[发明专利]一种水稻插秧机性能检测系统及方法

说明书

本发明公开了一种水稻插秧机性能检测系统及方法，系统包括无人机，在无人机下方设置一相机，相机具有图像存储介质，图像存贮存储介质通过有线或无线与计算机进行通信，计算机具有数据处理单元，对所获得的图像进行数据处理，并根据处理结果判断水稻插秧机性能是否达到设定标准。本发明以无人机为平台，融合图像处理技术来提高田间作业机械性能检测的工作效率。

技术领域

本发明属于图像处理技术领域，涉及一种水稻插秧机插秧性能鉴定系统及方法。

背景技术

在田间作业机械的性能检测方面，还依赖于传统的测试装备与试验方法，设备自动化水平低，鉴定过程信息化程度低，采集样本数据依赖人为主观意识等问题，需要用新的检测方法和设备来提高田间作业机械性能检测的自动化水平。

插秧机在国内外较为成熟并普遍使用，插秧机的主要技术特点，一是基本苗、栽插深度、株距等指标可以量化调节，插秧机所插基本苗由每亩所插的穴数及每穴株数所决定，根据水稻群体质量栽培扩行减苗等要求，插秧机行距和株距可以按照设定距离进行设定，并且可以进行多档或无级调整，达到适宜基本苗要求，同时插深也可以通过手柄方便地精确调节，能充分满足农艺技术要求。目前判断水稻插秧机的工作性能主要靠主观判断，包括如何识别得到漏插穴数、漂秧数、伤秧数等指标，自动化水平低。

发明内容

本发明所要解决的技术问题是，如何实现对水稻插秧机性能的自动检测，得到漏插穴数、漂秧数、伤秧数等性能指标。

为解决上述技术问题，本发明提供一种水稻插秧机性能检测系统，包括无人机，在无人机下方设置一相机，相机具有图像存储介质，图像存贮存储介质通过有线或无线与计算机进行通信，计算机具有数据处理单元，对所获得的图像进行数据处理，并根据处理结果判断水稻插秧机性能是否达到设定标准。

所述数据处理单元包括以下程序模块：

预处理模块：对原始图像进行预处理，将水稻秧苗图像从泥田背景中分离出来；

特征参数提取模块：通过提取图像特征参数，完成对预处理后的秧苗图像的量化表示，确定每一穴秧苗质心坐标，计算相邻质心间距离，用于判断有无漏秧状况；同时提取秧苗轮廓和形态特征，秧苗轮廓和形态特征包括狭长度、矩形度、球状性、紧凑度、圆形度、HU不变矩参数，得到的秧苗轮廓和形态特征参数作为判断是否存在漂秧、伤秧的依据；

分类模型建立模块：建立BP神经网络模型，将特征参数提取模块提取的秧苗轮廓和形态特征参数作为神经网络中的输入层，秧苗形态类别作为输出层；

秧苗形态识别模块：利用分类模型建立模块得到的最优BP神经网络模型，将预处理得到的秧苗图像进行训练，完成对水稻秧苗形态的识别。

一种水稻插秧机性能检测方法，包括以下步骤：

步骤一.获得原始水稻图像，对原始水稻图像进行预处理，将水稻秧苗图像从泥田背景中分离出来；

步骤二.通过提取图像特征参数，完成对预处理后的秧苗图像的量化表示，确定每一穴秧苗质心坐标，计算相邻质心间距离，用于判断有无漏秧状况；同时提取秧苗轮廓和形态特征，秧苗轮廓和形态特征包括狭长度、矩形度、球状性、紧凑度、圆形度、HU不变矩参数，得到的秧苗轮廓和形态特征参数作为判断是否存在漂秧、伤秧的依据；

步骤三.建立BP神经网络模型，将特征参数提取模块提取的6类秧苗轮廓和形态特征参数作为神经网络中的输入层，秧苗形态类别作为输出层；

步骤四.利用步骤三得到的最优BP神经网络模型，将预处理得到的秧苗图像进行训练，完成对水稻秧苗形态的识别，最终显示识别结果。