一种水稻成熟度识别方法技术

技术编号:39664117 阅读:10 留言:0更新日期:2023-12-11 18:27
本发明专利技术提供了一种水稻成熟度识别方法,它解决了水稻成熟度识别等问题,其包括如下步骤:

【技术实现步骤摘要】
一种水稻成熟度识别方法


[0001]本专利技术属于水稻种植
,具体涉及一种水稻成熟度识别方法


技术介绍

[0002]水稻常在夏秋季节进行收割

在外观上看,当每穗谷粒颖壳
95
%以上变黄或
95
%以上谷粒小穗轴及副护颖变黄,米粒定型变硬,呈透明状,即为生理成熟的标准

水稻成熟的标准有百分之七十泛黄代表成熟

水稻达到生理成熟的标准是籽粒内干物重达到最大,也就是通常所说的完熟期

从外观上看,当每穗谷粒颖壳
95
%以上变黄或
95
%以上谷粒小穗轴及副护颖变黄,米粒定型变硬,呈透明状,即为生理成熟的标准,这时是水稻收获最佳时期

但现有水稻成熟度采用人工方式进行判断,过于依赖个人经验

大面积稻田内水稻成熟度不一,采用统一的收割的方式无法保证稻谷质量

[0003]为了解决现有技术存在的不足,人们进行了长期的探索,提出了各式各样的解决方案

例如,中国专利文献公开了一种基于机器视觉的水稻收割机路径规划控制系统
[202011496340.X],其包括稻田图像采集模块采集所有待收割稻田的图像;稻田图像处理模块从图像中识别各块稻田水稻的成熟度;路径规划模块按成熟度由高到低规划稻田的收割顺序;稻田图像采集模块采集各块稻田的稻田图像;稻田图像处理模块从稻田图像中提取出苗线;路径规划模块根据苗线规划各块稻田的水稻收割路径;采样规划模块根据稻田图像和水稻收割路径规划收割采样点;水稻图像采集模块在收割采样点采集水稻图像;水稻图像分析模块对水稻图像进行处理和分析水稻质量

[0004]上述方案在一定程度上解决了水稻成熟度识别的问题,但是该方案依然存在着诸多不足,例如对于稻田不同区域无法提供相应的收割建议等问题


技术实现思路

[0005]本专利技术的目的是针对上述问题,提供一种设计合理,可根据水稻成熟度提供相应收割建议的水稻成熟度识别方法

[0006]为达到上述目的,本专利技术采用了下列技术方案:一种水稻成熟度识别方法,包括如下步骤:
[0007]S1
:数据采集以及预处理;
[0008]S2
:对数据进行特征提取并进行成熟度识别;
[0009]S3
:根据成熟度识别结果提供收割建议

[0010]在上述的一种水稻成熟度识别方法中,步骤
S1
包括如下步骤:
[0011]S11
:采集水稻图像并建立数据集;
[0012]S12
:对
RGB
图像进行加权平均,得到灰度图像;
[0013]S13
:对灰度图像进行几何变换以及插值处理;
[0014]S14
:采用空间域法对图像进行增强

[0015]在上述的一种水稻成熟度识别方法中,步骤
S1
包括如下步骤:
[0016]S15
:对灰度图像进行高斯模糊以及边缘检测,并采用闭运算增强进行边缘增强;
[0017]S16
:图像轮廓依次选定各个拐点与其余拐点相对距离,距离最大的作为图像长度;
[0018]S17
:计算其余拐点与图像长度所在直线的最大距离作为图像宽度;
[0019]S18
:导入图像比例尺,计算实际长宽及其比值;
[0020]S19
:设定长宽及其比值阈值,剔除异常图像

[0021]在上述的一种水稻成熟度识别方法中,步骤
S2
包括如下步骤:
[0022]S21
:对样本及其水稻指数时序曲线进行分析,判断每个像元中水稻种植面积比例与水稻营养生长以及生殖生长
EVI
时序曲线上的关键物候期的关联性;
[0023]S22
:设定每个像元由水稻与其他植被混合而成,将单个光谱特征时序曲线视为光谱曲线,曲线每个时序点视为单个波段;
[0024]S23
:采用线性光谱分解,获得像元内水稻以及其其他植被的相应时序光谱值;
[0025]S24:
构建相应的多元线性模型,获取每个像元内部水稻及其他植被的丰密度

[0026]在上述的一种水稻成熟度识别方法中,步骤
S2
包括如下步骤:
[0027]S25
:采用
Labellmg
对水稻图像进行标注并导入
sklearn
库;
[0028]S26
:读取水稻图像数据以及标注,利用
SIFT
进行特征提取;
[0029]S27
:将数据集分为训练集和测试集,之后训练分类器;
[0030]S28
:利用分类器对水稻图像进行预测并输出预测结果;
[0031]S29
:利用上述模型对水稻形态进行识别

[0032]在上述的一种水稻成熟度识别方法中,步骤
S3
包括如下步骤:
[0033]S31
:导入水稻图像;
[0034]S32
:进行色度空间转换;
[0035]S33
:对颜色进行分割;
[0036]S34
:进行目标颜色检测

[0037]在上述的一种水稻成熟度识别方法中,步骤
S32
包括如下步骤:
[0038]S321
:读取图像并滤波;
[0039]S322
:将图像由
RGB
转换到
HSV
色度空间;
[0040]在上述的一种水稻成熟度识别方法中,步骤
S33
包括如下步骤:
[0041]S331
:利用
createTrackbar
函数对颜色空间转换后的各通道进行阈值分割;
[0042]S332
:根据阈值分割结果判断各颜色对应阈值;
[0043]S333
:对于不同的颜色,分别对图像进行阈值分割;
[0044]S334
:统计阈值分割结果,判断图像颜色并输出分类结果

[0045]在上述的一种水稻成熟度识别方法中,步骤
S34
包括如下步骤:
[0046]S341
:导入图像轮廓;
[0047]S342
:从原图像中截取图像轮廓所在区域的图像;
[0048]S343
:对图像轮廓所在区域的图像进行颜色分割,统计分割结果,判断图像的颜色进行分类

[0049]在上述的一种水稻成熟度识别方法中,步骤
S3
包括如下步骤:...

【技术保护点】

【技术特征摘要】
1.
一种水稻成熟度识别方法,其特征在于,包括如下步骤:
S1
:数据采集以及预处理;
S2
:对数据进行特征提取并进行成熟度识别;
S3
:根据成熟度识别结果提供收割建议
。2.
根据权利要求1所述的一种水稻成熟度识别方法,其特征在于,所述的步骤
S1
包括如下步骤:
S11
:采集水稻图像并建立数据集;
S12
:对
RGB
图像进行加权平均,得到灰度图像;
S13
:对灰度图像进行几何变换以及插值处理;
S14
:采用空间域法对图像进行增强
。3.
根据权利要求2所述的一种水稻成熟度识别方法,其特征在于,所述的步骤
S1
包括如下步骤:
S15
:对灰度图像进行高斯模糊以及边缘检测,并采用闭运算增强进行边缘增强;
S16
:图像轮廓依次选定各个拐点与其余拐点相对距离,距离最大的作为图像长度;
S17
:计算其余拐点与图像长度所在直线的最大距离作为图像宽度;
S18
:导入图像比例尺,计算实际长宽及其比值;
S19
:设定长宽及其比值阈值,剔除异常图像
。4.
根据权利要求1所述的一种水稻成熟度识别方法,其特征在于,所述的步骤
S2
包括如下步骤:
S21
:对样本及其水稻指数时序曲线进行分析,判断每个像元中水稻种植面积比例与水稻营养生长以及生殖生长
EVI
时序曲线上的关键物候期的关联性;
S22
:设定每个像元由水稻与其他植被混合而成,将单个光谱特征时序曲线视为光谱曲线,曲线每个时序点视为单个波段;
S23
:采用线性光谱分解,获得像元内水稻以及其其他植被的相应时序光谱值;
S24:
构建相应的多元线性模型,获取每个像元内部水稻及其他植被的丰密度
。5.
根据权利要求4所述的一种水稻成熟度识别方法,其特征在于,所述的步骤
S2
包括如下步骤:
S25
:采用
Labellmg
对水稻图像进行标注并导入
sklearn
库;
S26
:读取水稻图像数据以及标注,利用
SIFT
进行特征提取;
S27
:将数据集分为训练集和测试集,之后训练分类器;
...

【专利技术属性】
技术研发人员:王晓桢孙黎明陈佳利王前红姜云艳
申请(专利权)人:浙江农博数字技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1