專利名稱：一種基于計算機視覺的甘蔗莖節(jié)識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種識別方法，特別是一種基于計算機視覺的甘蔗莖節(jié)識別方法。
背景技術(shù)：
以甘蔗為主要原料的甘蔗產(chǎn)業(yè)是廣西的優(yōu)勢和特色產(chǎn)業(yè)，在廣西經(jīng)濟發(fā)展中具有舉足輕重的地位，是廣西經(jīng)濟發(fā)展的重要支柱和幫助廣大蔗農(nóng)脫貧致富的經(jīng)濟來源。世界各甘蔗產(chǎn)地大都在一定程度上實現(xiàn)了甘蔗種植的機械化。國外的種植機具備良好性能、功能趨于完善，但尚未配備專業(yè)的防傷芽切斷裝置。國內(nèi)的種植機則更難實現(xiàn)在蔗種切斷過程中自動防傷芽的目的。在農(nóng)業(yè)方面，計算機 視覺有著廣泛的應(yīng)用。因此在甘蔗切割時，可運用計算機視覺技術(shù)有效的防止傷芽。目前國內(nèi)外在此領(lǐng)域的研究都還處于起步階段。相近研究有陸尚平等基于機器視覺的甘蔗莖節(jié)特征提取與識別；國外，伊朗Moshashai K利用灰度圖像閥值分割的方法對甘蔗莖節(jié)識別做了初步研究。甘蔗種植時如出現(xiàn)甘蔗芽損傷，進而影響作物產(chǎn)量，因此研究甘蔗莖節(jié)識別方法具有非常重要的意義，能為實現(xiàn)對含有蔗芽的片段進行有效的智能切斷提供理論基礎(chǔ)。但至今為止，尚未見有甘蔗莖節(jié)識別方法的相關(guān)報導。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種識別準確性較高的基于計算機視覺的甘蔗莖節(jié)識別方法。本發(fā)明以如下技術(shù)方案解決上述技術(shù)問題本發(fā)明一種基于計算機視覺的甘蔗莖節(jié)識別方法，它的操作步驟如下I)用MATLAB軟件對采集到的甘蔗莖節(jié)圖像進行處理，采用灰度處理和索貝爾垂直邊緣提取對甘蔗莖節(jié)預(yù)處理，得到索貝爾邊緣圖像；2)再結(jié)合數(shù)學形態(tài)學對預(yù)處理后的不連續(xù)、細小邊緣進行膨脹、腐蝕再膨脹，消除甘蔗莖邊緣及無用小邊緣，獲得甘蔗莖節(jié)的邊緣直線圖像；3)然后通過MATLAB中的Radon函數(shù)對甘蔗莖節(jié)的邊緣直線圖像進行直線提取，求出莖節(jié)直線距離坐標中心的距離，從而確定甘蔗莖節(jié)的正確位置。所述步驟I)的具體操作是讀入圖像，先對圖像進行灰度轉(zhuǎn)換，再采用索貝兒算子進行垂直方向的探測，其運算結(jié)果是一副邊緣圖像，由下列計算公式表示fy(x, y) =f (x-1, y-1) +2f (x~l, y) +f (x~l, y+1)(I)-f (x+1, y-1) -2f (x+1, y) -f (x+1, y+1)G[f(x, y)] = |f' y(x,y)|(2)式中f (x，y)是具有整數(shù)像素坐標的輸入圖像，fy (x, y)表示像素點(X，y)在y方向上的差分，f' y(x, y)表示y方向的一階微分，式子2中G[f(x，y)]為索貝兒垂直算子的梯度，求出梯度后，可設(shè)定一個常數(shù)T，當G[f(x，y)]>T時，標出該點為邊界點，其像素值設(shè)定為0，其他的設(shè)定為255。
所述步驟2)的具體操作是
對預(yù)處理后的圖像進行膨脹處理，將細小的斷續(xù)的莖節(jié)邊緣連續(xù)起來并加寬，膨脹所使用的結(jié)構(gòu)元素是半徑為2個像素大小的圓；然后使用兩個線段結(jié)構(gòu)元素se90和 seO，其中se90表示長度為30個像素的豎直的線，seO表示長度為3. 5個像素的水平的線， 對膨脹后的圖像腐蝕；最后進行基于結(jié)構(gòu)因素為線段的膨脹即基于邊界長度的膨脹，結(jié)構(gòu)因素選用上一步中se90，即獲得甘蔗莖節(jié)的邊緣直線圖像。
所述步驟3)的具體操作是
以2)步驟處理后的圖片的中心為原點建立直角坐標系；二元函數(shù)f(x，y)在某一方向上的投影是f(x，y)在該方向上的線積分，f(x, y)的投影可以沿任意角度θ進行，通常f (X，y)的Radon變換是f (x, y)平行于y’軸的線積分，其轉(zhuǎn)換公式如下
權(quán)利要求
1.一種基于計算機視覺的甘蔗莖節(jié)識別方法，其特征在于，它的操作步驟如下 1)用MATLAB軟件對采集到的甘蔗莖節(jié)圖像進行處理，采用灰度處理和索貝爾垂直邊緣提取對甘蔗莖節(jié)預(yù)處理，得到索貝爾邊緣圖像； 2)再結(jié)合數(shù)學形態(tài)學對預(yù)處理后的不連續(xù)、細小邊緣進行膨脹、腐蝕再膨脹，消除甘蔗莖邊緣及無用小邊緣，獲得甘蔗莖節(jié)的邊緣直線圖像； 3)然后通過MATLAB中的Radon函數(shù)對甘蔗莖節(jié)的邊緣直線圖像進行直線提取，求出莖節(jié)直線距離坐標中心的距離，從而確定甘蔗莖節(jié)的正確位置。
2.根據(jù)權(quán)利要求I所述基于計算機視覺的甘蔗莖節(jié)識別方法，其特征在于，所述步驟O的具體操作是 讀入圖像，先對圖像進行灰度轉(zhuǎn)換，再采用索貝兒算子進行垂直方向的探測，其運算結(jié)果是一副邊緣圖像，由下列計算公式表示fy (X，y) =f (x-1, y-1) +2f (χ-l, y) +f (χ-1, y+1)(I) -f (x+1, y-1) -2f (χ+1, y) -f (χ+1, y+1) G[f (χ, y)] = |f/ y(x，y) I(2) 式中f(x，y)是具有整數(shù)像素坐標的輸入圖像，fy(x, y)表示像素點(x，y)在y方向上的差分，f' y(x, y)表示y方向的一階微分，式子2中G[f(x，y)]為索貝兒垂直算子的梯度，求出梯度后，可設(shè)定一個常數(shù)T，當G[f(x，y)]>T時，標出該點為邊界點，其像素值設(shè)定為0，其他的設(shè)定為255。
3.根據(jù)權(quán)利要求I或2所述基于計算機視覺的甘蔗莖節(jié)識別方法，其特征在于，所述步驟2)的具體操作是 對預(yù)處理后的圖像進行膨脹處理，將細小的斷續(xù)的莖節(jié)邊緣連續(xù)起來并加寬，膨脹所使用的結(jié)構(gòu)元素是半徑為2個像素大小的圓；然后使用兩個線段結(jié)構(gòu)元素se90和seO，其中se90表示長度為30個像素的豎直的線；seO表示長度為3. 5個像素的水平的線，對膨脹后的圖像腐蝕；最后進行基于結(jié)構(gòu)因素為線段的膨脹即基于邊界長度的膨脹，結(jié)構(gòu)因素選用上一步中se90，即獲得甘蔗莖節(jié)的邊緣直線圖像。
4.根據(jù)權(quán)利要求I或2所述基于計算機視覺的甘蔗莖節(jié)識別方法，其特征在于，所述步驟3)的具體操作是 以2)步驟處理后的圖片的中心為原點建立直角坐標系；二元函數(shù)f(x，y)在某一方向上的投影是f(x，y)在該方向上的線積分，f(x, y)的投影可以沿任意角度Θ進行，通常f (X，y)的Radon變換是f (x, y)平行于y’軸的線積分，其轉(zhuǎn)換公式如下
全文摘要
本發(fā)明公開了一種基于計算機視覺的甘蔗莖節(jié)識別方法，它的操作步驟如下1)用MATLAB軟件對采集到的甘蔗莖節(jié)圖像進行處理，采用灰度處理和索貝爾邊緣提取對甘蔗莖節(jié)預(yù)處理，得到索貝爾邊緣圖像；2)再結(jié)合數(shù)學形態(tài)學對預(yù)處理后的不連續(xù)、細小邊緣進行膨脹、腐蝕再膨脹，消除甘蔗莖邊緣及無用小邊緣，獲得甘蔗莖節(jié)的邊緣直線圖像；3)然后通過MATLAB中的Radon函數(shù)對甘蔗莖節(jié)的邊緣直線圖像進行直線提取，求出莖節(jié)直線距離坐標中心的距離，從而確定甘蔗莖節(jié)的正確位置。本發(fā)明方法為甘蔗種莖切割防傷芽裝置的控制研究提供準確信號。
文檔編號G06K9/46GK102930247SQ20121039796
公開日2013年2月13日 申請日期2012年10月18日 優(yōu)先權(quán)日2012年10月18日
發(fā)明者黃亦其, 喬曦, 唐書喜, 蔡敢為, 羅昭宇 申請人:廣西大學