中值决策在甘蔗茎节识别中的运用

开篇：润墨网以专业的文秘视角，为您筛选了一篇中值决策在甘蔗茎节识别中的运用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：追对广西等甘蔗种植区域、地块面积特点提出发展甘蔗预切种式种植机的总体方向；为克服人工切断与机器定长切断蔗种的不足，引入中值决策技术对甘蔗种蔗进行茎节识别，最高识别率达93.33%，为甘蔗种植的机械化、精确化和智能化提供了理论依据。

关键词：中值决策 甘蔗种植 机械化

引言

蔗糖种植业是广西等蔗区的重要的经济作物，其种植规模约占全国蔗糖生产的60%。甘蔗种植作为生产过程中劳动强度最大和最重要的环节之一，种植中较低的机械化程度成为制约我国蔗糖产业发展的瓶颈。当前，预切种式甘蔗种植机因其自身特点获得推崇，以澳大利亚Neozaf6000型[1]为代表，预先切好的蔗段装在种箱内，通过蔗段喂入机构和排种机构将蔗段铺放在开好的沟内；但对甘蔗进行蔗种切段时，目前以定长方式切断存在切断蔗芽、浪费严重等问题，需要采用先进技术以提高蔗种切断的质量水平，本文采用中值决策技术对采集甘蔗图像进行茎节识别，以提高蔗种切断的智能化与效率。

1、中值决策方法

对于采用边缘检测、拟合列灰度和、列灰度和梯度其中一种方法识别甘蔗茎节时可能存在较大误差与误判率。对同一幅甘蔗图像，通过综合决策信息，可以克服单一决策信息的扰动缺陷，引入中值决策的方法。中值决策描述为：对N个识别茎节标志位集合 ，由这N个点按照大小排序获得集合 ，取中心值作为决策输出，表示为：

（3-6）

2、中值决策茎节识别

为克服单一因素对甘蔗茎节识别的误判，本文从研究多因素出发，将灰度图像的灰度梯度转变为RGB和HSV颜色空间的R、G、B和H、S、V的6个颜色分量。并求取各个列分量和梯度研究甘蔗茎节的识别。各分量的列分量和梯度识别茎节的结果如表3-2所示。综合各分量的识别结果和基于边界拟合的方法构成了7个决策因子。设R、G、B和H、S、V的6个颜色分量的识别结果和基于边界拟合茎节识别位置构成的决策集 ，由决策集采用公式（3-2）进行中值决策输出。茎节识别的中值决策流程如图3-6，识别结果如表3-2.

图3-14 七线茎节识别标记图像

Fig.3-14 Tagged Image of sugarcane internode recognition with 7 lines

由R，G，B分量经列灰度和梯度识别的茎节位置如图3-5所示，标记线为X_r， X_g和X_b，同理，获得的H，S，V标记线为X_h， X_s和X_v；由轮廓边缘拟合获得的茎节标记线为X_n，这7线构成了中值决策集。从标记图像可以获悉，七线中有6线落入茎节区域，各线的识别效果也不尽相同。按照识别评价标准，X_h为误判结果。对7线的决策集进行中值决策，决策标记线为y，标记图像如图3-6。

图3-15 中值决策的茎节识别标记图像

Fig.3-15 Tagged image of sugarcane internode recognition in Value theorem

图3-16 中值决策的茎节识别流程

Fig.3-14 The flow of sugarcane internode recognition in Value theorem

3、中值决策的试验分析

本文对150张甘蔗图像进行分量列灰度和梯度和中值决策茎节识别，表3-2列出了前10图的算法识别位置，并与人工图像识别进行验证分析。图3-7为中值决策获得的茎节位置与茎节中心线的距离数据集，在试验的150图数据中，有3个点与对应的半茎节宽度存在较大的差距，其余各点在茎节中心局域至半茎节宽度附近分布。中值决策对150幅图像的茎节识别中，有138张图识别茎节正确，茎节正确识别率为92.00%.

图3-17 中值识别与茎节中心线的距离和半茎节宽度试验数据集

Fig.3-17 Center deviation and Half-width of internodes

4、结论

广西等甘蔗种植区域、地块面积特点需要以甘蔗预切种式种植机为发展方向，将中值决策技术运用于甘蔗种蔗茎节识别的正确率达93.33，为甘蔗种植的机械化、智能化提供了理论依据，对促进我国甘蔗生产机械化的国际水平具有重要意义。

参考文献：

[1]Gabrattle. Sembradora de Cana de Azucar Neozaf 6000-Puesta Punto/Sugarcane Planter， Tuning[EB/OL].2011-6-28.http：///watch v=gg4oDaLi

[2]陆尚平，文友先，葛维，彭辉.基于机器视觉的甘蔗茎节特征提取与识别[J]. 农业机械学报，2010，41（10）：190-194

[3]赵进辉，罗锡文，周志艳.基于颜色与形状特征的甘蔗病害图像分割方法[J].农业机械学报，2008（（9）：100-103

[4]陆尚平， 黄林， 陈炳森， 赵新业 . 基于机器视觉的甘蔗种植机械化研究[J].广西农业机械化，2012（5）：28-32

[5]陆尚平， 马翠龙，贺敏超，黄鑫. 图像灰度统计梯度特性的甘蔗茎节识别研究[J].广西农业机械化，2012（6）：21-22

[6]杨淑莹.模式识别与智能计算—matlab技术实现[M].北京：电子工业出版社，2008（1）：273-276