CN114241320A - 一种利用对比参照群落视觉识别山区茶园杂草的方法 - Google Patents

一种利用对比参照群落视觉识别山区茶园杂草的方法 Download PDF

Info

Publication number
CN114241320A
CN114241320A CN202111595189.XA CN202111595189A CN114241320A CN 114241320 A CN114241320 A CN 114241320A CN 202111595189 A CN202111595189 A CN 202111595189A CN 114241320 A CN114241320 A CN 114241320A
Authority
CN
China
Prior art keywords
area
image
pixel points
tea garden
white pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111595189.XA
Other languages
English (en)
Inventor
陈婉仪
吴丽芬
陈婉晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liuzhou Dongtianhu Agricultural Ecotourism Investment Co ltd
Original Assignee
Liuzhou Dongtianhu Agricultural Ecotourism Investment Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Liuzhou Dongtianhu Agricultural Ecotourism Investment Co ltd filed Critical Liuzhou Dongtianhu Agricultural Ecotourism Investment Co ltd
Priority to CN202111595189.XA priority Critical patent/CN114241320A/zh
Publication of CN114241320A publication Critical patent/CN114241320A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种利用对比参照群落视觉识别山区茶园杂草的方法,包括步骤一、山区茶园彩色图像的获取,步骤二、图像处理并获取参考群落位置,步骤三、彩色图像的灰度转化处理,步骤四、采用阈值分割法对灰度图像进行分割处理并获得分割结果,步骤五、根据分割结果的黑白像素点组成的斑马条纹为依据判断除草作业的实施;本发明利用无人机进行山区茶园杂草识别,判断指导是否需要进行除草作业,极大的降低日常茶园巡视的人力成本,同时采用图像获取时正对作业面的方法选取部分非茶树群落作为参考群落进行山区茶园杂草的识别,大大降低了光照图像判别造成的误差,判别精度更高。

Description

一种利用对比参照群落视觉识别山区茶园杂草的方法
技术领域
本发明涉及山区茶园管理技术领域,尤其涉及一种利用对比参照群落视觉识别山区茶园杂草的方法。
背景技术
杂草识别是精确农业的重要组成部分,山区茶园的杂草识别是实现茶园智慧种植的基础,引入多旋翼无人机拍摄低空近景图像是解决问题的有效方法,一方面可以大幅度提高生产效率,另一方面对人工劳动强度和劳动力的需求大为降低;
在多旋翼无人机拍摄的山区茶园图像中,由于受到山区茶园地形复杂的影响,无人机的拍摄角度无法得到保障,从而受到光照的影响特别明显,在山区茶园中,光照的影响提高了图像分割的难度,从而直接影响了后续杂草识别的精度,无法解决山区茶园巡航中无人机拍摄角度变化所引起的光线变化问题,因此,本发明提出一种利用对比参照群落视觉识别山区茶园杂草的方法以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种利用对比参照群落视觉识别山区茶园杂草的方法,该利用对比参照群落视觉识别山区茶园杂草的方法利用无人机进行山区茶园杂草识别,判断指导是否需要进行除草作业,极大的降低日常茶园巡视的人力成本,同时采用图像获取时正对作业面的方法选取部分非茶树群落作为参考群落进行山区茶园杂草的识别,大大降低了光照图像判别造成的误差,判别精度更高。
为实现本发明的目的,本发明通过以下技术方案实现:一种利用对比参照群落视觉识别山区茶园杂草的方法,包括以下步骤:
步骤一、先根据林权图标记所有参考群落的位置和山区等高线,再利用无人机低空飞行获取山区茶园的彩色图像,并根据获取图像的颜色亮度特征判断无人机获取图像时的太阳光照射角度信息;
步骤二、对获取的图像进行处理,然后根据太阳光照射角度信息,结合地面地理信息确定相应的参考群落位置;
步骤三、利用2G-R-B的特征值对获取的图片进行处理,将山区茶园的彩色图像转化为灰度图像;
步骤四、采用阈值分割法对转化后的灰度图像进行分割,灰度值大于阈值像素点为白色像素点,灰度值小于阈值像素点为黑色像素点,获得对应的分割结果;
步骤五、根据分割结果,以山区茶树所在的图像区域存在由黑白像素点组成的斑马条纹为依据判断除草作业的实施,并标记结果。
进一步改进在于:所述步骤一中无人机获取图像时操控无人机低空飞行并对着相对固定的一个区域获取图像,然后按照此方法将大面积的山区茶园分多次获取,再将多组图片拼接获得山区茶园完整高清晰度的彩色图像。
进一步改进在于:所述步骤二中图像处理和获得参考群落位置的具体操作方法包括
S1、获取图像后以图像的100万像素到150万像素作为横坐标和纵坐标中心点,截取一个50×50像素范围的区域作为中心区域;
S2、在山区茶园地图中读取选取的中心区域位置的海拔,同时在地图上读取东南西北四个方向相邻区域的海拔,再在图像中截取中心区域上下左右四个方向相邻区域的像素;
S3、将选取的相邻区域像素的平均亮度值与中心区域平均亮度值做对比,获取亮度值的差值,以差值最小的相邻区域方向上离中心区域距离最近的参考群落作为该图像分隔的参考群落。
进一步改进在于:所述步骤四中图像分割时,以参考群落分隔为植被作为阈值选取的标准,将分割结果中参考区域白色像素点表示植被,参考区域黑色像素点表示植被背景。
进一步改进在于:所述步骤四中阈值从全图均为白色像素点为最小值开始逐渐增加,直至参考群落区域的80%-90%像素点为白色像素点时停止,并以该阈值为分隔阈值获得对应的分割结果。
进一步改进在于:所述步骤五中具体判断方法包括
S1、对地图中标定好的茶园区域统计白色像素点的个数,当白色像素点个数超过区域内像素点总个数的80%时,判定为没有斑马条纹;
S2、当白色像素点个数没有超过区域内像素点总个数的80%时,按上下左右四个方向将茶园区域分为四个部分,在分别统计白色像素点的个数,白色像素点个数超过区域内像素点总个数的80%时,判定为没有斑马条纹;
S3、判断区域大小,当区域上下距离小于100-500个像素点时,判定为有斑马条纹,反之重复S2-S3操作;
S4、判定为没有斑马条纹的区域标定为需要除草,判定为有斑马条纹的区域标定为无需除草。
进一步改进在于:所述步骤五得到判断结果并实施除草作业后,再次利用步骤一到步骤五的操作进行二次判定,同时根据图像黑白像素点的比值对实施除草作业人员的工作态度做出评价。
本发明的有益效果为:本发明利用无人机进行山区茶园杂草识别,判断指导是否需要进行除草作业,极大的降低日常茶园巡视的人力成本,同时采用图像获取时正对作业面的方法选取部分非茶树群落作为参考群落进行山区茶园杂草的识别,大大降低了光照图像判别造成的误差,判别精度更高,适合推广。
附图说明
图1为本发明实施例流程图。
图2为本发明实施例获取的无需除草的山地图。
图3为本发明实施例获取的需要除草的山地图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
实施例一
根据图1、图2和图3所示,本实施例提供了一种利用对比参照群落视觉识别山区茶园杂草的方法,包括以下步骤:
步骤一、先根据林权图标记所有参考群落的位置和山区等高线,再利用无人机低空飞行并对着相对固定的一个区域获取图像,然后按照此方法将大面积的山区茶园分多次获取,再将多组图片拼接获得山区茶园完整高清晰度的彩色图像,并根据获取图像的颜色亮度特征判断无人机获取图像时的太阳光照射角度信息;
步骤二、对获取的图像进行处理,然后根据太阳光照射角度信息,结合地面地理信息确定相应的参考群落位置,具体操作方法包括:
S1、获取图像后以图像的100万像素到150万像素作为横坐标和纵坐标中心点,截取一个50×50像素范围的区域作为中心区域;
S2、在山区茶园地图中读取选取的中心区域位置的海拔,同时在地图上读取东南西北四个方向相邻区域的海拔,再在图像中截取中心区域上下左右四个方向相邻区域的像素;
S3、将选取的相邻区域像素的平均亮度值与中心区域平均亮度值做对比,获取亮度值的差值,以差值最小的相邻区域方向上离中心区域距离最近的参考群落作为该图像分隔的参考群落;
步骤三、利用2G-R-B的特征值对获取的图片进行处理,将山区茶园的彩色图像转化为灰度图像;
步骤四、采用阈值分割法对转化后的灰度图像进行分割,灰度值大于阈值像素点为白色像素点,灰度值小于阈值像素点为黑色像素点,获得对应的分割结果,图像分割时以参考群落分隔为植被作为阈值选取的标准,将分割结果中参考区域白色像素点表示植被,参考区域黑色像素点表示植被背景;
其中阈值从全图均为白色像素点为最小值开始逐渐增加,直至参考群落区域的80%像素点为白色像素点时停止,并以该阈值为分隔阈值获得对应的分割结果;
步骤五、根据分割结果,以山区茶树所在的图像区域存在由黑白像素点组成的斑马条纹为依据判断除草作业的实施,并标记结果,具体判断方法包括:
S1、对地图中标定好的茶园区域统计白色像素点的个数,当白色像素点个数超过区域内像素点总个数的80%时,判定为没有斑马条纹;
S2、当白色像素点个数没有超过区域内像素点总个数的80%时,按上下左右四个方向将茶园区域分为四个部分,在分别统计白色像素点的个数,白色像素点个数超过区域内像素点总个数的80%时,判定为没有斑马条纹;
S3、判断区域大小,当区域上下距离小于100-500个像素点时,判定为有斑马条纹,反之重复S2-S3操作;
S4、判定为没有斑马条纹的区域标定为需要除草,判定为有斑马条纹的区域标定为无需除草。
在得到判断结果并实施除草作业后,再次利用步骤一到步骤五的操作进行二次判定,同时根据图像黑白像素点的比值对实施除草作业人员的工作态度做出评价。
实施例二
根据图1、图2和图3所示,本实施例提供了一种利用对比参照群落视觉识别山区茶园杂草的方法,包括以下步骤:
步骤一、先根据林权图标记所有参考群落的位置和山区等高线,再利用无人机低空飞行并对着相对固定的一个区域获取图像,然后按照此方法将大面积的山区茶园分多次获取,再将多组图片拼接获得山区茶园完整高清晰度的彩色图像,并根据获取图像的颜色亮度特征判断无人机获取图像时的太阳光照射角度信息;
步骤二、对获取的图像进行处理,然后根据太阳光照射角度信息,结合地面地理信息确定相应的参考群落位置,具体操作方法包括:
S1、获取图像后以图像的100万像素到150万像素作为横坐标和纵坐标中心点,截取一个40×40像素范围的区域作为中心区域;
S2、在山区茶园地图中读取选取的中心区域位置的海拔,同时在地图上读取东南西北四个方向相邻区域的海拔,再在图像中截取中心区域上下左右四个方向相邻区域的像素;
S3、将选取的相邻区域像素的平均亮度值与中心区域平均亮度值做对比,获取亮度值的差值,以差值最小的相邻区域方向上离中心区域距离最近的参考群落作为该图像分隔的参考群落;
步骤三、利用2G-R-B的特征值对获取的图片进行处理,将山区茶园的彩色图像转化为灰度图像;
步骤四、采用阈值分割法对转化后的灰度图像进行分割,灰度值大于阈值像素点为白色像素点,灰度值小于阈值像素点为黑色像素点,获得对应的分割结果,图像分割时以参考群落分隔为植被作为阈值选取的标准,将分割结果中参考区域白色像素点表示植被,参考区域黑色像素点表示植被背景;
其中阈值从全图均为白色像素点为最小值开始逐渐增加,直至参考群落区域的90%像素点为白色像素点时停止,并以该阈值为分隔阈值获得对应的分割结果;
步骤五、根据分割结果,以山区茶树所在的图像区域存在由黑白像素点组成的斑马条纹为依据判断除草作业的实施,并标记结果,具体判断方法包括:
S1、对地图中标定好的茶园区域统计白色像素点的个数,当白色像素点个数超过区域内像素点总个数的80%时,判定为没有斑马条纹;
S2、当白色像素点个数没有超过区域内像素点总个数的80%时,按上下左右四个方向将茶园区域分为四个部分,在分别统计白色像素点的个数,白色像素点个数超过区域内像素点总个数的80%时,判定为没有斑马条纹;
S3、判断区域大小,当区域上下距离小于100-500个像素点时,判定为有斑马条纹,反之重复S2-S3操作;
S4、判定为没有斑马条纹的区域标定为需要除草,判定为有斑马条纹的区域标定为无需除草。
在得到判断结果并实施除草作业后,再次利用步骤一到步骤五的操作进行二次判定,同时根据图像黑白像素点的比值对实施除草作业人员的工作态度做出评价。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种利用对比参照群落视觉识别山区茶园杂草的方法,其特征在于包括以下步骤:
步骤一、先根据林权图标记所有参考群落的位置和山区等高线,再利用无人机低空飞行获取山区茶园的彩色图像,并根据获取图像的颜色亮度特征判断无人机获取图像时的太阳光照射角度信息;
步骤二、对获取的图像进行处理,然后根据太阳光照射角度信息,结合地面地理信息确定相应的参考群落位置;
步骤三、利用2G-R-B的特征值对获取的图片进行处理,将山区茶园的彩色图像转化为灰度图像;
步骤四、采用阈值分割法对转化后的灰度图像进行分割,灰度值大于阈值像素点为白色像素点,灰度值小于阈值像素点为黑色像素点,获得对应的分割结果;
步骤五、根据分割结果,以山区茶树所在的图像区域存在由黑白像素点组成的斑马条纹为依据判断除草作业的实施,并标记结果。
2.根据权利要求1所述的一种利用对比参照群落视觉识别山区茶园杂草的方法,其特征在于:所述步骤一中无人机获取图像时操控无人机低空飞行并对着相对固定的一个区域获取图像,然后按照此方法将大面积的山区茶园分多次获取,再将多组图片拼接获得山区茶园完整高清晰度的彩色图像。
3.根据权利要求1所述的一种利用对比参照群落视觉识别山区茶园杂草的方法,其特征在于所述步骤二中图像处理和获得参考群落位置的具体操作方法包括:
S1、获取图像后以图像的100万像素到150万像素作为横坐标和纵坐标中心点,截取一个50×50像素范围的区域作为中心区域;
S2、在山区茶园地图中读取选取的中心区域位置的海拔,同时在地图上读取东南西北四个方向相邻区域的海拔,再在图像中截取中心区域上下左右四个方向相邻区域的像素;
S3、将选取的相邻区域像素的平均亮度值与中心区域平均亮度值做对比,获取亮度值的差值,以差值最小的相邻区域方向上离中心区域距离最近的参考群落作为该图像分隔的参考群落。
4.根据权利要求1所述的一种利用对比参照群落视觉识别山区茶园杂草的方法,其特征在于:所述步骤四中图像分割时,以参考群落分隔为植被作为阈值选取的标准,将分割结果中参考区域白色像素点表示植被,参考区域黑色像素点表示植被背景。
5.根据权利要求1所述的一种利用对比参照群落视觉识别山区茶园杂草的方法,其特征在于:所述步骤四中阈值从全图均为白色像素点为最小值开始逐渐增加,直至参考群落区域的80%-90%像素点为白色像素点时停止,并以该阈值为分隔阈值获得对应的分割结果。
6.根据权利要求1所述的一种利用对比参照群落视觉识别山区茶园杂草的方法,其特征在于所述步骤五中具体判断方法包括:
S1、对地图中标定好的茶园区域统计白色像素点的个数,当白色像素点个数超过区域内像素点总个数的80%时,判定为没有斑马条纹;
S2、当白色像素点个数没有超过区域内像素点总个数的80%时,按上下左右四个方向将茶园区域分为四个部分,在分别统计白色像素点的个数,白色像素点个数超过区域内像素点总个数的80%时,判定为没有斑马条纹;
S3、判断区域大小,当区域上下距离小于100-500个像素点时,判定为有斑马条纹,反之重复S2-S3操作;
S4、判定为没有斑马条纹的区域标定为需要除草,判定为有斑马条纹的区域标定为无需除草。
7.根据权利要求1所述的一种利用对比参照群落视觉识别山区茶园杂草的方法,其特征在于:所述步骤五得到判断结果并实施除草作业后,再次利用步骤一到步骤五的操作进行二次判定,同时根据图像黑白像素点的比值对实施除草作业人员的工作态度做出评价。
CN202111595189.XA 2021-12-24 2021-12-24 一种利用对比参照群落视觉识别山区茶园杂草的方法 Pending CN114241320A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111595189.XA CN114241320A (zh) 2021-12-24 2021-12-24 一种利用对比参照群落视觉识别山区茶园杂草的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111595189.XA CN114241320A (zh) 2021-12-24 2021-12-24 一种利用对比参照群落视觉识别山区茶园杂草的方法

Publications (1)

Publication Number Publication Date
CN114241320A true CN114241320A (zh) 2022-03-25

Family

ID=80762335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111595189.XA Pending CN114241320A (zh) 2021-12-24 2021-12-24 一种利用对比参照群落视觉识别山区茶园杂草的方法

Country Status (1)

Country Link
CN (1) CN114241320A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363390A (zh) * 2023-05-25 2023-06-30 之江实验室 一种红外弱小目标检测方法、装置、存储介质及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363390A (zh) * 2023-05-25 2023-06-30 之江实验室 一种红外弱小目标检测方法、装置、存储介质及电子设备
CN116363390B (zh) * 2023-05-25 2023-09-19 之江实验室 一种红外弱小目标检测方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
CN108009542B (zh) 油菜大田环境下杂草图像分割方法
WO2022016563A1 (zh) 一种植保无人机地面监控系统及其监控方法
Kavzoglu et al. Parameter-based performance analysis of object-based image analysis using aerial and Quikbird-2 images
CN111340826B (zh) 基于超像素与拓扑特征的航拍图像单株树冠分割算法
Xu et al. Classification method of cultivated land based on UAV visible light remote sensing
JP4747122B2 (ja) 特定領域自動抽出システム、特定領域自動抽出方法、および、プログラム
CN106875407B (zh) 一种结合形态学和标记控制的无人机影像林冠分割方法
Li et al. Individual tree delineation in windbreaks using airborne-laser-scanning data and unmanned aerial vehicle stereo images
CN113011266B (zh) 一种天空地一体化松材线虫病疫情遥感监测方法
CN114241320A (zh) 一种利用对比参照群落视觉识别山区茶园杂草的方法
CN113486975A (zh) 遥感图像的地物分类方法、装置、设备及存储介质
CN115641412A (zh) 基于高光谱数据的三维语义地图的生成方法
CN112686086A (zh) 一种基于光学-sar协同响应的作物分类方法
CN112465699A (zh) 一种基于云检测的遥感影像拼接方法
CN117152634B (zh) 基于色度指数的多源卫星影像浮水植物识别方法和系统
CN116721385A (zh) 一种基于机器学习的rgb摄像头数据蓝藻水华监测方法
CN116486267A (zh) 一种基于无人机航拍图像的大面积竹林计数方法
CN115019190B (zh) 基于航空遥感平台的地形破碎区复杂地类信息提取方法
Yuan et al. Research on vegetation information extraction from visible UAV remote sensing images
CN116383424A (zh) 一种用于分类全日面图像中太阳黑子群的方法及系统
CN114627064A (zh) 一种基于二维图像的稀疏植被区域化提取方法
Pratiwia et al. Mangrove ecosystem segmentation from drone images using otsu method
CN114821370A (zh) 基于无人机影像与U-Net的单木树冠检测与分割方法
CN114565854A (zh) 一种智能图像识别云状系统及方法
CN109948543B (zh) 一种田间近景图像的导航线提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination