一種棉花五真葉期自動檢測方法及系統(tǒng)的制作方法
【技術領域】
[0001]本發(fā)明屬于數字圖像處理和農業(yè)氣象觀測交叉領域，更具體地，涉及一種棉花五真葉期自動檢測方法及系統(tǒng)。
【背景技術】
[0002]棉花是我國主要的經濟作物之一，中國的棉花產量也處于世界領先地位。棉花的五真葉期是棉花生長的一個重要環(huán)節(jié)，是農業(yè)氣象觀測的一個重要內容。
[0003]長期以來，主要采用人工觀測記錄的方式對棉花發(fā)育期相關信息進行記錄，觀測結果由于會受到觀測員主觀因素的影響，導致誤差比較大；與此同時，由于棉花的生長周期較長，棉花種植的范圍較廣，單一地利用人工進行觀測的方法耗時耗力。

【發(fā)明內容】

[0004]針對現有技術的以上缺陷或改進需求，本發(fā)明提供了一種棉花五真葉期自動檢測方法及系統(tǒng)，其目的在于通過圖像處理方法分析棉田照片，從而判斷棉花是否進入五真葉期，由此解決目前人工判斷棉花五真葉期耗時耗力及不準確的技術問題。
[0005]為實現上述目的，按照本發(fā)明的一個方面，提供了一種棉花五真葉期自動檢測方法，其特征在于，包括以下步驟:
[0006](I)獲取定苗后棉花植株子圖像:采集定苗后棉田單排植株正向前視圖；用適合棉花植株單株圖像大小的搜索框以一定的拆分步長，將所述圖像拆分成子圖像；對所述子圖像進行顏色分割和作物圖像分割，在作物分割方法的區(qū)域分割結果圖上，保留顏色分割結果圖中已檢測到的像素所占據的區(qū)域，獲得定苗后棉花植株子圖像；
[0007](2)檢測棉花植株主莖:對于步驟(I)中獲得的所有棉花植株子圖像，采用邊緣檢測算法檢測植株初邊緣，采用骨架檢測算法提取植株初骨架，對植株初邊緣和植株初骨架進行鏈碼檢測和直線檢測得到棉花植株豎直的植株邊緣和植株骨架，將包含豎直植株骨架的豎直植株邊緣內側作為棉花植株主莖，獲得包含植株主莖的棉花植株子圖像；
[0008](3)檢測棉花植株側莖:將步驟(2)中獲得的包含植株主莖的棉花植株子圖像，按照主莖位置，劃分成兩側:主莖以左為圖像左側，主莖以右為圖像右側；將兩側圖像分別進行顏色分割和直線檢測得到兩側圖像中的初側莖，將其中與主莖上側成銳角的初側莖作為側莖;
[0009](4)判斷棉花五真葉期:對于步驟(2)中獲得的包含植株主莖的棉花植株子圖像，以其中側莖和主莖的交點作為節(jié)點，當檢測到2個或者2個以上節(jié)點的子圖像數目占所有定苗后棉花植株子圖像數目50%以上時，判斷棉田進入五真葉期，否則進行下一天的檢測。
[0010]優(yōu)選地，所述的棉花五真葉期自動檢測方法，其所述步驟(I)定苗時間按照以下步驟判斷:每天在相同條件下采集棉田下視圖圖像，利用分割方法對所述圖像進行綠色分割，統(tǒng)計所述圖像中綠色像素所占比例即為綠色圖像覆蓋度；將每天棉田下視圖綠色圖像覆蓋度與前一天棉田下視圖綠色圖像覆蓋度比較，當綠色圖像覆蓋度降低時即為定苗時間。[0011 ] 優(yōu)選地，所述的棉花五真葉期自動檢測方法，其所述進行綠色分割所使用的分割方法，可采用環(huán)境自適應分割方法、超綠算子分割方法、基于Mean shift的作物圖像分割方法、Fisher線性判別方法。
[0012]優(yōu)選地，所述的棉花五真葉期自動檢測方法，其所述單排植株正向前視圖經對比度拉伸的方法處理。
[0013]優(yōu)選地，所述的棉花五真葉期自動檢測方法，其所述搜索框與所述單排植株正向前視圖的高相等，所述搜索框的寬度為其高度的1/4至1/2，所述拆分步長為所述搜索框寬度的1/2至5/6。
[0014]優(yōu)選地，所述的棉花五真葉期自動檢測方法，其所述步驟(2)邊緣檢測算法和骨架檢測算法，可采用的圖像檢測算子有Sobel算子、Roberts算子、LoG算子和Canny算子,優(yōu)選Canny算子。
[0015]優(yōu)選地，所述的棉花五真葉期自動檢測方法，其所述步驟(2)和步驟(3)中直線檢測可采用Hough變換。
[0016]按照本發(fā)明的另一個方面，提供了一種棉花五真葉期自動檢測系統(tǒng)，其特征在于，包括棉花植株子圖像獲取模塊、棉花主莖檢測模塊、棉花側莖檢測模塊以及棉花五真葉期判斷模塊；
[0017]所述棉花植株子圖像獲取模塊，用于采集定苗后棉田單排植株正向前視圖，拆分成棉花植株單株子圖像，并將所述子圖像處理成定苗后棉花植株子圖像傳遞給棉花主莖檢測模塊；
[0018]所述棉花主莖檢測模塊，用于提取棉花植株邊緣和之主骨架，將包含豎直植株骨架的豎直植株邊緣內側作為棉花植株主莖，獲得包含植株主莖的棉花植株子圖像，并將所述子圖像傳遞給棉花側莖檢測模塊；
[0019]所述棉花側莖檢測模塊，用于將包含植株主莖的棉花植株子圖像，按照主莖位置，劃分成兩側:主莖以左為圖像左側，主莖以右為圖像右側；獲取兩側圖像中的初側莖，將其中與主莖上側成銳角的直線作為側莖，并將檢測結果傳遞給棉花五真葉期判斷模塊；
[0020]所述棉花五真葉期判斷模塊，用于根據定苗后棉花植株子圖像中側莖數目的分布情況，判斷棉花是否進入五真葉期:對于包含植株主莖的棉花植株子圖像，以其中側莖和主莖的交點作為節(jié)點，當檢測到2個或者2個以上節(jié)點的子圖像數目占所有定苗后棉花植株子圖像數目50%以上時，判斷棉田進入五真葉期。
[0021]總體而言，通過本發(fā)明所構思的以上技術方案與現有技術相比，由于采用圖像處理的方法分析棉田照片，從而判斷棉田是否進入五真葉期，能夠取得下列有益效果:
[0022](I)代替人工判斷棉花五真葉期，節(jié)省人力；
[0023](2)通過圖像處理的方法，能實時監(jiān)控棉田狀態(tài)，隨時報告棉田是否進入五真葉期，從而有利于農業(yè)氣象觀測；
[0024](3)通過精確的分割方法來分析圖像，通過統(tǒng)計數據來判斷五真葉期，較之人工判斷，更為準確可靠；
[0025](4)通過合理的優(yōu)化圖像處理參數，選擇適合的圖像處理算法，兼顧棉田圖像處理速度和處理效果。
【附圖說明】
[0026]圖1是本發(fā)明提供的棉花五真葉期自動檢測方法流程圖；
[0027]圖2是棉田正向前視圖；
[0028]圖3是可清晰觀察到單排植株長勢的棉田正向前視圖；
[0029]圖4是獲取定苗后棉花植株子圖像處理結果圖:圖4 (a)是植株子圖像原圖，圖4(b)是對比度拉伸結果圖，圖4 (C)是顏色分割結果圖，圖4 (d)是Mean shift分割結果圖，圖4 Ce)是綜合分割結果圖；
[0030]圖5是棉田下視圖；
[0031]圖6是對圖5進行綠色分割后的結果圖；
[0032]圖7是棉田下視圖覆蓋度變化趨勢圖；
[0033]圖8是檢測棉花植株主莖處理結果圖:圖8(a)是棉花植株子圖像示例圖，圖8(b)是植株初邊緣二值子圖，圖8 (c)是植株初骨架二值子圖，圖8 (d)是主莖檢測結果圖；
[0034]圖9是檢測棉花植株側莖處理結果圖:圖9 Ca)是棉花植株子圖像左側圖，圖9(b)是棉花植株子圖像右側圖，圖9 (c)是側莖檢測結果圖；
[0035]圖10是棉花植株子圖像節(jié)點檢測圖。
【具體實施方式】
[0036]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。
[0037]本發(fā)明提供的棉花五真葉期自動檢測方法，包括以下步驟:
[0038](I)獲取定苗后棉花植株子圖像。
[0039]采集定苗后棉田正向前視圖，采用離地面高0.35米，鏡頭焦距為14毫米，水平拍攝方向向東，與地平線夾角O度，相機分辨率不低于400萬像素。以每一天為一檢測時段，兩個相機每一檢測時段內分別拍攝w張棉花圖像(W= 13)。每天為一檢測階段，有利于識別棉花的主要關鍵生長期。由于我們圖像處理的對象為單株棉花植株，因此首先要對定苗后的棉田正向前視圖進行裁切，以獲得可清晰觀察到單排植株生長狀況的棉田正向前視圖。由于在我們獲取的定苗后棉田正向前視序列圖中，單排植株分布于整張圖的下部1/3范圍內，因此圖像的裁切大小優(yōu)選為“棉田正向前視圖的寬” X (1/3X “正向前視圖像的高”)。裁切后，獲得定苗后棉田單排植株正向前視圖。
[0040]用適合棉花植株單株圖像大小的搜索框以一定的拆分步長，將所述圖像拆分成子圖像。優(yōu)選地，所述搜索框與所述單排植株正向前視圖的高相等，所述搜索框的寬度為其高度的1/4至1/2，所述拆分步長為所述搜索框寬度的1/2至5/6。對單株植株的圖像進行觀察后發(fā)現，植株的長寬比一般為3:1，由于子圖像的大小影響到檢測的完整性和準確性，因此子圖像大小可更優(yōu)選為所述搜索框與所述單排植株正向前視圖的高相等，所述搜索框的寬度為其高度的1/3。拆分順序影響到搜索程序設計，拆分順序優(yōu)選從左到右；拆分步長影響到單株植株搜索的時間和精度，拆分步長越大拆分速度越快精度越低，步長越小拆分速度越慢精度越高，拆分步長優(yōu)選為所述搜索框寬度的1/2至5/6，為了確保檢測到單排植株中的每一株及避免重復檢測到同一株植株，更優(yōu)選為所述搜索框