基于视觉图像的田间甘蓝计数

田间蔬菜计数是预估产量的重要技术手段，可以帮助农民提前规划销售、仓储和运输，提高收益。本文以甘蓝为例，实现基于视觉图像的田间蔬菜识别计数。算法是：首先对图像b通道高斯平滑滤波，然后应用b通道直方图实现蔬菜与非蔬菜的自适应阈值分割，再利用改进极限腐蚀算法对分割出的蔬菜二值图像腐蚀，最后用动态生成腐蚀核划分连通域实现蔬菜计数。航拍甘蓝图像的分割、计数实验结果显示：本文算法分割蔬菜与非蔬菜的精度为82.41%，高于OTSU对比算法；本文算法计数准确率达100.00%，召回率为96.08%，F1-score为0.98。实验结果表明，算法是有效的。

蔬菜是人们日常生活中不可缺少的副食品。我国既是蔬菜生产大国，又是蔬菜消费大国[1]。科技水平的提升促进农业现代化的发展我国蔬菜种植水平不断提升，种植规模不断扩大，种植种类繁多。若在种植过程中能比较精确地预估蔬菜产量，无疑将给后续的销售、仓储、运输带来好处。甘蓝是重要的种植蔬菜，单颗计数是甘蓝产量预估的技术手段之一。目前，主要采用人工计数，技术落后，耗时耗力。

随着，我国城镇化进程的加快和农村富余劳动力向非农产业的转移，叶菜生产劳动力短缺和老龄化日趋严重，出现用工荒，生产用工成本增加，进一步提高了蔬菜的种植成本，阻碍种植业的持续发展[2]。因此，基于视觉图像的田间甘蓝计数值得研究，以提高甘蓝产量预估的效率。

基于视觉图像的田间蔬菜计数算法较少，视觉图像的其它计数方法有很多，可借鉴用于田间甘蓝计数研究。任亚飞等[3]通过采集样本图像，图像降噪并分割，基于形态学的钢球识别计数环节，实现在光照适宜的条件下，少量简单的钢球100%精度的数目统计工作。王海燕等[4]针对千粒重种子在光照不同的条件下图像分割的问题， 提出了HSV 色彩空间转换与二维直方图的OTSU 自适应阈值分割算法， 提高了图像分割的准确性，并通过极限腐蚀实现种子的识别计数。实验结果最终达到99.5%的精度。徐惠荣等[5]提出了基于彩色信息的树上柑橘识别方法，能识别自然环境中树上的柑橘，为机械手提供信息完成果实的自动采摘，方法首先提取柑橘和树叶树枝的颜色特征分析，接着调用动态阈值算法分割图像，分离出柑橘区域，最后通过形状检测识别柑橘并计数，实验达到了96%的精度。

目前国内市场上甘蓝品种繁多[6]，且甘蓝的大小、形状与种子、橘子相差较大，不同甘蓝植株之间也有大小和形状的差异，现有检测方法均不适用，大规模视觉图像的田间甘蓝计数尚需进一步研究。

2. 田间甘蓝计数总体思路 首先将图像从RGB 色彩空间转到Lab 色彩空间；接着对图像做高斯滤波平滑操作，抑制图像噪声；然后获取图像的直方图，使用自适应阈值分割算法，获取分割植物区域与非植物区域；使用形态学闭运算去除甘蓝菜心部分中的噪声；并提出自适应腐蚀核生成算法，获得单颗甘蓝植株的平均直径大小，调用改进的极限腐蚀算法逐步调整腐蚀核的大小，记录腐蚀过程的连通域状态， 完成田间甘蓝的识别计数。