Étude de faisabilité d’un système de comptage d’épis de blé par vision
Feasability study of a wheatears counting system per vision
OPEN ACCESS
Working on a feasibility study of wheatears counting, a colour component texture's analysis method was developed. The agronomic goal is yield prediction before harvest evaluating mean number of wheatears per squared meter according to the field variation knowledge. To this counting system, we evaluate six textural parameters (two statistical parameters and four Haralick features from co-occurrence matrix) on the main colour systems and vegetation indices used in agronomic applications. A new hybrid system provides a representation of wheatears' pictures taken under natural conditions with a better extraction of wheat. A method based on distances measurements (Euclidian, Mahalanobis) allows to extract wheatears with few errors corrected by mathematical morphology. Although we encounter difficulties from light intensity's variation and high entropy in the scene (ears' covering and shadows), results allow to extract disturbed wheatears and last recent images give an higher accuracy in segmentation.
Résumé
Dans le cadre d'une étude de faisabilité du dénombrement d'épis de blé par imagerie couleur, une méthode d'analyse de textures sur des composantes d'espaces couleurs a été développée. L'objectif agronomique est la prévision de rendement avant la moisson par évaluation du nombre moyen d'épis par unité de surface en tenant compte de la variabilité intra-parcellaire. Pour ce dénombrement par image, nous étudions six paramètres de texture (deux valeurs statistiques et quatre coefficients d'Haralick issus de la matrice de cooccurrence) que nous évaluons sur les composantes d'espaces couleurs utilisées en agronomie. Un nouvel espace hybride permet de créer une représentation d'images de blé prises en milieu naturel dans lesquelles l'extraction d'épis sera améliorée. La méthode basée sur des mesures de distances (Euclidienne, de Mahalanobis) permet d'extraire les épis avec quelques erreurs corrigées par de la morphologie mathématique. Malgré les difficultés dues à la variation de luminosité et à l'entropie élevée des scènes, les résultats permettent de trouver en partie les épis, et les dernières images en court de traitement permettent une meilleure segmentation.
Yield prediction, wheat, coloured texture Analysis, hybrid space
Mots clés
Prédiction de rendement, blé, analyse de texture couleur, espace hybride
[Burks a] T.F. BURKS, S.A. SHEARER, R.S. GATES, K.D. DONOHUE,“Backpropagation neural network design and evaluation for classifying weed species using color image texture features”, Transactions of the ASAE, Vol. 43(4), 2000.
[Burks b] T.F. BURKS, S.A. SHEARER, F.A. PAYNE, “Classification Of Weed Species Using Color Texture Features And Discriminant Analysis”, Transactions of the ASAE, Vol. 43(2), pp. 441-448, 2000.
[Chapron] M.CHAPRON, P. BOISSARD, L. ASSEMAT, “A method for recognizing vegetal species from multispectral images”, Precision Agriculture 99 - Proceedings of the 2nd European Conference on Precision Agriculture – Danemark, J.V. Stafford (ed), Sheffield (Academic Press) Publishers, 1999.
[El-faki] M.S. EL-FAKI, N. ZHANG, D.E. PETERSON, “Factors affecting Color-Based Weed Detection”, Transactions of the ASAE, Vol. 43(4), pp. 1001-1009, 2000.
[Foucher] P. FOUCHER, P. REVOLLON, B. VIGOUROUX, «Segmentation d'images couleur par réseaux de neurones : application au domaine végétal», Proceedings of Orasis, 2001 (Poster).
[Foucherot] I. FOUCHEROT, P. GOUTON, J.C. DEVAUX, F. TRUCHETET, “New methods for analysing colour texture based on the Karhunen-Loeve transform and quantification”, Pattern Recognition, Vol. 37, 2004.
[Gate] P. GATE, Écophysiologie du blé : de la plante à la culture, De la plante à la culture, 1995.
[Germain] C. GERMAIN, R. ROUSSEAU, G. GRENIER, “Non destructive counting of wheatears with picture analysis”, Image Processing and Its Application, pp. 435-439, 1995.
[Haralick] R.M. HARALICK, K. SHANMUGAM, I. DINSWTEIN,“Textural Features for image classification.”, IEEE Trans. Systems, Manufact. Cybernet., Vol. 3(6), pp. 610-621, 1973.
[Lu] J. LU, Segmentation d'images couleur et application à la séparation des oignons et des adventices, Université de Bourgogne, 2003.
[Marchant] J.A. MARCHANT, H.J. ANDERSEN, C.M. ONYANGO,“Evaluation of an imaging sensor for detecting vegetation using different waveband combinations”, Computers and Electronic in Agriculture, Vol. 32(2), 2001.
[Martinez De Guerenu] C. MARTINEZ DE GUERENU, C. GERMAIN, O. LAVIALLE, G. GRENIER, “Designing of an automatic counting system for wheatears”, Image Processing and Its Application, 1996.
[Meyer] G.E. MEYER, T. MEHTA, M.F. KOCHER, D.A. MORTENSEN, A. SAMAL, “Textural imaging and discriminant analysis for distinguishing weeds for spot spraying”, Transactions of the ASAE, Vol. 41(4), 1998.
[Ohta] Y. OHTA, “Knowledges-based Interpretation of outdoor natural Color Scenes”, Pitman Publish Inc., 1985.
[Omnès] G. OMNÈS, «Apport d'azote, évaluer la teneur en protéines du blé dès la floraison», La France Agricole, Vol. 3023, 30 Avr. 2004.
[Palm] C.PALM, “Color texture classification by integrative Co-occurrence matrices”, Pattern Recogni-tion, Vol. 37, 2004.
[Pérez] A.J. PÉREZ, F. LOPEZ, J.V. BENLOCH, S. CHRISTENSEN,“Colour and shape analysis techniques for weed detection in cereal Fields”, Computers and Electronics in Agriculture, Vol. 25(3), 2000.
[Rosenberg] C. ROSENBERGER, C. CARIOU, Contribution to Texture Analysis, ICQCAV, Vol. 1, 2001.
[Roux] R. ROUX, O. LAVIALLE, C. GERMAIN, G. GRENIER, “Early yield sensing of wheat with picture analysis”, IARP95, International Advanced Robotics Programme (Fourth Workshop on Robotics in Agriculture and the Food Industry) - Toulouse, 1995.
[Shearer] S.A. SHEARER, R.G. HOLMES, “Plant identification using color co-occurrence matrices”, Transactions of the ASAE, Vol. 33(6), pp. 2037-2044, 1990.
[Steward a] B.L. STEWARD, L.TIAN, “Machine-vision weed density estimation for real-time, outdoor lighting conditions”, Transactions of the ASAE, Vol. 42(6), pp. 1897-1910, 1999.
[Steward b] B.L. STEWARD, L.TIAN, L. TANG, “Detection of outdoor lighting variability for machine vision-based precision agriculture”, Transactions of the ASAES, 1999.
[Tian] L. TIAN, C. DAVID, D.C. SLAUGHTER, “Environ-mentally adaptive segmentation algorithm for outdoor image segmentation”, Computers and Electronics in Agriculture, Vol. 21, pp. 153-168, 1998.
[Vandebroucke] N. VANDENBROUCKE, Segmentation d'images couleur par classification de pixels dans des espaces d'attributs colorimé-triques adaptés. Application à l'analyse d'images de football, Thèse d’Université, Université des sciences et technologies de Lille 1, 2000.
[Vioix] J.B VIOIX, J.P. DOUZLAS, J.W. LU, F. TRUCHETET, P. NAVAR, Development of a multispectral imagery device devoted to weed detection, International Conference on Quality Control by Artificial Vision, Vol. 5132, 2003.
[Woebbecke] D.M. WOEBBECKE, G.E. MEYER, K. VON BARGEN, D.A. MORTENSEN, “Color indicies for weed identification under various soil, residue, and ligthing conditions”, Transactions of the ASAE, Vol. 38(1), 1995.
[Zhang] N. ZHANG, C. CHAISATTAPAGON, “Effective criteria for weed identification in wheat fields using machine vision”, Transactions of the ASAE, Vol. 38(3), 1995.