农业机械的作业路径很大程度上决定作业环节的质量、效率和成本，因此针对小麦收割机复杂边界的作业路径规划问题，建立基于行走方向的收割机调度规划模型，并针对凸、凹多边形边界农田提出具有最少转弯次数的混合求解算法：该算法包含扫描线算法并通过假想区域填补方式求解凸、凹多边形转弯次数，最后利用旋转法求解最少转弯次数对应的最优行走方向，获得收割机的优化路径轨迹。仿真田块区域的求解结果表明，该优化算法能够有效获取转弯次数最少的行走方向及路径轨迹：凸边形农田仿真案例中，最优行走方向与沿长边方向的路径相比优化程度能达到11.32%；凹边形农田仿真案例中，最优行走方向比沿长边行走方向的路径优化程度达到5.66%。基于最少转弯次数的混合求解算法能够为实际复杂边界环境的收割机收获作业提供一定的决策依据。

识别小麦抽穗扬花期抽穗情况,可用于指导后期水肥管理、病害防治和产量预测等。为实现准确、自动地麦穗计数,提出一种基于颜色特征的麦穗计数方法。抽穗扬花期小麦麦穗与叶片、茎秆颜色非常接近,常见颜色特征并不能有效分割麦穗,通过彩色直方图均衡化和红绿归一化差异指数对麦穗进行有效提取。针对图像中麦穗粘连问题,利用改进Harris角点检测算法分别对垂直拍摄和45°夹角拍摄的小麦图像进行验证。通过样本图像进行计数试验,准确率分别为96.06%和94.74%。结果表明,经均衡化处理后麦穗、叶片和茎秆出现明显颜色色差,可以利用颜色特征提取大田环境下抽穗扬花期麦穗图像;麦穗细化后进行骨架交点检测,可用于粘连麦穗的准确计数。

为改善甘蓝施药、收获机械视觉导航效果不稳定的现状,提出适应甘蓝施药、收获机械自动导航场景的视觉导航线提取算法,采用过红灰度法(2R-G-B)对图像进行灰度化,大津阈值法对灰度图像进行分割,Hough变换方法确定甘蓝双侧导航线,使用扫描法确定甘蓝导航跟踪中心线;本文试验图像采集自中国农业科学院寿光蔬菜研发中心甘蓝示范基地,分别在甘蓝生产初期和结球采集,应用Matlab计算平台进行算法验证,使用本研究算法平均每张图片的左右导航线与中心导航线的规划时间为分别为0.086 s、0.42 s,角度平均差分别为5.71°、8.30°和3.26°;使用本文方法规划的导航线在精度上优于传统方法。