目前，田間雜草的識(shí)別方法主要有3種：人工識(shí)別法、遙感識(shí)別法和基于機(jī)器視覺的識(shí)別法，其中，人工識(shí)別法是世界上大多數(shù)國(guó)家和地區(qū)普遍沿用的方法，是區(qū)分作物和土壤背景的方法，但既費(fèi)時(shí)又費(fèi)力、效率低下、勞動(dòng)強(qiáng)度大、依賴人工主體的經(jīng)驗(yàn)與知識(shí)，在大面積雜草苗情觀測(cè)上，人工識(shí)別是無能為力的。遙感識(shí)別法則克服了人工監(jiān)測(cè)的諸多弊端，可以在短時(shí)間內(nèi)獲得作物大范圍的圖像，自動(dòng)識(shí)別田間雜草。

但是，由于遙感圖像的空間和光譜分辨率較低，該方法只能識(shí)別那些個(gè)體尺寸大、密度大的雜草，致使雜草識(shí)別率較低。這種人工監(jiān)測(cè)和自動(dòng)但粗略的遙感監(jiān)測(cè)手段無法滿足數(shù)字農(nóng)業(yè)中田間雜草的精確定位控制要求因此，能精確、客觀、白動(dòng)識(shí)別田間雜草的基于機(jī)器視覺的識(shí)別技術(shù)成為該領(lǐng)域的主攻方向。

本篇文章是用國(guó)產(chǎn)替換的多光譜成像儀獲得的數(shù)字圖片，通過目標(biāo)分割與形態(tài)學(xué)處理，將植物從土壤背景中分離出來，利用圖形分析方法,識(shí)別出豆苗和2種雜草。該方法兼顧了田間處理中時(shí)間要求和正確率的要求，由于采用多光譜成像儀，對(duì)圖像質(zhì)量要求不高，基本符合實(shí)際作業(yè)的工作條件。而且對(duì)于需要識(shí)別目標(biāo)的實(shí)際面積大小沒有限制，算法簡(jiǎn)單，能夠以此為依據(jù)開發(fā)自適應(yīng)的算法。

實(shí)驗(yàn)波段范圍

400-1000nm，如550nm綠光、650nm紅光、800nm近紅外

國(guó)產(chǎn)替換多光譜相機(jī)推薦：

室內(nèi)：MAX-G800或者M(jìn)AX-G400

● 8路/4路通道，可采集更多光譜信息

● 多種光譜波段選擇，提供強(qiáng)大數(shù)據(jù)基礎(chǔ)

● 支持多光譜+彩色RGB同時(shí)成像

● 1440 * 1080高清圖像分辨率

● 實(shí)時(shí)圖傳，實(shí)時(shí)查看計(jì)算結(jié)果，異常狀況一目了然

● 支持無人機(jī)（固定翼、旋翼等）飛行平臺(tái)集成

● 高精度輻射定標(biāo)搭配環(huán)境光輻射實(shí)時(shí)校正，光譜數(shù)據(jù)獲取更精準(zhǔn)

室外：SVC多光譜云臺(tái)攝像機(jī)

● 單鏡頭設(shè)計(jì)，簡(jiǎn)化結(jié)構(gòu)提升圖像分辨率，

● 提供5個(gè)專用光譜+1個(gè)RGB通道，覆蓋農(nóng)林業(yè)關(guān)鍵波段

● 配備高速云臺(tái)支持PTZ功能，360°旋轉(zhuǎn)、俯仰及光學(xué)變倍能力

● 內(nèi)置防雷/電壓瞬變保護(hù)，可工作在24小時(shí)野外無人環(huán)境下

● 光譜融合+AI算法，前置邊緣計(jì)算和監(jiān)測(cè)模型算法

● 內(nèi)置0NVIF協(xié)議，可與主流圖像監(jiān)控平臺(tái)對(duì)接

分析軟件：IrisCube 光譜分析軟件

● 內(nèi)置多種光譜處理算法

● 光譜曲線分析

● 光譜圖像處理

● 分析成果展示

采用閾值的圖像分割方法

本文利用基于閾值的圖像分割方法:為了確定合適的閾值,首先比較多光譜成像儀的3個(gè)通道圖像的灰度直方圖,直方圖能給出各個(gè)灰度級(jí)在圖像中所占的比例.圖像分割的目的在于將圖像中的前景從背景中提取出來,而前景與背景的灰度值若有較大差異，直方圖上會(huì)出現(xiàn)一個(gè)谷底值,它對(duì)應(yīng)的灰度值作為閾值,就可以將目標(biāo)從背景中提取出來。

根據(jù)上述葉片形狀識(shí)別規(guī)則，對(duì)本圖的147 個(gè)目標(biāo)進(jìn)行識(shí)別,僅有 14 個(gè)目標(biāo)被誤判，對(duì)2種雜草的有效識(shí)別率為90.5%。而且這種圖像處理方法不需要專用圖像處理軟件，用Matlab 編程就可以方便實(shí)現(xiàn)，非常適用于機(jī)器對(duì)雜草的實(shí)時(shí)快速識(shí)別，其有效識(shí)別率與其他可實(shí)時(shí)識(shí)別的方法相比較高。但是，這種方法也有不足之處，它沒有考慮葉片的遮擋問題，使得這種方法在識(shí)別葉片生長(zhǎng)較多，相互遮擋嚴(yán)重時(shí)，準(zhǔn)確率下降。14個(gè)誤判目標(biāo)中大多數(shù)屬于這種情況。根據(jù)以往的研究，沒有一種方法能夠準(zhǔn)確、實(shí)用地解決這個(gè)問題，而是必須結(jié)合其他的技術(shù)，如光譜識(shí)別、顏色、紋理信息等。但是，作為作物生長(zhǎng)早期與雜草分布情況的識(shí)別，本文提出的方法非常簡(jiǎn)單、實(shí)用和快速。

結(jié)論

在研究的 147 個(gè)目標(biāo)中,僅有 14 個(gè)目標(biāo)被誤判。因此，本文為苗期作物和雜草的識(shí)別提供了一種簡(jiǎn)單實(shí)用的新方法，為機(jī)器快速實(shí)時(shí)識(shí)別提供了新途徑。

參考文獻(xiàn)：《應(yīng)用多光譜數(shù)字圖像識(shí)別苗期作物與雜草》 朱登勝 ，邵詠妮，潘家志，何 勇