一种杂草定位喷除系统及其定位喷除方法
【技术领域】
[0001] 本发明涉及一种杂草定位系统及其定位方法，特别是一种能自动分析识别田间作 物从而实现对杂草准确定位的智能杂草定位喷除系统及其定位喷除方法。
【背景技术】
[0002] 精准农业是21世纪农业发展的一个重要方向，将推动粗放型传统农业向精细型 现代农业转变。农田杂草是农业生产的大敌，也是困扰农作物生长的基本问题之一。因此， 如何快速、准确地自动获取农田杂草信息，成为杂草精准控制技术所面临的首要问题，也是 制约其实现的瓶颈。
[0003] 现有技术中尚未有应用于田间实际作业中的成熟杂草定位系统，而且田间杂草种 类较多，如果需要准确的定位识别出每一种杂草也是不现实的。因此，如何自动分析识别田 间作物，从而实现对杂草的准确定位，是本领域亟待解决的技术问题。
【发明内容】
[0004] 本发明所要解决的技术问题是针对现有技术中的上述问题，提供一种能自动分析 识别田间作物从而实现对杂草准确定位喷除的杂草定位喷除系统及其定位喷除方法。
[0005] 为了实现上述目的，本发明提供了一种杂草定位喷除方法，用于农作物的田间杂 草定位及喷除，其中，包括以下步骤：
[0006] S100,杂草定位，通过分析农作物的图像信息，根据该农作物的不变矩特征分析识 别田间农作物，将该田间农作物区域以外的绿色植物均定位并标记为杂草；
[0007] S200,结果输出，根据标记的杂草信息输出控制指令；以及
[0008] S300,对靶喷药，根据该控制指令对杂草进行对靶喷药予以喷除。
[0009] 上述的杂草定位喷除方法，其中，所述步骤S100进一步包括：
[0010] S101，图像采集，实时采集田间图像信息；
[0011] S102,图像处理，利用2G-R-B超绿模型灰度化所述步骤S101采集的田间图像，并 将该灰度化的田间图像用0TSU自动阈值法二值化处理；
[0012] S103,模板特征提取，对所述二值化处理的田间图像利用n*n模板进行特征提取， 计算出该模板对应的不变矩值，采用扩展HU不变矩，得到7个不变矩特征值；
[0013] S104,特征匹配，对所述7个HU不变矩特征值利用最临近分类器法与预存的该田 间作物的HU不变矩值进行特征匹配；以及
[0014] S105,作物定位，对所述步骤S104的匹配结果认定为杂草的对应图像进行标记。
[0015] 上述的杂草定位喷除方法，其中，所述步骤S100还包括：
[0016] S106,图像遍历，对所述步骤S102二值化处理的田间图像从该田间图像的左上角 开始从左到右、从上到下按顺序遍历，重复所述步骤S103至步骤S105,直到所有图像均被 遍历一边为止。
[0017] 上述的杂草定位喷除方法，其中，所述步骤S102中用0TSU自动阈值法二值化处理 该灰度化的田间图像包括：
[0018] 设该灰度化的田间图像灰度级是L，则其灰度范围为[0，L_1]，利用0TSU算法计算 该田间图像的最佳阈值为：
[0019] t = Max [w0 (t) * (uO (t) -u) 2+wl (t) * (ul (t) -u)2)],
[0020] 其中，当分割的阈值为t时，wO为背景比例，uO为背景均值，wl为前景比例，ul为 前景均值，u为整幅图像的均值，使以上表达式值最大的t，即为分割该田间图像的最佳阈 值。
[0021] 上述的杂草定位喷除方法，其中，在所述步骤S103中所述7个不变矩特征值的计 算进一步包括：
[0022] S1031，采用离散情况下的不变矩，积分用求和代替，p+q(p、q为任意非负整数）阶 几何矩mpq定义为：
[0023]
( 1 ).
[0024] 式中f(x，y)为图像的灰度，X，y为图像坐标；
[0025] S1032,定义p+q阶中心矩为：
[0026]
、厶 J
[0027] 式中?，5是图像的重心坐标，其中J =
[0028] 归一化的中心距定义为：
[0029] npq = upq/u〇〇r r = (p+q) 2 p+q = 2, 3,......(3)
[0030] 采用满足平移、旋转、比例不变的p+q彡3的7个不变矩，其公式如下：
[0031] Φ ! = η 20+ Π 02
[0032] Φ2 = (n2〇- n〇2)2+4 nn2
[0033] Φ a = (η 30-3 η 12) 2+ (3 η 21- η 03)2
[ο034] Φ 4 = (η 3〇+ η 12) 2+ (η 2ι+ η 〇3)2
[ο035] Φ 5 = (η 3〇-3 η 12) (η 3〇+ η 12) [ (η 30+ η ?2) 2-3 (η 2ι+ η 03)2] + ⑷
[0036] (3 η 21- η 〇3) (η 21- η 〇3) [3 (η 30+ η 12)2- (η 21+ η 03)2]
[ο037] Φ 6 = (η 2〇- η 〇2) [ (η 30+ η 12) 2-3 (η 21+ η 03)2] +4 η η (η 30+ η 12) (η 21+ η 〇3)
[0038] φ 7 = (3 n 2「n 03) ( n 30+ n 12) [ ( n 30+ n 12) 2_3 ( n 21+ η 03)2]-
[0039] (η 3〇-3 η 12) (η 21+ η 〇3) [3 (η 30+ η 12)2- (η 21+ η 03)2]
[0040] 通过⑶与⑷式计算出满足平移、旋转不变的新的不变矩；以及
[0041] S1033,扩展HU不变矩
[0042] 实际采用的不变矩为：
[0043] Ik = log10| <i)k| (k = 1，2,…，7) (5)
[0044] 关于同一物体的两幅在对比度、比例、位置和旋转上都有差别的图像AUy)和 f2(x'，y'），其相互关系可用下式表示：
[0045] f1(x/ ,y/ )=kf2(x,y) (66)
[0046]
[0047] 其中，k是对比度变化因子，C是比例变化因子，Θ是旋转角，（a，b)分别是x方向 和y方向上的位移，使用式（4)，分别对f^iy)和&(1'， 7'）计算出七个度量值，并使用变 换公式（5)，进行变换组合后，得出一组具有对比度、比例、平移和旋转不变性的扩展HU不 变矩：
[0048]
)
[0049] 将β2, β3, β4, β5, 06作为作物的不变性特征，计算出所述n*n模板的7个不 变矩特征值。
[0050] 上述的杂草定位喷除方法，其中，所述步骤S104中，进一步包括：
[0051] S1041，在实时采集的所述田间图像中提取出具有代表性的单独叶片，利用所述公 式（7)计算该单独叶片的7个HU不变矩特征值并作为该田间作物的HU不变矩值预存；以 及
[0052] S1042,采用最临近分类器法进行匹配，将预存的该田间作物的HU不变矩值与步 骤S103计算的n*n模板的7个不变矩特征值通过公式（8)进行计算：
[0053]
(8)
[0054] 其中，d (X，Y)为两个点X = (Xu x2, . . .，xn)和Y =匕，y2, . . .，yn)的欧几里德距 离，X，Y分别代表n维空间的一个点。
[0055] 为了更好地实现上述目的，本发明还提供了一种杂草定位喷除系统，用于农作物 的田间杂草定位及喷除，其中，包括：
[0056] 杂草定位装置，包括壳体及安装在所述壳体内的图像采集模块、喷头控制板和数 据处理模块，所述图像采集模块与所述数据处理模块连接，所述