基于無(wú)人機(jī)航拍圖像的煙草植株識(shí)別與計(jì)數(shù).pdf

1、隨著科技的發(fā)展，無(wú)人機(jī)在精準(zhǔn)農(nóng)業(yè)領(lǐng)域有著廣泛的應(yīng)用。本文研究的內(nèi)容是基于無(wú)人機(jī)航拍圖像中的煙草植株的識(shí)別與計(jì)數(shù)。煙草植株的識(shí)別和計(jì)數(shù)在煙草種植精準(zhǔn)管理系統(tǒng)中扮演著重要的角色，可以用于煙草產(chǎn)量的精準(zhǔn)估計(jì)，幫助煙農(nóng)增產(chǎn)增收。
　　本文使用無(wú)人機(jī)航拍技術(shù)采集煙草種植田的圖像，使用圖像處理技術(shù)自動(dòng)識(shí)別和計(jì)數(shù)煙草種植田航拍圖像中的煙草植株的方法。本文研究的內(nèi)容由以下四部分組成：無(wú)人機(jī)采集煙草種植田圖像、分割煙草植株候選區(qū)域、提取煙草植株候選

2、區(qū)域的特征和對(duì)煙草植株候選區(qū)域進(jìn)行分類。
　　（1）使用無(wú)人機(jī)航拍技術(shù)從煙草田上空采集圖像比使用其他地面工具采集圖像更具有優(yōu)勢(shì)。無(wú)人機(jī)從高空拍攝圖像具有獨(dú)特的視角，視野廣闊，圖像射影失真小，適應(yīng)于各種地形環(huán)境。無(wú)人機(jī)作業(yè)不僅效率高，還可以避免進(jìn)入煙田對(duì)煙草造成傷害。
　?。?）對(duì)煙田航拍圖像進(jìn)行預(yù)處理，分割出煙田航拍圖像中的煙草植株的候選區(qū)域?；跓煵葜仓曛行膮^(qū)域和周圍區(qū)域的色差，本文提出了兩種方法提取煙草植株候選區(qū)域：基于

3、分水嶺的直接分割候選區(qū)域法和基于煙草植株的中心區(qū)域直接提取候選區(qū)域法。
　　（3）根據(jù)煙草植株的特征，設(shè)計(jì)用于對(duì)煙草植株候選區(qū)域進(jìn)行分類的特征向量。通過分析煙草植株葉片的顏色特征和紋理特征，設(shè)計(jì)的特征主要包括b通道的直方圖、H通道的均值和方差、S通道的均值和方差、綠色通道一階導(dǎo)數(shù)的均值和方差、綠色通道二階導(dǎo)數(shù)的均值和方差。
　?。?）使用分類器將煙草植株候選區(qū)域分成煙草植株和非煙草植株，并在航拍圖像中標(biāo)記出檢測(cè)到的煙草植株的

4、位置。本文中采用的分類器是SVM（支持向量機(jī)），SVM使用少數(shù)樣本就能訓(xùn)練出準(zhǔn)確的分類模型，具有很強(qiáng)的泛化性能。
　　本文提出的算法在一個(gè)自己建立的數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試和評(píng)價(jià)，統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果可得，基于分水嶺的直接分割候選區(qū)域法的平均查全率93.47％、平均查準(zhǔn)率為94.48%；基于煙草植株的中心區(qū)域直接提取候選區(qū)域法的平均查全率為93.88%、平均查準(zhǔn)率為95.52%。通過實(shí)驗(yàn)結(jié)果證明了所提的兩種算法的可行性和有效性，都能滿足實(shí)際應(yīng)用中