基于图像处理的田间杂草识别定位技术的研究

胡迎思 于跃 朱凤武

摘 要：自20世纪80年代，基于图像处理的相关技术开始被应用于农业生产，随着相关学科与硬件技术的发展，在田间杂草的识别定位这一方向已取得显著成绩。结合国内外的研究现状，对现阶段的研究成果进行总结分析，列出了田间杂草识别定位的各项技术的关键技术和存在的问题，最后对我国田间杂草识别定位研究的发展趋势进行了预测。

关键词：图像处理；杂草识别；杂草定位；机器视觉

中图分类号：S-1 文献标识码：A DOI：10.11974/nyyjs.20180329008

前言

精细农业的发展，对农业生产的增产、减少浪费、生产效率的提高、农药使用量的减少、耕地环境的保护已经取得了显著的成果。其中，田间杂草的识别与定位技术的发展已成为精细农业的重要组成部分[1]。目前，我国对田间杂草识别定位技术的主要研究成果集中在图像处理领域，利用色彩空间、形态特征、光谱特性等原理。多应用双目视觉技术，相较于单目视觉技术，双目视觉技术系统更为复杂。

随着相关领域新成果的不断问世，在杂草的识别定位方面的技术亦更加成熟，本文讨论的是基于图像处理的杂草识别定位相关技术。

1 杂草定位技术发展历史及国内外研究现状

1.1 发展历史

数字图像处理出现于20世纪50年代，作为一门学科大约形成于20世纪60年代初期。从20世纪70年代中期开始，随着各国的重视与研究力度的加大，图像处理技术在各个领域取得了长足发展。同时在该时期，出现了第一部关于图像处理的著作，结合Marr发表的视觉计算理论，主导了近20a的研究方法[2]。在随后的20世纪80年代，随着相关硬件、软件技术的发展，图像处理技术开始在农业生产中大量应用。从作物生长状态的监测、病虫害的监测，到农业机器人领域關于果实采摘、杂草识别、杂草定位给药，涌现出了大量的成果。

1.2 发展现状

该研究因其基于图像处理的特性，在进行识别时往往在目标的形态特征、纹理特征、颜色特征等之中选择一种或综合多种来进行处理，因此如何选择特征与如何准确快速的利用算选特征进行识别就成为了研究的关键所在。国内外的研究人员在这两方面进行了大量的尝试。

1.2.1 国外研究现状

欧美等发达国家在该领域起步比我国早很多，在1986年就开始利用图像处理技术进行植物的识别定位研究，目前很多成熟的方法已实际应用。

美国加利福尼亚大学戴维斯分校推出了一种基于图像的精确自动除草装置[3]，通过摄像装置获得目标区域的图像，识别出其中的杂草，在利用农药喷嘴在杂草区域进行精准喷药，或用激光枪将杂草直接杀死。

2000年，Majumdar.S 等[4]分别应用形状、纹理、颜色3个特征进行研究。综合常规参数和无量纲参数，用24个形态参数对作物叶片进行了分级研究。面积、长宽比、椭圆的短轴长度、长轴长度、叶片的周长、最大半径、最小半径和半径的标准差等。在进行了大量试验后，得到了效果显著的参数组合，在理论上达到了极高的准确率。

Meyer 等[5]利用均匀度、惯性和角二次积率对2种禾本科杂草[牛筋草（Eleusine indica）、狐尾草（Alopecurus pratensis L.）]和2种阔叶杂草[绒毛叶（Abutilon theophrasti）、红根藜（Amaranthus retroflexus）]进行识别，识别率分别为 93.3%和 85%。

美国堪萨斯州大学El-Faki等[6]根据目标作物与其伴生杂草颜色上的差别，设计了不同的颜色组合区分杂草和农作物，在设计分类器时又用人工神经网络和判别式分析法进行了对比试验，虽然试验结果表明，统计分析分类算法更精确，但结果差强人意。利用统计分类法对大豆和小麦的识别率分别为54%和62.2%。

1.2.2 国内研究现状

我国在该领域的研究投入开始略晚，但在国家大力度支持之下，近些年也取得了理想成果。

2009年，夏利兵等[7]人提出了针对角点特征检测，基于SUSAN的棋盘角点检测算法及基于连通域的改进角点算法的想法。其思路是在角点处多个顶角相交一起时角点处的USAN不符合SAUN算法的要求而可以通过多个连通域的方法来检测该角点。在选择研究方法时，作者对比了基于边缘、基于参数模型、基于灰度3种方法。基于边缘的方法计算量大且误差较大；基于参数模型的方法由于其通用性差，最后考虑了应用环境对于实时性的较高要求，选择了基于灰度的SUSAN算子。

但是该方法研究的是纯杂草环境，在真实田间环境中未进行试验，在区分杂草与作物方面还有待研究；且真实田间作业时，机械震动、光照、天气等影响因素也有待解决。

2015年，陈亚军等[8]利用逆向思维提出了杂草逆向定位的方法。针对研究环境中伴生杂草在种类与数量上都大于经济作物这一事实，将识别对象从传统的杂草改为经济作物，使多目标定位问题简化为单目标定位问题。应用HU不变矩，设计了8项无量纲指标（矩形度、圆形度、偏心率等）。定位出作物的位置，然后将其他绿色植物均认定为杂草。

该方法在进行大豆田间试验时，综合准确率达到90%。产生识别错误的原因是作物与杂草的叶片重叠所导致，因为在作物幼生期伴生杂草也比较小，所以该方法在作物生长早期取得了效果，而在中后期，由于作物叶片与杂草叶片重叠现象的出现，试验效果受到了明显影响。

2009年，沈宝国等[9]采用针孔成像模型和摄像机隐参数矩阵的定位方法，在标定靶图像中，获取48个靶点质心的坐标，确定摄像机的隐参数矩阵。为获得实际的田间杂草定位作业精度，同时准备有序与无序杂草图像。利用摄像机隐参数矩阵，分别获取了靶点、有序杂草和无序杂草的定位精度为0.15cm、1.92cm和2.28cm。经比较分析，确定最大定位误差为2.3cm，该方法不但满足除草剂精确喷施的要求，同时简化了标定算法。

试验中，致使产生较大误差的原因是算法上的。算法中近似的将杂草的分生组织处与区域的质心认定为同一点，事实上并非如此。

2 基于图像处理的杂草定位研究的关键技术

2.1 定位特征提取

在实际作业环境中，植物与土壤背景、不同植物的形态颜色之间有着显著不同的图像特征。因此利用这些特征为研究提供数据是非常可行的。基于图像处理的杂草识别定位研究重要利用的就是颜色、纹理、形态特征。

2.1.1 颜色特征

在所有的视觉特征中，最直观、最稳定的就是颜色特征，相比形态特征，颜色特征对对象的大小和位姿不敏感，鲁棒性强。图像的颜色特征信息提取与处理方式，在很大程度上决定了系统识别的速度和精度。颜色特征提取方法常规的直方图、颜色集、颜色矩、颜色聚合向量以及颜色相关图等[10]。

由于杂草识别定位系统对实时性的要求，必须考量算法的复杂程度。如果目标作物与其伴生杂草在颜色上高度接近，那么，单一的使用颜色特征是不可取的。通常情况下，还是需要结合其他特征。

2.1.2 形态特征

田间杂草识别中形态特征的应用同样很多，形态特征包括形状特征与矩特征2部分。形状特征参数主要包括面积、周长、长度、宽度等常规参数，以及其衍生的无量纲形状特征参数，如分散度（compactness）、圆度（roundness）、伸长度（elongation）、叶状（location）等[11]。矩特征常用的有质心、等效椭圆的长轴和短轴、环度（cir）、朝向比（aspect ratio）、中心矩等[12]。形态特征参数的提取相对于颜色与纹理参数来说，既简化了算法，又提高了效率。

2.1.3 纹理特征

纹理特征只与灰度值相關，表现了图像在局部区域内呈现的不规则性和在整体上表现出的某种规律性。描述图像区域纹理的方法主要有4种，统计分析法、模型分析法、结构分析法和频谱分析方法[13]。在杂草识别研究中，常用的方法是频谱分析和以灰度级的空间相关矩阵为基础的灰度共生矩阵。灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度等综合信息，是分析图像的局部模式和排序规则的基础[14]。

应用纹理特征参数识别杂草的准确率虽然很高，但是，纹理分析算法比较复杂，影响试验效果，因此，如何优化纹理特征提取算法，提高执行速度是该方法的研究重点。

2.2 杂草定位技术

2.2.1 双目视觉定位

双目立体视觉是一种模拟人类视觉成像原理的计算机视觉技术。它利用2台平行放置的摄像机模拟人的双目，用于重构场景的三维信息。该研究已在实际生产生活中发挥了重要的作用，在移动机器人的自主导航系统、航空及遥感测量、工业自动化、农业自动化等场合中起到了关键作用。双目立体视觉技术在应用中主要有图像获取、摄像机标定、图像预处理和特征提取、立体匹配、三维重建等5个步骤[15]。

双目视觉技术在进行空间坐标计算时多利用极线几何这一数学模型。由相机投影原理，对于空间物体表面上任意一点，通过一台照相机能够看到它在成像图像上的投影点，但是反过来却无法由投影点得知物体上点的三维位置，只能知道空间点位于相机光心和投影点的连线上，即图像上一点对应空间中一条直线，无法仅由一幅图像重建出三维空间的结构。于是研究者模拟人类视觉成像原理，用2个相机同时观察物体点，在2幅图像上获得空间中同一点的2个对应点，获得经过空间点的2条不同直线上，因此，物体点就是两条直线的交点，它的三维位置是唯一确定的，这就是三维空间位置计算的基本原理。

由于2台摄像机的视角不同，其获得的信号光强存在差异，使各摄像机的增益、电平无法完全同步；而且即使是同一张图像采集卡，其不同信道的物理误差也不同，这些都会导致获得立体图像时同一场景的图像其灰度值存在差异。这一问题的出现，对图像预处理的要求增加。

2.2.2 单目视觉定位

单目视觉技术作为最基础的视觉形式，在具体的实现过程中，特征提取与图像匹配、摄像机标定、深度估计、位姿参数估计是关键的技术环节，是单目视觉技术研究的关键问题。单目视觉定位技术目前有2种研究思路，一种是利用双帧或多帧图像，利用摄像机在运动中捕捉同一场景不同时刻的多帧图像，根据拍摄图像像素间的位置偏差实现目标的定位。此定位方法类似双目视觉定位中的非平行光轴模型。一种是单帧图像定位。利用透视畸变原理，还原三维场景，通过特征匹配进行定位[16]。

3 发展中面临的困难

3.1 杂草特征的多样性和复杂性

为了尽量精确地识别出杂草进而进行定位，特征的选取成为了减少计算量的关键所在。如果利用多特征组合的方式，那么如何进行图像分割以及特征优化又成了一大难点。在今后的研究中，智能算法与组合优化理论应该成为研究的重点。

3.2 硬件的处理速度有待于提高

由于计算机视觉技术对于硬件性能的依赖，硬件性能必然很大程度上影响运算速度，而该领域的研究对于实时性又有着较高要求，在研究者改进算法的同时，对于硬件的性能与成本也提出了更高的要求。

4 结论

归纳了我国目前在杂草识别定位领域的研究现状，发现多数研究都是针对作物幼生期的伴生杂草，此时杂草植株较小，识别定位结果理想；当杂草较大时杂草与作物的叶片重叠现象显著影响了识别定位结果。且多数研究应用双目视觉原理，这使整个定位系统的硬件设计更加复杂，2台或以上的摄像机使需要处理的数据量增加，而拖慢了数据处理的速度，降低了定位实时性。

随着数据处理技术的升级，单目视觉技术已经可以完成杂草定位的目的，通过算法的选择优化，对叶片重叠现象也有较好表现。同时单目视觉技术本身的特性又使系统的硬件设计更简单，在实时性上可以满足要求。

参考文献

[1]陈德润，王叔茂，王秀.农田杂草识别技术的现状与展望[J].中国农机化，2001，5（04）：30.

[2]李红俊，韩冀皖.数字图像处理技术及其应用[J].计算机测量与控制，2002.10（9）：620-622.

[3]吉林农机网.信息革命将农业引入“精确”时代[EB/OL].http：//www.amic.agri.gov.cn/pages/infopage.asp ino=3570.2003.

[4]YANG C C，PRASHER S O.Development of Neural Networks for Weed Recognition in Corn Fields[J].Transactions of the ASAE，2002，45（3）：859-864.

[5]Meyer G E ，Mehta T，Kocher M F ，et al.Textural imaging and discriminant analysis for distinguishing weeds for spot spraying[J].Transaction of the ASAE，1998，41（4）：1189-1197.

[6]El-Faki，Zhang，Peterson D.Weed detection using colormachine vision[J].Transactions of the ASAE，2000，43（6）：1969-1978.

[7]夏利兵.基于角点特征的双目视觉杂草定位系统研究[D].江苏大学.2009.

[8]陈亚军.赵博.李树君.刘磊.苑严伟.张延立.基于多特征的杂草逆向定位方法与试验[J].农业机械学报，2015（16）：09.

[9]沈宝国，陈树人，尹建军.基于机器视觉的棉田杂草精确定位研究[C].纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集，2009.

[10]陈琴，邰晓英，巴特尔.基于邻域颜色矩直方图的胃窥镜图像检索[J].计算机工程与应用，2008，44（11）：205-207.

[11]D M Woebbecke，G E Meyer，K Von Bargen，D A Mortensen.Shape features for identifying young weeds using image analysis.Transactions of ASAE，1995，38（1）：271～281.

[12]刘立.基于多尺度特征的图像匹配与目标定位研究[D].武汉：华中科技大学，2008.

[13]王龙.图像纹理特征提取及分类研究[D].中国海洋大学，2014.

[14]B.L.Steward，L.F.Tian.Machine-Vision weed density estimation for realtime，outdoor lighting conditions[J].Transaction of the ASAE.1999，42（6）：1897-1909.

[15]Marr，D.and Poggio，T.A computational theory of human stereo vision[J].Proc.R.Soc.Lond B.1979（204）：301-328.

[16]张治国.基于单目视觉的定位系统研究 [D].武汉：华中科技大学，2009.

作者简介：胡迎思（1989-），男，吉林省公主岭，吉林农业大学工程技术学院，硕士研究生，农业电气化及其自动化；于跃（1992-），女，遼宁省锦州市，吉林农业大学工程技术学院，硕士研究生，农业电气化及其自动化；朱凤武（1968-），男，吉林省公主岭，吉林农业大学工程技术学院，教授，农业电气化及其自动化。