【技术实现步骤摘要】
本专利技术涉及秸秆覆盖率检测，具体为适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法。
技术介绍
1、保护性耕作是相对于传统翻耕的新型耕作技术，它是一种以农作物秸秆还田、少耕或免耕播种为主要内容的现代农业生产方式，能够有效减少土壤侵蚀，保护农田生态环境，增强土壤肥力和抗旱能力，提高粮食生产能力，并促进农业的可持续发展。秸秆还田是保护性耕作的增产措施之一，而秸秆覆盖率是评估保护性耕作实施程度的关键指标，同时秸秆覆盖率是秸秆还田补贴的重要依据，因此准确高效的秸秆覆盖率检测方法对于实行保护性耕作具有重要意义。国家标准gb/t20865-2017《免（少）耕施肥播种机》中利用人工“拉绳法”测量并计算秸秆覆盖率，存在劳动强度较高、计算精度较低和误差较大等缺点，已经跟不上当前“互联网+农业生产”新模式下的实际生产速度。
2、近年来，随着科学技术的发展，基于计算机视觉的图像处理技术已经应用于秸秆覆盖率检测工作。秸秆覆盖图像分割方面仍存在诸多问题：航拍图像中秸秆、土地、杂草等颜色接近，导致难以识别和精确分割；秸秆图像像素较大，使得图像中将会存在检测条件、拍摄环境、外部干扰等因素的限制；基于迭代阈值分割的检测方法，引起局部寻优停滞和稳定性差的问题。针对现有方法不能准确地检测秸秆覆盖率的问题，提出一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法。
技术实现思路
1、本部分的目的在于概述本专利技术的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和专利技
2、因此，本专利技术的目的是提供一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，实现精确的图像分割，提高了图像分割效率和准确性。
3、为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
4、一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其包括：
5、s1、利用无人机采集田间秸秆图像，并将采集的田间秸秆图像数据输入至服务器上；
6、s2、服务器将获取的田间秸秆图像数据传输到图像预处理模型中，对田间秸秆图像数据进行预处理；
7、s3、将预处理后的图像输入至基于演化计算的多阈值图像分割模型中，分割和提取图像的秸秆部分和其他部分，其中，所述基于演化计算的多阈值图像分割模型包括改进的多目标蚁狮优化算法以及形态学算法；
8、s4、根据分割后的结果，统计各部分的像素点数，将秸秆部分的像素点数与整个图像的像素点数作比得到秸秆覆盖率，然后输出秸秆覆盖率结果；
9、所述改进的多目标蚁狮优化算法的具体步骤包括：
10、步骤1、初始化设置种群规模、迭代次数和外部存档；
11、步骤2、混沌机制利用圆映射来初始化一组候选解，即蚂蚁群和蚁狮群；
12、步骤3、采用tsallis熵计算个体适应度函数值，并更新和维护外部存档；
13、步骤4、从外部存档中随机选择一个蚁狮，以及利用轮盘赌法从外部存档中选取个体作为精英蚁狮，通过逻辑映射生成进化模式因子，利用蚁狮、精英蚁狮和进化模式因子更新下一代中的蚂蚁；
14、步骤5、用tsallis熵计算更新后所有个体的适应度函数值，并将更新后的帕累托解存储在外部存档中；
15、步骤6、判断外部存档是否饱和，如果饱和，则使用轮盘赌法删除档案中的部分解以保持外部存档中候选解的最大数量，之后执行步骤7，如果不饱和，则直接执行步骤7；
16、步骤7、判断是否达到最大迭代次数，如果达到最大迭代次数，根据精英蚁狮个体的位置确定最佳阈值进行图像分割；如果未达到最大迭代次数，则返回步骤4，重复步骤4-步骤7，直到达到最大迭代次数。
17、作为本专利技术所述的适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法的一种优选方案，其中，步骤2中，混沌机制利用圆映射来初始化一组候选解的步骤如下：
18、设 m s表示圆映射顺序中的第 s个数，其来源的映射函数定义为：
19、；
20、其中， p和 q为取值于中的参数，用i表示种群中变量的索引，即需要确定的变量，每个变量的值可以初始化为：
21、；
22、其中，di为初始种群中变量i的值，minvi 和maxvi分别为变量的最小值和最大值，其值根据优化问题的约束条件确定。
23、作为本专利技术所述的适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法的一种优选方案，其中，设图像的灰度级为g，灰度在图像中出现的概率为pi，则步骤3中的tsallis熵的离散定义为：
24、；
25、其中，sq为tsallis的熵值，q为调节参数；
26、在单阈值分割情况下，设阈值 z将图像划分为目标区域a和背景区域b两类，那么这2个区域的灰度概率分别为：
27、；
28、；
29、这2个区域的tsallis熵分别为：
30、；
31、；
32、则总的tsallis熵为：
33、；
34、由单阈值推广到多阈值，共有 r个阈值，得
35、；
36、；
37、；
38、其中，v为tsallis熵的阈值，d为灰色暗区域的灰度级，m为灰色中区域的灰度级，l为背灰色亮区域的灰度级。
39、作为本专利技术所述的适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法的一种优选方案，其中，步骤4中，从外部存档中随机选择一个蚁狮，以及利用轮盘赌法从外部存档中选取个体作为精英蚁狮，通过逻辑映射生成进化模式因子，利用蚁狮、精英蚁狮和进化模式因子更新下一代中的蚂蚁的步骤如下：
40、设 x n表示由逻辑映射产生的第 n个混沌数，映射函数表示为：
41、；
42、因此引入进化模式因子的蚂蚁的随机游走方式表示为：
43、；
44、其中，am和bm分别为第m个变量的随机游走的下限和上限，cem和dem分别为第m个变量从第1代到第e代的最小值和最大值，其表示为：
45、；
46、其中，ce和de分别是第e代中所有变量的最小值和最大值，antlionej是第j个蚁狮在第e代中的位置；
47、其次，为了模拟蚂蚁靠近蚁狮，蚂本文档来自技高网...
【技术保护点】
1.一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其特征在于，包括：
2.根据权利要求1所述的适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其特征在于，步骤2中，混沌机制利用圆映射来初始化一组候选解的步骤如下：
3.根据权利要求1所述的适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其特征在于，设图像的灰度级为G，灰度在图像中出现的概率为pi，则步骤3中的Tsallis熵的离散定义为
4.根据权利要求1所述的适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其特征在于，步骤4中，从外部存档中随机选择一个蚁狮，以及利用轮盘赌法从外部存档中选取个体作为精英蚁狮，通过逻辑映射生成进化模式因子，利用蚁狮、精英蚁狮和进化模式因子更新下一代中的蚂蚁的步骤如下：
【技术特征摘要】
1.一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其特征在于，包括：
2.根据权利要求1所述的适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其特征在于，步骤2中，混沌机制利用圆映射来初始化一组候选解的步骤如下：
3.根据权利要求1所述的适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其特征在于，设图像的灰度级为g...
【专利技术属性】
技术研发人员：杨宏伟，杨华民，张婧，冯欣，蒋振刚，张昕，张剑飞，周超然，白森，戴加海，郑婷婷，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
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。