利用机器视觉防治草莓苗期杂草的研究

草莓富含多种营养元素，是一种重要的水果。随着我国种植结构的调整，草莓种植面积逐年扩大。由于草莓基肥施用量大、需水多，杂草生长茂盛。另外草莓植株低矮，种植密度大，除草困难。据研究，杂草危害可使草莓减产15%～20%，因此草害防治成为草莓生产中的主要工作。草莓田间除草可通过人工除草，覆膜压草，轮作换茬等综合措施进行。James等2002年指出通过轮作、混作可以减少草莓杂草[1]。Haar等 2003年研究了在草莓移栽前使用熏蒸剂三氯硝基甲烷的杂草防治效果[2]。这些措施都减少了杂草的危害，但是现阶段草莓苗期杂草的防治还是离不开化学防治。除草剂对草莓的质量和产量都会产生极大的影响，特别是无公害草莓生产要求的提出，使得对通过除草剂防治的要求进一步提高。而人工除草工作量大，由于我国人口老龄化、农村人口城镇化，这一方法也面临挑战。近年来，利用机器视觉，通过分析田间图像、自动控制喷头、智能喷洒除草剂已成为现代农业中杂草防治的主要方向。因此使用机器视觉防治草莓杂草是降低农药污染、增加产量、减少人工的重要途径。

1 草莓苗期杂草的防治策略

现有利用机器视觉识别杂草的算法中，主要是以形状特征为识别特征。Onyango等2003年通过形状特征识别作物和杂草，实验中识别率分别达到82%～92%和68%～92%[3]。Aitkenhead等2003年使用人工神经网络对形状特征进行研究，对胡萝卜幼苗与黑麦草和藜的识别率超过 75%[4]。S?gaard2005年利用形状模板进行杂草识别达到65%～90%以上的识别率[5]。得到识别结果后，现有相关研究一般是将一幅图像分成若干子区域，根据子区域中杂草的情况喷洒除草剂。2002年田磊开发除草剂精确喷洒系统时使用多个喷头排成一列，行进中每个喷头负责一个子区域 [6]。2003年Gillis等开发自动除草设备时，将目标区域分为15cm×15cm的子区域，每个区域中心设置一个喷头[7]。通过这样的操作，实现尽量把除草剂喷在杂草上，在作物、土壤上少喷甚至不喷除草剂。

草莓杂草防治中，由于除草剂对草莓的生长影响很大，首先要求除草剂尽量不喷洒到草莓上。但是在苗期，杂草刚刚出现的时候，杂草植株小不易识别; 另一方面，使用现有的识别方法识别率无法达到100%，存在将草莓识别为杂草的情况。所以使用传统的识别策略喷洒除草剂容易伤害草莓植株。如果将草莓识别出来，在不是草莓的区域喷洒除草剂，就可以保护草莓并防治杂草。虽然这一方法未明显改善土壤中农药残留的问题，但是对于保护草莓，特别在无公害草莓的生产中效果明显。另外，这样喷洒除草剂也一定程度上减少了除草剂的使用量。因此，利用机器视觉识别出草莓后将除草剂喷洒在不是草莓的区域是针对草莓苗期杂草防治的有效策略。

2 图像处理算法和除草剂的喷洒方法

从田间获取的原始图像包括草莓、杂草和背景，首先需要通过分割操作将背景去除。通过硬件设备得到的彩色数字图像初始状态均为RGB图像，如图1 （a）所示。在RGB图像中，每一个RGB彩色像素由R、G、B三个值表示，三个分量的取值范围由存储方式决定。目前使用的全彩色图像，每个像素24个字节，每个分量8个字节，所以每个分量都分为256（28）个灰度级。由于阈值分割是杂草图像分割中的主要算法，分割操作主要是确定分割时使用的特征。 Woebbecke等1995年提出超绿特征（2g-r-b）用于杂草图像的分割，并分析了r-b、g-b、（g-b）/（r-g）和H等其它颜色特征，结果认为（2g-r-b）最为可取[8]。在现有的杂草图像分割研究中，这一结果被广泛接受，超绿特征为代表的颜色特征成为最主要的杂草分割特征。但是分割误差的问题依然没有解决，2006年毛罕平等分析了影响分割误差的因素[9]。作者通过大量实验，利用遗传算法优化分割特征，得到优化后的特征为：-149R+ 218G-73B，减少了这些因素的影响。本文采用优化后的特征进行杂草图像的分割。若分割处理后的像素点为g，则：

其中标记为1的像素为草莓和杂草，而标记为0的像素为背景。T表示分割阈值。

分割后杂草由于刚刚出现、植株体积小，在图像中所占像素点相对较少。通过形态学开操作可以在较少改变草莓轮廓的情况下去除图像中的杂草像素，这样就得到了草莓的图像。因此，利用机器视觉防治草莓苗期杂草的方法为：

STEP1：利用特征-149R+218G-73B，通过阈值分割去除土壤等背景;

STEP2：对分割结果二值化后进行开操作得到草莓图像;

STEP3：将草莓图像分为6行8列共6×8=48个子区域，根据是否有草莓的像素确定每个区域是否喷洒除草剂。

利用机器视觉防治草莓苗期杂草的研究

图1 草莓苗期杂草图像