CN102592118A - 一种玉米出苗期的自动检测方法 - Google Patents
一种玉米出苗期的自动检测方法 Download PDFInfo
- Publication number
- CN102592118A CN102592118A CN2011104581630A CN201110458163A CN102592118A CN 102592118 A CN102592118 A CN 102592118A CN 2011104581630 A CN2011104581630 A CN 2011104581630A CN 201110458163 A CN201110458163 A CN 201110458163A CN 102592118 A CN102592118 A CN 102592118A
- Authority
- CN
- China
- Prior art keywords
- seedling
- image
- corns
- emergence
- maize
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 69
- 240000008042 Zea mays Species 0.000 title claims abstract description 68
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 46
- 235000005822 corn Nutrition 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title abstract description 5
- 208000003643 Callosities Diseases 0.000 title abstract 9
- 206010020649 Hyperkeratosis Diseases 0.000 title abstract 9
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims description 21
- 235000009973 maize Nutrition 0.000 claims description 21
- 238000010899 nucleation Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 20
- 230000012010 growth Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 4
- 238000009313 farming Methods 0.000 abstract description 3
- 244000037666 field crops Species 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 241000482268 Zea mays subsp. mays Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 241001057636 Dracaena deremensis Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 230000034303 cell budding Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种玉米出苗期的自动检测方法,该方法自动对所采集的田间玉米前下视图像进行分割,并对玉米苗进行提取,再利用苗的空间分布和数量信息,判断该图像区域中的玉米是否进入出苗期。该方法以表征玉米出苗时空间分布的图像特征参数作为判断依据,实时地对玉米生长期进行判断,检测结果准确率高,对分析玉米发育期与气象条件之间的关系,鉴定玉米生长的农业气象条件以及对玉米的农事活动都具有重要的指导意义。
Description
技术领域
本发明属于数字图像处理和农业气象观测交叉领域,具体涉及一种玉米出苗期的自动检测方法,即以拍摄的田间玉米前下视序列图像为对象,利用图像特征来检测玉米是否到达出苗期的方法。
背景技术
玉米是我国主要的粮食作物之一,种植面积十分广泛。为了提高玉米的产量和质量,需要对其发育速度和进程进行了解,并分析其各发育期与气象条件之间的关系,从而鉴定玉米生长的农业气象条件。然而长期以来,对于玉米各发育期的观测主要是通过人工观测的方式,受观测人员主观因素的影响较大;同时由于玉米种植地域广、观测周期长,利用人力进行观测也不够经济。因此,通过拍摄的玉米前下视序列图像,借助图像处理的手段,对其发育期进行自动观测就显得十分必要。玉米出苗期是玉米营养生长阶段第一个重要的发育期环节,有效而准确的识别这个时期,是农业气象观测的重要内容,本发明即是利用玉米前下视序列图像对出苗期进行自动识别。
2009年王传宇等在《农业机械学报》上发表的论文“基于双目立体视觉的苗期玉米株形测量”中将田间正常生长的玉米植株带土移至测定台,利用双目立体视觉***对叶片进行分割提取,并计算叶片边缘点的三维坐标,最终求出叶长、叶片着生高度、茎叶夹角、叶片方位角等株形指标。但是这种方法仅对单株玉米适用,并不能应用于大面积玉米苗的自动观测;2010年李荣春等在《玉米科学》上发表的论文“基于图像处理技术的夏玉米群体长势监测研究”中通过提取地面覆盖度的方法对夏玉米的群体叶面积指数(LAI)和干物质积累(DMA)值进行估测,建立了覆盖度与叶面积指数(LAI)和干物质积累(DMA)的回归关系模型,从而完成对夏玉米群体长势的估计,但是仅仅利用覆盖度这一图像特征并不能对玉米的发育期进行准确地观测;2010年司永胜等在《农业机械学报》上发表的论文“基于最小二乘法的早期作物行中心线检测方法”中利用G-R颜色特征因子分割作物与背景,再应用垂直投影法动态检测作物行数,并获得特征点图像,利用特征点间的邻近关系对特征点进行分类,对归类后的特征点进行两次最小二乘法拟合,得到作物行中心线。这种方法虽然可以准确地得到作物的中心线,并以此作为出苗期的判定条件,但是由于实际作物播种时中会存在苗不整齐或者缺苗,以及大量的杂草等情况,都会影响到中心线的提取。因此该方法并不适用于实际大田环境。
综上所述,尽管目前在作物生长监测方面已有许多相关单元技术出现,但都因某种局限性,很难将其应用到实际大田环境的作物发育期自动观测上来。
发明内容
本发明目的在于提供一种玉米出苗期的自动检测方法,以实际农田采集的玉米前下视图像为对象,利用玉米苗的空间分布特征,准确地检测出实际大田环境的玉米出苗期时间。
一种玉米出苗期的自动检测方法,具体为:
苗候选区提取步骤:对实际拍摄的玉米地图像进行图像分割,提取苗候选连通区域;
苗区域检测步骤:依据苗候选连通区域的形状特征和面积阈值,在各苗候选连通区域检测出玉米苗连通区域;
参数统计步骤:依据玉米苗连通区域的信息计算玉米地图像的空间分布均匀度H和玉米苗的总量Ω;
最终判断步骤:若空间分布均匀度H≥空间分布均匀度阈值TH,并且玉米苗的总量Ω≥苗数阈值TΩ,则表明图像中的玉米苗到达出苗期。
本发明的技术效果体现在:本发明自动对所采集的田间玉米前下视图像进行分割,并对苗进行自动提取,再利用苗的空间分布和数量信息,判断该图像区域中的玉米是否进入出苗期。该方法以表征玉米出苗时空间分布的图像特征参数作为判断依据,实时地对玉米生长期进行判断,检测结果准确率高,对分析玉米发育期与气象条件之间的关系,鉴定玉米生长的农业气象条件以及对玉米的农事活动都具有重要的指导意义。
附图说明
图1是本发明的整体流程图;
图2是玉米大田原始图像;
图3是对图2进行绿色分割后的结果图;
图4是对图3进行苗自动提取后的结果图;
图5是对图4进行空间分布均匀度计算的示意图。
具体实施方式
本发明提供一种玉米出苗期的自动检测方法,以实际农田采集的玉米前下视图像为对象,利用图像空间分布均匀度与苗的数量,来准确地检测出玉米到达出苗期的时间。下面结合附图来详细说明本发明的具体实施方式和实施步骤。
图1是本发明的整体流程图,具体为:
(1)苗候选区提取步骤,如图2所示为实际拍摄的玉米地图像,首先对该图像进行图像分割,提取各绿色候选连通区域,分割结果如图3所示;分割方法可采用环境自适应分割方法(Lei F.Tian.Environmentally adaptive segmentation algorithm for outdoor imagesegmentation.Computers and electronics in agriculture,1998,21:153~168)、超绿算子分割方法(D.M.Woebbecke,G.E.Meyer,K.Von Bargen,D.A.Mortensen.Color Indices for weed identificationunder various soil,residue,and lighting conditions.Transactions of theASAE,1995,38(1):259~269)、基于Mean Shift的作物图像分割方法(Zheng L,Zhang J,Wang Q.Mean-shift-based color segmentation ofimages containing green vegetation.Computers and Electronics inAgriculture,2009,65:93-98)等等。
(2)苗区域检测步骤,即利用形状特征和连通域像素面积,对各绿色候选连通区域进行自动判断,若连通域特征属于阈值范围,则确定为玉米苗连通域,否则剔除该连通域,对图3进行处理后的结果如图4所示;所述形状特征可以采用傅里叶描述子、偏心度、与连通域具有相同二阶矩椭圆的长短轴之比等等。本实施例选择与连通域具有相同二阶矩椭圆的长短轴之比作为形状特征,阈值范围为[0,3];连通域像素面积阈值需根据相机参数与相机高度通过实验确定。本实施例的面积阈值取[30,150],单位为像素,图像分辨率为1620×1772像素,相机高度为5米,相机焦距为16毫米。
(3)参数统计步骤,即利用图像中苗的连通域信息,计算图像的空间分布均匀度H,并且统计出全图中苗的数量Ω;
空间分布均匀度的计算步骤如下:
a.首先对玉米苗图像进行网格化,按长宽等分为M*M个区域,网格划分尽量满足网格区域的边长大于玉米苗的长度和宽度,图5给出一个实例,该图像中M=5。
b.统计每个网格区域中苗的数量Ni,,Ni表示第i个区域中苗的数量,其中i=1,...,M*M;
c.按照公式(1)分别计算出每个区域苗的出现概率Pi,其中i=1,...,M*M;
d.最后,按照公式(2)求出整幅图像的空间分布均匀度,其中Pi为每个区域苗出现的概率。
(4)最终判断步骤,即若当前图像按照上述步骤计算出来的空间分布均匀度H大于阈值TH,并且全图苗的数量Ω大于苗数阈值TΩ,则表明图像已到达出苗期,否则未到达出苗期。空间分布均匀度的取值范围与网格数有关,即[0,ln(M*M)],通过设定空间均匀度的阈值TH,来对是否出苗进行判断,本实施例的M取5,TH取1.93。苗数阈值与玉米苗的播种密度、相机拍摄实际面积有关,需根据实验确定。本实施例中相机拍摄的实际面积为20平方米,播种密度为10株每平方米,苗数阈值TΩ取150。
将本发明在多个农业气象观测台站的样田进行试验,自动检测的结果显示,本发明所获得的出苗期时间与人工观测的时间相一致,检测结果准确率高,对分析玉米发育期与气象条件之间的关系,鉴定玉米生长的农业气象条件以及对玉米的农事活动都具有重要的指导意义。
Claims (3)
1.一种玉米出苗期的自动检测方法,具体为:
苗候选区提取步骤:对实际拍摄的玉米地图像进行图像分割,提取苗候选连通区域;
苗区域检测步骤:依据苗候选连通区域的形状特征和面积阈值,在各苗候选连通区域检测出玉米苗连通区域;
参数统计步骤:依据玉米苗连通区域的信息计算玉米地图像的空间分布均匀度H和玉米苗的总量Ω;
最终判断步骤:若空间分布均匀度H≥空间分布均匀度阈值TH,并且玉米苗的总量Ω≥苗数阈值TΩ,则表明图像中的玉米苗到达出苗期。
3.根据权利要求2所述的玉米出苗期的自动检测方法,其特征在于,所述空间分布均匀度阈值TH的取值范围为[0,ln(M*M)]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110458163 CN102592118B (zh) | 2011-12-31 | 2011-12-31 | 一种玉米出苗期的自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110458163 CN102592118B (zh) | 2011-12-31 | 2011-12-31 | 一种玉米出苗期的自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102592118A true CN102592118A (zh) | 2012-07-18 |
CN102592118B CN102592118B (zh) | 2013-07-31 |
Family
ID=46480733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110458163 Expired - Fee Related CN102592118B (zh) | 2011-12-31 | 2011-12-31 | 一种玉米出苗期的自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102592118B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900498A (zh) * | 2012-12-28 | 2014-07-02 | 中国农业机械化科学研究院 | 一种棉田苗情自动探测方法及其探测装置 |
CN106340017A (zh) * | 2016-08-31 | 2017-01-18 | 重庆广播电视大学 | 一种基于图像处理的农田插秧检测方法及*** |
CN106373133A (zh) * | 2016-08-31 | 2017-02-01 | 重庆广播电视大学 | 一种基于暗通道去雾算法的农田插秧检测方法及其*** |
CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
US10186029B2 (en) | 2014-09-26 | 2019-01-22 | Wisconsin Alumni Research Foundation | Object characterization |
CN111860038A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种农作物前端识别装置及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731216A (zh) * | 2005-08-19 | 2006-02-08 | 广州地理研究所 | 一种大面积作物种植面积及其产量的遥感检测估算方法 |
US20110135161A1 (en) * | 2009-11-10 | 2011-06-09 | Koutsky Keith A | Apparatus and Methods for Automated Phenotypic Screening of Plant Genotypes |
CN102113442A (zh) * | 2009-12-30 | 2011-07-06 | 王克如 | 利用数字图像技术分析玉米群体整齐度的方法 |
-
2011
- 2011-12-31 CN CN 201110458163 patent/CN102592118B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731216A (zh) * | 2005-08-19 | 2006-02-08 | 广州地理研究所 | 一种大面积作物种植面积及其产量的遥感检测估算方法 |
US20110135161A1 (en) * | 2009-11-10 | 2011-06-09 | Koutsky Keith A | Apparatus and Methods for Automated Phenotypic Screening of Plant Genotypes |
CN102113442A (zh) * | 2009-12-30 | 2011-07-06 | 王克如 | 利用数字图像技术分析玉米群体整齐度的方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900498A (zh) * | 2012-12-28 | 2014-07-02 | 中国农业机械化科学研究院 | 一种棉田苗情自动探测方法及其探测装置 |
CN103900498B (zh) * | 2012-12-28 | 2016-08-03 | 中国农业机械化科学研究院 | 一种棉田苗情自动探测方法及其探测装置 |
US10186029B2 (en) | 2014-09-26 | 2019-01-22 | Wisconsin Alumni Research Foundation | Object characterization |
CN106340017A (zh) * | 2016-08-31 | 2017-01-18 | 重庆广播电视大学 | 一种基于图像处理的农田插秧检测方法及*** |
CN106373133A (zh) * | 2016-08-31 | 2017-02-01 | 重庆广播电视大学 | 一种基于暗通道去雾算法的农田插秧检测方法及其*** |
CN106373133B (zh) * | 2016-08-31 | 2019-02-26 | 重庆广播电视大学 | 一种基于暗通道去雾算法的农田插秧检测方法及其*** |
CN106340017B (zh) * | 2016-08-31 | 2019-03-15 | 重庆广播电视大学 | 一种基于图像处理的农田插秧检测方法及*** |
CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
CN111860038A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种农作物前端识别装置及方法 |
CN111860038B (zh) * | 2019-04-25 | 2023-10-20 | 河南中原光电测控技术有限公司 | 一种农作物前端识别装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102592118B (zh) | 2013-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647652B (zh) | 一种基于图像分类和目标检测的棉花发育期自动识别方法 | |
Yu et al. | Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage | |
Xia et al. | Mapping evapotranspiration with high-resolution aircraft imagery over vineyards using one-and two-source modeling schemes | |
CN102592118B (zh) | 一种玉米出苗期的自动检测方法 | |
CN105760978B (zh) | 一种基于温度植被干旱指数(tvdi)的农业旱灾等级监测方法 | |
CN104424390B (zh) | 灌溉面积监测方法及装置 | |
CN100394212C (zh) | 一种大面积作物种植面积及其产量的遥感检测估算方法 | |
CN112418188B (zh) | 基于无人机视觉的农作物生长全程数字化评估方法 | |
CN110472184A (zh) | 一种基于Landsat遥感数据的多云雨雾地区水稻识别方法 | |
CN116738766B (zh) | 基于数字孪生的智慧农业线上产业化服务*** | |
CN106355143A (zh) | 多源多时相高分遥感影像的制种玉米田识别方法及*** | |
CN102636486B (zh) | 一种棉花三真叶期的自动检测方法 | |
CN109948596A (zh) | 一种基于植被指数模型进行水稻识别和种植面积提取的方法 | |
Sakamoto et al. | Detecting spatiotemporal changes of corn developmental stages in the US corn belt using MODIS WDRVI data | |
CN105739575A (zh) | 一种设施蔬菜环境参数的数据融合方法、装置及*** | |
CN113468964B (zh) | 一种基于高光谱的农业病虫害监测方法及设备 | |
CN109685081A (zh) | 一种遥感提取撂荒地的联合变化检测方法 | |
CN102663396B (zh) | 一种水稻乳熟期自动检测的方法 | |
CN104949981A (zh) | 一种棉花五真叶期自动检测方法及*** | |
CN113221806A (zh) | 基于云平台融合多源卫星影像和茶树物候期的茶园自动识别方法 | |
CN108037123A (zh) | 一种杂交稻钵体盘播种性能参数精密检测方法 | |
CN110598514B (zh) | 一种土地整治项目区地块尺度农作物播种面积监测方法 | |
CN116502901A (zh) | 一种基于光学遥感数据的农田干旱空间分布评价方法 | |
CN114863369A (zh) | 激光雷达监测玉米倒伏的方法、装置、设备及介质 | |
CN102360428B (zh) | 一种玉米三叶期与七叶期的自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130731 |