目前，田間雜草的識別方法主要有3種：人工識別法、遙感識別法和基于機器視覺的識別法，其中，人工識別法是世界上大多數(shù)國家和地區(qū)普遍沿用的方法，是區(qū)分作物和土壤背景的最佳方法，但既費時又費力、效率低下、勞動強度大、完全依賴人工主體的經(jīng)驗與知識，在大面積雜草苗情觀測上，人工識別是無能為力的。遙感識別法則克服了人工監(jiān)測的諸多弊端，可以在短時間內(nèi)獲得作物大范圍的圖像，自動識別田間雜草。

但是，由于遙感圖像的空間和光譜分辨率較低，該方法只能識別那些個體尺寸大、密度大的雜草，致使雜草識別率較低。這種人工監(jiān)測和自動但粗略的遙感監(jiān)測手段無法滿足數(shù)字農(nóng)業(yè)中田間雜草的精確定位控制要求因此，能精確、客觀、白動識別田間雜草的基于機器視覺的識別技術(shù)成為該領(lǐng)域的主攻方向。

本篇文章是用國產(chǎn)替換的多光譜成像儀獲得的數(shù)字圖片，通過目標(biāo)分割與形態(tài)學(xué)處理，將植物從土壤背景中分離出來，利用圖形分析方法,識別出豆苗和2種雜草。該方法兼顧了田間處理中時間要求和正確率的要求，由于采用多光譜成像儀，對圖像質(zhì)量要求不高，基本符合實際作業(yè)的工作條件。而且對于需要識別目標(biāo)的實際面積大小沒有限制，算法簡單，能夠以此為依據(jù)開發(fā)自適應(yīng)的算法。

實驗波段范圍

400-1000nm，如550nm綠光、650nm紅光、800nm近紅外

國產(chǎn)替換多光譜相機推薦：

室內(nèi)：MAX-G800或者M(jìn)AX-G400

● 8路/4路通道，可采集更多光譜信息

● 多種光譜波段選擇，提供強大數(shù)據(jù)基礎(chǔ)

● 支持多光譜+彩色RGB同時成像

● 1440 * 1080高清圖像分辨率

● 實時圖傳，實時查看計算結(jié)果，異常狀況一目了然

● 支持無人機（固定翼、旋翼等）飛行平臺集成

● 高精度輻射定標(biāo)搭配環(huán)境光輻射實時校正，光譜數(shù)據(jù)獲取更精準(zhǔn)

室外：SVC多光譜云臺攝像機

● 單鏡頭設(shè)計，簡化結(jié)構(gòu)提升圖像分辨率，

● 提供5個專用光譜+1個RGB通道，覆蓋農(nóng)林業(yè)關(guān)鍵波段

● 配備高速云臺支持PTZ功能，360°旋轉(zhuǎn)、俯仰及光學(xué)變倍能力

● 內(nèi)置防雷/電壓瞬變保護(hù)，可工作在24小時野外無人環(huán)境下

● 光譜融合+AI算法，前置邊緣計算和監(jiān)測模型算法

● 內(nèi)置0NVIF協(xié)議，可與主流圖像監(jiān)控平臺對接

分析軟件：IrisCube 光譜分析軟件

● 內(nèi)置多種光譜處理算法

● 光譜曲線分析

● 光譜圖像處理

● 分析成果展示

采用閾值的圖像分割方法

本文利用基于閾值的圖像分割方法:為了確定合適的閾值,首先比較多光譜成像儀的3個通道圖像的灰度直方圖,直方圖能給出各個灰度級在圖像中所占的比例.圖像分割的目的在于將圖像中的前景從背景中提取出來,而前景與背景的灰度值若有較大差異，直方圖上會出現(xiàn)一個谷底值,它對應(yīng)的灰度值作為閾值,就可以將目標(biāo)從背景中提取出來。

根據(jù)上述葉片形狀識別規(guī)則，對本圖的147 個目標(biāo)進(jìn)行識別,僅有 14 個目標(biāo)被誤判，對2種雜草的有效識別率為90.5%。而且這種圖像處理方法不需要專用圖像處理軟件，用Matlab 編程就可以方便實現(xiàn)，非常適用于機器對雜草的實時快速識別，其有效識別率與其他可實時識別的方法相比較高。但是，這種方法也有不足之處，它沒有考慮葉片的遮擋問題，使得這種方法在識別葉片生長較多，相互遮擋嚴(yán)重時，準(zhǔn)確率下降。14個誤判目標(biāo)中大多數(shù)屬于這種情況。根據(jù)以往的研究，沒有一種方法能夠準(zhǔn)確、實用地解決這個問題，而是必須結(jié)合其他的技術(shù)，如光譜識別、顏色、紋理信息等。但是，作為作物生長早期與雜草分布情況的識別，本文提出的方法非常簡單、實用和快速。

結(jié)論

在研究的 147 個目標(biāo)中,僅有 14 個目標(biāo)被誤判。因此，本文為苗期作物和雜草的識別提供了一種簡單實用的新方法，為機器快速實時識別提供了新途徑。

參考文獻(xiàn)：《應(yīng)用多光譜數(shù)字圖像識別苗期作物與雜草》 朱登勝 ，邵詠妮，潘家志，何 勇

審核編輯 黃宇