，这里不再赘述。
[0107] 现有技术采用Hough变换和本实施例提出的多次线性回归的对比如表2所示：
[0109]表 2
[0110] 表2中的数值均为平均数值。从表中可以看出，无论是在准确度还是耗时，后者均 优于前者，而且当图像逐渐增多时，Hough变换的计算量增大趋势也快于本实施例的方法。 对玉米幼苗进行实验后的实验数据显示，在不同天气环境的条件下，识别农作物行的准确 率达到96%，误差在2°左右，运行速度在IOms以内，可以达到实时性的要求。
[0111] 以上实施例仅用以说明本发明的技术方案而非对其进行限制，在不背离本发明精 神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变 形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
【主权项】
1. 一种农作物行的识别方法，其特征在于，所述识别方法包括： 通过模糊聚类方法将采集的农作物图像转化为二值图像； 从获取的二值图像中提取感兴趣的区域ROI图像，通过横条法获取其中农作物特征 占. 对所提取的农作物特征点进行线性回归，拟合出农作物行直线方程； 通过多次线性回归的方法剔除错误的特征点，对农作物行直线方程进行修正。2. 根据权利要求1所述的农作物行的识别方法，其特征在于，所述通过模糊聚类方法 将采集的农作物图像转化为二值图像，是以采集的农作物图像作为整个样本，以像素点G 通道的值所占的百分比作为样本元素，将农作物和背景的聚类中心分别初始化为〇. 35~ 0. 40和0. 30~0. 35进行模糊聚类得到。3. 根据权利要求1所述的农作物行的识别方法，其特征在于，所述采集的农作物图像 的宽为W像素，高为H像素，所述ROI图像的宽为w=W/2像素，宽为h=H/2,所述通过横 条法获取其中农作物特征点，包括： 将ROI图像分为Q条宽度相同的横条，用Spiq表示第q条横条第p列中白色像素出现 的次数，其中P的取值从1到w，w为ROI图像的宽度像素； 对于第q条横条，对应有阈值uq，阈值Uq为第q条横条中所有SPiq的均值； 当Spi/j、于等于Uq且Sp+liq大于Uq时，认为进入农作物行，记录此时的列坐标为P1; 当Spiq大于等于Uq且Sp+liq小于Uq时，认为离开农作物行，记录此时的列坐标为P2; 计算进入和离开农作物行时列数的差值A=P2-Pl，如果A大于设定的常数d，则认为 横条q上从第？1到P2的段为农作物，并取该段中点为农作物特征点； 遍历所有横条，获取ROI图像中所有的农作物特征点； 其中，所述常数d的取值范围为：W/20〈d〈W/15。4. 根据权利要求1所述的农作物行的识别方法，其特征在于，所述对所提取的农作物 特征点进行线性回归，拟合出农作物行直线方程，包括： 根据特征点的分布，将特征点划分为不同的农作物行； 对于任一农作物行，设农作物行直线方程为：y=kx+b 其中b为斜距，k为斜率，计算属于该农作物行的所有特征点到该直线的距离1:其中M为属于该农作物行的所有特征点的数量，r属于1~M，第r个特征点的坐标为 (\，I)，L为第r个特征点与农作物行直线的距离，求解出上式中k和b的解分别为I和5.根据权利要求4所述的农作物行的识别方法，其特征在于，所述通过多次线性回归 的方法剔除错误的特征点，对农作物行直线方程进行修正，包括： 根据农作物行直线方程，计算属于该农作物行的特征点到该农作物行的距离，剔除距 离大于设定的常数的特征点； 在剔除错误的特征点后，根据剩下的特征点再次拟合出农作物行直线方程，并再次根 据新拟合出的农作物行直线方程，计算特征点到该直线的距离，剔除距离大于设定的常数 的特征点； 如此循环，直到达到最大线性回归次数，或当线性回归剔除的特征点数量为O时迭代 停止。6. -种农作物行的识别装置，其特征在于，所述装置包括： 模糊聚类模块，用于通过模糊聚类方法将采集的农作物图像转化为二值图像； 特征点提取模块，用于从获取的二值图像中提取感兴趣的区域ROI图像，通过横条法 获取其中农作物特征点； 拟合模块，用于对所提取的农作物特征点进行线性回归，拟合出农作物行直线方程，并 通过多次线性回归的方法剔除错误的特征点，对农作物行直线方程进行修正。7.根据权利要求6所述的农作物行的识别装置，其特征在于，所述模糊聚类模块在通 过模糊聚类方法将采集的农作物图像转化为二值图像时，是以采集的农作物图像作为整个 样本，以像素点G通道的值所占的百分比作为样本元素，将农作物和背景的聚类中心分别 初始化为〇.35~0. 40和0. 30~0. 35进行模糊聚类得到。8. 根据权利要求6所述的农作物行的识别装置，其特征在于，所述采集的农作物图像 的宽为W像素，高为H像素，所述ROI图像的宽为w=W/2像素，宽为h=H/2,所述特征点 提取模块通过横条法获取其中农作物特征点时，执行如下操作： 将ROI图像分为Q条宽度相同的横条，用Spiq表示第q条横条第p列中白色像素出现 的次数，其中P的取值从1到w，w为ROI图像的宽度像素； 对于第q条横条，对应有阈值uq，阈值Uq为第q条横条中所有SPiq的均值； 当Spi/j、于等于Uq且Sp+liq大于Uq时，认为进入农作物行，记录此时的列坐标为P1; 当Spiq大于等于Uq且Sp+liq小于Uq时，认为离开农作物行，记录此时的列坐标为P2; 计算进入和离开农作物行时列数的差值A=P2-Pl，如果A大于设定的常数d，则认为 横条q上从第？1到P2的段为农作物，并取该段中点为农作物特征点； 遍历所有横条，获取ROI图像中所有的农作物特征点； 其中，所述常数d的取值范围为：W/20〈d〈W/15。9.根据权利要求6所述的农作物行的识别装置，其特征在于，所述拟合模块对所提取 的农作物特征点进行线性回归，拟合出农作物行直线方程时，执行如下操作： 根据特征点的分布，将特征点划分为不同的农作物行； 对于任一农作物行，设农作物行直线方程为：y=kx+b 其中b为斜距，k为斜率，计算属于该农作物行的所有特征点到该直线的距离1:其中M为属于该农作物行的所有特征点的数量，r属于1~M，第r个特征点的坐标为 (\，I)，L为第r个特征点与农作物行直线的距离，求解出上式中k和b的解分别为/?.和10.根据权利要求9所述的农作物行的识别装置，其特征在于，所述拟合模块在通过多 次线性回归的方法剔除错误的特征点，对农作物行直线方程进行修正时，执行如下操作： 根据农作物行直线方程，计算属于该农作物行的特征点到该农作物行的距离，剔除距 离大于设定的常数的特征点； 在剔除错误的特征点后，根据剩下的特征点再次拟合出农作物行直线方程，并再次根 据新拟合出的农作物行直线方程，计算特征点到该直线的距离，剔除距离大于设定的常数 的特征点； 如此循环，直到达到最大线性回归次数，或当线性回归剔除的特征点数量为0时迭代 停止。
【专利摘要】本发明公开了一种农作物行的识别方法及装置，该方法首先通过模糊聚类方法将采集的农作物图像转化为二值图像，然后从获取的二值图像中提取感兴趣的区域ROI图像，通过横条法获取其中农作物特征点，并对所提取的农作物特征点进行线性回归，拟合出农作物行直线方程，最后再通过多次线性回归的方法剔除错误的特征点，对农作物行直线方程进行修正。本发明的装置包括模糊聚类模块、特征点提取模块和拟合模块。本发明的方法及装置，识别农作物行准确度高，运行速度块，抗干扰能力强。
【IPC分类】G06K9/00
【公开号】CN105046229
【申请号】CN201510446384
【发明人】桂江生, 汪博, 张青, 包晓安
【申请人】浙江理工大学
【公开日】2015年11月11日
【申请日】2015年7月27日