CN104949981A - 一种棉花五真叶期自动检测方法及*** - Google Patents
一种棉花五真叶期自动检测方法及*** Download PDFInfo
- Publication number
- CN104949981A CN104949981A CN201410111412.2A CN201410111412A CN104949981A CN 104949981 A CN104949981 A CN 104949981A CN 201410111412 A CN201410111412 A CN 201410111412A CN 104949981 A CN104949981 A CN 104949981A
- Authority
- CN
- China
- Prior art keywords
- cotton
- stem
- plant
- image
- subimage
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种棉花五真叶期检测方法,包括以下步骤:(1)采集定苗后棉田单排植株图像,将所述图像拆分成棉花单株的子图像,并进行颜色分割和作物图像分割,获得定苗后棉花植株子图像;(2)对于所有所述棉花植株子图像,检测植株边缘和骨架,获得植株主茎;(3)在主茎位置两侧,检测植株初侧茎,将两侧图像中的主茎上侧成锐角的初侧茎作为侧茎;(4)以侧茎和主茎的交点作为节点,当检测到2个或者2个以上节点的子图像数目占所有定苗后棉花植株子图像数目50%以上时,认为棉田进入五真叶期。本发明还提供了一种实现上述方法的***。本发明检测结果准确,实时性强,实现自动观测,节省人力。
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,更具体地,涉及一种棉花五真叶期自动检测方法及***。
背景技术
棉花是我国主要的经济作物之一,中国的棉花产量也处于世界领先地位。棉花的五真叶期是棉花生长的一个重要环节,是农业气象观测的一个重要内容。
长期以来,主要采用人工观测记录的方式对棉花发育期相关信息进行记录,观测结果由于会受到观测员主观因素的影响,导致误差比较大;与此同时,由于棉花的生长周期较长,棉花种植的范围较广,单一地利用人工进行观测的方法耗时耗力。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种棉花五真叶期自动检测方法及***,其目的在于通过图像处理方法分析棉田照片,从而判断棉花是否进入五真叶期,由此解决目前人工判断棉花五真叶期耗时耗力及不准确的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种棉花五真叶期自动检测方法,其特征在于,包括以下步骤:
(1)获取定苗后棉花植株子图像:采集定苗后棉田单排植株正向前视图;用适合棉花植株单株图像大小的搜索框以一定的拆分步长,将所述图像拆分成子图像;对所述子图像进行颜色分割和作物图像分割,在作物分割方法的区域分割结果图上,保留颜色分割结果图中已检测到的像素所占据的区域,获得定苗后棉花植株子图像;
(2)检测棉花植株主茎:对于步骤(1)中获得的所有棉花植株子图像,采用边缘检测算法检测植株初边缘,采用骨架检测算法提取植株初骨架,对植株初边缘和植株初骨架进行链码检测和直线检测得到棉花植株竖直的植株边缘和植株骨架,将包含竖直植株骨架的竖直植株边缘内侧作为棉花植株主茎,获得包含植株主茎的棉花植株子图像;
(3)检测棉花植株侧茎:将步骤(2)中获得的包含植株主茎的棉花植株子图像,按照主茎位置,划分成两侧:主茎以左为图像左侧,主茎以右为图像右侧;将两侧图像分别进行颜色分割和直线检测得到两侧图像中的初侧茎,将其中与主茎上侧成锐角的初侧茎作为侧茎;
(4)判断棉花五真叶期:对于步骤(2)中获得的包含植株主茎的棉花植株子图像,以其中侧茎和主茎的交点作为节点,当检测到2个或者2个以上节点的子图像数目占所有定苗后棉花植株子图像数目50%以上时,判断棉田进入五真叶期,否则进行下一天的检测。
优选地,所述的棉花五真叶期自动检测方法,其所述步骤(1)定苗时间按照以下步骤判断:每天在相同条件下采集棉田下视图图像,利用分割方法对所述图像进行绿色分割,统计所述图像中绿色像素所占比例即为绿色图像覆盖度;将每天棉田下视图绿色图像覆盖度与前一天棉田下视图绿色图像覆盖度比较,当绿色图像覆盖度降低时即为定苗时间。
优选地,所述的棉花五真叶期自动检测方法,其所述进行绿色分割所使用的分割方法,可采用环境自适应分割方法、超绿算子分割方法、基于Mean shift的作物图像分割方法、Fisher线性判别方法。
优选地,所述的棉花五真叶期自动检测方法,其所述单排植株正向前视图经对比度拉伸的方法处理。
优选地,所述的棉花五真叶期自动检测方法,其所述搜索框与所述单排植株正向前视图的高相等,所述搜索框的宽度为其高度的1/4至1/2,所述拆分步长为所述搜索框宽度的1/2至5/6。
优选地,所述的棉花五真叶期自动检测方法,其所述步骤(2)边缘检测算法和骨架检测算法,可采用的图像检测算子有Sobel算子、Roberts算子、LoG算子和Canny算子,优选Canny算子。
优选地,所述的棉花五真叶期自动检测方法,其所述步骤(2)和步骤(3)中直线检测可采用Hough变换。
按照本发明的另一个方面,提供了一种棉花五真叶期自动检测***,其特征在于,包括棉花植株子图像获取模块、棉花主茎检测模块、棉花侧茎检测模块以及棉花五真叶期判断模块;
所述棉花植株子图像获取模块,用于采集定苗后棉田单排植株正向前视图,拆分成棉花植株单株子图像,并将所述子图像处理成定苗后棉花植株子图像传递给棉花主茎检测模块;
所述棉花主茎检测模块,用于提取棉花植株边缘和之主骨架,将包含竖直植株骨架的竖直植株边缘内侧作为棉花植株主茎,获得包含植株主茎的棉花植株子图像,并将所述子图像传递给棉花侧茎检测模块;
所述棉花侧茎检测模块,用于将包含植株主茎的棉花植株子图像,按照主茎位置,划分成两侧:主茎以左为图像左侧,主茎以右为图像右侧;获取两侧图像中的初侧茎,将其中与主茎上侧成锐角的直线作为侧茎,并将检测结果传递给棉花五真叶期判断模块;
所述棉花五真叶期判断模块,用于根据定苗后棉花植株子图像中侧茎数目的分布情况,判断棉花是否进入五真叶期:对于包含植株主茎的棉花植株子图像,以其中侧茎和主茎的交点作为节点,当检测到2个或者2个以上节点的子图像数目占所有定苗后棉花植株子图像数目50%以上时,判断棉田进入五真叶期。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,由于采用图像处理的方法分析棉田照片,从而判断棉田是否进入五真叶期,能够取得下列有益效果:
(1)代替人工判断棉花五真叶期,节省人力;
(2)通过图像处理的方法,能实时监控棉田状态,随时报告棉田是否进入五真叶期,从而有利于农业气象观测;
(3)通过精确的分割方法来分析图像,通过统计数据来判断五真叶期,较之人工判断,更为准确可靠;
(4)通过合理的优化图像处理参数,选择适合的图像处理算法,兼顾棉田图像处理速度和处理效果。
附图说明
图1是本发明提供的棉花五真叶期自动检测方法流程图;
图2是棉田正向前视图;
图3是可清晰观察到单排植株长势的棉田正向前视图;
图4是获取定苗后棉花植株子图像处理结果图:图4(a)是植株子图像原图,图4(b)是对比度拉伸结果图,图4(c)是颜色分割结果图,图4(d)是Mean shift分割结果图,图4(e)是综合分割结果图;
图5是棉田下视图;
图6是对图5进行绿色分割后的结果图;
图7是棉田下视图覆盖度变化趋势图;
图8是检测棉花植株主茎处理结果图:图8(a)是棉花植株子图像示例图,图8(b)是植株初边缘二值子图,图8(c)是植株初骨架二值子图,图8(d)是主茎检测结果图;
图9是检测棉花植株侧茎处理结果图:图9(a)是棉花植株子图像左侧图,图9(b)是棉花植株子图像右侧图,图9(c)是侧茎检测结果图;
图10是棉花植株子图像节点检测图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供的棉花五真叶期自动检测方法,包括以下步骤:
(1)获取定苗后棉花植株子图像。
采集定苗后棉田正向前视图,采用离地面高0.35米,镜头焦距为14毫米,水平拍摄方向向东,与地平线夹角0度,相机分辨率不低于400万像素。以每一天为一检测时段,两个相机每一检测时段内分别拍摄w张棉花图像(w=13)。每天为一检测阶段,有利于识别棉花的主要关键生长期。由于我们图像处理的对象为单株棉花植株,因此首先要对定苗后的棉田正向前视图进行裁切,以获得可清晰观察到单排植株生长状况的棉田正向前视图。由于在我们获取的定苗后棉田正向前视序列图中,单排植株分布于整张图的下部1/3范围内,因此图像的裁切大小优选为“棉田正向前视图的宽”×(1/3ד正向前视图像的高”)。裁切后,获得定苗后棉田单排植株正向前视图。
用适合棉花植株单株图像大小的搜索框以一定的拆分步长,将所述图像拆分成子图像。优选地,所述搜索框与所述单排植株正向前视图的高相等,所述搜索框的宽度为其高度的1/4至1/2,所述拆分步长为所述搜索框宽度的1/2至5/6。对单株植株的图像进行观察后发现,植株的长宽比一般为3:1,由于子图像的大小影响到检测的完整性和准确性,因此子图像大小可更优选为所述搜索框与所述单排植株正向前视图的高相等,所述搜索框的宽度为其高度的1/3。拆分顺序影响到搜索程序设计,拆分顺序优选从左到右;拆分步长影响到单株植株搜索的时间和精度,拆分步长越大拆分速度越快精度越低,步长越小拆分速度越慢精度越高,拆分步长优选为所述搜索框宽度的1/2至5/6,为了确保检测到单排植株中的每一株及避免重复检测到同一株植株,更优选为所述搜索框宽度的4/5。
为了更加精确的进行后续检测,可先利用对比度拉伸的方法,突出显示植株。对拉伸后的图像:采用颜色分割或作物图像分割方法等不同方法获得单株植株分割结果图。棉花植株叶片及主茎上部为绿色,主茎下部为红棕色。基于单株棉花植株的颜色特征,优选的,采用RGB(红/绿/蓝)颜色空间中三个颜色通道之间的关系对子图像进行绿色分割和红棕色分割。对图像进行绿色分割时,采用R、G/R、G/B值作为特征指标,若图像中像素三通道值之间的关系同时满足R≤200,G/R≥0.9和G/B≥2.5,则可基本将绿色叶片分割出来;对图像进行红棕色分割时,采用R、R/G、B/G值作为特征指标,若图像中像素三通道值之间的关系同时满足R>100,R/G≥2.8和B/G≥0.1,则可基本将红棕色枝杈分割出来,结合绿色和红棕色分割结果,可以获得单株植株的分割结果。采用作物图像分割方法,利用空间信息过滤田间自然环境中图像的背景噪声,优选的作物分割方法为基于Meanshift的作物分割方法,获得作物图像分割结果。将作物图像分割结果和颜色分割的结果结合起来,即在基于Mean shift的作物分割方法的区域分割结果图上,保留颜色分割结果图中已检测到的像素所占据的区域,以获得定苗后棉花植株子图像。
由于田间自然环境中图像背景复杂,使用RGB颜色空间中三个颜色通道之间的关系进行颜色分割时,没有利用到空间信息,导致分割结果中会出现噪声以及孔隙。因此,再采用基于Mean shift的作物图像分割方法对子图像进行分割。最后,将Mean shift和颜色分割的结果结合起来,即结合空间和颜色信息,能够更准确的分割出植株,得到较为清晰的棉花植株子图像。
定苗时间按照如下方法确定:每天在相同条件下采集棉田下视图图像,优选地,采用离地面高5米的相机,镜头焦距为14毫米,水平拍摄方向向东,与地平线夹角向下60度,相机分辨率不低于400万像素。利用分割方法对所述图像进行绿色分割,统计所述图像中绿色像素所占比例即为绿色图像覆盖度;将每天棉田下视图绿色图像覆盖度与前一天棉田下视图绿色图像覆盖度比较,当绿色图像覆盖度降低时即为定苗时间。所述分割方法可采用环境自适应分割方法、超绿算子分割方法、基于Mean shift的作物图像分割方法、Fisher线性判别方法等方法(参见[1]Lei F.Tian.Environmentally adaptive segmentation algorithm for outdoor imagesegmentation.Computers and electronics in agriculture,1998,21:153~168);[2]D.M.Woebbecke,G.E.Meyer,K.Von Bargen,D.A.Mortensen.ColorIndices for weed identification under various soil,residue,and lightingconditions.Transactions of the ASAE,1995,38(1):259~269);[3]Zheng L,Zhang J,Wang Q.Mean-shift-based color segmentation of images containinggreen vegetation.Computers and Electronics in Agriculture,2009,65:93-98);[4]Zheng L,Shi D,Zhang J.Segmentation of green vegetation of crop canopyimages based on mean shift and Fisher linear discriminant.Pattern RecognitionLetters,2010,31(9):920~925.)。
(2)检测棉花植株主茎。
对于步骤(1)中获得的所有棉花植株子图像,采用边缘检测算法检测植株初边缘,得到边缘二值子图;采用骨架检测算法提取植株初骨架,得到骨架二值子图。所述边缘检测算法,可采用的图像检测算子有Sobel算子、Roberts算子、LoG算子和Canny算子等,优选边缘完整性较强的Canny算子进行边缘检测。所述骨架检测算法,优选形态学图像处理方法中的细化操作。
对边缘二值子图和骨架二值子图进行链码检测和直线检测,得到棉花植株竖直的植株边缘和植株骨架。将边缘二值子图和骨架二值子图叠加,将包含竖直植株骨架的竖直植株边缘内侧作为棉花植株主茎,获得包含植株主茎的棉花植株子图像。所述直线检测优选采用Hough变换算法。
棉花植株的主茎具有明显的直线边缘,主茎生长方向也基本为垂直方向,因此可以采用检测垂直方向直线的方式来判断植株边缘提取子图像中是否有主茎存在。将植株算子边缘提取二值子图和植株骨架线边缘提取二值子图,都分别先采用链码提取直线,然后采用Hough变换对链码提取直线的结果进行直线检测,最后将算子边缘提取二值子图的检测直线结果与骨架线边缘提取二值子图的检测直线结果合并,可以得到最终的主茎检测结果。
(3)检测棉花植株侧茎。
将步骤(2)中获得的包含植株主茎的棉花植株子图像,按照主茎位置,划分成两侧:主茎以左为图像左侧,主茎以右为图像右侧。将两侧图像分别进行颜色分割和直线检测得到两侧图像中的初侧茎。
颜色分割的原理和步骤如下:棉花植株生长到五真叶期时,单株植株的侧茎颜色会变成红棕色,在两侧图像内根据侧茎的颜色特性,首先利用图像中像素三通道值之间的关系,对基于主茎的单株植株子图像进行颜色分割:采用R、R/G、B/G值作为特征指标,若图像中像素三通道值之间的关系同时满足R>100,R/G≥2.8和B/G≥0.1,则可基本将红棕色侧茎分割出来。
分别在两侧图像对完成颜色分割后的基于主茎的单株植株子图像结果图进行直线检测,优选的,采用Hough变换的直线检测方法。
两侧图像的初侧茎中,与主茎上侧成锐角的直线被认为是侧茎。
(4)判断棉花五真叶期。
对于步骤(2)中获得的包含植株主茎的棉花植株子图像,以其中侧茎和主茎的交点作为节点,当检测到2个或者2个以上节点的子图像数目占所有定苗后棉花植株子图像数目50%以上时,认为棉田进入五真叶期,否则进行下一天的检测。
为程序设计方便,采用节点数代表侧茎数目,单株植株上的节点即主茎和侧茎的交点,当颜色分割和直线检测结果判定的主茎和侧茎没有交点时,延长侧茎直至其与主茎相交,确定交点即为节点。经验判断,图像一般无法采集全部节点,因此当检测到2个或者2个以上节点的子图像数目占所有子图像数目50%以上时,判断棉田进入五真叶期,否则判断棉花未进入五真叶期。
按照所述棉花五真叶期自动检测方法,提供了一种棉花五真叶期自动检测***,其特征在于,包括棉花植株子图像获取模块、棉花主茎检测模块、棉花侧茎检测模块以及棉花五真叶期判断模块;
所述棉花植株子图像获取模块,用于采集定苗后棉田单排植株正向前视图,拆分成棉花植株单株子图像,并将所述子图像处理成定苗后棉花植株子图像传递给棉花主茎检测模块;
所述棉花主茎检测模块,用于提取棉花植株边缘和之主骨架,将包含竖直植株骨架的竖直植株边缘内侧作为棉花植株主茎,获得包含植株主茎的棉花植株子图像,并将所述子图像传递给棉花侧茎检测模块;
所述棉花侧茎检测模块,用于将包含植株主茎的棉花植株子图像,按照主茎位置,划分成两侧:主茎以左为图像左侧,主茎以右为图像右侧;获取两侧图像中的初侧茎,将其中与主茎上侧成锐角的直线作为侧茎,并将检测结果传递给棉花五真叶期判断模块;
所述棉花五真叶期判断模块,用于根据定苗后棉花植株子图像中侧茎数目的分布情况,判断棉花是否进入五真叶期:对于包含植株主茎的棉花植株子图像,以其中侧茎和主茎的交点作为节点,当检测到2个或者2个以上节点的子图像数目占所有定苗后棉花植株子图像数目50%以上时,判断棉花进入五真叶期,否则判断棉花未进入五真叶期。
以下为实施例:
使用本发明提供的方法判断图2中的棉花是否进入五真叶期:
(1)获取定苗后棉花植株子图像。
采集定苗后棉田正向前视图,相机离地面高0.35米,焦距14毫米,水平拍摄方向向东,与地平线夹角为0度,分辨率400万像素,实施例以每一天为一检测时段,相机每一检测时段内分别拍摄w张棉花图像(w=13),图像大小为3648×2736。如图2所示为棉田正向前视图示例图。首先对定苗后的棉田正向前视图进行裁切,以获得可清晰观察到单排植株生长状况的定苗后棉田单排植株正向前视图,图像大小为3648×912,如图3所示。
用912像素×304像素的搜索框以240像素的拆分步长,按照从左到右的顺序,将所述图像拆分成912像素×304像素的仅包含单株植株子图像,如图4(a)所示。
对于每一个子图像,利用对比度拉伸的方法,突出显示植株,如图4(b)所示。分别在对比度拉伸后的子图像上进行颜色分割和作物分割操作。颜色分割:采用R、G/R、G/B值作为特征指标,若图像中像素三通道值之间的关系同时满足R≤200,G/R≥0.9和G/B≥2.5,则可基本将绿色叶片分割出来;对图像进行红棕色分割时,采用R、R/G、B/G值作为特征指标,若图像中像素三通道值之间的关系同时满足R>100,R/G≥2.8和B/G≥0.1,则可基本将红棕色枝杈分割出来,结合绿色和红棕色分割结果,获得颜色分割结果图,如图4(c)所示。作物分割:采用基于Mean shift的作物分割算法,将图像进行作物分割,结果如图4(d)所示。将作物图像分割结果和颜色分割的结果结合起来,即在基于Mean shift的作物分割方法的区域分割结果图上,保留颜色分割结果图中已检测到的像素所占据的区域,以获得定苗后棉花植株子图像,如图4(e)所示。
定苗时间按照如下方法确定:每天在相同条件下采集棉田下视图图像,相机离地面高5米,焦距14毫米,水平拍摄方向向东,与地平线夹角向下60度,分辨率400万像素,实施例以每一天为一检测时段,相机每一检测时段内分别拍摄w张棉花图像(w=13),图像大小为3648×2736,如图5所示为棉田下视图示例图。利用Fisher线性判别方法对所述图像进行绿色分割,如图6所示为绿色分割结果图,统计所述图像中绿色图像覆盖度;将棉田三真叶期之后每天的棉田下视图绿色图像覆盖度与前一天棉田下视图绿色图像覆盖度比较,当绿色图像覆盖度降低时即为定苗时间,如图7所示为棉田下视图覆盖度变化趋势图,当检测到棉花三真叶期后第9天时覆盖度降低,这说明在这一天棉农完成了棉田定苗操作,即可以从第10天开始对棉田横向前视图像序列进行单株植株生长状况的检测。
(2)检测棉花植株主茎
对于步骤(1)中获得的所有棉花植株子图像,如图8(a)所示为一棉花植株子图像示例图,使用Canny算子检测植株初边缘,得到植株初边缘二值子图,如图8(b)所示;采用形态学图像处理方法中的细化操作提取植株初骨架,得到植株初骨架二值子图,如图8(c)所示。
将植株初边缘二值子图和植株初骨架二值子图,都分别先采用链码提取直线,然后采用Hough变换对链码提取直线的结果进行直线检测,得到棉花植株竖直的植株边缘和植株骨架的二值子图。将植株边缘二值子图和植株骨架二值子图叠加,将包含竖直植株骨架的竖直植株边缘内侧作为棉花植株主茎,获得包含植株主茎的棉花植株子图像,如图8(d)所示。
(3)检测棉花植株侧茎
将步骤(2)中获得的包含植株主茎的棉花植株子图像,按照主茎位置,划分成两侧:主茎以左为图像左侧,如图9(a)所示,主茎以右为图像右侧,如图9(b)所示。将两侧图像分别进行颜色分割:将两侧图像分别进行颜色分割得到基本分割出来的红棕色侧茎,采用R、R/G、B/G值作为特征指标,若图像中像素三通道值之间的关系同时满足R>100,R/G≥2.8和B/G≥0.1,则可基本将红棕色侧茎分割出来,得到基本分割出来的红棕色侧茎,再对颜色分割结果图进行Hough直线检测得到两侧图像中的直线。
两侧图像中,与主茎上侧成锐角的直线被认为是侧茎,将两侧图像合并,可以得到侧茎检测结果,如图9(c)所示。
(4)判断棉花五真叶期
单株植株上的节点即主茎和侧茎的交点,当颜色分割和直线检测结果判定的主茎和侧茎没有交点时,延长侧茎直至其与主茎相交,确定交点即为节点。经验判断,图像一般无法采集全部节点,对于步骤(2)中获得的包含植株主茎的棉花植株子图像,当检测到2个或者2个以上节点的子图像数目占所有定苗后棉花植株子图像数目50%以上时,认为棉田进入五真叶期。即检测到2个或2个以上侧茎时的子图像,如图10所示。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种棉花五真叶期检测方法,其特征在于,包括以下步骤:
(1)获取定苗后棉花植株子图像:采集定苗后棉田单排植株正向前视图;用适合棉花植株单株图像大小的搜索框,将所述图像拆分成子图像;对所述子图像进行颜色分割和作物图像分割,在作物分割方法的区域分割结果图上,保留颜色分割结果图中已检测到的像素所占据的区域,获得定苗后棉花植株子图像;
(2)检测棉花植株主茎:对于步骤(1)中获得的所有棉花植株子图像,检测植株初边缘,提取植株初骨架,对植株初边缘和植株初骨架进行链码检测和直线检测得到棉花植株竖直的植株边缘和植株骨架,将包含竖直植株骨架的竖直植株边缘内侧作为棉花植株主茎,获得包含植株主茎的棉花植株子图像;
(3)检测棉花植株侧茎:将步骤(2)中获得的包含植株主茎的棉花植株子图像,按照主茎位置,划分成两侧:主茎以左为图像左侧,主茎以右为图像右侧;将两侧图像分别进行颜色分割和直线检测得到两侧图像中的初侧茎,将其中与主茎上侧成锐角的初侧茎作为侧茎;
(4)判断棉花五真叶期:对于步骤(2)中获得的包含植株主茎的棉花植株子图像,以其中侧茎和主茎的交点作为节点,当检测到2个或者2个以上节点的子图像数目占所有定苗后棉花植株子图像数目50%以上时,判断棉田进入五真叶期,否则判断棉田未进入五真叶期。
2.如权利要求1所述的棉花五真叶期检测方法,其特征在于,所述步骤(1)定苗时间按照以下步骤判断:每天在相同条件下采集棉田下视图图像,利用分割方法对所述图像进行绿色分割,统计所述图像中绿色像素所占比例即为绿色图像覆盖度;将每天棉田下视图绿色图像覆盖度与前一天棉田下视图绿色图像覆盖度比较,当绿色图像覆盖度降低时即为定苗时间。
3.如权利要求2所述的棉花五真叶期检测方法,其特征在于,所述进行绿色分割所使用的分割方法,可采用环境自适应分割方法、超绿算子分割方法、基于Mean shift的作物图像分割方法、Fisher线性判别方法。
4.如权利要求1所述的棉花五真叶期检测方法,其特征在于,所述单排植株正向前视图经对比度拉伸的方法处理。
5.如权利要求4所述的棉花五真叶期检测方法,其特征在于,所述搜索框与所述单排植株正向前视图的高相等,所述搜索框的宽度为其高度的1/4至1/2,所述拆分步长为所述搜索框宽度的1/2至5/6。
6.如权利要求1所述的棉花五真叶期检测方法,其特征在于,所述步骤(2)检测植株初边缘算法和提取植株初骨架,可采用的图像检测算子有Sobel算子、Roberts算子、LoG算子和Canny算子,优选Canny算子。
7.如权利要求1所述的棉花五真叶期检测方法,其特征在于,所述步骤(2)和步骤(3)中直线检测可采用Hough变换。
8.一种棉花五真叶期检测***,其特征在于,包括棉花植株子图像获取模块、棉花主茎检测模块、棉花侧茎检测模块以及棉花五真叶期判断模块;
所述棉花植株子图像获取模块,用于采集定苗后棉田单排植株正向前视图,拆分成棉花植株单株子图像,并将所述子图像处理成定苗后棉花植株子图像传递给棉花主茎检测模块;
所述棉花主茎检测模块,用于提取棉花植株边缘和之主骨架,将包含竖直植株骨架的竖直植株边缘内侧作为棉花植株主茎,获得包含植株主茎的棉花植株子图像,并将所述子图像传递给棉花侧茎检测模块;
所述棉花侧茎检测模块,用于将包含植株主茎的棉花植株子图像,按照主茎位置,划分成两侧:主茎以左为图像左侧,主茎以右为图像右侧;获取两侧图像中的初侧茎,将其中与主茎上侧成锐角的直线作为侧茎,并将检测结果传递给棉花五真叶期判断模块;
所述棉花五真叶期判断模块,用于根据定苗后棉花植株子图像中侧茎数目的分布情况,判断棉花是否进入五真叶期:对于包含植株主茎的棉花植株子图像,以其中侧茎和主茎的交点作为节点,当检测到2个或者2个以上节点的子图像数目占所有定苗后棉花植株子图像数目50%以上时,判断棉花进入五真叶期,否则判断棉花未进入五真叶期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410111412.2A CN104949981A (zh) | 2014-03-24 | 2014-03-24 | 一种棉花五真叶期自动检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410111412.2A CN104949981A (zh) | 2014-03-24 | 2014-03-24 | 一种棉花五真叶期自动检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104949981A true CN104949981A (zh) | 2015-09-30 |
Family
ID=54164798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410111412.2A Pending CN104949981A (zh) | 2014-03-24 | 2014-03-24 | 一种棉花五真叶期自动检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104949981A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097372A (zh) * | 2016-06-23 | 2016-11-09 | 北京农业信息技术研究中心 | 基于图像处理的农作物植株水分胁迫表型检测方法 |
CN106770274A (zh) * | 2015-11-25 | 2017-05-31 | 财团法人资讯工业策进会 | 作物的生理表征检测方法、可携带式检测装置与检测*** |
CN106952241A (zh) * | 2017-04-27 | 2017-07-14 | 北京航空航天大学 | 一种基于形态学方法及Meanshift算法的电磁图像分块方法 |
CN106996757A (zh) * | 2017-04-18 | 2017-08-01 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种基于数码相机图像的叶面积测量方法 |
CN107024187A (zh) * | 2017-04-18 | 2017-08-08 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种基于数码相机图像的叶面积测量方法 |
CN107144244A (zh) * | 2017-05-16 | 2017-09-08 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种叶面积测量方法 |
CN107463939A (zh) * | 2017-06-27 | 2017-12-12 | 浙江工业大学 | 一种图像关键直线检测方法 |
CN107993243A (zh) * | 2017-12-21 | 2018-05-04 | 北京林业大学 | 一种基于rgb图像的小麦分蘖数自动检测方法 |
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 |
CN110064601A (zh) * | 2019-05-23 | 2019-07-30 | 仲恺农业工程学院 | 一种蔬菜嫁接用苗检测分级***和分级方法 |
CN112069953A (zh) * | 2020-08-26 | 2020-12-11 | 江苏农林职业技术学院 | 一种水稻秧苗生长期自动识别方法、装置 |
CN115147423A (zh) * | 2022-09-06 | 2022-10-04 | 江苏欧罗曼家纺有限公司 | 基于改进的链码法的棉花顶检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103699A (zh) * | 2011-01-27 | 2011-06-22 | 华中科技大学 | 一种基于图像检测棉花吐絮的方法 |
CN102636486A (zh) * | 2012-03-23 | 2012-08-15 | 华中科技大学 | 一种棉花三真叶期的自动检测方法 |
-
2014
- 2014-03-24 CN CN201410111412.2A patent/CN104949981A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103699A (zh) * | 2011-01-27 | 2011-06-22 | 华中科技大学 | 一种基于图像检测棉花吐絮的方法 |
CN102636486A (zh) * | 2012-03-23 | 2012-08-15 | 华中科技大学 | 一种棉花三真叶期的自动检测方法 |
Non-Patent Citations (1)
Title |
---|
YANAN LI等: "An image-based approach for automatic detecting five true-leaves stage of cotton stage of cotton", 《SPIE PROCEEDINGS》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106770274A (zh) * | 2015-11-25 | 2017-05-31 | 财团法人资讯工业策进会 | 作物的生理表征检测方法、可携带式检测装置与检测*** |
CN106097372A (zh) * | 2016-06-23 | 2016-11-09 | 北京农业信息技术研究中心 | 基于图像处理的农作物植株水分胁迫表型检测方法 |
CN106996757A (zh) * | 2017-04-18 | 2017-08-01 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种基于数码相机图像的叶面积测量方法 |
CN107024187A (zh) * | 2017-04-18 | 2017-08-08 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种基于数码相机图像的叶面积测量方法 |
CN106952241B (zh) * | 2017-04-27 | 2020-03-10 | 北京航空航天大学 | 一种基于形态学方法及Meanshift算法的电磁图像分块方法 |
CN106952241A (zh) * | 2017-04-27 | 2017-07-14 | 北京航空航天大学 | 一种基于形态学方法及Meanshift算法的电磁图像分块方法 |
CN107144244A (zh) * | 2017-05-16 | 2017-09-08 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种叶面积测量方法 |
CN107463939A (zh) * | 2017-06-27 | 2017-12-12 | 浙江工业大学 | 一种图像关键直线检测方法 |
CN107463939B (zh) * | 2017-06-27 | 2020-06-09 | 浙江工业大学 | 一种图像关键直线检测方法 |
CN107993243B (zh) * | 2017-12-21 | 2020-06-23 | 北京林业大学 | 一种基于rgb图像的小麦分蘖数自动检测方法 |
CN107993243A (zh) * | 2017-12-21 | 2018-05-04 | 北京林业大学 | 一种基于rgb图像的小麦分蘖数自动检测方法 |
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 |
CN108647652B (zh) * | 2018-05-14 | 2022-07-01 | 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 |
CN110064601A (zh) * | 2019-05-23 | 2019-07-30 | 仲恺农业工程学院 | 一种蔬菜嫁接用苗检测分级***和分级方法 |
CN112069953A (zh) * | 2020-08-26 | 2020-12-11 | 江苏农林职业技术学院 | 一种水稻秧苗生长期自动识别方法、装置 |
CN115147423A (zh) * | 2022-09-06 | 2022-10-04 | 江苏欧罗曼家纺有限公司 | 基于改进的链码法的棉花顶检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104949981A (zh) | 一种棉花五真叶期自动检测方法及*** | |
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 | |
Fu et al. | A novel image processing algorithm to separate linearly clustered kiwifruits | |
Zhou et al. | Using colour features of cv.‘Gala’apple fruits in an orchard in image processing to predict yield | |
CN106951836B (zh) | 基于先验阈值优化卷积神经网络的作物覆盖度提取方法 | |
Yu et al. | Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage | |
van der Heijden et al. | SPICY: towards automated phenotyping of large pepper plants in the greenhouse | |
CN111340826B (zh) | 基于超像素与拓扑特征的航拍图像单株树冠分割算法 | |
CN102636486B (zh) | 一种棉花三真叶期的自动检测方法 | |
KR20150000435A (ko) | 작물 생장 단계 인식 및 환경 제어 시스템 및 그 방법 | |
CN113657469B (zh) | 基于图像识别的木本植物物候期的自动观测方法和*** | |
CN101859375A (zh) | 农田苗期行内作物-杂草识别方法 | |
CN109447945A (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
Adhikari et al. | 3D reconstruction of apple trees for mechanical pruning | |
CN103914848A (zh) | 一种基于小波变换及最大类间方差的农田图像分割方法 | |
CN103090946B (zh) | 果树单树产量测量的方法和*** | |
CN111462058A (zh) | 一种水稻有效穗快速检测方法 | |
CN109523528A (zh) | 一种基于无人机双目视觉sgc算法的输电线路提取方法 | |
CN102592118B (zh) | 一种玉米出苗期的自动检测方法 | |
Ouyang et al. | Assessment of canopy size using UAV-based point cloud analysis to detect the severity and spatial distribution of canopy decline | |
CN102663396A (zh) | 一种水稻乳熟期自动检测的方法 | |
CN102360428B (zh) | 一种玉米三叶期与七叶期的自动检测方法 | |
CN113807132B (zh) | 植物生长区域的灌水状态的识别方法、装置和存储介质 | |
Zhang et al. | Indicators for separating undesirable and well-delineated tree crowns in high spatial resolution images | |
Li et al. | Image processing for crop/weed discrimination in fields with high weed pressure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150930 |
|
RJ01 | Rejection of invention patent application after publication |