植株特征的检测特别是其三维信息的获取,对于农业植株栽种和管理等活动的研究具有非常重要的意义。现阶段大力推崇的实时传感器设备(如激光传感器,机器视觉系统等)虽然检测精度高,但是相比较而言其设备的价格较高且维护起来困难。而Kinect传感器设备具有体积较小、成本较低和质量轻等优点,在农业实时传感器的检测应用方面得到了广泛的关注。本研究利用Kinect实时传感器能够同时获取场景的彩色图像和深度距离图像的特点,扫描获取场景中盆栽植株的RGB信息和深度距离信息,并对获取的图像和数据进行了进一步的研究。主要的研究内容与结论如下所示三个方面:(1)利用Kinect传感器设计植株检测平台。静态图像获取平台包括基于Kinect传感器的图像获取系统,Kinect数据端通过数据线连接至PC机,软件通过配置有Kinect接口控制文件的MATLAB软件进行图像数据的获取和存储并进行处理。动态模拟车载植株检测平台采用了滑块可动滑台进行试验,以达到喷雾机等机器直线行走的效果,该平台包括滑台组成系统、滑台控制系统以及图像获取处理和数据信息检测系统,试验在室内日光灯条件下,获取的图像满足植株树木特征检测的要求。(2)提出了基于RGB和K-means聚类的分割方法,针对植株树木的彩色图像特征进行提取,同时采用K近邻算法对获取的植株树木深度图像进行修复。试验设计选取中型植株Plant0的30组静态场景,对于彩色图像进行了RGB图像分割以及K-means聚类分割,相较于单一的分割方法,其分割误差均值分别降低了12.12个和41.48个百分点,且获得了更高的准确性。对于深度图像,以对应的彩色图像为基准匹配目标,对缺失和错误的深度数据进行多次K近邻回归算法的修复,其修复的成功率高达97.15%。对于植株图像在动态过程中的检测,设计了模拟车载植株检测的平台。试验采取Kinect传感器自适应车载行进速度的方式,以0.1m/s至1.0m/s的车载速度范围进行动态试验,重点分析了0.1m/s、0.5m/s、1.0m/s所采集的彩色图像和深度图像,所采集的彩色图像质量随车载速度的增加而降低,而深度图像基本不受速度的影响。本研究的图像植株检测方法对动态图像同样适用,且能够降低车载速度对彩色图像质量的影响。(3)对植株树木特征检测的量化研究,从植株树木深度数值测量、水平投影面积的计算两个方面进行准确性分析。以纸箱和中型绿色盆栽植株为样本,对其表面距离信息以及冠层的水平投影面积进行检测,其中样本纸箱深度数据的相对误差均小于0.24%,水平投影面积的相对误差均小7.6%,中型绿色盆栽植株冠层的水平投影面积在不同距离下的测量值具有很高的一致性。论证了本研究使用Kinect获取植株树木的图像、进行植株特征的提取和三维数据的检测是可实现并有效的,能够满足当前农业应用的要求。