【技术实现步骤摘要】
一种基于YOLOv3算法的甘蔗茎节识别方法
[0001]本专利技术涉及一种基于YOLOv3算法的甘蔗茎节识别方法，属于图像处理
技术介绍
[0002]我国是世界甘蔗生产大国，甘蔗种植业的发展直接影响到数千万蔗农的生计，并且直接影响制糖业的发展。世界各甘蔗生产地大都在一定程度上实现了甘蔗种植的机械化，现有的种植机包括有实时切种式甘蔗种植机和预切种式的种植机。实时切种式的种植机不能实现种植过程的防伤芽，且种植过程中蔗种用量大。由于实时切种式的种植机不能防伤芽，并且有效蔗种较少，使得蔗田的蔗苗发育不整齐，导致甘蔗产量低且生产成本高。
[0003]预切种式的种植机可以适应广西等丘陵地的种植需求，但预切种式种植机需要预先将甘蔗切成含有单芽的蔗段，目前这一工作由人工切种和切种机的定长切种来实现，而人工切种和切种机定长切种都会有伤芽的现象发生。
[0004]基于机器视觉的甘蔗切种机是具有防伤芽的自动化切种机械，结合机器视觉技术、机电控制技术和机械设计方法，可以有效地解决预切种式种植机采用人工砍种和半机械砍种导致劳...
【技术保护点】
【技术特征摘要】
1.一种基于YOLOv3算法的甘蔗茎节识别方法，其特征在于，所述方法包括如下步骤：步骤一：采集甘蔗图像并进行预处理；步骤二：采用YOLOv3网络模型对预处理后的甘蔗图像进行茎节识别；步骤三：采用改进的边缘提取算法对步骤二中识别出的甘蔗茎节进行提取。2.根据权利要求1所述的方法，其特征在于，所述步骤一中，采集甘蔗图像并进行预处理的过程还包括如下步骤：步骤A1：以黑色为背景采集甘蔗原始图像；步骤A2：利用中值滤波器对原始图像进行平滑处理，将平滑后的图像转换到HSV色彩空间进行三通道阈值分割，对分割后的二值化图像反色处理，得到反二值化图像；并对反二值化图像进行形态学腐蚀和膨胀处理，得到形态学操作后的图像；步骤A3：利用find Contours函数查找步骤A2操作后的图像中甘蔗的轮廓，其中包括甘蔗轮廓以及孔洞的轮廓，提取每个轮廓的最小外接矩形，得到最大的外接矩形就是甘蔗轮廓；甘蔗轮廓相对于水平方向的夹角θ可以通过甘蔗外接矩形相对于水平方向的倾角得到，同时还能够得到甘蔗外接矩形四个顶点的坐标；考虑到存在弯曲甘蔗，采集到的甘蔗图像倾斜会对茎节识别造成干扰，利用仿射变换对图像进行旋转并纠正甘蔗的姿态以使得甘蔗保持水平，仿射变换的公式如下：式中，(x0,y0)为甘蔗图像的上某一点的坐标，(x,y)是甘蔗图像旋转后的该点新的坐标，θ为甘蔗外接矩形与水平方向的夹角；仿射变换只改变图像相对于坐标系的位置，并不改变像素点之间的相对位置，仿射变换输入的是甘蔗图像和旋转角度，输出的是旋转后的图像；步骤A4：为了减小背景干扰，需要对甘蔗感兴趣区域进行提取，提取的过程为：利用极坐标推导得到一个2
×
3的旋转矩阵，利用旋转矩阵计算旋转后甘蔗轮廓外接矩形左上顶点(u0,v0)以及右下顶点(u1,v1)坐标，通过两点重新绘制甘蔗轮廓的外接矩形，利用外接矩形在纠偏后的甘蔗图像上获取感兴趣区域图像；外接矩形的顶点坐标旋转前后有如下关系：式中，(u，v)为旋转前外接矩形顶点的坐标，(u
x
，v
x
)为旋转后外接矩形顶点的新坐标，θ为旋转的角度，外接矩形绕着图像坐标中心(col/2,row/2)进行旋转，其中col和row分别是甘蔗图像中像素点的列数和行数。3.根据权利要求1所述的方法，其特征在于，将采集到的图片进行预处理后，生成训练样本，构建YOLOv3网络模型并进行训练，得到用于茎节识别的YOLOv3网络模型。4.根据权利要求1所述的方法，其特征在于，所述步骤二中，将所述步骤一中完成预处理后得到的甘蔗感兴趣区域的图像作为输入图像，采用训练好的YOLOv3网络模型对输入图像进行识别，初步确定茎节的数量和茎节所在的位置。5.根据权利要求1所述的方法，其特征在于，步骤三中，采用改进边缘提取算法对步骤二中识别出的甘蔗茎节进行提取，还包括如下步骤：
步骤B1：分离...
【专利技术属性】
技术研发人员：周德强，陈延祥，赵文博，盛卫锋，左文娟，
申请(专利权)人：江南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。