǒng)計，得到實際農(nóng)作物粒數(shù)。通過理論農(nóng)作物粒數(shù)和實際農(nóng)作物粒數(shù)計算得出兩組檢測方法的檢測精度。按照上述實驗內(nèi)容完成對以單粒的方式播種的檢測效果對比實驗，相關實驗數(shù)據(jù)記錄見表1。

表1 實驗組與對照組單粒種子下落精度檢測對比表

從表1可知，實驗組的檢測方法能夠為農(nóng)作物播種提供更有利的數(shù)據(jù)依據(jù)，確保種植效果。

在初步實現(xiàn)對單粒種子下落精度檢測效果對比后，針對多粒種子同時下落精度進行檢測，檢測結(jié)果見表2。

表2 實驗組與對照組多粒種子同時播種檢測結(jié)果記錄

從表2中可知，本文提出的基于機器視覺的檢測方法在實際應用中，無論是對單粒種子下落精度檢測還是對多粒種子同時下落精度檢測，其檢測效果均明顯好于基于行程自校準的檢測方法。將該檢測方法應用到實際農(nóng)作物種植當中，可為農(nóng)作物種植質(zhì)量提升提供保障條件。

3 結(jié)束語

綜合本文上述論述，在引入機器視覺技術的基礎上，提出了一種全新的農(nóng)作物播種精度檢測方法，并通過對比實驗的方式驗證了該方法的應用效果。將這種檢測方法應用于實際，不僅適用于對單粒農(nóng)作物播種的精度檢測，也適用于多粒農(nóng)作物種子同時播種的精度檢測，具有更高的應用適用性。在今后的研究當中，為了進一步提高檢測方法的應用效果，還將從降低外界環(huán)境因素干擾因素影響的角度出發(fā)，提出一種適用性更強的檢測方法，以此提升檢測方法對應用環(huán)境的魯棒性。