（农业机械化工程专业论文）基于DSP的玉米苗期杂草识别方法的研究.pdf

华中农业大学硕十学位论文：基于d s p 的苄米苗期杂草识别方法的研究 摘要 本文在总结国内外杂草特征提取及识别研究成果的基础上，对我国玉米的田间 杂草特征提取及识别进行了研究。本研究以d s p 为主要处理芯片，搭建了图像处理 的软硬件平台，并针对玉米苗期田间杂草的特征，提出了相应的算法，最终识别率 达到了9 5 0 ，对后续定点变量自动除草系统的开发打下了一定的技术基础。论文 的主要研究内容与结论有： ( 1 ) 选用1 r i 公司的t m s 3 2 0 d m 6 4 2d s p 作为主处理芯片、合众达公司的 s e e d v p m 6 4 2 作为图像处理的硬件平台，并把软件部分分为系统初始化、图像采 集和存储、图像处理、图像显示四个模块，完成了图像处理系统的设计。 ( 2 ) 介绍了利用d s p 提取感兴趣区域的方法，并通过对图像的颜色的分析， 得出( 2 9 r - b ) 、( 2 g r b ) 、色度h 三种颜色特征值都可以用来区分绿色植物和背景。 在室内光照强度相对比较稳定的条件下，采用( 2 g r b ) 颜色特征值计算简单，处 理速度快。 ( 3 ) 利用( 2 g r b ) 对图像进行灰度化，通过实验选择了适应性强、速度快的 迭代自适应法求阈值对图像进行阈值分割，可以很好的将绿色植物从背景中分割出 来。对于交叠不严重的植物经去噪和数字形态学运算后，可以得到完整的叶片图像。 ( 4 ) 针对叶片弯曲现象改进了求叶片长和宽的算法，在灰度图像和轮廓图像上 提取了叶片的形状参数，并分析了无量纲参数，从结果可以得出：宽长比和第不 变矩能将玉米、窄叶杂草、宽叶杂草三大类植物区分开来；圆形度能将宽叶杂草从 三大类中区分开来；而三大类的矩形度严重交叠在一起，矩形度不是有效的形状特 征。 ( 5 ) 把1 8 0 个样本分成训练集和测试集，通过正交实验确定了b p 神经网络的 结构，用训练好的b p 神经网络进行验证性实验得出，训练集的识别率为9 9 2 ， 测试集的识别率为9 5 0 。 关键词：玉米；杂草；图像处理；d s p ；形状特征；神经网络 a b s t r a c t a b s t r a c t a tt h ec o n c l u s i o n o ft h i sa r t i c l ea th o m ea n da b r o a di nt h ef i e l dm a c h i n e v i s i o n b a s e df e a t u r ee x t r a c t i o na n di d e n t i f i c a t i o no fw e e d sb a s e do nt h er e s u l t so f r e s e a r c ho nc h i n a sm a j o ra g r i c u l t u r a lc r o p so ff i e l dc o m ，f e a t u r ee x t r a c t i o na n d ，i d e n t i f i c a t i o no fw e e d sw e r es t u d i e d i nt h i s s t u d y ，a st h em a i np r o c e s s i n gc h i pd s p ，s e t u pt h eh a r d w a r ea n ds o f t w a r ep l a t f o r mf o ri m a g ep r o c e s s i n g ，a n df o rc o r nw e e ds e e d l i n g c h a r a c t e r i s t i c s ，t h ec o r r e s p o n d i n ga l g o r i t h m ，t h er e c o g n i t i o nr a t eo f9 5 o ，a n da u t o m a t i c f o l l o w - u pw e e d i n go fa g r i c u l t u r a ls y s t e m st ol a yac e r t a i na m o u n to ft e c h n i c a lb a s e t h e m a i nt h e s i sa n dc o n c l u s i o n so ft h es t u d ya r ea sf o l l o w i n g s ： ( 1 ) s e l e c t e dt i st m s 3 2 0 d m 6 4 2d s p a st h em a i np r o c e s s i n gc h i p ，t h ec o m p a n y s u n i o nr e a c h e ds e e d v p m 6 4 2a sa p l a t f o r mf o ri m a g ep r o c e s s i n gh a r d w a r ea n ds o f t w a r e i n t ot h es y s t e mi n i t i a l i z a t i o n ，i m a g ea c q u i s i t i o na n ds t o r a g e ，i m a g ep r o c e s s i n g ，i m a g e d i s p l a yf o u rm o d u l e st oc o m p l e t et h ei m a g ep r o c e s s i n gs y s t e md e s i g n ( 2 ) i n t r o d u c e dt h eu s eo fd s pm e t h o d so fe x t r a c t i n gt h er e g i o no fi n t e r e s t ，a n dt h e c o l o ri m a g ea n a l y s i s ( 2 9 - r - b ) ，( 2 g - r b ) ，t h ec o l o rc h a r a c t e r i s t i c so ft h et h r e ec o l o rv a l u e hc a nb eu s e dt ot od i s t i n g u i s hb e t w e e ng r e e np l a n t sa n db a c k g r o u n d i n d o o rr e l a t i v e l i g h ti n t e n s i t yi nt h er e l a t i v e l ys t a b l ec o n d i t i o n ，t h eu s eo f ( 2 g r - b ) i nt e r m so fc o l o r f e a t u r ei ss i m p l e ，f a s tp r o c e s s i n gs p e e d ( 3 ) t h eu s eo f ( 2 g - r - b ) g r a y s c a l ei m a g e ，a n dt h r o u g he x p e r i m e n t sc h o s e n a d a p t a b l e ，f a s ti t e r a t i v ea d a p t i v et h r e s h o l d i n gm e t h o df o ri m a g es e g m e n t a t i o nt h r e s h o l d c a nb ev e r yg o o dt ob eg r e e nf r o mt h eb a c k g r o u n di nd i f f e r e n t l y o v e r l a pi sn o ts e r i o u s f o rt h ep l a n tb yt h en u m b e ro fd e - n o i s i n ga n dm o r p h o l o g i c a lo p e r a t i o n ；y o uc a ng e ta c o m p l e t ep i c t u r eo ft h el e a v e s ( 4 ) f o rt h eb e n d i n gp h e n o m e n o no fi m p r o v e dl e a fb l a d el e n g t ha n dw i d t hf o rt h e a l g o r i t h m ，t h eg r a y - s c a l ei m a g ea n dc o n t o u ri m a g eo ft h es h a p eo ft h el e a v e se x t r a c t e d p a r a m e t e r s ，a n da na n a l y s i so fd i m e n s i o n l e s sp a r a m e t e r sc a nb ed r a w nf r o mt h er e s u l t s ： l e n g t ha n dw i d t hm o m e n ti n v a r i a n t sc a nb eac o r n ，n a r r o w l e a fw e e d s ，b r o a dl e a fw e e d s i nt h r e em a i nc a t e g o r i e sd i s t i n g u i s hb e t w e e np l a n t s ；c i r c u l a rd e g r e ec a nn a r r o wl e a f w e e d si nt h ea r e af r o mt h et h r e es e p a r a t ec a t e g o r i e s ；a n dt h r e et y p e so fr e c t a n g u l a r d e g r e e ss e r i o u so v e r l a pw i t ht h er e c t a n g u l a rs h a p ei sn o tav a l i dd e g r e ec h a r a c t e r i s t i c s 华中农业大学硕士学位论文：基于d s p 的玉米苗期杂草识别方法的研究 ( 5 ) d i v i d e d18 0s a m p l e si n t ot r a i n i n g s e ta n dt e s ts e t ，d e f i n e db yo r t h o g o n a l e x p e r i m e n t st h es t r u c t u r eo fb pn e u r a ln e t w o r k ，u s i n gt h et r a i n e db pn e u r a ln e t w o r k v a l i d a t i o ne x p e r i m e n ts h o w e dt h a tt h er e c o g n i t i o nr a t eo ft r a i n i n gs e tw a s9 9 2 ，t e s ts e t r e c o g n i t i o nr a t ew a s 9 5 o k e y w o r d s ：c o r n ；w e e d s ；i m a g ep r o c e s s i n g ；d s p ；s h a p ec h a r a c t e r i s t i c s ；n e u r a ln e t w o r k i i i 华中农业大学学位论文独创性声明及使用授权书 学位论文 如需保密，解密时间年月日 是否保密 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得华中农业大学或其他教育机构的学位或证书 而使用过的材料，指导教师对此进行了审定。与我一同工作的同志对本研究所做的任 何贡献均已在论文中做了明确的说明，并表示了谢意。 研究生签名：够汲乏 时间：砷年乡月哆日 学位论文使用授权书 本人完全了解华中农业大学关于保存、使用学位论文的规定，即学生必须按照学 校要求提交学位论文的印刷本和电子版本；学校有权保存提交论文的印刷版和电子版， 并提供目录检索和阅览服务，可以采用影印、缩印或扫描等复制手段保存、汇编学位 论文。本人同意华中农业大学可以用不同方式在不同媒体上发表、传播学位论文的全 部或部分内容，同时本人保留在其他媒体发表论文的权力。 注：保密学位论文( 即涉及技术秘密、商业秘密或申请专利等潜在需要提交保密的论 文) 在解密后适用于本授权书。 学位论文储张杉蔽 钟始 交友扎 签名日期：矽7 年月侈日签名日期：哕年多月j 日 i 注：请将本表直接装订在学位论文的扉页和目录之间 华中农业大学硕l 学位论文：基于d s p 的玉米苗期杂单识别方法的研究 1 1 研究的目的和意义 第一章绪论 农田杂草是农业生产的大敌，它是在长期适应当地的作物、栽培、耕作、气候、 土壤等生态环境及社会条件下生存下来的，它是一种适应能力非常强的植物，它种 类繁多从不同的方面侵害作物( 郭振东，2 0 0 3 ) 。杂草与农作物争水、争肥、争光， 影响农作物的生长发育，降低农作物产量和质量，同时增强了管理用工和生产成本， 并且杂草易于助长病虫害的滋生和蔓延，给农业生产造成了巨大的损失( 徐保华， 2 0 0 7 ) 。 面对严重的杂草危害，目前的除草方法主要有机械除草、化学除草、静电除草、 生物除草以及综合治草等。化学除草由于高效的除草能力而备受广大农民的青睐， 己成为目前最主要的除草方式( 张朝贤等，1 9 9 8 ) 。化学除草一般采用的是大面积喷 洒农药，这种方式可以有效地控制杂草危害，但是农药的大面积喷洒也带来了很多 负面的影响，例如污染了水源、土壤和空气，农药在作物中的残留对人类的身体健 康也造成了一定的危害，还能诱导杂草群落迅速发生演变，产生抗药性等( 黄建中， 1 9 9 5 ；李亚卿等，1 9 9 9 ) 。由于农药的使用方式都是大面积喷洒，针对性不强，利用 率不高，所带来的负面影响同样日趋严重。 研制定量定点化学除草机是解决农药负面影响的一条有效途径，它属于精确农 业的范畴，是指利用机器视觉技术，识别出杂草的具体位置和密度大小，只对杂草 进行定点变量喷洒农药，其它区域则不喷洒农药。y a o 等( 1 9 9 3 ) 进行了农药喷洒 的对比试验：通过开关喷嘴来只对杂草进行喷洒可以节省农药1 0 ，如果根据杂草 密度不同喷洒定量的农药可以节省农药4 5 。只对杂草进行定点变量喷洒农药不仅 能有效的除去杂草，提高农作物的产量和质量，而且大大节约了农药，降低生产成 本，还能减少污染保护环境，有着重要的经济意义和生态意义( 蒋正荣，1 9 9 9 ；张 健软，2 0 0 3 ) 。由此可见识别出杂草并确定杂草的位置和密度是自动喷药机中的关键 性技术。 杂草识别目前最常用的方式是基于台式p c 机和w i n d o w s 桌面操作系统对杂草 图像进行发图像处理，针对这种方式硬件系统存在成本较高、功耗大和现场维护成 本较高的问题，提出了以t i 数字媒体处理芯片t m s 3 2 0 d m 6 4 2 为主处理芯片的硬 件系统来代替计算机完成图像的处理的内容。 第一章绪论 玉米在我国的种植面积仅次于稻、麦，居第三位，是高产作物，是饲料和工业 的重要原料，在粮食作物生产中占有举足轻重的地位。全国约有一半面积的玉米田 受到不同程度的草害，其中草害严重的面积占玉米田总面积的2 0 3 0 ，草害严重 的可以使玉米减产5 0 以上( 龙满生，2 0 0 2 ) 。所以，本课题在总结国内外研究成 果的基础上，以玉米为研究对象，以识别出玉米田杂草为目的研究快速准确识别玉 米田杂草的方法，并在实验室内搭建试验平台，进行图像的采集、去噪、分割和识 别试验。寻找区分玉米和杂草的有效的参数，并改进识别方法，提高杂草识别正确 率，使研究的成果具有实用性和产业化前景。 1 2 国内外的研究现状 机器视觉是指用图像传感器代替人眼，获得图像信息，然后利用计算机或其他 它芯片来代替人脑对获得的图像信息进行分析，完成对周围环境与目标的识别和理 解。国外学者在2 0 世纪8 0 年代就开始了机器视觉技术的研究，农业领域应用研究 主要包括：除草除虫机器人、收获机器人、农产品品质检测与分级、农产品加工、 作物生长监测等。利用机器视觉识别杂草并以实施定点变量喷洒是精细农业的一个 典范，杂草识别系统经历了从实验室到田间、从非实时到实时的发展过程( 岑益郎， 2 0 0 6 ) 。 1 2 1 图像识别硬件系统的研究现状 利用机器视觉识别杂草国内主要是在通用p c 机上执行的，这种方式的缺点是 速度慢，一般只能用于算法的验证和仿真研究，不适合于实时识别。利用d s p 代替 通用p c 机，能够很好的解决系统体积大、成本高等在实际中带来的问题( 高丽燕， 2 0 0 6 ) 。利用d s p 为主要图像处理芯片，国内目前在以下几个主要方面做了相关研 究。 大连海事大学王霞( 2 0 0 1 ) 在t m s 3 2 0 c 6 2 0 1d s p 上设计了车牌识别系统，利 用图像匹配的方法实现了车牌号码的识别。浙江工业大学张永华( 2 0 0 4 ) 在 t m s 3 2 0 v c 5 4 0 9d s p 上利用灰度形态学理论对车牌定位进行了研究，并搭建了硬件 平台。华中科技大学王渊( 2 0 0 7 ) 以t m s 3 2 0 c 6 2 1 1d s p 为处理核心，开发了硬件 平台，并提出了一种综合纹理、形状、颜色特征来定位车牌和基于r a d o n 变换和模 板匹配字符分割方法，最后通过改进的b p 算法识别字符。兰州理工大学徐锦钢 ( 2 0 0 8 ) 在t m s 3 2 0 d m 6 4 2d s p 搭建了图像处理硬件系统，并完成了图像采集、车 2 华中农业大学硕| ：学位论文：基于d s p 的玉米苗期杂草识别方法的研究 牌定位、字符分割、字符识别等模块的设计，解决了p c 机上实现车牌识别的体积、 重量、功耗及图像处理速度等不足。 四川大学周钇铭( 2 0 0 1 ) 在t m s 3 2 0 c 5 4 0 2d s p 上搭建了硬件平台，完成了特 征提取和指纹图像特征分类算法的设计，并与指纹锁进行连接实验，证明了系统的 可行性。重庆大学陈庆接( 2 0 0 5 ) 在t m s 3 2 0 c 5 4 1 0d s p 上完成了指纹图像的质量 分析、图像分割、滤波、二值图细化、特征点提取、特征点可靠性分析、点模式匹 配等算法的设计。沈阳工业大学张健( 2 0 0 5 ) 在t m s 3 2 0 v c 5 4 0 2d s p 上完成了指 纹图像采集、指纹图像处理、指纹数据传输的设计。哈尔滨工程大学于海涛( 2 0 0 7 ) 在t m s 3 2 0 v c 5 5 0 9d s p 上完成了指纹图像滤波、指纹图像的细化、特征点的提取、 指纹图像的点模式匹配等算法的设计。程伟和何俊华( 2 0 0 9 ) 在t m s 3 2 0 v c 5 4 1 6d s p 上采用梯度算法和g a b o r 算法对指纹进行识别，提高了指纹信号的准确性，降低 了系统的误判率。 苏州大学郑晓华( 2 0 0 5 ) 以t m s 3 2 0 v c 5 4 1 0 为主处理芯片，搭建了图像处理硬 件系统，采用波门跟踪模式的目标形心预测跟踪算法，使得跟踪精度较高，满足了” 成像跟踪系统实时性、智能性的要求。吉林大学柯洪昌( 2 0 0 7 ) 以t m s 3 2 0 d m 6 4 2d s p 为主处理芯片，设计了系统的硬件体系结构，采用p r e w i t t 罗盘梯度方法进行边缘检 测，同时使用波门相关法对目标进行跟踪，完成了电视图像跟踪系统。重庆大学司 长哲( 2 0 0 7 ) 以t m s 3 2 0 d m 6 4 2d s p 为主处理芯片，以火箭发射时火箭飞行初始段 图像为研究对象，对自动目标检测、识别与跟踪算法进行了研究，实现了对目标的 连续、稳定的跟踪。 赵劫等( 2 0 0 7 ) 开发了一种基于数字信号处理器( d s p ) t m s 3 2 0 d m 6 4 2 的嵌入 式高速图像识别系统，该系统实现了对每帧1 0 2 4 x 1 5 0 0 像素的黑白图像的高速采集 处理，速度最高可达到每秒5 帧。 1 2 2 杂草识别算法的研究现状 系统软件主要由绿色植物与背景的分割、杂草与玉米的分离两部分组成，研究 的关键售在提取出有效的特征参数来区分杂草和玉米。所采用的算法主要是根据颜 色、形状、纹理、光谱等特征来进行研究。 1 2 2 1 杂草识别算法国外的研究 w o e b b e c k e 等( 1 9 9 5 ) 提取了整株植物冠层的形状特征参数区分单子叶杂草( 2 种) 和双子叶杂草( 8 种) ，结果发现：利用形状特征参数区分单子叶杂草和双子叶 3 第一章绪论 杂草效果最好，分类准确率为6 0 一8 0 。y o n e k a w a 等( 1 9 9 6 ) 分析了紧密度、圆 度、伸长度、叶状度和粗糙度5 种无量纲特征参数，发现这些简单的形状特征参数 识别植物特别有效。p e r e z 等( p e r e z ，2 0 0 0 ；p e r e ze ta 1 ，2 0 0 0 ) 对小麦地里的杂草进 行了识别，提取了多种形状特征参数，最终筛选出了7 种作为有效的形状特征，分 别采用贝叶斯统计分类器和k 最近邻域分类器进行分类实验，利用贝叶斯统计分类 器的正确率为小麦8 9 7 ，杂草7 4 5 ，利用k 最近邻域分类器进行分类的正确率 为小麦8 9 o ，杂草7 9 2 。 m e y e r 等( 1 9 9 8 ) 在自然光条件下提取了4 种纹理特征，能够识别不同的杂草， 分类准确率为3 0 。7 7 。t a n g 等( 1 9 9 9 ) 利用g a b o r 小波变换提取了植物的纹理 信息，并作为人工神经网络的输入，能区分禾本和阔叶两类植物，准确率达到了 1 0 0 。b u r k s 等( b u r k se ta 1 ，2 0 0 2 a ；b u r k se ta 1 ，2 0 0 2 b ) 利用共生矩阵( c c m ) 法 进行整株杂草冠以的纹理进行实验，从6 类( 5 种杂草和土壤) 中提取了3 3 个独立 的c c m 纹理统计特征，作为神经网络的输入，结果表明，色度和饱和度产生的c c m 纹理特征构建的模型效果最好，准确率达到了9 3 。但是，纹理得法中存在大量的 计算和比较共生矩阵，很难实现实时性，如何快速提取纹理特征是纹理识别的关键 所在。 w o e b b e c k e 等( 1 9 9 5 ) 在光照变化的条件下，把采集到的r g b 空间图像转换成 r g b 和h i s 颜色空间分析颜色特征。结果发现，( r - g ) 、( g b ) 、( g - b ) i r - g l 、( 2 9 r - b ) 、 h 等因子来区别植物与非植物背景非常有效，其中( 2 9 r - b ) 、h 分割绿色植物与背 景有很好的效果，但是h 分割l g ( 2 9 r - b ) 费时。而且，单子叶和双子叶植物的颜色特 征没有可分性。t a n g 等( 1 9 9 9 ) 在光照强度急剧变化的条件下研究发现，非植物背 景的r 和b 分量值很低，并对w o e b b e c k e 提出的( 2 9 r - b ) 进行了修正，提出了超绿 分量e x g = 2 g r b 进行分割。另外t a n g 等还在自然光照条件下，在h i s 颜色空间， 以人工分割的结果为导师信号利用遗传算法进行了植物和背景的分割，克服了光照 变化对分割的影响。s t e w a r d 等( 1 9 9 9 ) 分析比较了r g b 、r g b 、v 1 v 2 颜色空间， 结果表明v 1 v 2 颜色空间优于r g b 颜色空间。e 1 f a k i 等( 2 0 0 0 ) 提取了4 个颜色指 标，并有选择的组合作为变量，分别输入一个统计分类器和两个人工神经网络分类 器，结果表明，统计分类器的效果最好，对大豆和小麦的识别率分别为5 4 ，6 2 2 。 颜色特征对叶片交叠、叶片方位和风的影响都不敏感，具有田间执行的可能性，但 是，该方法只适合于识别红色茎的杂草，而且识别率较低。 4 华中农业大学硕士学位论文：基于d s p 的玉米苗期杂草识别方法的研究 b a r o n 等( 2 0 0 2 ) 运用r e d 和n i r 两架黑白摄像机采集红外光反射率，比较两 幅图像来识别绿色植物和土壤背景。f e y a e r t s 等( 2 0 0 2 ) 搭建了由物镜、滤光片、 成像光谱仪组成的机器视觉系统，最终田间杂草的识别率达到了9 1 4 。利用光谱 特征识别，算法简单，在实时性方面有很大的优势，但是设备成本高、通用性差( 毛 文化，2 0 0 4 ) 。 早期以提取单一信息来验证特征的可行性，如今，则侧重于多种信息的综合利 用来提高识别的准确率和速度。h e m m i n g 等( 2 0 0 1 ) 在可控光照的田间环境下，提 取了8 种形状特征和3 种颜色特征，用模糊逻辑的方法进行识别，卷心菜和胡萝b 的识别准确率分别为8 8 和7 2 。 1 2 2 2 杂草识别算法国内的研究状况 基于机器视觉的杂草识别技术已是国外的研究热点之一，而我国起步较晚，在 杂草识别中的应用尚处于探索阶段。 毛文华等( 2 0 0 5 ) 利用植物的位置来识别作物苗期田间杂草，运用超绿色法灰 度化原始图像，然后应用最大方差自动取阈法二值化图像，最后运用种子填充算法分 割作物和杂草。处理一幅5 4 4 x 1 1 7 像素的图像只需大约6 0m s ，在实时性方面表现 出一定的优越性。李志臣和姬长英( 2 0 0 6 ) 选取了4 种双子叶杂草和两种单子叶杂 草共6 种杂草作为研究对象，运用自行设计的程序分别计算了杂草叶的r g b 三色图 像的分形维数并以其平均值作为杂草叶的分形维数来识别杂草种类。胡波等( 2 0 0 7 ) 引入像素灰度级和邻域灰度级构成的二维直方图，提出了一种杂草彩色图像分割算 法，能在自然条件下更好地区分单子叶植物和双子叶植物及识别作物和杂草。曹晶 晶等( 2 0 0 7 ) 利用条播作物的位置和纹理特征来识别田间杂草。根据条播作物小麦 作物行的间距相对固定等位置特征，利用植物像素直方图法确定作物行的中心线和 行宽，并识别行间杂草。然后，以作物行中心为基准来选取纹理块，计算量化级数为 8 级的h 颜色空间的共生矩阵，提取5 个纹理特征参数，利用k 均值聚类法判别分 析各块的类别来识别行内杂草。研究结果表明，杂草的正确识别率约为9 3 ，作物 的错误识别率约为7 。周平等( 2 0 0 7 ) 研究了一种基于r g b 分量运算和色域位屏 蔽压缩的杂草实时检测方法。对杂草和作物的大量实验显示：颜色分量运算可增强 目标的显示特性，而对色域的屏蔽压缩可在保证实时性的同时减弱图像噪声污染， 减小干扰引起的纹理分割误差。这种方法不会因为目标的复杂度而影响处理时间， 在3 2 0 x 2 4 0 的图像中分割出有颜色差异的不同杂草或作物只需要3 0m s ，对波动具 有很强的鲁棒性。刘洪臣等( 2 0 0 6 ) 提出了一种颜色和形态特征相结合的杂草实时 5 第一章绪论 识别方法。用最大类间方差法从图像的色差c r 特征量中得到阈值，可以分割植物 与背景；利用形态特征、形态学算法和差影法可以分割农作物与杂草。杂草正确识 别率大于8 3 1 ，处理一幅6 4 0 4 8 0 像素的图像平均只需3 8m s ，识别速度满足2 5 帧秒的实时性要求。龙满生等( 2 0 0 7 ) 利用计算机视觉技术和人工神经网络技术对 识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草 图像的超绿特征，再进行连续腐蚀与膨胀，然后根据长宽比、圆度、第一不变矩3 个形状特征由b p 网络识别出玉米幼苗，最后利用种子填充法从阈值分割结果中擦 除玉米目标，剩余的就是杂草目标。研究表明，基于b p 网络的杂草识别算法对玉 米幼苗与杂草的正确识别率分别为8 7 5 和9 3 0 ，处理一幅6 4 0 4 8 0 像素的杂草 图像平均耗时约为5 8m s 。 从以上研究现状可以看出：综合多种特征是提高杂草识别率的主要的途径，但 是杂草识别具有很大的可变性，对象不同方法也不同，易受自然环境的影响。国外 虽然对杂草识别进行了较深入的研究，但是国内的研究对象大部分是静态采集的图 像，未考虑实际田间杂草识别的动态特性和实时性，离实际应用还有很大的距离。 因此，从实际应用角度出发，田间杂草的实时识别还有很多工作要做。 1 3 研究内容、拟解决的关键问题 1 3 1 研究内容 1 3 1 1 研究对象 本课题以点播的苗期玉米为研究对象，玉米播后杂草便开始出土，播后1 0 d 达 到出土高峰，1 5 d 内出草总数占总出草量的8 0 以上，播后3 0 d 占9 7 5 ，这一规 律正好与夏玉米苗期生长同步。苗期若不及时除草，将会严重影响作物产量。玉米 2 5 叶时，杂草2 3 叶时是化学除草的有利时期。w o e b b e c k e 等( 1 9 9 5 ) 认为从形 态上区分单子叶杂草与双子叶杂草的最佳时间是杂草出土后1 4 2 3 d 。若采集时间过 晚，则叶片遮挡严重，增加了杂草检测难度。因此，图像采集在玉米2 。5 叶时进行。 1 3 1 2 研究内容 本课题以玉米为研究对象，以识别出玉米田杂草为目的研究快速准确识别玉米 田杂草的方法，并在实验室内搭建试验平台，进行图像的采集、去噪、分割和识别 试验。寻找区分玉米和杂草的有效参数，并改进识别方法，提高杂草识别正确率， 使研究的成果具有实用性和产业化前景。 6 华中农业大学硕二仁学位论文：基于d s p 的玉米苗期杂草识别方法的研究 主要的研究内容如下： ( 1 ) 搭建硬件平台，实现图像的采集、存储和显示。 ( 2 ) 寻找合适的分割绿色植物和土壤背景颜色的指标和方法。 ( 3 ) 寻找适当的阈值，实现绿色植物从背景图像中快速、准确地分离。 ( 4 ) 提取植物的形状特征，找出适合区分玉米和杂草叶子的形状特征。 ( 5 ) 根据所找到的有效特征参数，建立神经网络分类器，综合利用特征参数组 合提高杂草识别率。 1 3 2 技术路线 图1 - 1 技术路线 f i g 1 - 1t h e t e c h n i c a lw a yo ft h i sr e s e a r c h 7 第二章d s p 硬件平台和软件系统 第二章d s p 硬件平台和软件系统 图像识别系统就其构成来说，主要分为硬件设备和软件算法两大部分。其中， 硬件设备是软件算法的支柱和平台，软件算法是图像识别理论在硬件设备上的具体 实现，图像识别过程是硬件平台和软件算法相互分工、相互配合的一个过程。 2 1d s p 的概述 d s p ( d i g i t a ls i g n a lp r o c e s s o r ) 也称为数字信号处理器，内部采用程序和数据分 开的哈佛结构，具有专门的硬件乘法器，广泛采用流水线操作，提供特殊的d s p 指 令，可以用来快速地实现各种数字信号处理算法( 季昱等，2 0 0 5 ) 。 本研究是在d s p 上完成的，所有算法运算都是在d s p 上理行处理完成，为了 满足系统算法的高复杂度要求，选用了1 1 公司的6 0 0 0 系列听高性能数字多媒体处 理器t m s 3 2 0 d m 6 4 2 。t m s 3 2 0 d m 6 4 2 的主频为6 0 0 m h z ，运行速度最高可以达到 4 8 0 0 m i p s 。t m s 3 2 0 d m 6 4 2 进一步集成了完备的视频输入输出接口，与视频编解码 器无缝连接提高了数据传输速度，而且d m 6 4 2 是针对图像处理而设计的一款芯片， 其内部结构和指令系统都为运行图像处理算法提供了方便。在图像处理算法中，存 在大量的乘法和加法运算，d m 6 4 2 内部具有可以并行执行的2 个独立的乘法器和6 个独立的a l u 。图像处理算法中存在大量的数据地址运算，d m 6 4 2 内部设计了2 个地址产生器，可以与创l u 并行工作，并且具有多种寻址方式，解决了地址运算 占用c p u 的时间的问题。d m 6 4 2 的多级流水线设计大大提高了算法执行效率； d m 6 4 2 的超长指令和哈佛结构大大缓解了数据瓶颈对系统运行速度的限制；d m 6 4 2 片内二级缓存结构缓解了外设与c p u 速度不匹配的问题( 黄飞等，2 0 0 8 ) 。 t m s 3 2 0 d m 6 4 2 拥有丰富的外设接口：3 个可配置的视频端口；1 个1 0 1 0 0 m b s 的以太网控制器( e m a c ) ；1 个管理数据输入输出( m d i o ) ：1 个内插v c x o 控制 接口；1 个m c a s p o ；1 个1 2 c 总线；2 个m c b s p s ；3 个3 2 位通用定时器；1 个用 户配置的1 6 位或3 2 位主机接1 2 1 ( h p l l 6 h p l 3 2 ) ；1 个p c i ：1 个1 6 引脚的通用输入 输出口( g p 0 ) ，具有可编程中断事件产生模式；1 个6 4 位e m i f a ，可以与同步和 异步存储器和外围设备相连( t e x a si n s t r u m e n t si n c o r p o r a t e d ，2 0 0 3 ) 。 8 华中农m 学顾 岸位论文：基于d s p 的玉米苗期杂草识别方法的研究 2 2 d s p 硬件平台 2 21 系统硬件平台总体结构 s e e d - v p m 6 4 2 d m 6 4 2 ，而赢百鬯兰野丽i 1 厂 厂 而 图2 - 1 硬件平台总体结构 f i 9 2 1t h e o v e r a l ls t r u c t u r eo f h a r d w a ”p l a t f o r m 如图2 - 1 所示，在d m 6 2 4 图像处理系统上，图像信号处理的流程如下： ( 1 ) 视频输入：视频数据为标准p a l 制电视模拟信号，图像信号经过视频解 码芯片t v p 5 1 5 0 解码成数字并行信号b t 6 5 6 码流送t m s 3 2 0 d m 6 4 2 的视频接e l 。 ( 2 ) 视频存储：t m s 3 2 0 d m 6 4 2 的视频接口解码b t 6 5 6 码流，自动通过e d m a 传输图像信号到s d r a m 中存储。 ( 3 ) 图像处理：t m s 3 2 0 d m 6 4 2 的c p u 访问s d r a m 中的图像数据，对其进 行处理后存入s d r a m 。 ( 4 ) 视频输出；t m s 3 2 0 d m 6 4 2 的视频接口( 输出) 自动通过e d m a 从s d r a m 中的输出缓冲区取得数据后形成b t6 5 6 码流送出。 ( 5 ) t v 输出：视频编码芯片( d a 转换芯片) s a a 7 1 0 5 接收b t 6 5 6 输出码 流，转换成标准电视信号输出，显示于l c d 屏上。 基于以上总体结构，本论文选用北京合众达s e e d v p m 6 4 2 作为开发研究平台。 2 2 2s e e d v p m 6 4 2 的外部存储器 t m s 3 2 0 d m 6 4 2 采用修正的哈佛结构，拥有4 g 字节的地址空b j ，映射为片上 存储器、片上外设、外部存储器接门( e m i f ) ，均以字节为单位进行统一编址。 s e e d v p m 6 4 2 通过外部存储器接e l ( e m i f ) 扩展外部存储资源，分成4 个c e x 空 间。s e e d v p m 6 4 2 的c e o 子空间配置了4 m x 6 4 位的s d r a m ，提供足够的存储空 间，用来存储程序代码、数据和视频信息，其访问地址空间为8 0 0 0 0 0 0 0 h 一8 1 f f f f f f h 。 另外，s e e d v p m 6 4 2 的c e l 子空c 白j 被配置为4 m x 8 位的f l a s h ，其访问地址空间为 囊 融童 第二章d s p 硬件平台和软件系统 9 0 0 0 0 0 0 0 h 9 0 0 7 f f f f h 。s e e d v p m 6 4 2 板上的f l a s h 主要用于自启动功能和存储 f p g a 的配制数据( 单亦杰，2 0 0 7 ) 。 2 2 3s e e d v p m 6 4 2 的视频端口 t m s 3 2 0 d m 6 4 2 有三个可配置的双通道视频端口v i d e op o r t 。每个端口均有 5 1 2 0 b y t e s 的f i f o ，用于缓存采集到的图像数据。每个视频端口可被配置为视频输 入口或输出口，各端口被分为a 、b 两个通道，但两个通道只能同时被配置为输入 或输出口。 视频采集过程是从输入引脚接收视频信号，并将之保存到视频端口的f i f o ，当 采集到的数据量达到指定的阈值时就会激活e d m a ，e d m a 将数据从f i f o 传送到 d s p 的内存中。视频端口支持多种格式的采集模式，并且支持隔行扫描和逐行扫描。 本论文使用b t 6 5 6 采集模式，采集8 位的y c b c r ( 4 ：2 ：2 ) 混合而成的数字视频流，当 数据流进入d s p 的视频端口后被重新打包写入y 、c b 、c r 各自分离的f i f o 缓冲区 ( 曾岗，2 0 0 4 ；徐异人，2 0 0 7 ；李师亿，2 0 0 8 ：张闯，2 0 0 8 ) 。 ( 1 ) 视频解码器端口 s e e d v p m 6 4 2 采用的是一款高性能视频解码一p 5 1 5 0 p b s ，t v p 5 1 5 0 p b s 可 将n t s c 、山视频信号转换成8 位的数字色差信号( y u v 4 ：2 ：2 ) ，本系统使用的是 通过d b 2 6 连接器c v b s 接入，可直接与通用的视频信号摄像头相连( 赵振，2 0 0 6 ) 。 ( 2 ) 视频编码器端口 s e e d v p m 6 4 2 支持一路视频输出，系统的视频编码芯片选用s a a 7 1 2 1 h 。当 d m 6 4 2 的视频显示缓冲区f i f o 为空时，处理后的图像数据将通过e d m a 从 s d r a m 中传送到f i f o 的显示缓冲区中，s a a 7 1 2 1 会将数据编码为p a l 制式的 b t 6 5 6 格式传送给l c d 进行显示。 2 2 4c c d 摄像头和车载液晶显示屏 本实验选用的是奥尼克斯( a i r o n i x ) m c c 一4 0 3 6 h ，是一种日夜感红外摄像头， 主要功能特点：1 3 ”s o n ys u p e rh a dc c d ，4 8 0 线，彩色0 0 2 l u x f 1 2 ，黑白 o l u x f 1 2 红外灯，s 端子输出。显示装置采用实验箱上自带的7 寸车载液晶显示屏。 1 0 牛中农业大学碗l 学位论文：基十d s p 的 米苗期杂革m 别方法的目f 宄 2 3d s p 图像处理的软件系统 2 3 1 集成开发环境c c s 简介 c c s 2 ( c o d e c o m p e e r s t u d i o c 6 0 0 0 ) 是一个为开发t i 公司t m s 3 2 0 c 6 0 0 0 系列 d s p 而设计的集成开发环境。c c s 2 不仅包含代码生成工具、具备基本调试功能， 而且具各实时分析能力( 彭启宗和管庆，2 0 0 4 ) 。它支持整个软件开发过程：从方案 设计、代码生成到调试、实时分析等。c c s 2 ( c 6 0 0 0 ) 开发环境如图2 - 2 所示： 图2 - 2c c s 2 ( c 6 0 0 0 ) 集成开发环境 f i g2 - 2t h ee n v i r o n m e n to fc c s 2 32 系统软件的模块化设计 本系统的软件需要实现以下的功能，将c c d 采集的图像存储在s d r a m 中， d s p 处理图像数据，并将结果显示在车载显示屏上。为了实现软件的功能，我们拟 将软件分成系统初始化、图像采集和存储、图像的处理、图像的显示四个模块： 系统的初始化：主要是对s e e d v p m 6 4 2 平台利用到的资源进行配置，并完成 各模块的初始化。 第二章d s p 硬件甲台和软件系统 图像采集和存储：启动采集模块，并将数据存储在s d r a m 中。 图像的处理：根据实验目的，完成区分杂草和玉米的目的。 图像的显示：启动显示模块，将结果显示在车载显示屏上。 它们之间的关系和具体的运行框图如图2 3 所示： 开始 l 系统初始化 l 图像采集存储 l l 图像处理 l l结果显示 图2 3 软件处理总框图 f i g 2 - 3t h eo v e r a l lf r a m e w