• 《中国科学引文数据库(CSCD)》来源期刊
  • 中国科技期刊引证报告(核心版)期刊
  • 《中文核心期刊要目总览》核心期刊
  • RCCSE中国核心学术期刊

基于双重稳健回归的果树行间可行驶区域识别算法

封子晗, 宫金良, 张彦斐

封子晗, 宫金良, 张彦斐. 基于双重稳健回归的果树行间可行驶区域识别算法[J]. 华南农业大学学报, 2023, 44(1): 161-169. DOI: 10.7671/j.issn.1001-411X.202205029
引用本文: 封子晗, 宫金良, 张彦斐. 基于双重稳健回归的果树行间可行驶区域识别算法[J]. 华南农业大学学报, 2023, 44(1): 161-169. DOI: 10.7671/j.issn.1001-411X.202205029
FENG Zihan, GONG Jinliang, ZHANG Yanfei. Recognition algorithm of drivable area between rows of fruit trees based on double robustness regression[J]. Journal of South China Agricultural University, 2023, 44(1): 161-169. DOI: 10.7671/j.issn.1001-411X.202205029
Citation: FENG Zihan, GONG Jinliang, ZHANG Yanfei. Recognition algorithm of drivable area between rows of fruit trees based on double robustness regression[J]. Journal of South China Agricultural University, 2023, 44(1): 161-169. DOI: 10.7671/j.issn.1001-411X.202205029

基于双重稳健回归的果树行间可行驶区域识别算法

基金项目: 山东省重点研发计划(重大科技创新工程)(2020CXGC010804);山东省自然科学基金(ZR202102210303);淄博市重点研发计划(校城融合类)生态无人农场研究院项目(2019ZBXC200)
详细信息
    作者简介:

    封子晗,硕士研究生,主要从事智能农机装备研究,E-mail: fengzihanhan000@163.com

    通讯作者:

    张彦斐,教授,博士,主要从事机器人与智能农机装备研究,E-mail: 88659258@qq.com

  • 中图分类号: S2;TP242

Recognition algorithm of drivable area between rows of fruit trees based on double robustness regression

Article Text (iFLYTEK Translation)
  • 摘要:
    目的 

    提出一种复杂环境下以天空为背景的果树行间可行驶区域识别算法,以便农业机器人导航系统中工作路径的提取。

    方法 

    通过蓝色分量(B分量)进行树冠和背景天空的分离,改进Otsu算法实现更好的分割效果,形态学处理后根据树顶分布规律,进行动态阈值“V形”感兴趣区域寻找及特征点提取,使用泰尔−森稳健回归剔除干扰点后,使用随机采样一致性(Random sample consensus,RANSAC)算法进行拟合,得到树顶处直线,通过斜率变换关系得到可行驶区域边缘直线斜率,利用剔除后特征点信息和剔除阈值获得关键点坐标,以斜率为约束条件,代入关键点,得到可行驶区域边缘直线方程,并使用最小二乘法进行拟合,以此实现可行驶区域识别。

    结果 

    试验结果表明,本文双重稳健回归算法较泰尔−森算法和RANSAC算法平均偏差角度分别减小了8.28%和9.88%,标准差分别减少了6.25%和22.89%,准确率分别提高了4.64%和10.49%。

    结论 

    研究结果可为农业机器人在大多数标准化果园复杂环境中的可行驶区域识别和路径提取提供研究思路。

    Abstract:
    Objective 

    In order to extract the working path in the agricultural robot navigation system, we proposed an algorithm for identifying the drivable area between rows of fruit trees with the sky as the background in a complex environment.

    Method 

    The tree crown and the background sky were separated by the blue component (B component), and the Otsu algorithm was improved to achieve a better effect of segmentation. After morphological processing, according to the regularity of tree top distribution, dynamic threshold was used to find “V-shaped” region of interest and extract feature points. After the interference points were eliminated by Theil-Sen robustness regression, the straight line at the tree top was fitted by random sample consensus (RANSAC) algorithm, the slope of the straight line at the edge of the drivable area was obtained through the slope transformation relationship, and the key point coordinates were obtained using the information of the feature points after elimination and the threshold elimination. Taking the slope as the constraint condition, the linear equation of the edge of the drivable area was obtained by substituting the key points. The least square method was used to fit the data for realizing the recognition of the drivable area.

    Result 

    The experimental results showed that compared with Theil-Sen algorithm and RANSAC algorithm, the average deviation angle of the double robustness regression algorithm in this paper was reduced by 8.28% and 9.88%, the standard deviation was reduced by 6.25% and 22.89%, and the accuracy was improved by 4.64% and 10.49%.

    Conclusion 

    The research results can provide research ideas for the drivable area recognition and path extraction of agricultural robots in the complex environment of most standardized orchards.

  • 氟苯尼考(Florfenicol,FF)属于酰胺醇类动物专用广谱抗生素,广泛用于防治畜禽消化道和呼吸道感染性疾病[],氟苯尼考经动物摄入后随排泄物进入环境中,造成潜在的环境生态风险[-]。呼秀智等[]研究表明,氟苯尼考对土壤微生物的抑制作用随浓度增加而增强。硫酸铜(CuSO4)作为一种促生长、防腹泻的添加剂用于养殖业,并发挥细胞电子传递、氧化还原等重要生理作用[],但动物摄入后随排泄物进入环境中的高含量Cu可影响土壤微生物丰度、群落结构及功能多样性,导致土壤生态结构破坏[]。许多报道指出金属与抗生素联用后存在协同或拮抗作用,如:与单一处理相比,土霉素与铅的交互作用使土壤细菌蔗糖酶活性明显下降,表现为协同效应[];Fe(II)通过与土霉素形成复合物,降低其生物利用度,从而降低水稻对土霉素的吸收,表现为拮抗作用[]。二者联用效果与相关酶活性变化、是否形成复合物以及目标物对重金属耐受性差异等因素均相关。Wang等[]报道,动物粪便中氟苯尼考和Cu残留不仅阻碍环境中细菌正常代谢,还可能增加细菌耐药基因(Antibiotic resistance genes,ARGs)传播到人类的风险。

    土壤中固氮菌介导的生物固氮作用是生态系统中氮元素输入土壤的主要过程,是全球氮循环至关重要的一步,兽用抗生素和重金属残留可能对固氮菌产生潜在影响[]。本文对优势固氮菌RpEC2071进行氟苯尼考联合Cu胁迫处理,研究胁迫条件下对固氮菌胞外多糖产生及生物膜形成的影响,并分析固氮酶结构基因、氮代谢调控基因以及生物膜基因mRNA表达水平,将为评估兽药及添加剂的生态风险提供依据。

    固氮菌从华南农业大学广东生物防治教育部工程研究中心无抗生素污染的花生根部附近土壤中分离纯化后得到。

    氟苯尼考原料药购自大连美伦生物技术有限公司,纯度99.5%; LB肉汤、LB琼脂均购自广州环凯微生物有限公司;硫酸铜、异丙醇、NaOH、浓硫酸、葡萄糖、无水乙醇等均购自广州普智生物仪器有限公司,纯度均为分析纯;革兰氏染色液购自广州翔博生物科技有限公司。

    称5.0 g花生根围土壤,加入50 mL无菌水振荡摇匀,取10 mL悬浊液进行梯度稀释后分别取10−3、10−4、10−5 g/mL土壤悬液0.1 mL均匀涂布于LB琼脂培养基,28 ℃培养5~7 d后进行纯化,将纯化菌株加入φ为10%的甘油水中,−20 ℃条件下保存。

    制备固氮菌革兰氏染色涂片,油镜(100×)观察染色后细菌形态。提取固氮菌DNA模板,采用细菌16S rDNA通用引物27F/1492R进行PCR扩增,产物经15 g/L琼脂糖凝胶电泳检测后,送样广州擎科生物技术有限公司进行DNA测序。

    供试菌活化:取保存的固氮菌划线接种LB板,经28 ℃培养48 h后纯化2次备用。

    生物膜生长情况观察:挑取固氮菌单菌落于5 mL改良LB肉汤,设置3个重复,28 ℃培养,记录0、12 、24 、36 、72 、120 、132 、144 、156 和168 h时的试管生物膜生长情况。

    96孔板内设置4组处理:空白组(CK)、氟苯尼考组(FF)、铜组(Cu)及混合组(FF+Cu),各处理组组分添加量见表1,28 ℃条件下孵育120 、132 、144 、156和168 h进行采样。样品采用结晶紫法进行处理[],每组3个重复,使用酶标仪测定孔中溶液D590 nm。另外,以未接种供试菌的改良肉汤作为阴性对照,以阴性对照D590 nm(Dc)的2倍作为界限值,根据D590 nm进行生物膜形成能力结果判断:生物膜形成力强(D590 nm>2Dc);生物膜形成力弱(Dc<D590 nm≤2Dc);没有生物膜形成(D590 nmDc)。

    表  1  96孔板中处理组各组分添加量
    Table  1.  Addition of each component in a 96-well plate of treatment group μL
    组别 Group 改良肉汤 Improved broth 菌液 Bacterial solution 甲醇 Methanol 氟苯尼考1)Florfenicol CuSO42)
    空白组 Blank(CK) 170 20 10 0 0
    氟苯尼考组 Florfenicol(FF) 170 20 0 10 0
    铜组 Cu(Cu) 160 20 10 0 10
    混合组 Mixed(FF+Cu) 160 20 0 10 10
     1) ρ (氟苯尼考) =0.8 mg/mL;2) ρ (CuSO4) = 4 mg/mL  1)ρ (Florfenicol) = 0.8 mg/mL; 2) ρ (CuSO4) = 4 mg/mL
    下载: 导出CSV 
    | 显示表格

    设置4组处理:空白组(CK)、氟苯尼考组(FF)、铜组(Cu)及混合组(FF+Cu),各处理组组分添加量见表2,每组3个重复,于给药后0、12、24、36、72、120、132、144、156和168 h测定各组菌液的D600 nm,并采集后5个时间点的细菌沉淀和上清液于–80 ℃保存,用于后续测定固氮菌胞外多糖含量。

    表  2  胁迫模型组各组分添加量
    Table  2.  Addition of each component in stress model groups mL
    组别 Group 改良肉汤 Improved broth 菌液 Bacterial solution 甲醇 Methanol 氟苯尼考1)Florfenicol CuSO42)
    空白组 Blank(CK) 40.1 0.1 0.1 0 0
    氟苯尼考组 Florfenicol(FF) 40.1 0.1 0 0.1 0
    铜组 Cu(Cu) 40.0 0.1 0.1 0 0.1
    混合组 Mixed(FF+Cu) 40.0 0.1 0 0.1 0.1
     1) ρ (氟苯尼考)=16 mg/mL;2) ρ (CuSO4)= 80 mg/mL  1) ρ (Florfenicol) = 16 mg/mL; 2) ρ (CuSO4) = 80 mg/mL
    下载: 导出CSV 
    | 显示表格

    分别取“1.5”各样品上清液2 mL至离心管中,加入乙醇,4 ℃条件下静置24 h后离心,洗涤沉淀后60 ℃干燥至恒质量。将各组干燥样品溶于2 mL蒸馏水中,另以蒸馏水作为阴性对照,使用苯酚硫酸法及紫外分光光度计估算胞外多糖浓度[]

    采用TRIzol法[]抽提固氮菌样品RNA后反转录合成cDNA。参考全基因组测序结果设计引物,引物序列见表3,引物由生工生物工程(上海)股份有限公司合成。以获得的cDNA为模板,16S rDNA为内参基因,采用Bio-Rad CFX96检测系统进行实时荧光定量PCR (Quantitative real-time PCR,qRT-PCR)试验,所得数据运用2−△△Ct法进行分析计算。

    表  3  引物序列
    Table  3.  Primer sequences
    基因名称 Gene name 引物序列(5′→3′) Primer sequence 基因名称 Gene name 引物序列(5′→3′) Primer sequence
    flaF F: GCGAGCGACAGGCGTTGA R: TGATTATCCGGCTGCTTGAGATC ntrX F: ACTTGTCGGTGCGTCACTTGC R: GATGGGCTTCTTCCAGTGCG
    fliL F: AAAACGAACAGGCAGAGGGC R: GGGAAACGGTGCGGACATAG glnK F: TGACCGTGACCGAAGTAAAGGG R: TGCCGTCGCCGATCTGCC
    flhA F: ACCACCAGTCATTTCCTTGCCC R: CCGCCGTCGGACCCTCAT nnrR F: GCTGGACGGATTGCTGACCC R: GCCACCCGACGCTCTACCTC
    fliQ F: ATCGTCGGTGTCGCCATCG R: CGTCATTTCCTGAACCTGCGTC nifH F: CGGATTATCGCAGTAGCAAACC R: TCTGTCGTCTCCATCGCTTCAC
    ntrY F: CGCTGACACCAAGTTCACGACG R: GCATCATGGAGTTCCAGATACCC Rp16S-1 F: AGATGCTCTACCTTGATGTCCCTG R: AGATGCGTTGCGCCACCT
    下载: 导出CSV 
    | 显示表格

    用Excel对数据进行初步整理,用SPSS 25.0软件进行数据分析和统计,GraphPad Prism 7.0软件绘图,各指标用One-way ANOVA进行显著性分析,结果采用平均数±SD表示,P <0.05为差异显著性标准。所有数据均为3次或3次以上试验的结果。

    经革兰氏染色后,染色结果如图1,在100倍光学显微镜下镜检细菌呈红色、棒状,判定该菌为革兰阴性菌。

    图 1 菌株RpEC2071的革兰氏染色结果(×100光学显微镜)
    图  1  菌株RpEC2071的革兰氏染色结果(×100光学显微镜)
    Figure  1.  Gram stain results of strain RpEC2071 (×100 light microscope)

    将分离得到的菌株序列上传至NCBI数据库进行比对,发现其与固氮菌的匹配度最高,将该菌命名为RpEC2071。绘制系统发育树(图2),发现固氮菌RpEC2071与根瘤菌NRCPB10相似度高达99%,进一步鉴定其属于根瘤菌。

    图 2 菌株RpEC2071的16S rDNA系统发育树
    图  2  菌株RpEC2071的16S rDNA系统发育树
    Figure  2.  Phylogenetic tree of strain RpEC2071 16S rDNA

    根据生物膜试管形成试验结果(图3),发现0~36 h未能明显观察到生物膜,表明分离菌株在前36 h生物膜形成能力弱;培养至72 h时开始出现较为明显的生物膜,且生物膜形成能力随培养时长增加而逐渐增强。

    图 3 菌株RpEC2071的生物膜试管形成试验
    图  3  菌株RpEC2071的生物膜试管形成试验
    Figure  3.  Biofilm formation experiment of strain RpEC2071 in test tube

    采集4种胁迫条件下RpEC2071菌液,测定D600 nm得到生长曲线,如图4所示,4组模型均表现为前期生长较为缓慢,在120 h处生长速度明显加快,之后逐渐趋于稳定,最终呈现衰退现象,故选取后面5个时间点做进一步分析。

    图 4 胁迫模型下的菌株RpEC2071生长曲线
    图  4  胁迫模型下的菌株RpEC2071生长曲线
    Figure  4.  Growth curve of strain RpEC2071 under stress model

    96孔板内生物膜形成能力定量测定结果如图5所示。在156 h时,FF+Cu组的生物膜形成能力最低,CK组的生物膜形成能力最强,是FF+Cu组的3.1倍;在168 h时,FF+Cu组生物膜形成能力最低,FF组生物膜形成能力最强,是FF+Cu组的3.1倍。进一步分析发现,FF组和CK组生物膜形成能力均在156 h时急剧增强,Cu组在168 h时急剧增强,而FF+Cu组变化稳定且生物膜形成能力最低。综上生物膜的形成能力:FF组 > Cu组 > CK组 > FF+Cu组。

    图 5 菌株RpEC2071的生物膜形成能力测定结果
    图  5  菌株RpEC2071的生物膜形成能力测定结果
    Figure  5.  Test results of biofilm formation capacity of strain RpEC2071

    根据“2.3”生长曲线选择的5个时间点对胞外多糖含量进行定量测定,结果如图6所示。由图6可得,4个试验组在5个时间点的胞外多糖平均分泌量表现为:FF组 > CK组 > Cu组 > FF+Cu组。表明Cu的添加对固氮菌存在抑制作用,且氟苯尼考能促进Cu的抑制作用。

    图 6 菌株RpEC2071胞外多糖含量测定分析图
    图  6  菌株RpEC2071胞外多糖含量测定分析图
    Figure  6.  Analysis chart for determination of extracellular polysaccharide content of strain RpEC2071

    基于全基因组测序结果,定量测定固氮基因nifH、4个氮代谢调控基因ntrY、ntrX、glnK、nnrR及7个生物膜相关功能基因flaF、fliL、flhA、fliP、fliQ、fliR、flbT,并进行相关性分析。结果显示,flaF、fliL、flhA、fliQ这4种生物膜相关基因分别与固氮基因nifH、氮代谢调控基因ntrX呈现正相关(r=0.548~0.832,P<0.05);另外发现nifH基因的表达可能受到ntrY、ntrX、glnK、nnrR这4种调控因子的调控(r =0.590~0.827,P<0.01)。

    基因荧光定量表达差异分析比较发现,生物膜相关基因表达受Cu的影响不大,然而其中的fliQ基因在混合或者Cu单独施压作用下,与氟苯尼考单独施压作用下存在显著的差异(图7 D),但均与CK组无明显差异。而在氮代谢相关基因的分析中,发现氟苯尼考与Cu混合后显著促进了nnrR基因的表达(图8 D),表明Cu与氟苯尼考对该调控基因存在协同作用,然而它们对ntrX存在拮抗作用。

    图 7 菌株RpEC2071的生物膜基因表达比较
    图  7  菌株RpEC2071的生物膜基因表达比较
    各图中,柱子上方凡是具有一个相同小写字母者,表示差异不显著(P >0.05,单因素方差分析)
    Figure  7.  Expression comparison of biofilm gene of strain RpEC2071
    In each figure, the same lowercase letters above the column indicate that the difference is not significant (P >0.05, one-way ANOVA)
    图 8 菌株RpEC2071的氮代谢调控基因表达比较
    图  8  菌株RpEC2071的氮代谢调控基因表达比较
    各图中,柱子上方凡是具有一个相同小写字母者,表示差异不显著(P >0.05, 单因素方差分析)
    Figure  8.  Expression comparison of nitrogen metabolism regulation gene of strain RpEC2071
    In each figure, the same lowercase letters above the column indicate that the difference is not significant (P >0.05, one-way ANOVA)

    对固氮菌中重要固氮酶的代表基因nifH进行差异性分析,结果如图9所示。其中Cu的添加显著升高了nifH基因的表达,而Cu与氟苯尼考联用时又减弱该过程。

    图 9 菌株RpEC2071的固氮基因nifH表达比较
    图  9  菌株RpEC2071的固氮基因nifH表达比较
    图中柱子上方凡是具有一个相同小写字母者,表示差异不显著(P >0.05,单因素方差分析)
    Figure  9.  Expression comparison of nitrogen fixation gene nifH of strain RpEC2071
    In the figure, the same lowercase letters above the column indicate that the difference is not significant (P >0.05, one-way ANOVA)

    生物膜有助于细菌承受饥饿、干燥等恶劣环境条件,使其能够适应变化的条件,在其面对环境压力、免疫反应和抗生素时提供保护性环境[]。本研究结果表明,4种不同处理对生物膜的影响不同,FF组生物膜形成能力最强,Cu组次之,说明在氟苯尼考和Cu单独加入时,均对固氮菌产生压力,且氟苯尼考对固氮菌的胁迫压力较大,使固氮菌在胁迫环境下形成生物膜以保护自身,与冯世文等[]的研究结果相符,而在氟苯尼考和Cu混合添加时则会抑制固氮菌生物膜的形成,其原因本试验没有阐明,可以做进一步的深入研究。与此同时,结果显示随胁迫时间增加固氮菌生物膜形成能力也逐步增强,说明细菌在暴露于压力条件下会产生更多的生物膜。

    在4种不同处理下,固氮菌胞外多糖的分泌量明显不同,氟苯尼考组最高,混合组最低,与生物膜测定结果基本吻合,亦与杜心恬等[]的研究结果相符,说明胞外多糖是生物膜重要组成部分[],并与生物膜形成紧密相关。进一步分析Cu组发现,由于胞外多糖形成是细菌的主要防御机制之一[],固氮菌在Cu的单一胁迫下会对胞外多糖的合成产生轻微抑制作用,但不对生物膜的形成能力产生抑制作用,此现象可从另一个方面说明,胞外多糖的分泌会影响生物膜的形成,但不是其决定性因素,可能与载体表面性质及环境因素等因素相关。

    对4种不同处理下不同类型基因的表达进行相关性分析,结果表明,生物膜与胞外多糖无明显的相关性,再次验证胞外多糖对生物膜的形成有影响作用,但不是其决定性因素这一观点。进一步分析发现固氮酶基因nifH的表达可能受到ntrY、ntrX、glnK、nnrR这4种调控因子的调控,并与flaF、fliL、flhA、fliQ这4种生物膜相关基因呈现正相关。此外,4种生物膜相关基因还与氮代谢调控基因ntrX呈现显著正相关,这与Li等[]的研究结果相符。说明氮循环功能跟生物膜形成之间有明显的相关性,故评价氮循环的功能过程不仅应关注其遗传潜力,还应关注其生物膜的生理活性。

    差异性分析中,与Ⅲ型分泌系统中鞭毛蛋白转运有关的生物膜相关基因fliQ[],在氟苯尼考和Cu混合作用或者Cu单独作用下,与氟苯尼考单独作用存在显著的差异,说明氟苯尼考与Cu对该基因表达的影响差异较大,且对其表达存在明显拮抗作用。Cu2+可能使固氮菌鞭毛组成紊乱,进而削弱RpoN2因子功能,导致fliQ基因表达下降[];而氟苯尼考对固氮菌的胁迫使得其鞭毛运动增强,进而使得fliQ基因表达上升。同理,二者对参与控制鞭毛和胞外多糖的ntrX基因的表达同样存在拮抗作用[]nifH是负责编码固氮酶铁蛋白的基因[],Cu的添加显著提高了nifH的表达,而氟苯尼考会削弱这一过程,存在拮抗作用。Cu蓄积对固氮菌产生不利影响,脱毒过程会增加能源消耗和氮需求,从而可能通过其共生作用促进nifH表达;而氟苯尼考可能与Cu形成络合物,降低Cu浓度,故相较于Cu组,FF+Cu组nifH表达减弱。与之相反,分析氮代谢相关基因发现,氟苯尼考与Cu混合后显著促进了反硝化作用中负责催化NO转化为N2O的反硝化酶的调控基因nnrR的表达,表明Cu与氟苯尼考对该调控基因存在协同作用,可能是由于在氟苯尼考联合Cu的双重胁迫下迫使固氮菌需要更加快速地进行反硝化作用以保护自身,进而使得nnrR的表达增加[-]

    本文通过从花生根围土中分离出一株优势固氮菌,以养殖业中被广泛使用的广谱类抗菌药物氟苯尼考和饲料添加剂Cu作为胁迫因子,分别从表型水平和基因水平探究二者单独或联合处理对优势固氮菌产生的影响以及生物固氮主要功能基因分子响应特征。发现二者单独使用均会使固氮菌生物膜形成能力增强,但联用时产生拮抗作用;二者对胞外多糖形成的影响与生物膜测定结果基本一致;二者单独或联用均改变相关功能基因表达水平,且对fliQ、nifH基因产生拮抗作用、对nnrR基因产生协同作用。氟苯尼考及Cu均影响着固氮菌生物膜的形成,说明二者的存在威胁着土壤中固氮菌的生存,长期以往将破坏环境土壤生态系统。

  • 图  1   生长期与非生长期B分量灰度化效果

    Figure  1.   Graying effect of B component in growth period and non-growth period

    图  2   自适应阈值选取示意图

    Figure  2.   Schematic diagram of adaptive threshold selection

    图  3   单行像素及其B分量像素列灰度曲线

    Figure  3.   Single row pixel and gray curve of its B-component pixel column

    图  4   Otsu算法与自适应阈值法二值化效果

    Figure  4.   Effect of binarization of Otsu algorithm and adaptive threshold method

    图  5   膨胀效果及其垂直投影曲线

    Figure  5.   Effect of expansion and its vertical projection curve

    图  6   生长期与非生长期ROI区域

    Figure  6.   ROI area in growth period and non-growth period

    图  7   特征点寻找示意图

    Figure  7.   Schematic diagram of feature point finding

    图  8   全周期干扰点剔除及树顶直线拟合效果

    Figure  8.   Interference point elimination and fitting effect of straight line at tree top in full cycle

    图  9   生长期与非生长期可行驶区域识别效果

    Figure  9.   Recognition results of drivable area in growth period and non-growth period

    图  10   图像采集设备

    Figure  10.   Image acquisition equipment

    图  11   不同天气状况下全周期分割及识别效果

    Figure  11.   Effect of segmentation and recognition under different weather conditions in full cycle

    表  1   不同天气状况下全周期分割阈值对比示例1)

    Table  1   Comparison examples of segmentation thresholds under different weather conditions in full cycle

    图像序号 Image serial number Otsu分割阈值( $ {r_0} $) Otsu segmentation threshold $ [{r_0},L - 1] $ r1 $ [{r_0},{r_1}] $ 本文自适应分割阈值(r) Adaptive segmentation threshold in this paper
    1 143 [143, 255] 231 [143, 231] 217
    2 132 [132, 255] 192 [132, 192] 173
    3 131 [131, 255] 208 [131, 208] 141
    4 143 [143, 255] 210 [143, 210] 158
    5 158 [158, 255] 231 [158, 231] 171
    6 115 [115, 255] 191 [115, 191] 115
    1) ${r_1} = {{\rm{arc}}} {G_{\max } }$; $r = {\rm{arc}}{G_{\min } }$
    下载: 导出CSV

    表  2   3种算法的可行驶区域边缘拟合结果

    Table  2   Edge fitting results of drivable area for three algorithms

    算法 Algorithm 图像帧数 Image frames 错误帧数 Error frames 平均偏差角度/(°) Average deviation angle 标准差/(°) Standard deviation 准确率/% Accuracy 平均耗时/ms Average time
    泰尔−森算法 Theil-Sen algorithm 480 45 1.69 1.76 90.6 79.5
    RANSAC算法 RANSAC algorithm 480 68 1.72 2.14 85.8 76.0
    本文算法 Algorithm in this paper 480 25 1.55 1.65 94.8 82.4
    下载: 导出CSV

    表  3   不同工况下本文算法的拟合结果

    Table  3   The fitting results of this algorithm under different working conditions

    时期 Period 工况 Working condition 图像帧数 Image frames 错误帧数 Error frames 准确率/% Accuracy 平均耗时/ms Average time
    生长期 Growth period 顺光 Frontlighting 120 7 94.2 82.3
    逆光 Backlighting 120 5 95.8 82.4
    非生长期 Non-growth period 顺光 Frontlighting 120 9 92.5 82.3
    逆光 Backlighting 120 4 96.7 82.5
    下载: 导出CSV

    表  4   不同工况下本文算法的性能评价指标

    Table  4   The performance evaluation index of this algorithm under different working conditions

    时期 Period 工况 Working condition 图像帧数 Image frames 平均偏差角度/(°) Average deviation angle 标准差/(°) Standard deviation 关键点平均偏差半径/像素 Average deviation radius at key points 关键点标准差/像素 Standard deviation at key points
    生长期 Growth period 顺光 Frontlighting 120 1.30 1.53 1.23 2.09
    逆光 Backlighting 120 1.35 1.68 2.69 3.63
    非生长期 Non-growth period 顺光 Frontlighting 120 2.21 1.94 1.69 3.13
    逆光 Backlighting 120 1.35 1.15 2.53 2.65
    下载: 导出CSV
  • [1] 毕松, 王宇豪. 果园机器人视觉导航行间位姿估计与果树目标定位方法[J]. 农业机械学报, 2021, 52(8): 16-26,39.
    [2] 郭成洋, 范雨杭, 张硕, 等. 果园车辆自动导航技术研究进展[J]. 东北农业大学学报, 2019, 50(8): 87-96.
    [3] 李秋洁, 丁旭东, 邓贤. 基于激光雷达的果园行间路径提取与导航[J]. 农业机械学报, 2020, 51(S2): 344-350.
    [4] 姬长英, 周俊. 农业机械导航技术发展分析[J]. 农业机械学报, 2014, 45(9): 44-54.
    [5] 袁池, 陈军, 武涛, 等. 基于机器视觉的果树行中心线检测算法研究[J]. 农机化研究, 2013, 35(3): 37-39.
    [6] 王毅, 刘波, 何宇, 等. 果园移动机器人路径识别系统[J]. 传感器与微系统, 2020, 39(9): 69-72.
    [7] 刘波, 杨长辉, 熊龙烨, 等. 果园自然环境下采摘机器人路径识别方法[J]. 江苏农业学报, 2019, 35(5): 1222-1231.
    [8]

    RADCLIFFE J, COX J, BULANON D M. Machine vision for orchard navigation[J]. Computers in Industry, 2018, 98: 165-171. doi: 10.1016/j.compind.2018.03.008

    [9] 林桂潮, 邹湘军, 罗陆锋, 等. 改进随机样本一致性算法的弯曲果园道路检测[J]. 农业工程学报, 2015, 31(4): 168-174.
    [10] 聂森, 王丙龙, 郝欢欢, 等. 基于机器视觉的果园导航中线提取算法研究[J]. 农机化研究, 2016, 38(12): 86-89.
    [11] 冯娟, 刘刚, 司永胜, 等. 果园视觉导航基准线生成算法[J]. 农业机械学报, 2012, 43(7): 185-189,184.
    [12] 彭顺正, 坎杂, 李景彬. 矮化密植枣园收获作业视觉导航路径提取[J]. 农业工程学报, 2017, 33(9): 45-52.
    [13] 李秀智, 彭小彬, 方会敏, 等. 基于RANSAC算法的植保机器人导航路径检测[J]. 农业机械学报, 2020, 51(9): 40-46.
    [14] 廖娟, 汪鹞, 尹俊楠, 等. 基于分区域特征点聚类的秧苗行中心线提取[J]. 农业机械学报, 2019, 50(11): 34-41.
    [15] 张雄楚, 陈兵旗, 李景彬, 等. 红枣收获机视觉导航路径检测[J]. 农业工程学报, 2020, 36(13): 133-140.
  • 期刊类型引用(1)

    1. 张润钊,邵继海,洪美灵,李好. 类珠藻对硝化抑制剂3, 4-二甲基吡唑磷酸盐胁迫的生理响应. 湖南生态科学学报. 2025(01): 24-33 . 百度学术

    其他类型引用(1)

图(11)  /  表(4)
计量
  • 文章访问数:  1082
  • HTML全文浏览量:  10
  • PDF下载量:  284
  • 被引次数: 2
出版历程
  • 收稿日期:  2022-05-15
  • 网络出版日期:  2023-05-17
  • 刊出日期:  2023-01-09

目录

Corresponding author: ZHANG Yanfei, 88659258@qq.com

  1. On this Site
  2. On Google Scholar
  3. On PubMed

/

返回文章
返回