刘现悦，刘卉，王侨，高娜娜，梅鹤波，王培

(1. 首都师范大学信息工程学院，北京市，100048； 2. 北京农业智能装备工程技术研究中心，北京市，100097； 3. 北京农业信息技术研究中心，北京市，100097)

0 引言

秸秆覆盖还田是世界公认的经济且可持续化的秸秆资源利用方式[1]，它可以减少地表径流，增加雨水渗入，抑制水分蒸发；同时秸秆腐烂后，还可以增加土壤中的生物活性，有机质和腐蚀质，培肥地力，对改善土壤的结构、增加土壤中的有益微生物群有着重要的作用，对土壤改良和大气环境保护均具有积极意义[2-4]。因此，秸秆覆盖率是衡量保护性耕作技术的重要指标。近年来，国家大力倡导田间秸秆还田[5-6]。计算机视觉识别法主要是通过处理田间秸秆覆盖图像计算图像中秸秆比例。相比传统的人工估量法，图像法的准确率和检测效率更高。

目前，一些学者在利用计算机视觉识别田间秸秆覆盖率方面取得了一定的研究进展。李洪文等[7]采用人工神经网络与纹理特征相结合的方法进行田间秸秆覆盖率的检测，检测识别率达90%，但该方法对硬件的要求较高；于国庆等[8]提出了一种基于向量机算法的秸秆覆盖率图像识别方法；刘媛媛等[9]提出一种多阈值分割方法进行田间秸秆覆盖率检测，但对图像质量要求较高；苏艳波等采用了自动阈值分割算法，通过对灰度图像对数变换后采用迭代法进行自动阈值选取，实现对地表秸秆覆盖率的检测，但该方法不能很好处理无秸秆覆盖图片且计算结果容易受光照影响。……