摘要:近年来，我国甘蔗机械化程度有所提高，但在甘蔗种植过程中，全自动化的联合种植机械装置还有待提高。为此，针对甘蔗种植机中甘蔗预切种的蔗节识别提出了基于颜色空间的图像处理，实现甘蔗种植机的蔗节切割智能化。甘蔗蔗节处具有拐点和灰度值不连续的特性，采用边缘拟合法和灰度值拟合法，并在此基础上使用中值决策法识别甘蔗蔗节。蔗节的颜色特征提取和处理算法的实验表明:蔗节识别效果的正确率可以达到94.7%，证明了中值决策法对甘蔗的蔗节识别有效，因此颜色空间视觉识别技术可作为甘蔗预切种中自动装备研制的理论依据。
关键词:甘蔗;预切种;颜色空间;拟合;中值决策
0引言
甘蔗是我国制糖的主要来源，其制糖压榨后的蔗渣含有丰富的纤维素，也可作为造纸主要原材料，是农业部的优势农产品之一，其种植区主要分布在广西，占全国总量的60%以上。目前，我国的甘蔗种植机械化程度低，而甘蔗种植属于劳动密集型产业，整个劳动过程存在耗时、劳动强度大等问题，因此针对我国种植区域特性，研究小型自动化的甘蔗种植机具有主要意义。
国内研制的甘蔗种植机主要以实时切种为主，该类机械结构庞大，且需要人工将甘蔗喂入机器。国外巴西、澳大利亚等国家甘蔗种植机成功的原因主要在于，蔗田从分布、行距、农艺上都有利于适用机械化。日本冲绳和我国广西地区地形相似，因此在甘蔗机械装置研发时有一定借鉴意义。日本在甘蔗种植上主要以预切种种植机为主，所以加快研发甘蔗预切种中蔗节识别及自动切割等系统显得尤为重要。
机器视觉技术在甘蔗蔗节识别上的研究进展有:陆尚平等[1，6]提出的机器视觉与模糊决策在甘蔗种蔗识别机械化中的运用;黄亦其、黄体森等[2]提出基于局部均值的甘蔗茎节识别;MoshashaiK[5]等利用灰度图像阈值分割的方法对甘蔗茎节识别做了初步探讨。基于上述研究基础，本文进行了基于颜色空间特征提取在甘蔗蔗节识别上的应用，通过摄像头采集的图像提取颜色特征进行灰度处理后，采取进一步的滤波算法处理，利用Sobel算子求取蔗节边缘轮廓，提出边缘拟合、灰度值拟合和中值决策的方案进一步计算出蔗节中间位置的切割点，对甘蔗种植机中预切种的自动化设计具有很好的实现意义。
1视觉识别系统
甘蔗的蔗节识别与检测以图像信息为研究对象，通过摄像头模拟人眼，完成蔗节的茎和节之间的识别[3]。本实验研究采用USB驱动，VGA120帧的高清摄像头将获取的甘蔗图像信息经过预处理进行特征提取，然后将切割点的信息发送给控制器PLC，驱动机械手完成抓取甘蔗、切断器动作，具体流程如图1所示。将采集的甘蔗图像信息传输到计算机，通过计算机软件的图像处理、识别，将信息发送至切断器，使切断器刀口移动到分割位置[4]，即茎节处切断;然后，切断器继续移动至下一处切断点，完成一根甘蔗的切割后，继续下一根甘蔗的处理。
2图像处理
2.1图像的处理平台
采集图像的设备主要由USB接口的摄像头作为硬件，采集帧数是120帧FPS。图像的处理软件基于一种开源软件OpenCV，基本模块如图2所示。
OpenCV整体有5个模块构成，图2中列出了常用的4个模块。OpenCV兼容性较强，原因是基于C/C++语言编写，可以在各种操作系统上运行。其数据类型有很多，包含了计算机视觉的许多应用领域。本文应用OpenCV作为视觉识别的工具，在处理问题时可以调用基本函数库，为图像处理提供一个可开发的平台，研发者只需添加自己编写的程序，直接调用其中的函数即可，加快了程序开发进度。
2.2图像预处理
图像采集时受光线环境影响较大，由于采集的甘蔗蔗节处和茎节处的色彩有一些不同，如果不采取光补偿，就会造成图像的色彩偏差。因此，为了使图像更加接近本质，采取“参考白”的方法进行图像补偿，将图像的亮度加大，即RGB数值调大，将甘蔗的背景选为白色。
彩色图像中包含非常丰富的信息，对彩色图像进行色彩分割，其中R、G、B颜色的取值范围均在0～225之间，因此归一化到0～1之间，组合共有256×256×256种颜色，远远超出人眼辨别的色彩。因此，将RGB颜色进行灰度值转化，若像素大于阈值就置为黑色，小于阈值置为白色，阈值运算之前，将图像转为两个灰度级，即对图像进行二值化处理。
2.2.1形态学滤波
对二值化后的图像，需要进行噪声消除，尤其是孤立的点集噪声，并将目标点伪目标点进行分割。形态学滤波器是由数学形态学的基本运算构成的滤波器，是有选择地图像中有噪声的结构。形态学滤波处理方法充分利用形态学运算所具有的几何特征和较好的代数性质，通过膨胀、腐蚀、开、闭、白帽和黑帽等算子进行滤波操作。
膨胀算子就是对二值图像进行操作，找到像素值为1的点，将它的邻近像素点都设置成这个值。1值表示白，0值表示黑，因此膨胀操作可以扩大白色值范围，压缩黑色值范围，一般用来扩充边缘或填充小的孔洞。腐蚀是与膨胀相反的操作，将0值扩充到邻近像素，扩大黑色部分，减小白色部分，可用来提取骨干信息，去掉毛刺，去掉孤立的像素。开运算就是先腐蚀再膨胀，闭运算是先膨胀再腐蚀。本文采取用最小矩形框的思想将甘蔗茎节部分包围起来，然后经过形态学滤波，即4种算子计算后，得到的基于形态学滤波的甘蔗茎节矩形包围效果图，如图3所示。
2.2.2边缘检测图像的边缘特性，尤其是针对甘蔗而言，在边缘上存在颜色变化，灰度变化和纹理变化，所以表现在区域特点上是区域之间有一个过渡，因此采用一阶和二阶导数来检测边界，可以很容易检测到灰度值的不连续性。
3甘蔗蔗节识别算法
3.1边缘拟合的茎节识别
由甘蔗的植株特性可知:甘蔗在蔗节处有凸起，且较茎部位偏粗，利用这一特点，通过前面图像的预处理，可以清晰获得甘蔗的轮廓。通过甘蔗的RGB颜色空间研究，处理后的二值化图像的边缘提取中，可以将凸起部分定义为拐点，针对拐点进行再次提取，即就是甘蔗的蔗节处。
5结论
本文主要完成了图像采集的硬件系统搭建，编写了图像采集、处理及试验程序。从甘蔗图像的蔗节识别的预处理出发，完成了基于图像的甘蔗边缘检测、滤波除噪、图像分割等预处理实验。基于甘蔗蔗节的边缘凸起特性，提出边缘中心点集线性拟合的蔗节识别方法，并针对甘蔗蔗节和茎在颜色灰度上的不连续性，提出了蔗节的灰度值拟合。结合R、G、B颜色分量和拟合值的综合信息，提出中值决策的蔗节识别方法。算法解决了甘蔗蔗节识别的问题，对甘蔗种植机预切种阶段的机械化研究具有一定的实际意义。
颜色空间图像处理技术在蔗节识别上的应用相关期刊推荐：《江苏农业科学》(月刊)创刊于1973年，是由江苏省农业科学院主管并主办的综合性农业科技期刊。目前，共设有：专论、生物技术、育种栽培与生理生化、植物保护、园艺园林、畜牧兽医、水产养殖与特种种养、贮藏与加工、质量安全与检测分析、资源与环境、农业工程与信息技术、农业经济与管理等栏目。有投稿需求的作者，可以咨询在线编辑。
转载请注明来自：http://www.lunwencheng.com/lunwen/nye/16052.html
