[发明专利]一种无人插秧机栽插质量的图像检测方法

说明书

本发明公开了一种无人插秧机栽插质量的图像检测方法，该方法通过安装在插秧机插植臂上方的相机进行俯拍连续采集刚栽插秧苗的图像，然后采用图像分割，图像形态学方法和模式识别等数字图像处理技术分别实现对漏秧和漂秧的识别，同时通过对每列秧苗中漏秧和漂秧的统计分析，进行漏秧和漂秧的自动报警，实现对无人插秧机栽插作业质量的实时监控。

技术领域

本发明涉及机器视觉和模式识别领域，特别是一种基于机器视觉的缺陷检测方法。

背景技术

随着农业机械智能化水平的不断提高，无人驾驶农机进行自主作业的研究也在快速的发展。插秧机代替人工进行秧苗栽植也已经有很长一段时间，虽然可以高效工作，但是由于人工控制插秧机在狭小的空间内作业，不仅浪费人力，还可能因为作业人员的控制作业使行走路线发生偏离造成秧苗的栽植发生偏离，从而影响秧苗的生长。此外，插秧机在减震、降噪等设计上存在很多的不足，这样会使人长期处在强震动、高噪音和高温的恶劣环境下，对身体健康造成巨大的损害。因此，无人插秧机的研究应运而生。实时、准确地对无人插秧机的栽植质量进行监控，以及在发生故障时能及时地报警是无人插秧机高效、安全作业的重要保障，能够有效提高作业效率、降低安全隐患。

发明内容

本发明的目的在于提出一种能够有效提高作业效率、降低安全隐患的无人插秧机栽插质量的图像检测方法。该方法能够实时、准确地对无人插秧机的栽植质量进行监控，以及在发生故障时能及时地报警是无人插秧机高效、安全作业的重要保障。本发明的技术方案包含以下步骤：

(a)将相机安装在无人插秧机插植臂后上方俯拍，根据GPS信号每行进一段距离采集一幅秧苗图像；

(b)将图像中的秧苗从背景中分割出来；

(c)确定每簇秧苗的质心；

(d)检测图中的漏秧；

(e)剔除不完整形态秧苗；

(f)提取秧苗形状特征；

(g)通过神经网络检测图中的漂秧；

(h)统计漏秧和漂秧出现的次数并判断是否报警。

进一步，步骤(a)中所述相机的安装与图像的采集，将相机安装在无人插秧机插植臂后上方，镜头向下保持水平进行俯拍，并适当调节相机的位置和高度以及图像ROI等使采集的图像视野能够覆盖插植臂工作范围，根据GPS信号插秧机每行进一定距离采集一幅图像。

进一步，步骤(b)中所述图像的分割，首先采用超绿算子EXG(EXG＝2*G-R-B，其中R,G,B分别是图像的红色、绿色和蓝色分量)对图像进行灰度化，然后采用最大类间方差法(又称OTSU法)将图像二值化从而将秧苗从背景中分割出来(记为BW1)。

进一步，步骤(c)中所述每簇秧苗质心的确定，首先滤除分割图像中面积较小的连通区域(记为BW2)，然后通过形态学膨胀算法连接相互靠近的连通区域，接着对未连接且面积较小的连通区进行滤除(记为BW3)，最后计算每个连通区的质心并将其作为对应秧苗簇的质心。

进一步，步骤(d)中所述漏秧的检测，沿插植臂组间的中间位置将图像中的秧苗分成对应的列，分别计算每列相邻秧苗(每列最前最后的秧苗还要分别计算其质心到图像上沿或下沿的纵向像素距离)质心的纵向像素距离D，纵向标准株距在图像中的像素距离为L，若D>1.5L则表明存在漏秧，漏秧的数目即相邻秧苗间质心的距离相对标准株距的倍数减去1.5后向无限大方向取整。

进一步，步骤(e)中所述不完整形态秧苗的剔除，秧苗质心到图像上沿或下沿的纵向像素距离小于0.35L则认为该秧苗没有完整的呈现在图像中并从BW3中剔除该簇秧苗对应的连通区(记为BW4)。