当前位置：文档之家 › 基于改进算法的小麦收获机作物密度检测研究

基于改进算法的小麦收获机作物密度检测研究

  • 格式：pdf
  • 大小：238.59 KB
  • 文档页数：4

基于改进算法的小麦收获机作物密度检测研究刘仲鹏1，赵建军1，刘丽娟2（1．保定学院信息技术系，河北保定071000；2．河北农业大学信息学院，河北保定071000）

摘要：针对谷物联合收获机喂入量实时调整的需求，研究成熟期作物密度与收获机喂入量间的函数关系。首先对图像进行灰度化与中值滤波处理，然后以改进的图像分割算法获得了更为准确的图像分割阈值，从而将作物的谷、叶从背景中分割出来。在此基础上，以数据拟合的方式得到小麦收获机喂入量随图像像素的变化模型，为谷物收获机实时、精准地控制喂入量提供可行的方案。关键词：小麦；联合收获机；图像处理；作物密度；改进算法中图分类号：S225．3；TP391．41文献标识码：A文章编号：1003－188X（2015）08－0049－04

0引言

谷物联合收获机的喂入量是一项关键的性能参数，也是影响收获机效率的首要因素。过低的喂入量会导致工作效率低下，降低生产率；过高的喂入量则会提升谷物的损失率，甚至导致脱粒滚筒堵塞，发生故障。在作业过程中，收获机喂入量的实时控制与调整十分重要。传统的调整模式一般是根据驾驶员的经验和感觉进行的，由于主观性太强，对驾驶员经验要求较高，难以使联合收获机维持在最佳喂入量水平。如何实现收获机对喂入量的实时、自动调节，是一个研究的热点［1－3］。本文从计算机视觉的角度进行研究，以成熟期小麦为例，通过实时获取被收获作物的冠层图像，消除图像样本外在因素的影响，提取作物冠层的图像特征，以改进的阈值分割方法获得谷、叶图像区域，并分析作物实际密度与图像区域像素数之间的函数关系，从而为收获机喂入量的智能、实时调节提供依据。1图像处理与分割1．1图像采集以华北地区比较常见的郑麦7698作为研究对象，拍摄地点为河北省保定市河北农业大学小麦教研基地。以普通尼康数码相机作为采集器件，在晴天14：00－15：00时，以相同的高度与随机的方式采集40收稿日期：2014－08－02基金项目：河北省科技计划项目（12227403）；保定市科技局科学技术研究与发展指导计划项目（13ZG033）作者简介：刘仲鹏（1978－），男，河北张家口人，讲师，硕士，（E－mail）lzp_bdxy@163．com。幅图片，每幅图片面积相等。所采集的原始图像为含有Ｒ、G、B等3个分量的24位真彩图。1．2数据采集对每幅图片范围内的小麦分别进行收割、脱粒，称取其质量并记录，共计40组数据。部分数据（前5组）如表1所示。其中，将谷质量+草质量/3（kg）作为收获机的喂入量［4］。

1．3图像预处理

1）灰度处理。所采集的小麦冠层原始图像属于

24位真彩图，含有Ｒ、G、B等3个分量。为了使后续

处理计算量减少，其进行灰度化处理，通过3个步骤实现：①分别提取目标图像ＲGB的具体值；②求出具体的灰度值gray；③令Ｒ=B=G=gray，最终实现图像灰度化。2）中值滤波处理。在对小麦冠层图像进行处理

时，还应考虑到原始图像中可能由于一些外部干扰而掺杂的噪声成分。噪声的存在能够对图像质量造成比较直接的影响，进而降低特征的提取准确性。为此，本文在灰度预处理的基础上，继续以中值滤波对图像进行进一步的处理。中值滤波的主要原理：将图像分为不同的窗口S，窗口里的所有像素进行大小排列，将中位灰度值作为该窗口的灰度值。中值滤波已经被证实能够较为有效地避免图像细节的模糊，并滤除颗粒噪声及脉冲噪声，尽量保持图像边缘的有用信息。本研究将滤波模板定位于3×3，实现样本图像的增强。1．4改进图像分割算法

此步骤将小麦冠层从图像背景中分离出来，即进行小麦作物的谷、叶与背景的分割，以便于下一步的特征提取及分析。本文分割图像采用的是阈值法，得

·94·

2015年8月农机化研究第8期

DOI:10.13427/j.cnki.njyi.2015.08.011到的是二值图像。其基本思路是：对于图像的每一个点，高于该阈值则取1，低于该阈值则取0。考虑到小麦作物的谷与叶颜色主要为黄色及绿色，而土壤背景则为褐色，所以本研究提取图像中的颜色特征来实现分割。结合小麦的生长环境以及采集到的图像样本的特点，由于小麦冠层与图像背景之间的差异比较显著，其灰度直方图体现为双峰状。适合的分割方法包括熵最大值法、最大类间方差法及双峰法［5］等。

表1样本数据（部分）Table1Sampledata

编号总质量/kg谷物质量/kg草质量/kg（谷质量+草质量）/3/kg体积

/m3密度/kg·m－3

11．71．00．71．30．008212．521．91．20．71．40．010190．032．11．30．81．30．010210．041．81．10．71．40．009200．051．91．10．81．30．009211．1

本研究选取最大类间方差法（又名大津法），其优势在于具有较高的稳定性和较快的速度，并且常用于农林类图像处理和分割中。但经典的最大类间方差法也有一些不足之处，容易出现错分现象［6－7］。本研

究用改进的方法对其进行优化，使分割阈值更加合

理，实现更好的分割效果。传统的最大类间方差法是以灰度均值来表示目标和背景的。设目标图像幅度为M×N，且将其（x，y）处的灰度表示为f（x，y），灰度共计L个级别，则有

f（x，y）∈［0，L－1］。将某像素灰度取k的概率以

P（k）表示，可知P（k）=1MN∑

f（x，y）=k1。将目标图像的

所有像素分为2个类别：目标与背景。图像分割阈值设为t，则目标区域可表示为｛f（x，y）≤t｝，背景区域可表示为｛t＜f（x，y）≤L－1｝。以w0（t）表示目标区域所占比例，则w0（t）=

∑0≤k≤tp（k）；以w

1（t）表示背景区域所占比例，则w1（t）

=∑t＜k≤L－1p（k）；以μ

0（t）表示目标区域平均值，则

μ0（t）=∑0≤k≤tkp（k）/w0（t）；以μ1（t）表示背景区域平

均值，则μ1（t）=∑t＜k≤L－1kp（k）/w1（t）。因此，分割阈

值为g=ArgMax0＜t≤L－1｛w0（t）［μ0（t）－μ］2+w1（t）

［μ

1（t）－μ］2｝。

传统最大类间方差法仅关注了图像灰度分布均值，而描述图像灰度分布的参数除了均值还有方差。为此，文献［8］对传统最大类间方差法进行了优化，以

平均方差代替传统方法中的均值。其思路是结合被

处理对象的灰度直方图，计算图像背景和图像本身的方差最大值，从而获取分割阈值；而图像对象的灰度

平均方差主要体现的是被处理目标的图像均匀度。通常情况下，图像对象和图像背景往往在靠近内部的地方分布较为均匀，但在图像的边界则经常会发生灰度突变的现象。所以，通过平均方差来体现目标边缘的灰度突变，使选取阈值时能够兼顾最大的类间距与最小的类内距。算法为g=ArgMax0≤t≤L－1［σ20（t）－σ2］2［σ21（t）－σ2］

2

其中，σ20（t）=1wo（t）∑0≤k≤t［k－μ0（t）］

2p（k）表示

被处理图像的目标区域方差；σ

2

1（t）=

1

w1（t）

∑t+1≤k≤L－1［k－μ1（t）］

2

p（k）表示被处理图像的背景区域

方差；σ2=∑0≤k≤L－1［k－μ（t）］2p（k）表示被处理图像

的总方差。本研究在此算法的基础上，进一步为“类内距”分别配置一个权值，从而实现更加合理的阈值。算法为

g=Arg｛Max0≤t≤L－1［σ20（t）－σ2］2［σ21（t）－σ2］2｝

mσ

20（t）+nσ2

1（t）

其中，m=w0（t）

的含义是被处理图像的目标区

域所占比例；n=w1（t）

的含义是被处理图像的背景区

域所占比例。可见，在文献［8］的基础上，配置了m、n作为权值，结合目标区域和背景区域的实际像素数目，灵活调整目标与背景平均方差所占比例，从而更为合理地确定阈值［9］。

1．5图像分割

以改进的最大类间方差法对图像样本进行处理，随机从所拍摄的小麦作物图像中选取5幅作为样本，以人工阈值选取作为参照，得到的结果如图2所示。

·05·

2015年8月农机化研究第8期表2阈值选取结果Table2Thethresholdvalue

图像样本人工选取阈值经典最大类间方差法阈值及时间/s本研究改进最大类间方差法阈值及时间/s

197106/0．1002100/0．0923288105/0．098889/0．081237156/1．100272/1．024548784/0．070385/0．0625510196/1．0034102/0．0981算法的处理结果显示：本研究的改进最大类间方差法和传统算法相比，与人工选取阈值更为接近，图像样本2、3、5的阈值仅相差1个单位；而作为对比，经典最大类间方差法与人工选取阈值则相差较大。以改进算法对图像进行分割，可获得满意效果。图1所示为某样本图像的分割结果灰度图。图1图像分割效果Fig．1Imagesegmentationeffect2图像像素与小麦密度关系在获取图像样本的过程中，还应考虑到小部分被作物叶片遮蔽的麦穗，因此还应进一步计算小麦密度与像素值之间的合理关系。本研究以数据拟合的方式，选取DPS软件进行数据处理。表3所示为部分数据。以d表示小麦作物的密度值，以p表示采集图像

的像素值，拟合处理之后所得到的函数关系式为d=89．6771+0．000495p。图2所示为函数曲线。

图2小麦密度和提取图像像素值关系曲线Fig．2Ｒelationshipsofwheatdensityandpixelvalues可见，小麦密度和提取图像像素值关系基本为直线，相关性令人满意。计算相关系数得Ｒ2=0．9025，

显著性良好，因此能够用提取图像像素值来表示小麦

密度。谷物联合收获机的喂入量与三大因素有关［10］，分别是小麦密度、小麦品种以及喂入面积。由此可知，在小麦品种以及喂入面积一定的情况下，可以通过小麦密度实现喂入量的实时调节。表3地人工测算的小麦密度和提取图像像素值Table3Artificialmeasuringdensityofwheatandpixelvalues

序号像素数计算密度/kg·m－3实际密度/kg·m－3误差/kg·m－3

1233187205．1047211．60476．52149238163．5499167．84994．33156924167．3545163．7545－3．64188712183．0895193．389510．35267387222．0337216．5337－5．5

·15·

2015年8月农机化研究第8期

合集下载

基于传感器技术的谷物联合收获机清选损失监测系统

基于传感器技术的谷物联合收获机清选损失监测系统

基于传感器技术的谷物联合收获机清选损失监测系统周贤龙1，朱瑞祥1，周贤娟2，唐瑜1（1.西北农林科技大学机电学院，陕西杨凌712100； 2.江西理工大学机电学院，江西赣州341000）摘要：针对谷物联合收获机作业过程中清选损失较大的问题，设计了一种以AT89C52单片机为核心的谷物清选损失监测系统。

该系统能区别出谷粒和杂质信号，实时显示机具前进速度和谷物清选损失率，当损失率超标时报警提示驾驶员及时调整相关机构，以降低收获损失。

仿真试验结果表明，系统响应速度快、准确且稳定，符合设计要求。

关键词：谷物联合收获机；收获损失率；单片机；监测中图分类号：S225.3文献标识码：A文章编号：1003－188X（2010）02－0085－030引言为了检测谷物收获损失率的大小，长期以来采用收获时接袋或收获后人工计数的办法计量，其工作效率低、误差大且不能实时检测，即使损失率超标（国家规定收获小麦时总损失率不得超过1.5%［1］）也于事无补。

随着我国谷物联合收获机的普及和使用年限的增加，作业中损失率增加已成为人们关注的热点。

建立基于精密传感器技术的谷粒损失实时监测系统，不仅是减少收获损失的有效措施，而且是现代农机测试和收获机械研究开发的热点和发展方向［2］。

收获作业过程中的损失主要由割台、分离和清选损失3部分构成。

由于拨禾轮采用弹齿机构，分离部分采用了逐稿器，使得割台损失和分离损失显著降低。

大量实验数据表明，现代谷物联合收获机的粮食损失主要来源于清选部分。

这是由于清选部分采用风扇筛子式结构，根据收获的实际情况变化，通过调节风量大小和筛子开度来清除颖壳与短茎等杂质。

风量的大小与筛子开度配合不好就会影响清选效果，并造成损失。

因此，本研究借助于精密传感器、单片机等现代技术，设计了一种谷物清选损失实时监测系统，旨在减少收获损失。

1设计思路谷物联合收获机的收获损失率等于损失质量与收获质量之比，只要知道这二者的量便可计算出损失收稿日期：2009－04－09基金项目：国家“十一五”科技支撑计划重大项目（2007BAD89B16）作者简介：周贤龙（1983－），男，甘肃白银人，硕士生，（E－mail）zhouxian－535581@。

水稻 收获机械 联合收获机 试验方法

水稻 收获机械 联合收获机 试验方法

水稻收获机械联合收获机试验方法标题：水稻联合收获机试验方法探究水稻作为我国重要的粮食作物，其收获机械化水平直接关系到农业生产效率和粮食产量。

联合收获机作为现代农业生产中的重要机械设备，掌握其试验方法对于提高水稻收获效率具有重要意义。

本文将对水稻联合收获机的试验方法进行详细探讨。

一、试验目的水稻联合收获机试验旨在检验收获机械的性能、可靠性和适应性，为优化设计、提高收获效率及降低损失提供科学依据。

二、试验对象试验对象主要为各类水稻联合收获机，包括全喂入式、半喂入式和纵轴流式等不同类型。

三、试验方法1.准备工作（1）选择具有代表性的水稻田块，确保试验田块的土壤湿度、稻株高度和密度等条件与实际生产相近。

（2）对试验用联合收获机进行检修和调试，确保设备正常运行。

（3）准备必要的试验仪器和设备，如测产仪、损失收集器、计时器等。

2.性能试验（1）收获速度试验：调整联合收获机的行走速度，分别进行低速、中速和高速收获试验，记录不同速度下的收获效果。

（2）损失率试验：通过损失收集器收集联合收获机作业过程中的落粒、漏穗等损失，计算损失率。

（3）破碎率试验：在收获过程中，收集并统计破碎的稻粒，计算破碎率。

（4）清洁度试验：对收获后的稻谷进行清洁度检测，评估联合收获机的清洁效果。

3.可靠性试验（1）长时间连续作业试验：在保证设备正常运行的前提下，进行连续作业试验，记录设备出现故障的次数和时间。

（2）负荷试验：在联合收获机作业过程中，对其施加不同负荷，观察设备的响应和稳定性。

4.适应性试验（1）不同土壤条件试验：在粘土、沙土等不同土壤条件下进行收获试验，评估联合收获机的适应性。

（2）不同水稻品种试验：针对不同品种的水稻，进行收获试验，分析联合收获机的适应性和收获效果。

四、试验结果分析对试验数据进行整理和分析，得出以下结论：1.联合收获机的收获速度、损失率、破碎率和清洁度等性能指标均符合国家标准。

2.联合收获机在长时间连续作业和不同负荷条件下表现出较高的可靠性。

冬小麦遥感估产多种模型研究

冬小麦遥感估产多种模型研究


四、结果与讨论
四、结果与讨论
本研究利用高光谱遥感技术对冬小麦长势进行监测和估产，取得了较好的效 果。通过对冬小麦的长势进行监测，能够及时发现生长过程中存在的问题，为农 业生产提供科学依据。同时，利用估产模型对冬小麦产量进行估算，能够提前预 测产量，为农业决策提供支持。然而，本研究仍存在一些不足之处，如综合指标 体系的完善程度、估产模型的普适性等，需要进一步改进和完善。
一、引言
随着全球人口的增长和资源的有限性，粮食安全问题日益凸显。冬小麦作为 我国重要的粮食作物，其产量对于保障国家粮食安全具有重要意义。然而，传统 的农田监测方法已经无法满足现代农业对产量的快速、准确估算需求。因此，利 用高光谱遥感技术对冬小麦长势进行监测和估产，成为当前研究的热点。
二、高光谱遥感技术
结论与展望
结论与展望
本次演示探讨了基于遥感和作物生长模型的多尺度冬小麦估产研究，通过融 合遥感数据、气象数据和土地利用数据等多源信息，建立了多尺度冬小麦估产模 型。经过验证，该模型可以提高冬小麦估产的准确性和科学性。在应用过程中， 我们可以通过实际数据来预测冬小麦的产量，并对其不确定性进行分析，为国家 和小麦生产部门的决策提供科学依据。
二、高光谱遥感技术
高光谱遥感技术是一种新型的遥感技术，通过获取地物的高光谱信息，实现 对地物的精细识别和分类。其优势在于能够提供丰富的光谱信息，为冬小麦长势 监测和估产提供了新的手段。
三、综合指标的冬小麦长势监测 与估产研究
三、综合指标的冬小麦长势监测与估产研究
本研究通过构建综合指标体系，利用高光谱遥感技术对冬小麦长势进行监测 和估产。首先，通过分析冬小麦的生长规律和光谱特征，筛选出与产量相关的光 谱参数和生长指标。然后，构建综合指标体系，将多个参数进行集成，实现对冬 小麦长势的全面监测。最后，通过建立估产模型，实现对冬小麦产量的准确估算。
小麦机械化收获减损技术指导意见.

小麦机械化收获减损技术指导意见.

X共同关注y FOCUS小麦机械化收获减损錄指导意见_.J一—；K本技术指导意见适用于全喂入联合收割机的小麦收获作业。

在一定区域内,小麦晶及种维模式应尽量规范一致，作物及田块条件适于机械化收获。

机手应根据小麦田间状态提前检查调试好收获机械，确定适宜收割期，执行小麦机收作业质量标准和操作规程，提高作业效率、减少收获环节损失。

―、作业前准备开始作业前要保持机具良好的工作状态，预防和减少作业故障，提高作业质量和效率。

1.机具检查。

作业季节开始前要依据产品使用说明书对联合收割机进行一次全面检查与保养，确保机具在整个收获期能正常工作。

经重新安装、保养或修理后的小麦联合收割机要认真做好试运转，先局部后整体，认真检查行走、转向、制动、灯光、收割、输送、脱粒、清选、卸粮等机构的运转、传动、操作、间隙等情况，检查有无异常响声和三漏情况，发现问题及时解决。

要检查各操纵装置功能是否正常；离合器、制动踏板自由行程是否适当；发动机机油、冷却液是否适量；仪表板各指示是否正常；轮胎气压是否正常；传动链、张紧轮是否松动或损伤，运动是否灵活可靠；检查和调整各传动皮带的张紧度，防止作业时皮带打滑；重要部位螺栓、螺母有无松动；割台、妙架等部件有无变形等。

备足备齐田间作业常用工具、零配件「易损零配件及油料等，以便出现故障时能够及时排除。

2.试割。

正式开始作业前要选择有代表性的地块进行试割。

试割作业行进长度以30米左右为宜,根据作物、田块的条件确定适合的收割速度，对照作业质量标准（见表1）仔细检查损失率、破碎率、含杂率等情况，有无漏割、堵草、跑粮等异常情况,并以此为依据对割刀间隙、脱粒间隙、筛子开度和（或）风扇风量等情况进行必要调整。

调整后再进行试割并检测，直至达到质量标准和农户要求。

作物品种、成熟度、干湿程度、田块条件有变化要重新试割和调试机具。

试割过程中，应注意观察、倾听机器工作状况，发现异常及时解决。

二、确定适宜收获时间小麦机收宜在蜡熟末期至完熟初期进行，此时产量最高，品质最好。