基于U-Net模型和FCM算法的番茄穴盘苗重叠幼叶分割方法
来源:用户上传
作者:赵广猛 王卫兵
摘要：针对传统方法对番茄穴盘苗重叠幼叶图像分割精度较低、背景剔除困难的问题，提出一种基于U-Net模型和模糊C均值聚类（FCM算法）相结合的图像分割方法。首先用ExRG法对图像的背景进行剔除，得到待分割幼叶的主体区域，对图像进行预处理。其次建立数据集，训练网络模型，用预训练的U-Net模型分割幼叶主体区域，提取其过渡区域;同时用FCM算法分割幼叶主体区域，提取其过渡区域。然后结合FCM算法分割得到的过渡区域和U-Net模型分割得到的过渡区域，得到重叠叶片的最终分割结果。最后，为了得到精准的评估结果，将重新连接的过渡区域进行填充，并与其他文献所述的算法进行对比分析。结果表明，所提出的基于U-net模型和FCM算法对穴盘苗幼叶轮廓分割的结果更加准确，泛化性更强。证明对番茄幼苗叶片图像分割的有效性，为幼苗生长状况的检测研究提供了支持。
关键词：穴盘苗幼叶;U-Net模型;FCM算法;图像分割;结合分割
中图分类号： S641.2 文献标志码： A
文章编号：1002-1302（2022）02-0206-07
收稿日期：2021-04-14
基金项目：国家自然科学基金（编号：61763042）。
作者简介：赵广猛（1994―），男，山东德州人，硕士研究生，主要从事图像处理研究。E-mail：1032404305@qq.com。
通信作者：王卫兵，硕士，教授，主要从事机械CAD/CAM一体化技术。E-mail：2571490652@qq.com。
由于我国自然资源的优势，番茄种植面积、产量和出口量均位居世界前列，大面积种植的加工番茄农作物的移栽技术正在逐步推广[1]。在番茄苗移栽的过程中，番茄穴盘苗的生长状况的好坏，对后期番茄幼苗移栽成活率、番茄质量起到了关键性的作用[2]。传统检测穴盘苗生长状况的主要方式是通过人眼辨别，费时费力。随着智能农业装备的普及，基于机器视觉检测穴盘幼苗生长状况的研究正在有效开展，而在机器视觉检测幼苗的过程中，非常重要的环节是对幼苗叶片区域进行分割。同时，幼苗叶片区域的分割也是幼苗种类识别、幼苗病虫害识别不可缺少的重要步骤[3]。近年来，国内外学者在叶片分割方面开展了大量研究。孙俊等用粒子群优化（PSO）和最大类间方差法（Ostu）相结合的方式分割生菜叶片面积，缩短了算法的运行时间，但是分割效果并不是非常的明显[4]。郑艳梅等用BiseNet卷积神经网络和引导滤波相结合的方式，提出了一种新的叶片图像分割算法，可以很好地保留苹果叶片周边细小的轮廓[5]。Praveen Kumar等利用图像增强技术和图形模型进行植物图像分割和叶片计数，当叶片为圆形或椭圆形时，对叶片区域的分割和叶片数量的统计效果显著，但对光照条件有较强的要求[6]。Ping等利用像素的颜色和空间特征训练玉米叶片分割模型，然后应用基于空间结构分析的图像修复技术对传统玉米分割结果进行修复，算法能够从复杂背景或不同光照条件下的图像中分割出玉米植株[7]。Anam等采用粒子群优化的K均值算法的目标函数对苹果叶斑病进行分割[8]。现有相关文献研究的都是对农田成熟作物叶片区域的分割以及病害区域的提取，而对穴盘中幼苗叶片区域的提取以及幼叶重叠区域的分割研究相对较少。
很多传统的穴盘苗图像分割算法，如边缘检测分割、小波变化分割、区域分割、分水岭分割，有计算简单、效率高、易访问等优点，都是利用图片边缘处的像素灰度值的变化，也就是图像灰度的特征信息来进行图像分割的，在简单的场景下能够获得较好的分割结果，但是这些传统算法分割的结果对指定参数和图像的预处理有很强的依赖性[9]。针对上述问题，本研究提出了一种基于U-Net和FCM算法（简称UF算法）的穴盘苗幼叶图像分割方法，在于提高番茄穴盘苗重叠幼叶的分割精度，并使该方法更具普适性。
1 材料与方法
1.1 数据获取
本研究所选用的试验材料为番茄粉抗8号，在室内条件下种植，土壤类型为椰糠土，所选用的穴盘为32个穴孔（4×8式）的番茄苗穴盘，部分穴盘见图1。在每个穴盘的正上方配备1个初始高度为50 cm的摄像机，摄像机的高度和焦距随幼苗的生长手动调整。在4月1―5日的幼苗生长期内，每天08：00―18：00每1 h拍照取样1次。由于有的穴孔中播种了2株番茄幼苗，且2株幼苗间生长状况不同，使得番茄幼叶交叉重叠，部分试验情况见图2。
1.2 研究方法
本研究提出UF算法分割可分为4个阶段：第一阶段，用ExRG法将幼叶从背景中提取出来，其阈值由最小误差分割法确定，得到幼叶主体区域;第二阶段，对获取的试验图像进行裁剪，过滤掉无效数据，对有效图像进行标记，建立数据集，训练、验证U-Net模型。第三阶段，用训练好的U-Net模型对幼叶主体区域进行分割;同时用FCM算法对幼叶主体区域进行分割。第四阶段，用本研究提出的结合分割方法，将基于FCM算法提取的过渡区域和U-Net模型提取的过渡区域进行结合分割。算法流程见图3。
1.2.1 幼叶主体区域的提取
在对穴盘幼叶进行图像处理前，需要先将幼叶与背景分离。通过增加幼叶区域与非幼叶区域的对比度，来生成一个突出的特定感兴趣区域，通常用ExRG方法[10]，即超绿减去超红指数，可以放大绿色植物与背景颜色的差异，通过绿色幼苗与基质土和穴盘颜色的不同来分割绿色植物，来突出幼叶区域与非幼叶区域的区别。公式如下：
ExG=2G-R-B;（1）
ExG=1.4R-B;（2）
ExRG=ExG-ExR。（3）
式中：R、G、B分e为绿、红、蓝归一化的颜色分量。
本研究在ExRG的基础上，通过最小误差分割法，确定幼叶与背景之间分割的阈值。最小误差分割法是一种基于高斯分布的方法。假定图像中的幼叶区域（图4中实线）和非幼叶区域（图4中虚线）服从高斯分布，由高斯分布的特点可知2条曲线的交点（图4中Q点）即为误差分割的最小阈值。本研究所获取的图片是在自然条件下获取的，服从高斯分布规律，因此该方法可以用来寻找阈值的最小值。用ExRG法对样本1的穴盘苗图像处理后的结果见图5，幼叶区域被完整的从背景区域中提取出来，并且幼叶区域的边缘完整清晰。
转载注明来源:https://www.xzbu.com/1/view-15423007.htm
