基于K-means和Harris角点检测的麦苗识别研究

摘要：

为解决小麦基本苗人工田间调查方法效率低、费时费力的问题,在小麦苗期研究了以不同移动设备、拍摄角度、拍摄时期等获取小麦1～4叶期的图像对识别麦苗个数的影响,通过设置标志物对要识别的一米双行区域进行定位和分割,利用图像处理技术对目标区域进行精确裁剪与矫正;在此基础上,对比了4类图像分割方法对麦苗图像分割结果的影响,并利用图像聚分割算法对图像进行自动分割形成不同的连通区域,对提取到具有粘连的小麦连通域进行空洞填充与叶端角点屏蔽,采用Harris角点检测算法对处理后的麦苗茎基部端点进行识别,依据麦茎与麦苗一一对应的关系计算出一米双行区域内的小麦基本苗数目.结果表明:不同的移动设备不影响麦苗识别精度,麦苗图像拍摄的最佳角度为俯拍45°,K-means聚类分割算法对小麦基本苗的分割效果最好.不同的拍摄时期,随着小麦叶片的增多,麦苗识别精度逐渐降低,在1～2叶期的识别精度大于0.97,R2为0.99,在3～4叶期的识别精度大于0.95,R2为0.93,说明利用K-means的麦苗图像快速分割,并结合Harris角点检测的方法应用于大田小麦基本苗的快速、精确、智能化监测识别是可行的.

关键词：小麦、麦苗、K-means聚类分割、图像分割、Harris角点检测、识别

所属期刊栏目：49

分类号：S512.1;S126(禾谷类作物)

资助基金："十三五"国家重点研发计划项目;河南省科技创新杰出人才项目;河南省现代农业产业技术体系项目;河南省重大科技专项

在线出版日期：2021-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：164-171