(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210996052.3 (22)申请日 2022.08.19 (71)申请人 浙江大学华南工业技术研究院 地址 510000 广东省广州市高新 技术产业 开发区科学城开源 大道11号B9栋一至 六层 申请人 浙江大学 (72)发明人 刘飞　周军　邱沣清　陆祥宇　 杨睿　王正肖　倪日群　陈梦媛　 焦杰　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01)G06T 7/136(2017.01) G06T 7/73(2017.01) G06T 7/90(2017.01) (54)发明名称 一种秧苗的漏秧数量和漏秧位置的识别方 法及系统 (57)摘要 本发明公开了一种秧苗的漏秧数量和漏秧 位置的识别方法及系统， 涉及水稻田漏秧数量和 位置识别领域， 该方法包括： 利用携带RGB相机的 无人机采集漏秧检测目标区域的图像信息； 对图 像信息进行预处理， 得到HSV颜色空间模型； 对 HSV颜色空间模型采用经验阈值方法进行分割， 得到秧苗图像的二值化图； 根据秧苗图像的二值 化图， 确定秧苗的根部位置； 利用秧苗的根部位 置进行线性回归拟合， 得到秧苗的拟合直线； 根 据秧苗的拟合直线， 计算秧苗的漏秧数量； 根据 秧苗的漏秧数量， 确定漏秧位置在秧苗的拟合直 线上的坐标。 本发明能够快速准确地检测漏秧数 量和漏秧位置， 降低劳动强度和作业成本， 提高 作业效率和作业精准度。 权利要求书2页 说明书8页 附图3页 CN 115358991 A 2022.11.18 CN 115358991 A 1.一种秧苗的漏秧数量和漏秧位置的识别方法， 其特 征在于， 所述方法包括： 利用携带RGB相机的无 人机采集漏秧检测目标区域的图像信息； 对所述图像信息进行 预处理， 得到HSV颜色空间模型； 对所述HSV颜色空间模型采用经验阈值方法进行分割， 得到 秧苗图像的二 值化图； 根据所述秧苗图像的二 值化图， 确定 秧苗的根部位置； 利用所述秧苗的根部位置进行线性回归拟合， 得到 秧苗的拟合 直线； 根据所述秧苗的拟合 直线， 计算秧苗的漏秧数量； 根据所述秧苗的漏秧数量， 确定漏秧位置在所述秧苗的拟合 直线上的坐标。 2.根据权利要求1所述的秧苗的漏秧数量和漏秧位置的识别方法， 其特征在于， 所述对 所述图像信息进行 预处理， 得到HSV颜色空间模型， 具体包括： 对所述图像信息进行图像拼接； 对拼接后的图像信 息进行正射影像矫正和多光谱图像光谱校正， 得到漏秧检测目标区 域的RGB正 射图像； 将所述RGB正 射图像转换为HSV颜色空间模型。 3.根据权利要求1所述的秧苗的漏秧数量和漏秧位置的识别方法， 其特征在于， 所述根 据所述秧苗图像的二 值化图， 确定 秧苗的根部位置， 具体包括： 根据所述秧苗图像的二 值化图， 提取秧苗骨架的二 值图像； 去除所述秧苗骨架的二 值图像中冗余分支， 得到 秧苗形态图； 采用Harris角点检测算法对所述秧苗形态图进行角点检测， 确定 秧苗的根部位置 。 4.根据权利要求1所述的秧苗的漏秧数量和漏秧位置的识别方法， 其特征在于， 所述根 据所述秧苗的拟合 直线， 计算秧苗的漏秧数量， 具体包括： 计算所述秧苗的根部位置在对应的所述秧苗的拟合 直线的投影点 坐标； 根据所述投影点坐标， 计算所述漏秧检测目标区域内各行的相邻两秧苗投影的间距、 所述漏秧检测目标区域内各行的秧苗的实际起始位置和设定起始位置的间距以及秧苗投 影的平均间距； 当所述相邻两秧苗投影的间距大于设定距离时， 相邻两秧苗之间为中间漏秧处； 所述 设定距离为设定倍数的所述秧苗投影的平均间距； 当所述秧苗的实际起始位置和秧苗的设定起始位置的间距大于设定距离时， 秧苗的实 际起始位置和设定起始位置之间为 起始漏秧处； 根据所述秧苗投影的平均间距， 计算所述中间漏秧处 的漏秧数量和所述起始漏秧处的 漏秧数量， 得到 秧苗的漏秧数量。 5.根据权利要求4所述的秧苗的漏秧数量和漏秧位置的识别方法， 其特征在于， 所述根 据所述秧苗的漏秧数量， 确定漏秧位置在所述秧苗的拟合 直线上的坐标， 具体包括： 根据秧苗的漏秧数量和秧苗投影的平均间距， 确定漏秧的秧苗的根部位置在对应的所 述秧苗的拟合 直线的投影点 坐标； 根据所述投影点 坐标， 确定漏秧位置的秧苗在所述秧苗的拟合 直线上的坐标。 6.一种秧苗的漏秧数量和漏秧位置的识别系统， 其特 征在于， 所述系统包括： 采集模块， 用于利用携带RGB相机的无 人机采集漏秧检测目标区域的图像信息； 预处理模块， 用于对所述图像信息进行 预处理， 得到HSV颜色空间模型；权　利　要　求　书 1/2 页 2 CN 115358991 A 2分割模块， 用于对所述HSV颜色空间模型采用经验阈值方法进行分割， 得到秧苗图像的 二值化图； 根部位置确定模块， 用于根据所述秧苗图像的二 值化图， 确定 秧苗的根部位置； 拟合模块， 用于利用所述秧苗的根部位置进行线性回归拟合， 得到 秧苗的拟合 直线； 计算模块， 用于根据所述秧苗的拟合 直线， 计算秧苗的漏秧数量； 坐标确定模块， 用于根据所述秧苗的漏秧数量， 确定漏秧位置在所述秧苗的拟合直线 上的坐标。 7.根据权利要求6所述的秧苗的漏秧数量和漏秧位置的识别系统， 其特征在于， 所述预 处理模块包括： 拼接子模块， 用于对所述图像信息进行图像拼接； 校正子模块， 用于对拼接后的图像信息进行正射影像校正和多光谱图像光谱校正， 得 到漏秧检测目标区域的RGB正 射图像； 转换子模块， 用于将所述RGB正 射图像转换为HSV颜色空间模型。 8.根据权利要求6所述的秧苗的漏秧数量和漏秧位置的识别系统， 其特征在于， 所述根 部位置确定模块包括： 提取子模块， 用于根据所述秧苗图像的二 值化图， 提取秧苗骨架的二 值图像； 去除子模块， 用于去除所述秧苗骨架的二 值图像中冗余分支， 得到 秧苗形态图； 检测子模块， 用于采用Harris角点检测算法对所述秧苗形态图进行角点检测， 确定秧 苗的根部位置 。 9.根据权利要求6所述的秧苗的漏秧数量和漏秧位置的识别系统， 其特征在于， 所述计 算模块包括： 投影点坐标计算子模块， 用于计算所述秧苗的根部位置在对应的所述秧苗的拟合直线 的投影点 坐标； 间距计算子模块， 用于根据所述投影点坐标， 计算所述漏秧检测目标区域内各行的相 邻两秧苗投影的间距、 所述漏秧检测目标区域内各行的秧苗的实际起始 位置和设定起始 位 置的间距以及秧苗投影的平均间距； 第一比较子模块， 用于当所述相邻两秧苗投影的间距大于设定距离时， 相邻两秧苗之 间为中间漏秧处； 所述设定距离为设定倍数的所述秧苗投影的平均间距； 第二比较子模块， 用于当所述秧苗的实际起始位置和秧苗的设定起始位置的间距大于 设定距离时， 秧苗的实际起始位置和设定起始位置之间为 起始漏秧处； 漏秧数量确定子模块， 用于根据所述秧苗投影的平均间距， 计算所述中间漏秧处的漏 秧数量和所述 起始漏秧处的漏秧数量， 得到 秧苗的漏秧数量。 10.根据权利要求9所述的秧苗的漏秧数量和漏秧位置的识别系统， 其特征在于， 所述 坐标确定模块包括： 漏秧投影点坐标确定子模块， 用于根据秧苗的漏秧数量和秧苗投影的平均间距， 确定 漏秧的秧苗的根部位置在对应的所述秧苗的拟合 直线的投影点 坐标； 漏秧坐标确定子模块， 用于根据所述投影点坐标， 确定漏秧位置的秧苗在所述秧苗的 拟合直线上的坐标。权　利　要　求　书 2/2 页 3 CN 115358991 A 3