基于HOG特征和SVM的棉花行数动态计数方法

TP391.41; 正确地进行棉花行数的动态计数是保证视觉植保车在田端横移过程中实现准确定位的前提.该研究以植保期间的棉花作物为研究对象,提出通过方向梯度直方图(Histogram of Oriented Gradient,HOG)和支持向量机(Support Vector Machine,SVM)实现棉田的棉花行动态计数方法.为了减少棉花行之间的粘连,以及缺苗和倒伏对棉花行识别造成的影响,设置图像的感兴趣区域(Region of Interest,ROI);为了减小相机抖动、光照变化以及刮风对动态数行造成的影响,使用HOG-SVM模型在视频序列图像ROI区域内窗口滑动检测,将棉花行和行间背景...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 36; no. 15; pp. 173 - 181
Main Authors 梁习卉子, 陈兵旗, 李民赞, 魏超杰, 冯杰
Format Journal Article
LanguageChinese
Published 中国农业大学工学院,北京 100083 01.08.2020
石河子大学机械电气工程学院,石河子 832003%中国农业大学工学院,北京 100083%中国农业大学现代精细农业系统集成研究教育部重点实验室,北京 100083
Subjects
HOG特征
机器视觉
识别
棉花
NCC模板匹配
苗列行计数
SVM分类器
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2020.15.022

Cover

More Information
Summary:TP391.41; 正确地进行棉花行数的动态计数是保证视觉植保车在田端横移过程中实现准确定位的前提.该研究以植保期间的棉花作物为研究对象,提出通过方向梯度直方图(Histogram of Oriented Gradient,HOG)和支持向量机(Support Vector Machine,SVM)实现棉田的棉花行动态计数方法.为了减少棉花行之间的粘连,以及缺苗和倒伏对棉花行识别造成的影响,设置图像的感兴趣区域(Region of Interest,ROI);为了减小相机抖动、光照变化以及刮风对动态数行造成的影响,使用HOG-SVM模型在视频序列图像ROI区域内窗口滑动检测,将棉花行和行间背景分别设置正、负样本,通过提取二者HOG特征、多次训练获得SVM分类器参数,固化HOG-SVM模型,再使用非极大值抑制(Non-Maximum Suppression,NMS)进行窗口的归一,通过归一化互相关(Normalized Cross Correlation,NCC)模板匹配实现棉花行的动态跟踪和计数.结果表明,该方法可以准确地对棉花行实现动态计数,有很好的泛化能力,识别率高于90％,平均每帧检测时间为32 ms,满足实际田间作业要求,可作为视觉植保车在地头横移的距离依据.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2020.15.022