一种横向输送下用于甘蔗茎节识别的方法技术

本发明专利技术公开了一种横向输送下用于甘蔗茎节识别的方法，属于甘蔗茎节识别领域

【技术实现步骤摘要】
一种横向输送下用于甘蔗茎节识别的方法


[0001]本专利技术涉及一种横向输送下用于甘蔗茎节识别的方法，属于甘蔗茎节识别领域
。

技术介绍

[0002]甘蔗是一种广泛种植于热带和亚热带的糖料作物，约
105
个国家种植，其中印度
、
泰国
、
巴西和中国为主要生产国
。
甘蔗主要被用来制糖，糖产量每年全球占比在
80
％以上
。
在我国，甘蔗产业主要分布于两广地区和海南
、
福建
、
四川
、
贵州等省份
。
由最新
《
中国统计年鉴
‑
2022》
显示，
2021
年我国甘蔗种植总面积达
1316
千公顷，另一种糖料作物甜菜的种植总面积只有甘蔗的十分之一左右，由此可见我国甘蔗种植面积的庞大，其产业未来发展的重要性
。
并且甘蔗作为南方重要农作物，支撑着华南地区约
2800
万农民的生计，是重要的经济支柱之一
。
蔗糖也是许多食品和化学药品的重要原料，大力发展甘蔗产业不仅能够保障我国食糖安全，同时也有助于增加农村经济收入，加快农民脱贫致富
。
[0003]随着全球农业机械化和智能化的不断发展，我国甘蔗产业虽然在机耕
、
培土等环节实现了机械化，但机械种植方面仍未普及，导致效率低下，生产成本增加，使我国甘蔗产业无法在国际上获得市场竞争力
。
因此加快甘蔗种植机械化发展，降低生产成本成为甘蔗产业发展的重中之重
。
[0004]目前我国甘蔗种植主要采用实时切种式和预切种式完成种植
。
实时切种式种植机，此方式在种植过程中需要两名工人在机器上辅助喂入整根甘蔗，然后机器根据预设好的参数对甘蔗切断，进而完成翻土
、
开槽
、
播种等一系列工序
。
此方法虽然较人工切种减少了劳动工作量，但作业过程中仍需要五名操作人员
(
包含拖拉机手
)
辅助完成，同时切种时机器伤芽导致出芽率无法保障
。
预切种式种植机，此方法需要事先砍种，备好种苗
。
此方式除集成了一系列工序外，机器体积较小，方便操作，还能减少因种芽损伤导致得出芽率降低
。
因此预切种式甘蔗种植方式已渐渐成为主流
。
[0005]虽然预切种式甘蔗种植方式能提高种植效率，降低人工成本，但现阶段我国甘蔗预切种工作仍以传统的人工切种或半机械切种为主，农民依靠农具或简单的机械对甘蔗进行切种
。
由于我国甘蔗种植时间集中，短时间内需要大量的工人投入到切种环节，产生了大量的人力成本
。
同时，长期的高强度切种工作使得大量农民造成肌肉劳损，容易引发一系列健康问题
。
因此，开发甘蔗智能识别切种的自动化装备势在必行，其中研发出一种破芽率低
、
识别精度高和切种效率高的甘蔗智能识别切种系统尤为关键
。
[0006]农业机械的工作环境较为复杂和恶劣，往往会受到现场各种环境的影响，因此对精确且高效的甘蔗识别切种提出了严峻的挑战
。
在甘蔗智能识别切种的视觉系统中，识别算法要在复杂多变的工作环境中快速
、
准确地对甘蔗茎节进行检测，识别的速度和精度直接影响切种机的性能，是实现甘蔗种植机械化的关键性技术
。
传统的甘蔗茎节识别方法主要利用甘蔗表面颜色
、
灰度和纹理信息等特征实现茎节位置的获取
。
由于随着切种工作的不断进行，大量碎屑
、
杂叶等污垢会造成图像采集区域背景污染，导致传统算法识别精度下降
、
甚至失效
。
并且传统的甘蔗茎节识别切种大多采用沿甘蔗轴线方向输送，识别一段切一
段，然后向前输送一部分继续识别切种，效率较低，而横向输送时可以很好地避免此问题
。
但横向输送时因甘蔗较长，普通工业相机视野范围有限无法获取清晰的整张甘蔗图像
。
[0007]因此研究基于计算机视觉的横向输送下甘蔗茎节识别切种系统对实现甘蔗切种的自动化具有很强的现实意义
。
针对上述问题，本专利旨在将图像拼接技术和深度学习技术应用于横向输送下甘蔗茎节识别切种领域，提高实际切种工作中甘蔗切种的合格率和效率，推进农业机械化进程
。

技术实现思路

[0008]为了提高横向输送下甘蔗图像识别的效率，本专利技术提供了一种横向输送下用于甘蔗茎节识别的方法，包括：
[0009]步骤一：获取待拼接的两幅甘蔗运输图像，对图像进行预处理；
[0010]步骤二：将预处理后的图像分割成若干个大小相等的网格，将两幅图像中重叠区域的网格图像作为感兴趣区域提取出来；
[0011]步骤三：针对单个网格图像采用
SURF
算法进行特征点提取，并保留单个网格图像中
n
个特征值最高的特征点；
[0012]步骤四：将单个网格中保留下来的特征点进行汇总，形成全图特征点集合，并对特征进行描述得到特征描述子；
[0013]步骤五：采用改进的暴力匹配方法对两幅图像中的特征描述子进行匹配，得到最优的匹配点对集合；
[0014]步骤六：对所述最优的匹配点对集合进行透视变换，将两张图像映射至同一坐标系中，基于最佳缝合线算法对两张图像进行拼接；
[0015]步骤七：对拼接后图像采用改进后的
YOLOv5
模型进行复杂背景下的甘蔗茎节识别
。
[0016]可选的，所述改进后的
YOLOv5
模型包括：
[0017]将主干网络与颈部同尺寸特征图跨层加权连接，基于
BiFPN
提出跨层加权连接的
Neck
结构，并引入可学习的方式在迭代过程中不断调整不同输入特征层的权重；
[0018]引入
Focal Loss
替换交叉熵损失函数，并采用
EIoU
损失函数计算预测框回归损失；
[0019]使用
Ghost
模块替换颈部网络的普通卷积层
。
[0020]可选的，所述改进的暴力匹配方法包括：
[0021]步骤1：基于汉明距离对两幅图像中的特征点对匹配，实现粗筛选；
[0022]首先求得所有匹配点对的汉明距离，计算出关键点对的最小距离
d
min
，然后将所有匹配点的汉明距离与
k
倍的
d
min
比较，保留差值小
k
倍的
d
min
的匹配项
。
...

【技术保护点】

【技术特征摘要】
1.
一种横向输送下用于甘蔗茎节识别的方法，其特征在于，所述方法包括：步骤一：获取待拼接的两幅甘蔗运输图像，对图像进行预处理；步骤二：将预处理后的图像分割成若干个大小相等的网格，将两幅图像中重叠区域的网格图像作为感兴趣区域提取出来；步骤三：针对单个网格图像采用
SURF
算法进行特征点提取，并保留单个网格图像中
n
个特征值最高的特征点；步骤四：将单个网格中保留下来的特征点进行汇总，形成全图特征点集合，并对特征进行描述得到特征描述子；步骤五：采用改进的暴力匹配方法对两幅图像中的特征描述子进行匹配，得到最优的匹配点对集合；步骤六：对所述最优的匹配点对集合进行透视变换，将两张图像映射至同一坐标系中，基于最佳缝合线算法对两张图像进行拼接；步骤七：对拼接后图像采用改进后的
YOLOv5
模型进行复杂背景下的甘蔗茎节识别
。2.
根据权利要求1所述的横向输送下甘蔗茎节识别的方法，其特征在于，所述改进后的
YOLOv5
模型包括：将主干网络与颈部同尺寸特征图跨层加权连接，基于
BiFPN
提出跨层加权连接的
Neck
结构，并引入可学习的方式在迭代过程中不断调整不同输入特征层的权重；引入
Focal Loss
替换交叉熵损失函数，并采用
EIoU
损失函数计算预测框回归损失；使用
Ghost
模块替换颈部网络的普通卷积层
。3.
根据权利要求1所述的横向输送下甘蔗茎节识别的方法，其特征在于，所述改进的暴力匹配方法包括：步骤1：基于汉明距离对两幅图像中的特征点对匹配，实现粗筛选；首先求得所有匹配点对的汉明距离，计算出关键点对的最小距离
d
min
，然后将所有匹配点的汉明距离与
k
倍的

【专利技术属性】
技术研发人员：左文娟，周德强，朱琦，盛卫锋，李腾辉，赵文博，
申请(专利权)人：江南大学，
类型：发明
国别省市：