[发明专利]一种用于农业机械的视觉智能感知方法、装置及电子设备

权利要求书

1.一种用于农业机械的视觉智能感知方法，其特征在于，包括：

根据农作物原始图像的显著特征获取照射到农作物上的光束的位置像素坐标及所述照射到农作物上的光束相对地平线基准位置偏移的像素平均值；

根据所述位置像素坐标及像素平均值，确定目标农作物的真实物理高度；

其中，所述农作物图像的显著特征包括包含有光束轮廓的边缘特征图像。

2.根据权利要求1所述的用于农业机械的视觉智能感知方法，其特征在于，所述农作物原始图像的显著特征还包括农作物原始图像的颜色特征和亮度特征，所述方法还包括：

根据所述农作物原始图像的颜色特征和亮度特征，获取所述原始图像的显著性区域；

根据所述显著区域得到显著图，根据所述显著图确定目标障碍物所在区域。

3.根据权利要求2所述的用于农业机械的视觉智能感知方法，其特征在于，根据所述显著图确定目标障碍物所在区域，具体包括：

提取显著图的边缘和轮廓信息，根据所述边缘和轮廓信息获取目标障碍物的检测框，根据所述检测框确定目标障碍物所在区域。

4.根据权利要求2所述的用于农业机械的视觉智能感知方法，其特征在于，所述方法还包括：

根据农作物的原始图像的颜色特征识别出秧苗区域，对所述秧苗区域进行聚类，确定秧苗区域横坐标的聚类中心，根据所述横坐标的聚类中心确定每个秧苗中心横坐标与每列秧苗中心横坐标；

根据每个秧苗中心横坐标与每列秧苗中心横坐标之间的距离判断该秧苗偏离苗列线的距离，根据所述秧苗偏离苗列线的距离是否超过设定阈值，确定是否漂秧，根据所述秧苗偏离苗列线的距离计算相邻苗列线间距离，根据所述相邻苗列线间距离确定漏秧区域。

5.根据权利要求1所述的用于农业机械的视觉智能感知方法，其特征在于，所述农作物原始图像的显著特征还包括农作物倒伏场景的图像特征，所述方法还包括：

将所述图像特征利用SVM进行训练，得到基于倒伏场景的数据模型，重新获取农作物倒伏场景的图像特征；

根据重新获取的农作物倒伏场景的图像特征及基于倒伏场景的数据模型，识别农作物倒伏状态。

6.根据权利要求5所述的用于农业机械的视觉智能感知方法，其特征在于，获取农作物倒伏场景的图像特征，将所述图像数据用SVM特征训练分类器进行训练，得到基于倒伏场景的数据模型，具体包括：

获取农作物倒伏场景的图像特征，将所述图像数据划分正样本和负样本，利用所述正样本和负样本确定共生灰度矩阵，根据所述共生灰度矩阵提取特征值，利用特征值用SVM特征训练分类器进行训练，得到基于倒伏场景的数据模型。

7.根据权利要求5所述的用于农业机械的视觉智能感知方法，其特征在于，根据重新获取的农作物倒伏场景的图像特征及基于倒伏场景的数据模型，识别农作物倒伏状态，具体包括：

计算所述重新获取的农作物倒伏场景的图像数据对应的灰度共生矩阵，根据所述灰度共生矩阵提取目标区域图像的特征值；

将所述特征值输入至所述基于倒伏场景的数据模型，得到图像中倒伏区域的目标检测框，以识别农作物倒伏状态。

8.一种用于农业机械的视觉智能感知装置，其特征在于，包括像素特征获取模块及农作物高度确定模块；

所述像素特征获取模块，用于根据农作物图像的显著特征获取照射到农作物上的光束的位置像素坐标及光束在有农作物情况下的相对地平线基准位置偏移的像素平均值；所述农作物图像的显著特征为包含光束轮廓的边缘特征图像；

所述农作物高度确定模块，用于根据所述位置像素坐标及相对地平线基准位置偏移的像素平均值，确定目标农作物的真实物理高度。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一所述的用于农业机械的视觉智能感知方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-7任一所述的用于农业机械的视觉智能感知方法。