杨 光 张洪熙 方 涛 张彩丽

(1.长春理工大学电子信息工程学院， 长春 130022； 2.杭州海康汽车软件有限公司乘用车产品部， 杭州 310051)

0 引言

目前，保护性耕作技术已经成为我国农业主推耕作技术，吉林省将该技术列为农业生产先进技术重点推广项目。推广实施保护性耕作技术的关键是提供性能和质量可靠的专用配套机具，免耕播种机是其中最重要的配套装备。而秸秆覆盖率的识别与检测是我国免耕播种机实行大面积推广过程中需要解决的主要问题。

检测秸秆覆盖率比较典型的方法有纹理法及以秸秆和土壤亮度作为检测基础的二值化方法[1-14]。文献[9]提出一种基于纹理的秸秆覆盖率检测方法，并将BP神经网络方法融入检测算法之中，实现了秸秆覆盖率的高精度检测，但是BP神经网络需要进行训练，在不同实际情况下都需要重新训练权值，效率偏低。文献[10-13]使用自动阈值分割算法进行秸秆覆盖率检测，主要根据土壤和秸秆亮度不同通过二值化处理计算出覆盖率，但对于光照不均的情况适应性较差。文献[14]提出一种Sauvola和Otsu相结合的方法对图像进行二值化处理，再计算出秸秆覆盖率，其检测速度快，能准确测算秸秆覆盖率，但对光照变化带来的影响适应性较差。

针对秸秆覆盖率识别存在的问题，本文在已有技术方法的基础上，提出一种改进后的AdaBoost算法，对工作环境是否为免耕地进行自动检测，以期提高秸秆覆盖率计算的准确性。

1 免耕播种机工作环境自动识别技术

免耕播种机在工作时通过单目摄像机采集作业环境，因此对作业环境的分类显得极其重要，本文提出了一种基于haar特征的AdaBoost算法的自动识别技术[15-17]。……