作物行检测新算法：光照适应与高效识别

本文主要探讨了一种基于已知点的作物行检测方法，针对农田作物行中心线的快速提取问题。该方法首先通过"2G-R-B灰度变换—Otsu自动阈值图像二值化—形态学图像处理—左右边缘中间线检测"四步图像预处理步骤，有效地处理光照影响和复杂背景，以获得作物行中心的特征点。这些特征点被扫描并存储在二维数组中，然后运用聚类算法将其归类为作物行的已知点。 接着，算法采用随机直线检测技术，利用这些已知点作为参照，有效地检测出作物行。这种方法的优势在于它不仅能够准确识别不同作物的行结构，还具有较高的识别率和较快的处理速度，能够在处理一幅640×480的彩色图像时，平均耗时仅为196毫秒，达到95%的正确识别率，满足农业机器人在田间作业中的实时性和准确性要求。 对比传统的霍夫变换(Hough Transform, HT)和随机霍夫变换(Random Hough Transform, RHT)，该方法在计算时间和存储空间上表现更优。这表明该算法在处理大规模数据和高精度要求的应用场景中具有明显优势。 该研究由姜国权、王志衡和赵翠君三位作者完成，得到了国家自然科学基金、河南省高校创新科技人才计划、河南省高校骨干教师资助计划以及河南理工大学博士基金的共同支持。作者们的研究工作对于农业机器人在农田环境中的自主导航有着实际意义，有助于提高农业生产效率和智能化水平。 本文提出的方法是机器视觉领域的一个重要贡献，特别是在农田作物行检测方面，为农业机器人精准导航提供了强有力的技术支撑。