RESUMO: Para resolver o problema que os nós do caule são difíceis de identificar no processo de corte automático de sementes de cana-de-açúcar, é proposto, neste artigo, um método para identificar os nós do colmo da cana-de-açúcar com base nos pontos extremos da função de projeção vertical. Em primeiro lugar, a fim de reduzir a influência da luz no processamento da imagem, a imagem de cor RGB foi convertida em imagem de cor HSI, e a imagem de componente S do espaço de cores HSI é extraída como um objeto de pesquisa. Em seguida, o método Otsu foi usado para binarizar o mapa do componente S, e a operação morfológica fechada foi usada para preencher os espaços da imagem binária, e a projeção horizontal da imagem binária foi usada para separar a cana de açúcar do fundo. Finalmente, a posição do caule de cana-de-açúcar foi preliminarmente determinada através da tomada contínua do derivado da função de projeção vertical da imagem binária, e a soma do valor pixel local da coluna de pixel suspeito foi comparada para determinar ainda mais o nódulo da cana-de-açúcar. Os resultados experimentais mostram que a taxa de reconhecimento do nó de haste única foi de 100%, o desvio padrão foi inferior a 1.1 mm. A precisão da identificação simultânea de nós de haste dupla foi de 98%, o desvio padrão foi menor que 1.7 mm. A precisão da identificação simultânea dos três nós de haste é de 95%, o desvio padrão foi inferior a 2.2 mm. Comparado com os outros métodos introduzidos neste artigo, o método proposto possui maior reconhecimento e precisão.

ABSTRACT: In order to solve the problem that the stem nodes are difficult to identify in the process of sugarcane seed automatic cutting, a method of identifying the stem nodes of sugarcane based on the extreme points of vertical projection function is proposed in this paper. Firstly, in order to reduce the influence of light on image processing, the RGB color image is converted to HSI color image, and the S component image of the HSI color space is extracted as a research object. Then, the S component image is binarized by the Otsu method, the hole of the binary image is filled by morphology closing algorithm, and the sugarcane and the background are initially separated by the horizontal projection map of the binary image. Finally, the position of sugarcane stem is preliminarily determined by continuously taking the derivative of the vertical projection function of the binary image, and the sum of the local pixel value of the suspicious pixel column is compared to further determine the sugarcane stem node. The experimental results showed that the recognition rate of single stem node is 100%, and the standard deviation is less than 1.1 mm. The accuracy of simultaneous identification of double stem nodes is 98%, and the standard deviation is less than 1.7 mm. The accuracy of simultaneous identification of the three stem nodes is 95%, and the standard deviation is less than 2.2 mm. Compared with the other methods introduced in this paper, the proposed method has higher recognition and accuracy.

RESUMO: Depois de usar o método conhecido como escala de cinza para plantas de milho, a diferença de escala de cinza entre diferentes partes da planta é grande ou a diferenciação do solo não é alta, a precisão do trajeto de navegação é baixa e a velocidade é lenta. Neste trabalho foi proposto um novo método de extração da linha de referência de navegação para campos de milho, que é usado para controlar a caminhada de robôs agrícolas. Os métodos de projeto incluem: segmentação de imagem, extração de ponto de navegação e encaixe de linha de navegação. A segmentação por imagem é baseada na separação de culturas e solos com base no novo fator de escala de cinza combinado com a filtragem mediana, método de Otsu e operação morfológica. A extração de pontos de navegação é baseada em um mapa de projeção vertical de imagem de dois valores para obter a área de interesse, e as coordenadas do ponto de navegação são determinadas por cálculo do ponto central relativo no pixel branco da linha amostral na área de interesse. O fator de escala de cinza melhorado nesta pesquisa irá extrair o centro da entre linha de plantio alvo com uma taxa de precisão de 92%. A precisão de extração da linha de navegação é mais de 90%. O erro máximo foi de 5cm quando o experimento de rastreamento de navegação em tempo foi é realizado em campos de milho.

ABSTRACT: Focusing on the problem that corn plant in different growth periods is grayed out by known methods, the gray scale difference of different part is large or the soil discrimination degree is not high, the navigation path is low in accuracy and speed. This paper proposed a new method for extracting cornfield navigation baselines, which is used to control walking of agricultural robots. Design method included image segmentation, navigation point extraction, and navigation path fitting. Image segmentation is based on a new grayscale factor combined with median filtering, OSTU method and morphological operations to achieve the separation of crops and soil. The extraction of the navigation point is based on the binary image vertical projection map to obtain the region of interest, and the navigation point coordinates are determined by calculating the relative center point of the white pixel points of the sampling line in the region of interest. The Hough transform is used to fit the navigation point obtained by the vertical projection map to determine the navigation path, and then the control parameters are obtained. The gray scale factor that is improved in this paper combined with the vertical projection map can extract the target ridge with an accuracy rate of 92%, and the accuracy of extracting the navigation line is more than 90%. When conducting navigation tracking experiments in corn field, the maximum error is 5cm.