箱0第5用 农业工程学报 onsof the CSA 基于机器视觉的田间杂草识别技术研究进展 毛文华，王一鸣，张小超，王月青 (中国农业大学信息与电气工程学院，北京 00083 中国农业机械化科学研究院，北京100083) 环境的关健所在针对国内外在精细农业的杂草识别额全面 关键词杂草识别机器视觉研究进展 中图分类号TY39L41 文就标识码A 文意编号.1002-68192004)05-0043-04 0引言 征、多光谱特征和颜色特征 杂草对作物的生长有极大的危害，应及时加以控 伏特征识别田间杂草的技术 制，以保证作物的产量和质量。在诸多的杂草防除方法 中，化学除草法由于其高效的除草能力而备受广大农民 形状是识别植物的重要信息来源。单 的青睐已成为主要的除草方式但是 学除草剂的衡 为粗放式 喷 作物 叶植物（如小麦水楫、玉米等农作物）叶片狭小且竖 了浪费 还造成了潜 Z,双子叶植物（如藜、觅等杂草）叶片宽大且横展。因 此.可以利用植物叶片的形状差异进行识别。 的生态环境危害。如果对田地进行变量喷洒（或有选 L12形状特征参数 性的喷洒)，即仅在杂草滋生区施加除草剂或对整个地 形状特征参数没有统一的定义只要能充分反映物 块施加小剂量的除草剂而对杂草部分施加正常剂量的 除草剂就能显减少除草剂的伸用量】。要实现变量 体的形状，或者能有效区分物体之间的形状差异，并且 能方便、快速获取的参数都可作为形状特征参数。因此 喷酒除草剂技术首要问题就是如何准确、智能的检测 形状描述的途径很多，可直接对区域、边缘作出描述，也 田间杂草分布信息即将杂草滋生区分割出来并确定 田间杂草的特征（位置、密度或种类等） 可以对能代表物体形状的其它线（或图形）进行描述，甚 田间杂草的识别方法主要有3种：人工识别法遥 一些特征参数系列 感识 和基于机器觉的识别法 人单个 方法 该方法 体的经验与知识 持征包括面积 长度 根据这 的组合，可以提 一些 人工识别是无能为力的。遥 量的形状特征参数.如：分散度(Com pactness)、圆店 感识别法则克服了人工监测的诸多弊端，利用遥感系统 提供的空间和光谱信总自动识别田间杂草。但是，由于 Roundness)、伸长度(Elongaton、叶状(Lobaton 等。矩特征是指利用力学中矩的概念.将图形内部的像 遥成图俊的空间和光谱分罐率较低该方法只能识别理 索作为质心，像素的坐标作为力肾，从而以各阶矩的形 些个体尺寸大、密度大的杂草致使杂草识别率较低。这 式来表示图形的形状特征的一种矩描绘子。常用的矩装 种半自动的、主观的人工监测和自动但粗略的遥感监测 正有质心，Pmn)(Centroid、等被猪圆的长轴MAX 手段无法满足“数字农业”中田间杂草的精确定位控制 raiS)和短轴M N M inor axis)、环度Cir、朝向 4r (A spect ratp)、中心矩Mc(Da)等 1L3研究状况 1基于机器视觉的田间杂草识别技术 是在1986年，Guy 等人就研究了利用叶片的形 长度、中心 主轴矩)识别不 植物本身的 些特性 识别，如 T行性并 19年开 了基 物形状特征的知识库。 Woebbeck 人 用整株 物冠层的形状特征参数（圆度、朝向比周长厚度、伸： 度和初始不变中心矩)，识别了2种单子叶杂草和8利 双子叶杂草，结果发现：在出苗1~23d之间，运用形 状特征因子区分单子叶植物和双子叶植物的效果最好 中田农业 分类准确率为60%~80%，识别这些植物最好的形状 特征是朝向比和初始不变中心矩l。Yonekaw a等人对 1995-2005 Tsinghua Tongfang Oplical Dise Co.Lid.All rights reserved 第 20 卷 第 5 期 2004 年 9 月 农 业 工 程 学 报 T ransactions of the CSA E V o l. 20 N o. 5 Sep t. 2004 基于机器视觉的田间杂草识别技术研究进展 毛文华1 , 王一鸣1※ , 张小超2 , 王月青1 (1. 中国农业大学信息与电气工程学院, 北京 100083; 2. 中国农业机械化科学研究院, 北京 100083) 摘 要: 田间杂草识别技术是实现变量喷洒除草剂以保护环境的关键所在。针对国内外在精细农业的杂草识别领域, 全面、 系统地分析了基于机器视觉的田间杂草识别技术的研究进展与应用状况, 以促进该项技术在中国的应用和发展。分别阐述 了利用植物和背景形状特征、纹理特征、颜色特征和多光谱特征识别田间杂草技术的理论依据、特征参数、研究状况和问题 所在, 并指出了实现田间实时识别的难点。 关键词: 杂草识别; 机器视觉; 研究进展 中图分类号: T Y391. 41 文献标识码: A 文章编号: 100226819 (2004) 0520043204 收稿日期: 2002211205 修订日期: 2004204205 基 金 项 目: 国 家“863”高 新 技 术 发 展 计 划 基 金 资 助 项 目 (2001AA 245012) 作者简介: 毛文华(1974- ) , 博士生, 讲师, 北京 中国农业大学信 息与电气工程学院, 100083。Em ail: mw h2924@ 163. com ※通讯作者: 王一鸣(1940- ) , 博士生导师, 教授, 北京 中国农业 大学信息与电气工程学院, 100083。Em ail: ymw ang@ 263. net 0 引 言 杂草对作物的生长有极大的危害, 应及时加以控 制, 以保证作物的产量和质量。在诸多的杂草防除方法 中, 化学除草法由于其高效的除草能力而备受广大农民 的青睐, 已成为主要的除草方式。但是, 化学除草剂的使 用方式普遍为粗放式的大面积喷洒, 喷洒到作物和土壤 等无杂草区域的除草剂不仅造成了浪费, 还造成了潜在 的生态环境危害。如果对田地进行变量喷洒(或有选择 性的喷洒) , 即仅在杂草滋生区施加除草剂, 或对整个地 块施加小剂量的除草剂而对杂草部分施加正常剂量的 除草剂, 就能显著减少除草剂的使用量[ 1 ]。要实现变量 喷洒除草剂技术, 首要问题就是如何准确、智能的检测 田间杂草分布信息, 即将杂草滋生区分割出来, 并确定 田间杂草的特征(位置、密度或种类等)。 田间杂草的识别方法主要有 3 种: 人工识别法、遥 感识别法和基于机器视觉的识别法。其中, 人工识别法 是世界上大多数国家和地区普遍沿用的方法, 该方法效 率低下、劳动强度大、完全依赖人工主体的经验与知识, 在大面积杂草苗情观测上, 人工识别是无能为力的。遥 感识别法则克服了人工监测的诸多弊端, 利用遥感系统 提供的空间和光谱信息自动识别田间杂草。但是, 由于 遥感图像的空间和光谱分辨率较低, 该方法只能识别那 些个体尺寸大、密度大的杂草, 致使杂草识别率较低。这 种半自动的、主观的人工监测和自动但粗略的遥感监测 手段无法满足“数字农业”中田间杂草的精确定位控制 要求, 因此, 能精确、客观、自动识别田间杂草的基于机 器视觉的识别技术成为该领域的主攻方向。 1 基于机器视觉的田间杂草识别技术 总体上, 基于机器视觉的田间杂草识别技术利用了 植物本身的一些特性进行识别, 如: 形状特征、纹理特 征、多光谱特征和颜色特征。 1. 1 利用形状特征识别田间杂草的技术 1. 1. 1 理论依据 植物叶片的形状是识别植物的重要信息来源。单子 叶植物和双子叶植物在叶片形状上有着显著差异: 单子 叶植物 (如: 小麦、水稻、玉米等农作物) 叶片狭小且竖 立, 双子叶植物(如: 藜、苋等杂草) 叶片宽大且横展。因 此, 可以利用植物叶片的形状差异进行识别。 1. 1. 2 形状特征参数 形状特征参数没有统一的定义, 只要能充分反映物 体的形状, 或者能有效区分物体之间的形状差异, 并且 能方便、快速获取的参数都可作为形状特征参数。因此, 形状描述的途径很多, 可直接对区域、边缘作出描述, 也 可以对能代表物体形状的其它线(或图形) 进行描述, 甚 至可以通过数学方法产生一些特征参数系列。 从单个叶片(或整株冠层) 中所提取主要形状特征 参数: 基本形状特征参数和矩特征参数两类。基本形状 特征包括面积A 、周长 P、长度L 、宽度W 等。根据这些 基本形状特征参数, 经过适当的组合, 可以提取一些无 量纲的形状特征参数, 如: 分散度 (Com pactness)、圆度 (Roundness)、伸长度 (E longation )、叶状 (L obation ) 等。矩特征是指利用力学中矩的概念, 将图形内部的像 素作为质心, 像素的坐标作为力臂, 从而以各阶矩的形 式来表示图形的形状特征的一种矩描绘子。常用的矩特 征有质心 C (m , n) (Cen tro id)、等效椭圆的长轴M A X (M ajo r ax is) 和短轴M IN (M ino r ax is)、环度 C ir、朝向 比A r (A spect ratio)、中心矩M c (p , q) 等。 1. 1. 3 研究状况 早在 1986 年, Guyer 等人就研究了利用叶片的形 状特征参数(复杂度、伸长度、中心矩和主轴矩) 识别不 同植物的可行性[ 2 ] , 并在 1993 年开发和构建了基于植 物形状特征的知识库[ 3 ]。W oebbecke 等人利用整株植 物冠层的形状特征参数(圆度、朝向比、周长ö厚度、伸长 度和初始不变中心矩) , 识别了 2 种单子叶杂草和 8 种 双子叶杂草, 结果发现: 在出苗 14～ 23 d 之间, 运用形 状特征因子区分单子叶植物和双子叶植物的效果最好, 分类准确率为 60%～ 80% , 识别这些植物最好的形状 特征是朝向比和初始不变中心矩[ 4 ]。Yonekaw a 等人对 34 © 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved