基于分水岭的粘连雾滴图像分割方法

针对雾滴图像中粘连雾滴的特点,运用基于距离变换的分水岭分割算法对粘连雾滴进行分割,对距离变换的算法进行优化,使该算法的效率得到提高,应用灰度重建方法避免雾滴图像过分割现象的产生.实例表明,该方法可实现对粘连雾滴的分割.

雾滴图像粘连特征改进判断及分离计数方法优化

雾滴在靶标上常出现粘连的情况,为准确测量雾滴尺寸、掌握雾滴分布规律,需要判断雾滴是否粘连,并用图像处理技术将粘连雾滴分开。首先提出判断雾滴是否粘连的改进方法,该方法结合雾滴的形状因子和面积阈值对粘连雾滴进行判断和特征提取,并用极限腐蚀法和迭代开运算法对粘连雾滴进行计数处理,其次调用迭代开运算标记的分水岭算法分割,最后对分割后雾滴的连通域进行标记及形状圆整。试验结果表明:该方法可实现粘连雾滴的自动判断和特征提取,弱粘连准确率100%,强粘连可达97.2%以上。该算法获得的雾滴粒径参数与激光粒度仪试验测量结果接近,其尺寸测量准确度较Deposit Scan软件计算平均提高了7.67%。基于相同的样本,与人工计数标定结果对比表明,该方法获得的雾滴个数快速且精准度达97.06%以上。

基于轮廓固性与分水岭算法的叶片粘连雾滴图像分割

为精准辨识叶片粘连雾滴,提高叶面雾滴沉积分布检测的准确性,利用智能手机采集田间植保作业雾滴图像,选取9组喷雾检测叶片样本,使用以灰度级形态学为基础的处理算法进行叶片区域和雾滴区域特征提取。提出基于轮廓固性的雾滴类型判别方法,并与传统的基于圆形度和基于形状因子的方法进行对比;以粘连雾滴迭代开运算的结果作为标记,对传统距离变换分水岭图像分割算法进行改进。结果表明:经改进的分水岭检测算法,雾滴覆盖率比OTSU算法(最大类间方差法)与分块阈值算法分别高31.93%和33.43%,雾滴提取最低正确率为91.19%,平均正确率为97.23%;基于固性的雾滴类型判别方法正确率为97.5%,较基于圆形度和基于形状因子的方法分别提高21%和5%;沉积密度与人工统计的平均相对误差为6.61%,粘连雾滴分割最低正确率为91.03%,平均正确率为94.74%。该算法可为植保器械田间作业质量图像检测提供技术支持。

基于树莓派的喷雾质量检测系统设计

在大豆种植过程中,针对病虫害主要的防治手段仍为化学防治。虽然利用无人机的航空施药技术使农药利用率得到提高,但无人机的飞行参数对喷雾质量优劣有着直接的影响,需要及时检测喷雾质量以便对无人机飞行参数做出调整,达到较好的喷雾效果。田间作业工作环境往往大不相同且作业环境较为恶劣,对喷雾检测要求快速、检测过程不受周围环境影响且能保证一定精度。为解决田间喷雾质量检测过程中的时效性、稳定性等问题,设计了适用于田间喷雾质量检测系统。系统硬件部分使用以树莓派电脑为核心的控制单元与各组件相连,通过SolidWorks对各零件进行三维建模和装配,完成机体的设计。利用Python语言进行雾滴分析程序编写以求取可反映雾滴质量的参数,并针对图像处理过程中的图像畸变、雾滴粘连问题进行了相关算法。

基于分水岭算法的植株叶片沉积参数检测

针对当前农田作物喷洒农药后,植株表面出现的粘连雾滴影响沉积参数且未能及时检测药液分布情况的问题,搭建植株采集图像装置,提出改进的分水岭算法分割粘连雾滴的方法来快速检测雾滴沉积参数。首先采集了自然生长下喷洒药液的3种不同类型的盆栽植株共9幅图像,为了准确提取植株表面的雾滴,去除了复杂的背景区域;然后用R-G算法准确提取雾滴图像和以形状因子为0.9为阈值结合迭代腐蚀运算识别粘连雾滴;最后对强、弱粘连雾滴分别采用基于距离标记的改进分水岭算法和腐蚀算法分割。结果表明,改进的基于距离标记的分水岭算法分割粘连雾滴平均准确率达到92.31%,且对2~4个粘连雾滴的分割效果较好;本研究算法对比迭代全局阈值算法、大津算法的雾滴覆盖率分别提高39.83%和35.36%;雾滴密度与ImageJ计数、腐蚀运算和传统分水岭算法平均相对误差分别为4.03%、8.05%、7.09%;基于距离标记的改进分水岭的变异系数对比传统分水岭算法和腐蚀算法的相对误差分别为10.80%、18.78%。本研究的改进分水岭算法提高了植株的沉积参数检测准确率,可为执行农田植保作业时检测雾滴分布情况提供参考。