利用機器視覺防治草莓苗期雜草的研究

草莓富含多種營養(yǎng)元素，是一種重要的水果。隨著我國種植結構的調(diào)整，草莓種植面積逐年擴大。由于草莓基肥施用量大、需水多，雜草生長茂盛。另外草莓植株低矮，種植密度大，除草困難。據(jù)研究，雜草危害可使草莓減產(chǎn)15%～20%，因此草害防治成為草莓生產(chǎn)中的主要工作。草莓田間除草可通過人工除草，覆膜壓草，輪作換茬等綜合措施進行。James等2002年指出通過輪作、混作可以減少草莓雜草[1]。Haar等 2003年研究了在草莓移栽前使用熏蒸劑三氯硝基甲烷的雜草防治效果[2]。這些措施都減少了雜草的危害，但是現(xiàn)階段草莓苗期雜草的防治還是離不開化學防治。除草劑對草莓的質(zhì)量和產(chǎn)量都會產(chǎn)生極大的影響，特別是無公害草莓生產(chǎn)要求的提出，使得對通過除草劑防治的要求進一步提高。而人工除草工作量大，由于我國人口老齡化、農(nóng)村人口城鎮(zhèn)化，這一方法也面臨挑戰(zhàn)。近年來，利用機器視覺，通過分析田間圖像、自動控制噴頭、智能噴灑除草劑已成為現(xiàn)代農(nóng)業(yè)中雜草防治的主要方向。因此使用機器視覺防治草莓雜草是降低農(nóng)藥污染、增加產(chǎn)量、減少人工的重要途徑。

　　1 草莓苗期雜草的防治策略

　　現(xiàn)有利用機器視覺識別雜草的算法中，主要是以形狀特征為識別特征。Onyango等2003年通過形狀特征識別作物和雜草，實驗中識別率分別達到82%～92%和68%～92%[3]。Aitkenhead等2003年使用人工神經(jīng)網(wǎng)絡對形狀特征進行研究，對胡蘿卜幼苗與黑麥草和藜的識別率超過 75%[4]。S?gaard2005年利用形狀模板進行雜草識別達到65%～90%以上的識別率[5]。得到識別結果后，現(xiàn)有相關研究一般是將一幅圖像分成若干子區(qū)域，根據(jù)子區(qū)域中雜草的情況噴灑除草劑。2002年田磊開發(fā)除草劑精確噴灑系統(tǒng)時使用多個噴頭排成一列，行進中每個噴頭負責一個子區(qū)域 [6]。2003年Gillis等開發(fā)自動除草設備時，將目標區(qū)域分為15cm×15cm的子區(qū)域，每個區(qū)域中心設置一個噴頭[7]。通過這樣的操作，實現(xiàn)盡量把除草劑噴在雜草上，在作物、土壤上少噴甚至不噴除草劑。

　　草莓雜草防治中，由于除草劑對草莓的生長影響很大，首先要求除草劑盡量不噴灑到草莓上。但是在苗期，雜草剛剛出現(xiàn)的時候，雜草植株小不易識別; 另一方面，使用現(xiàn)有的識別方法識別率無法達到100%，存在將草莓識別為雜草的情況。所以使用傳統(tǒng)的識別策略噴灑除草劑容易傷害草莓植株。如果將草莓識別出來，在不是草莓的區(qū)域噴灑除草劑，就可以保護草莓并防治雜草。雖然這一方法未明顯改善土壤中農(nóng)藥殘留的問題，但是對于保護草莓，特別在無公害草莓的生產(chǎn)中效果明顯。另外，這樣噴灑除草劑也一定程度上減少了除草劑的使用量。因此，利用機器視覺識別出草莓后將除草劑噴灑在不是草莓的區(qū)域是針對草莓苗期雜草防治的有效策略。

　　2 圖像處理算法和除草劑的噴灑方法

　　從田間獲取的原始圖像包括草莓、雜草和背景，首先需要通過分割操作將背景去除。通過硬件設備得到的彩色數(shù)字圖像初始狀態(tài)均為RGB圖像，如圖1 （a）所示。在RGB圖像中，每一個RGB彩色像素由R、G、B三個值表示，三個分量的取值范圍由存儲方式?jīng)Q定。目前使用的全彩色圖像，每個像素24個字節(jié)，每個分量8個字節(jié)，所以每個分量都分為256（28）個灰度級。由于閾值分割是雜草圖像分割中的主要算法，分割操作主要是確定分割時使用的特征。 Woebbecke等1995年提出超綠特征（2g-r-b）用于雜草圖像的分割，并分析了r-b、g-b、（g-b）/（r-g）和H等其它顏色特征，結果認為（2g-r-b）最為可取[8]。在現(xiàn)有的雜草圖像分割研究中，這一結果被廣泛接受，超綠特征為代表的顏色特征成為最主要的雜草分割特征。但是分割誤差的問題依然沒有解決，2006年毛罕平等分析了影響分割誤差的因素[9]。作者通過大量實驗，利用遺傳算法優(yōu)化分割特征，得到優(yōu)化后的特征為：-149R+ 218G-73B，減少了這些因素的影響。本文采用優(yōu)化后的特征進行雜草圖像的分割。若分割處理后的像素點為g，則：

　　其中標記為1的像素為草莓和雜草，而標記為0的像素為背景。T表示分割閾值。