在复杂的甘田中提取交叉生长阶段幼苗的像素智能导航线提取,并扩展到玉米和大米
Hongwei Li1,2, Xindong Lai1, Yongmei Mo1
1School of Mechanical Engineering, Guangxi University, Nanning, China.
Frontiers in plant science
|February 14, 2025
概括
一个新的可通用算法使用经典图像处理提取作物苗木导航线. 这种方法可以提高农业机械在各种作物和生长阶段的自主导航,并具有高精度.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 智能农业中的自主导航依赖于准确的作物种苗线提取.
- 现有的方法缺乏通用性,通常仅限于特定的作物和生长阶段.
- 复杂的田间条件与混合作物生长阶段带来了重大挑战.
研究的目的:
- 开发一种可通用的算法,用于提取作物幼苗的导航线.
- 在复杂的,跨增长阶段的条件下解决现有方法的局限性.
- 为智能农业中自主视觉导航提供强大的解决方案.
主要方法:
- 使用经典的图像处理技术来提取导航线.
- 实现了图像预处理,最佳区域检测和线性拟合.
- 应用的打开操作,八连接的组件过,和像素选择的Sigmoid值.
主要成果:
- 在甘,玉米和大米数据集中实现了高精度和稳定性.
- 在各种现场环境和增长阶段展示了概括能力.
- 报告的平均误差角度 (MEA) 从0.844°到2.96°,根平均平方误差 (RMSE) 从1.249°到4.65°,平均相对误差 (MRE) 从1.008%到3.47%.
结论:
- 拟议的算法比传统的视觉导航线提取方法有了显著的进步.
- 它为基于图像处理的经典视觉导航系统提供了可靠的理论基础.
- 该算法的通用性和准确性支持其在智能农业机械中的应用.


