研究目的
基于航拍可见光图像，开发一种自动检测甘蔗分蘖期冠层中心和植株数量的方法，以优化种植密度并预测产量。
研究成果
所提出的方法利用航拍图像和图像处理技术，在检测甘蔗植株中心及计数方面实现了平均91.5%的准确率。该方法为早期植株数量检测提供了新途径，可支持产量预测。未来改进方向可能包括扩展白色脉络或采用动态阈值以实现更优聚类。
研究不足
该方法在具有圆形冠层和清晰白色叶脉的俯视图像上表现最佳。局限性包括：因植株间距过近导致的遗漏误差、相机角度或植株倒伏造成的主茎非正交、长叶片与相邻中心重叠；因断裂叶脉不连通导致的误判误差；植株倒伏和图像采集高度影响性能；聚类中动态阈值设定有待改进。
1：实验设计与方法选择：
本研究采用无人机航拍图像的数字图像处理技术，方法包括形态学运算、大津阈值法、细化、孔洞去除、去毛刺、小面积删除、断脉重连及DBSCAN聚类进行植株中心检测与计数。
2：样本选取与数据来源：
甘蔗冠层图像于2017年6-7月分蘖期在广西大学农学院试验田顶视拍摄，飞行高度10米，图像尺寸4384×3288像素，采用proDAD DeFishr软件消除鱼眼效应。
3：实验设备与材料清单：
搭载数码相机的DJI Phantom 2无人机，配置Intel Core i5-6600 CPU、4GB内存的PC机，运行Windows 7系统下的MATLAB 2015a软件。
4：实验流程与操作步骤：
图像采集→鱼眼校正→正交区域裁剪→白脉提取（灰度转换→形态学开运算→图像差分→大津阈值法）→细化→孔洞去除→去毛刺→小面积删除→断脉重连→短脉及杂质剔除→端点标记→DBSCAN聚类实现植株中心识别与计数。
5：数据分析方法：
通过对比10幅图像的识别株数与实际株数评估计数精度，平均准确率达91.5%。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
UAV
Phantom 2
DJI
Aerial image acquisition of sugarcane canopy from a top view at 10 m altitude.
-
Digital Camera
Attached to the UAV for capturing visible images of the sugarcane canopy.
-
Software
proDADDeFishr
proDAD
Removing fisheye effect from the captured aerial images.
-
PC
Intel Core i5-6600 CPU
Intel
Running MATLAB 2015a for image processing and algorithm implementation.
-
Software
MATLAB 2015a
MathWorks
Platform for implementing image processing algorithms including morphological operations, thinning, DBSCAN clustering, etc.
-
登录查看剩余3件设备及参数对照表
查看全部
