农机无人驾驶摄像头脏污检测方法、系统、介质及设备技术方案

本发明专利技术属于图像处理领域，尤其涉及农机无人驾驶摄像头脏污检测方法、系统、介质及设备。该方法包括：步骤1，将每个针对摄像头的采集图像按照三通道进行提取处理；步骤2，获取每个通道下采集图像的灰度值，并通过动态阈值分割方法提取每个通道下采集图像的灰度值小于阈值的第一像素点；步骤3，根据每个通道下的第一像素点形成每个通道下的多个连通域；步骤4，将每个通道下的每个连通域进行直方图均衡化处理，得到每个通道下的不同的均衡图像；步骤5，将每个均衡图像输入至脏污识别模型中，得到脏污区域，并生成报警信息。通过本发明专利技术能够实现了实时检测感知系统前方摄像头前方是否存在脏污干扰情况。干扰情况。干扰情况。

【技术实现步骤摘要】
农机无人驾驶摄像头脏污检测方法、系统、介质及设备


[0001]本专利技术属于图像处理领域，尤其涉及农机无人驾驶摄像头脏污检测方法、系统、介质及设备。

技术介绍

[0002]视觉检测是无人驾驶系统中感知模块的重要组成部分，在农业机械自动驾驶领域中，通过视觉系统感知农机周围的环境，可以帮助实现农机无人驾驶过程中的障碍物检测避障、小麦倒伏检测识别、玉米苗喷药无人驾驶等等。但是，由于农业机械的作业环境恶劣，有时会伴随着大量的尘土泥水等脏污情况附着在摄像头前处，容易造成遮挡摄像头视觉拍摄图像，干扰视觉检测系统图像效果的准确性和稳定性，严重可能会造成经济损失甚至危及到人身安全。因此，设计一套基于农机无人驾驶摄像头脏污检测系统对农机自动驾驶感知系统安全可靠的运行发挥着至关重要的作用。
[0003]目前的基于摄像头视觉的脏污检测主要分为传统机器视觉脏污检测和利用神经网络深度学习的方法进行脏污检测。在传统机器视觉检测方面，如专利CN111970506A采用了图像划分分区和总区，结合区域灰度值的数值进行综合检测。专利CN12261403A公开一种基于特征模块和区域筛选模块，最后在噪声计算模块拟合概率密度来判断脏污检测的装置。专利CN109241977A公开采用了一种基于双目深度直方图信息来判断摄像头脏污等遮挡检测的准确性。在神经网络方面，专利CN114359253A公开采用基于卷积神经网络的方式检测影响赃物检测，通过输入训练图像实现判断。专利CN110572636公开采用将两个摄像头图像转换为一维序列后通过卷积神经网络计算来得到脏污检测特征量实现脏污检测。
[0004]一方面，目前摄像头脏污检测仅使用传统机器视觉或者仅使用深度学习神经网络，另一方面，基于摄像头视觉脏污检测系统在农业机械无人驾驶领域基本没有相关内容。

技术实现思路

[0005]本专利技术所要解决的技术问题是提供农机无人驾驶摄像头脏污检测方法、系统、介质及设备。
[0006]本专利技术解决上述技术问题的技术方案如下：一种农机无人驾驶摄像头脏污检测方法，包括：
[0007]步骤1，对每个摄像头所采集的采集图像，均按照三通道进行提取处理，得到每个采集图像对应的在每个通道下的图像；
[0008]步骤2，获取任一采集图像对应的每个通道下的图像的每个像素点的灰度值，并通过动态阈值分割方法，从该采集图像对应的在每个通道下的图像中提取灰度值小于阈值的第一像素点，直至得到每个采集图像对应的每个通道下的第一像素点；
[0009]步骤3，根据任一采集图像对应的每个通道下的第一像素点，在该采集图像对应的每个通道下的图像上分别形成多个连通域，直至形成每个采集图像对应的每个通道下的图像上的多个连通域；
[0010]步骤4，对任一采集图像对应的每个通道下的图像上的每个连通域进行直方图均衡化处理，得到该采集图像对应的均衡图像，直至得到每个采集图像对应的每个通道下的均衡图像；
[0011]步骤5，将每个均衡图像输入至脏污识别模型中，判断是否存在脏污区域，若存在所述脏污区域，生成报警信息。
[0012]本专利技术的有益效果是：提供了一种在农业机械无人驾驶作业环境场景下，对于摄像头环境感知系统的脏污检测算法内容。实现了实时检测感知系统前方摄像头前方是否存在脏污干扰情况。改善了传统机器视觉图像处理算法稳定性差及深度学习算法面都复杂环境目标检测不稳定的情况。本专利技术检测前方摄像头出现脏污后，能够将脏污报警信号传输发给无人驾驶平台系统，实现闭环处理。
[0013]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0014]进一步，所述针对摄像头的采集图像具体为：视觉传感器按照摄像头设定的获取图像帧率数值fps，实时获取的采集图像。
[0015]进一步，所述动态阈值分割方法具体为：
[0016]S＝S[x,y,p(x,y),f(x,y)]；
[0017]其中，p(x,y)表示点(x,y)的局部性质，x表示点在图像上的x坐标，y表示点在图像上的y坐标，f(x,y)表示原始图像，S表示阈值。
[0018]进一步，所述步骤4具体为：
[0019]计算每个连通域的灰度直方图，并对每个灰度直方图进行累计分布函数计算，对累计分布函数计算结果进行直方图均衡化处理，得到每个通道下的不同的均衡图像。
[0020]进一步，所述脏污识别模型的构建方式具体为：
[0021]通过输入端，Backbone网络、Neck结构以及输出端对脏污识别模型进行构建，所述输入端用于对输入图像进行预处理，所述预处理包括提高对比度，降噪以及旋转，所述输出端用于输出所述脏污识别模型的处理结果。
[0022]本专利技术解决上述技术问题的另一种技术方案如下：一种农机无人驾驶摄像头脏污检测系统，包括：
[0023]分通道模块，用于将每个针对摄像头的采集图像按照三通道进行提取处理；
[0024]提取模块，用于获取任一采集图像对应的每个通道下的图像的每个像素点的灰度值，并通过动态阈值分割方法，从该采集图像对应的在每个通道下的图像中提取灰度值小于阈值的第一像素点，直至得到每个采集图像对应的每个通道下的第一像素点；
[0025]形成模块，用于根据任一采集图像对应的每个通道下的第一像素点，在该采集图像对应的每个通道下的图像上分别形成多个连通域，直至形成每个采集图像对应的每个通道下的图像上的多个连通域；
[0026]均衡化模块，用于对任一采集图像对应的每个通道下的图像上的每个连通域进行直方图均衡化处理，得到该采集图像对应的均衡图像，直至得到每个采集图像对应的每个通道下的均衡图像；
[0027]识别模块，用于将每个均衡图像输入至脏污识别模型中，判断是否存在脏污区域，若存在所述脏污区域，生成报警信息。
[0028]本专利技术的有益效果是：提供了一种在农业机械无人驾驶作业环境场景下，对于摄
像头环境感知系统的脏污检测算法内容。实现了实时检测感知系统前方摄像头前方是否存在脏污干扰情况。改善了传统机器视觉图像处理算法稳定性差及深度学习算法面都复杂环境目标检测不稳定的情况。本专利技术检测前方摄像头出现脏污后，能够将脏污报警信号传输发给无人驾驶平台系统，实现闭环处理。
[0029]进一步，所述针对摄像头的采集图像具体为：视觉传感器按照摄像头设定的获取图像帧率数值fps，实时获取的图像。
[0030]进一步，所述动态阈值分割方法具体为：
[0031]S＝S[x,y,p(x,y),f(x,y)]；
[0032]其中，p(x,y)表示点(x,y)的局部性质，x表示点在图像上的x坐标，y表示点在图像上的y坐标，f(x,y)表示原始图像，S表示阈值。
[0033]进一步，所述均衡化模块具体用于：
[0034]计算每个连通域的灰度直方图，并对每个灰度直方图进行累计分布函数计算，对累计分布函数计算结果进行直方图均衡化处理，得到每个通道下的不同的均衡图像。
[0035]进一步，所述脏污识别模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农机无人驾驶摄像头脏污检测方法，其特征在于，包括：步骤1，对每个摄像头所采集的采集图像，均按照三通道进行提取处理，得到每个采集图像对应的在每个通道下的图像；步骤2，获取任一采集图像对应的每个通道下的图像的每个像素点的灰度值，并通过动态阈值分割方法，从该采集图像对应的在每个通道下的图像中提取灰度值小于阈值的第一像素点，直至得到每个采集图像对应的每个通道下的第一像素点；步骤3，根据任一采集图像对应的每个通道下的第一像素点，在该采集图像对应的每个通道下的图像上分别形成多个连通域，直至形成每个采集图像对应的每个通道下的图像上的多个连通域；步骤4，对任一采集图像对应的每个通道下的图像上的每个连通域进行直方图均衡化处理，得到该采集图像对应的均衡图像，直至得到每个采集图像对应的每个通道下的均衡图像；步骤5，将每个均衡图像输入至脏污识别模型中，判断是否存在脏污区域，若存在所述脏污区域，生成报警信息。2.根据权利要求1所述的一种农机无人驾驶摄像头脏污检测方法，其特征在于，所述摄像头所采集的采集图像具体为：视觉传感器按照摄像头设定的获取图像帧率数值fps，实时获取的采集图像。3.根据权利要求1所述的一种农机无人驾驶摄像头脏污检测方法，其特征在于，所述动态阈值分割方法具体为：S＝S[x,y,p(x,y),f(x,y)]；其中，p(x,y)表示点(x,y)的局部性质，x表示点在图像上的x坐标，y表示点在图像上的y坐标，f(x,y)表示原始图像，S表示阈值。4.根据权利要求1所述的一种农机无人驾驶摄像头脏污检测方法，其特征在于，所述步骤4具体为：计算任一采集图像对应的每个通道下的图像上的每个连通域的灰度直方图，并对每个灰度直方图进行累计分布函数计算，对累计分布函数计算结果进行直方图均衡化处理，该采集图像对应的均衡图像，直至得到每个采集图像对应的每个通道下的均衡图像。5.根据权利要求1所述的一种农机无人驾驶摄像头脏污检测方法，其特征在于，所述脏污识别模型的构建方式具体为：通过输入端，Backbone网络、Neck结构以...

【专利技术属性】
技术研发人员：李邦国，储成高，王辉，倪云龙，
申请(专利权)人：潍柴雷沃智慧农业科技股份有限公司，
类型：发明
国别省市：