袁加红，朱德泉，2，*，孙丙宇，孙 磊，武立权，宋 宇，蒋 锐

(1.安徽农业大学 工学院，安徽 合肥 230036； 2.安徽省粮食作物协同创新中心，安徽 合肥 230036； 3.中国科学院 合肥智能机械研究所，安徽 合肥230031； 4.安徽农业大学 农学院，安徽 合肥 230036)



基于机器视觉的水稻秧苗图像分割

袁加红1，朱德泉1，2，*，孙丙宇3，孙 磊1，武立权2，4，宋 宇1，蒋 锐1

(1.安徽农业大学 工学院，安徽 合肥 230036； 2.安徽省粮食作物协同创新中心，安徽 合肥 230036； 3.中国科学院 合肥智能机械研究所，安徽 合肥230031； 4.安徽农业大学 农学院，安徽 合肥 230036)

水稻秧苗的识别是水稻插秧机自主导航系统的关键内容之一。针对插秧机机器视觉导航中稻田图像秧苗与背景分割问题，建立了基于RGB(红绿蓝)颜色空间的秧苗表面颜色模型。通过颜色特征对秧苗图像进行处理，使用Photoshop软件获取秧苗部分和背景R，G，B分量值；通过对G-R值与G-B值的分析统计，发现两者之间存在分界关系：各自的权重与各分量的乘积之和为某个定值；为方便分析，选取权值a，b为0.5，即ExG因子，采用Otsu法获取定值最佳值，最大程度分割出目标和背景。与适合于大多数绿色作物的传统RGB法进行比较，并采用分割质量因子和算法运算时间作为评判标准，分析各算法的综合性能。试验发现，ExG因子结合Otsu分割法分割效果相对理想、稳定性更高，而且耗时更短。

水稻秧苗；ExG因子；Otsu法；图像分割；质量因子

水稻插秧机自主导航对于精准插秧、降低驾驶员劳动强度具有重要意义。国内外已有不少学者在车辆自主导航方面做了非常多的研究[1-5]。……