基于机器学的农药喷洒检测方法

摘要

本发明属于数字图像处理及模式识别技术领域，具体为一种基于机器学的农药喷洒检测方法。本发明先在农业作业场景的监控视频中，获取大量务农人员背着农药箱和不背农药箱进行走动的视频,采用较适合刚性物体检测的方法检测农药箱；从视频中各抽取部分图片作为样本，对每个抽取的图片中的农药箱图像进行特征提取，将这些特征组合成特征向量；然后对每幅特征向量用Adaboost的方法进行级联训练，形成一个Adaboost级联分类器，然后将大量的包含或不包含农药箱的图像用该分类器检测图像中是否存在农药箱。本发明具有高实时性和高易实施性，解决了需要实体考察才能判断是否有人在喷洒农药以及农药喷洒效果的弊端。

主权项

一种基于机器学习的农药喷洒检测方法，其特征在于具体步骤如下：（1）获取农业场景中务农人员背着农药箱喷洒农药的图像首先在农业场景监控的视频数据中，获取务农人员背着农药箱喷洒农药的图像和工作人员不背农药箱进行走动的图像，将两种图像作为正负样本，组成样本库；（2）提取图像特征，组成特征向量对于样本库中的带有农药箱的图像提取农药箱的Haar特征；Haar特征：基于灰度图，特征数量取决于训练样本图像和矩阵大小，通过大量的具有比较明显的haar特征矩形的农药箱图像，用模式识别的方法训练出级联分类器；（3）使用Adaboost训练级联分类器 将步骤（2）所述的Haar特征进行多特征融合，将这些特征线性组合成为一个特征向量，将样本库中所有的农药箱图像的特征向量用Adaboost进行级联训练，即针对不同的训练集训练同一个分类器即弱分类器，然后把这些不同训练集上的得到的分类器联合起来，构成一个最终的强分类器；训练系统总体框架，由“ 训练部分”和“补充部分”构成；依据系统框架，该训练系统可分为以下几个模块:a.以农药箱、非农药箱样本集为输入，在给定的矩形特征原型下，计算样本积分图，并获得矩形特征值，获得特征集；b.以特征集为输入，根据给定的弱学习算法，确定阈值，由矩形特征生成对应的弱分类器，获得弱分类器集；c.以弱分类器集为输入，在训练检出率和误判率限制下，挑选最优弱分类器，使用Adaboost算法训练强分类器；d.以强分类器集为输入，将其组合为级联部分；e.补充部分：以非农药箱图片集为输入，组合强分类器为临时的级联分类器，筛选并补充非农药箱样本；训练完成后，得到上述融合的特征向量的级联分类器模型；（4）对于待检测的农药箱图像，重复步骤（2）将待检测的农药箱图像按步骤（2）提取特征，然后将这些特征组合成为一个特征向量；（5）将步骤(4)得到的特征向量使用步骤（3）训练出的级联分类器模型进行分类将待检测的每幅图像的特征向量通过步骤（3）训练出的级联分类器进行计算，计算农药箱识别的概率，判断图像中是否存在农药箱。