CN102592118A - 一种玉米出苗期的自动检测方法 - Google Patents

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

一种玉米出苗期的自动检测方法

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，利用双目立体视觉系统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T_H，并且玉米苗的总量Ω≥苗数阈值T_Ω，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N_i，，N_i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P_i，其中i＝1，...，M*M；

$P_i=\frac{N_i}{{\mathrm{\Σ}}_{i=1}^{M*M}{N}_i}$ (1)

d.最后，按照公式(2)求出整幅图像的空间分布均匀度，其中P_i为每个区域苗出现的概率。

$H=-{\mathrm{\Σ}}_{i=1}^{M*M}{P}_i\ln P_i$ (2)

全图中苗的数量可根据网格内苗数的总和求得，即

(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T_H，并且全图苗的数量Ω大于苗数阈值T_Ω，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T_H，来对是否出苗进行判断，本实施例的M取5，T_H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T_Ω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T_H，并且玉米苗的总量Ω≥苗数阈值T_Ω，则表明图像中的玉米苗到达出苗期。

2.根据权利要求1所述的玉米出苗期的自动检测方法，其特征在于，所述参数统计步骤具体为：

a.对玉米苗图像进行网格化得到M*M个区域；

b.统计每个网格区域中苗的数量N_i，i＝1，…，M*M；

c.计算玉米苗图像的玉米苗总量 

d.计算每个网格区域苗的出现概率 

e.计算玉米苗图像的空间分布均匀度 

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T_H的取值范围为[0，ln(M*M)]。 

Images