CN105403177B - 一种基于视频检测的叶面积指数的检测方法 - Google Patents

一种基于视频检测的叶面积指数的检测方法 Download PDF

Info

Publication number
CN105403177B
CN105403177B CN201510908172.3A CN201510908172A CN105403177B CN 105403177 B CN105403177 B CN 105403177B CN 201510908172 A CN201510908172 A CN 201510908172A CN 105403177 B CN105403177 B CN 105403177B
Authority
CN
China
Prior art keywords
leaf area
green
area index
image
value
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.)
Expired - Fee Related
Application number
CN201510908172.3A
Other languages
English (en)
Other versions
CN105403177A (zh
Inventor
徐海明
李伟
王儒敬
宋良图
王宁
孔斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Institutes of Physical Science of CAS
Original Assignee
Hefei Institutes of Physical Science of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Institutes of Physical Science of CAS filed Critical Hefei Institutes of Physical Science of CAS
Priority to CN201510908172.3A priority Critical patent/CN105403177B/zh
Publication of CN105403177A publication Critical patent/CN105403177A/zh
Application granted granted Critical
Publication of CN105403177B publication Critical patent/CN105403177B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于视频检测的叶面积指数的检测方法，通过对目标图像进行二值化处理，对绿色点和偏绿色点进行突出显示，然后根据二值化图像进行绿色覆盖度的计算，智能化程度高，且，通过第一模型的设置，可以根据需要对绿色尤其是偏绿色的定义进行调节，灵活程度高。本发明中，获得绿色覆盖度后，结合多幅图像的绿色覆盖度计算获得综合覆盖度，并根据综合覆盖度和株高计算叶面积指数，充分考虑到了植株生长过程中，其叶面积与其高度紧密相连的关系，有利于提高叶面积计算的合理性与准确性。本发明中，通过对多幅二值化图像的绿色覆盖度Rn进行综合运算，可以避免单一二值化图像由于对应的目标图像的拍摄角度不全、光线误差导致的图像失真误差。

Description

一种基于视频检测的叶面积指数的检测方法
技术领域
本发明涉及植株远程监控技术领域，尤其涉及一种基于视频检测的叶面积指数的检测方法。
背景技术
中国作为农业大国，各种农作物种植范围非常广大，同时，各种对农作物进行改善的研究也层出不穷。为了确保农作物的生长状态，以便提供合理的照顾，对农作物的实时监测十分重要，尤其是试验田中的试产农作物，更是需要实时监测，获得详细数据以便作为实验依据。
目前，对农作物生长状态的监测，多是通过工作人员实地观察来实现，如此，工作强度大，费时费力，工作效率难以提高。
各种农作物的生长状况评断标准中，一个很重要的参数就是叶面积指数，目前，由于植物生长过程中叶片的层叠性、叶片色泽不均、光线差异等原因，很难通过远程技术自动获取较为精确的植株的叶面积指数。
发明内容
基于背景技术存在的技术问题，本发明提出了一种基于视频检测的叶面积指数的检测方法。
本发明提出的一种基于视频检测的叶面积指数的检测方法，包括以下步骤：
S1、从不少于两个角度采集目标区域的目标图像；
S2、将目标图像进行RGB颜色分解，提取G值符合预设的第一模型的色点并反射到绿色色点集合中；
S3、根据绿色色点集合以及每一个色点在目标图像中的位置，针对每一个目标图像生成二值化图像；
S4、根据摄影几何原理，计算每一副二值化图像的绿色覆盖度Rn；
S5、根据预设的第二模型对多幅二值化图像的绿色覆盖度Rn进行综合运算，获得综合覆盖度Rresult；
S6、获得目标区域的植株株高h；
S7、根据株高h和综合覆盖度Rresult进行综合运算，获得目标区域的叶面积指数BI。
优选地，步骤S1为：从四个角度采集目标区域的目标图像。
优选地，步骤S1包括以下步骤：
S11、从四个角度采集原始图像；
S12、标定出目标区域在不同原始图像中的位置；
S13、根据标定区域提取目标图像。
优选地，第一模型包含条件：G值＞R值，且G值＞B值。
优选地，第一模型包含条件：R值与B值的差值小于或等于G值的一半。
优选地，步骤S4，根据以下公式计算每一副二值化图像的绿色覆盖度
其中，ky为比例系数，Gn(x,y)为绿色色点。
优选地，步骤S5中，第二模型为：
其中，λn为比例系数。
优选地，步骤S7具体为：预设叶面积映射集合，叶面积映射集合中包含有多个由株高和综合覆盖度Rresult组成的条件子集，任意两个条件子集，株高和综合覆盖度Rresult至少有一个不同，每一个条件子集均对应一个叶面积指数BI；根据株高h和综合覆盖度Rresult可直接从叶面积映射集合中调取相对应的叶面积指数BI。
优选地，还包括步骤S8、根据植株生长阶段和叶面积指数BI，对植株生长情况进行判断，并将生长阶段和叶面积指数BI关联存储。
本发明中，通过对目标图像进行二值化处理，对绿色点和偏绿色点进行突出显示，然后根据二值化图像进行绿色覆盖度的计算，智能化程度高，且，通过第一模型的设置，可以根据需要对绿色尤其是偏绿色的定义进行调节，灵活程度高。本发明中，获得绿色覆盖度后，结合多幅图像的绿色覆盖度计算获得综合覆盖度，并根据综合覆盖度和株高计算叶面积指数，充分考虑到了植株生长过程中，其叶面积与其高度紧密相连的关系，有利于提高叶面积计算的合理性与准确性。
本发明中，通过对多幅二值化图像的绿色覆盖度Rn进行综合运算，可以避免单一二值化图像由于对应的目标图像的拍摄角度不全、光线误差导致的图像失真误差。即，通过多个绿色覆盖度Rn综合运算，有利于提高综合覆盖度Rresult计算的精确性。
本发明结合株高和绿色覆盖度，可以更精准的获得试验田中的植株的绿色覆盖度，且不需要人工到试验田实地考察，自动化程度高，智能性强，有利于降低人工劳动强度，提高工作效率。
附图说明
图1为本发明提出的一种基于视频检测的叶面积指数的检测方法的流程图。
具体实施方式
参照图1，本发明提出的一种基于视频检测的叶面积指数的检测方法，包括以下步骤：
S11、从四个角度采集试验田的原始图像。
S12、标定出目标区域在不同原始图像中的位置。
S13、根据标定区域提取目标图像。
本实施方式中，相当于从四个不同的角度采集目标图像，这为后续处理提供了多角度数据基础，有利于保证数据的准确性。具体实施时，采集目标图像时也可以从更多的角度或更少的角度，但是，为了避免由于拍摄角度单一导致的失真，至少需要从不少于两个角度采集目标区域的目标图像。
S2、将目标图像进行RGB颜色分解，提取G值符合第一模型的色点并反射到绿色色点集合中。第一模型包含条件：G值＞R值，G值＞B值，且R值与B值的差值小于或等于G值的一半。。本步骤中，每一个目标图像均对应一个绿色色点集合。
S3、根据绿色色点集合以及每一个色点在目标图像中的位置，针对每一个目标图像生成二值化图像。本步骤中，通过二值化处理将目标图像中的绿色色点与其他色点区分开来，便于后续处理。
S4、根据摄影几何原理，计算每一副二值化图像的绿色覆盖度Rn。由于上一步中已经通过二值化处理对绿色色点进行突出显示，故而，根据以下公式可以很容易的从二值化图像计算出绿色覆盖度Rn。
公式为：其中，ky为比例系数，Gn(x,y)为绿色色点。
以上公式中，Rn、Gn中的n可取值1、2、3或4，以分别表示四幅二值化图像。具体地：
第一幅图像的绿色覆盖度为：
第二幅图像的绿色覆盖度为：
第三幅图像的绿色覆盖度为：
第四幅图像的绿色覆盖度为：
S5、根据预设的第二模型对多幅二值化图像的绿色覆盖度Rn进行综合运算，获得综合覆盖度Rresult。
第二模型为：
其中，λn为比例系数。
本实施方式中，通过对多幅二值化图像的绿色覆盖度Rn进行综合运算，可以避免单一二值化图像由于对应的目标图像的拍摄角度不全、光线误差导致的图像失真误差。即，本步骤中，通过多个绿色覆盖度Rn综合运算，有利于提高综合覆盖度Rresult计算的精确性。
S6、获得目标区域的植株株高h。
S7、根据株高h和综合覆盖度Rresult进行综合运算，获得目标区域的叶面积指数BI，BI＝s(h,Rresult)。
植株生长过程中，其叶面积与其高度紧密相连，本步骤中，结合株高h和综合覆盖度Rresult来计算叶面积指数，有利于最终结果的精确性。
步骤S7具体为：预设叶面积映射集合，叶面积映射集合中包含有多个由株高和综合覆盖度Rresult组成的条件子集，任意两个条件子集，株高和综合覆盖度Rresult至少有一个不同，每一个条件子集均对应一个叶面积指数BI；根据株高h和综合覆盖度Rresult可直接从叶面积映射集合中调取相对应的叶面积指数BI。
本步骤中，条件子集的设置方式可根据植株的品种生长特征进行变换，然后通过设置条件子集的设置数量、相邻两个条件子集对应植株生长情况的差异程度，可以根据需要调节叶面积指数BI的调取精确程度，从而扩大本方法的应用范围。
步骤S8、根据植株生长阶段和叶面积指数BI，对植株生长情况进行判断，并将生长阶段和叶面积指数BI关联存储。植株生长的每一个阶段都应该有一个叶面积适应区间，超过这一区间，都表示植株生长异常，如此，根据叶面积指数BI和植株生长阶段可以很容易的判断出植株生长情况。另外，本步骤中，将生长阶段和叶面积指数BI关联存储，有利于历史查询的便捷性。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于视频检测的叶面积指数的检测方法，其特征在于，包括以下步骤：
S1、从不少于两个角度采集目标区域的目标图像；
S2、将目标图像进行RGB颜色分解，提取G值符合预设的第一模型的色点并反射到绿色色点集合中；第一模型包含条件：G值＞R值，且G值＞B值，且R值与B值的差值小于或等于G值的一半；
S3、根据绿色色点集合以及每一个色点在目标图像中的位置，针对每一个目标图像生成二值化图像；
S4、根据摄影几何原理，计算每一副二值化图像的绿色覆盖度Rn；
S5、根据预设的第二模型对多幅二值化图像的绿色覆盖度Rn进行综合运算，获得综合覆盖度Rresult；
S6、获得目标区域的植株株高h；
S7、根据株高h和综合覆盖度Rresult进行综合运算，获得目标区域的叶面积指数BI。
2.如权利要求1所述的基于视频检测的叶面积指数的检测方法，其特征在于，步骤S1为：从四个角度采集目标区域的目标图像。
3.如权利要求2所述的基于视频检测的叶面积指数的检测方法，其特征在于，步骤S1包括以下步骤：
S11、从四个角度采集原始图像；
S12、标定出目标区域在不同原始图像中的位置；
S13、根据标定区域提取目标图像。
4.如权利要求1所述的基于视频检测的叶面积指数的检测方法，其特征在于，步骤S4，根据以下公式计算每一副二值化图像的绿色覆盖度
其中，ky为比例系数，Gn(x,y)为绿色色点。
5.如权利要求1所述的基于视频检测的叶面积指数的检测方法，其特征在于，步骤S5中，第二模型为：
其中，λn为比例系数。
6.如权利要求1所述的基于视频检测的叶面积指数的检测方法，其特征在于，步骤S7具体为：预设叶面积映射集合，叶面积映射集合中包含有多个由株高和综合覆盖度Rresult组成的条件子集，任意两个条件子集，株高和综合覆盖度Rresult至少有一个不同，每一个条件子集均对应一个叶面积指数BI；根据株高h和综合覆盖度Rresult可直接从叶面积映射集合中调取相对应的叶面积指数BI。
7.如权利要求1所述的基于视频检测的叶面积指数的检测方法，其特征在于，还包括步骤S8、根据植株生长阶段和叶面积指数BI，对植株生长情况进行判断，并将生长阶段和叶面积指数BI关联存储。
CN201510908172.3A 2015-12-07 2015-12-07 一种基于视频检测的叶面积指数的检测方法 Expired - Fee Related CN105403177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510908172.3A CN105403177B (zh) 2015-12-07 2015-12-07 一种基于视频检测的叶面积指数的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510908172.3A CN105403177B (zh) 2015-12-07 2015-12-07 一种基于视频检测的叶面积指数的检测方法

Publications (2)

Publication Number Publication Date
CN105403177A CN105403177A (zh) 2016-03-16
CN105403177B true CN105403177B (zh) 2019-01-01

Family

ID=55468816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510908172.3A Expired - Fee Related CN105403177B (zh) 2015-12-07 2015-12-07 一种基于视频检测的叶面积指数的检测方法

Country Status (1)

Country Link
CN (1) CN105403177B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106709922B (zh) * 2016-12-29 2020-05-19 江苏省无线电科学研究所有限公司 基于图像的牧草覆盖度和生物量自动检测方法
CN108094380A (zh) * 2017-12-27 2018-06-01 定远县宏源农业机械有限公司 一种智能化农业监控调节系统
CN110177248A (zh) * 2019-04-03 2019-08-27 四川省农业科学院遥感应用研究所 基于物联网的矩阵式lai在线采集管理系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324427A (zh) * 2008-07-31 2008-12-17 华中科技大学 绿叶面积自动测量装置及方法
WO2012073519A1 (ja) * 2010-12-02 2012-06-07 日本電気株式会社 葉面積指数計測システム、装置、方法及びプログラム
CN102538717A (zh) * 2010-12-30 2012-07-04 北京师范大学 叶面积指数自动观测系统及其方法
CN102778212A (zh) * 2012-08-02 2012-11-14 浙江大学 一种利用数码相机获取水稻冠层叶面积指数的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324427A (zh) * 2008-07-31 2008-12-17 华中科技大学 绿叶面积自动测量装置及方法
WO2012073519A1 (ja) * 2010-12-02 2012-06-07 日本電気株式会社 葉面積指数計測システム、装置、方法及びプログラム
CN102538717A (zh) * 2010-12-30 2012-07-04 北京师范大学 叶面积指数自动观测系统及其方法
CN102778212A (zh) * 2012-08-02 2012-11-14 浙江大学 一种利用数码相机获取水稻冠层叶面积指数的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
复杂背景下棉花病叶害螨图像分割方法;刁智华 等;《农业工程学报》;20130331;第29卷(第5期);147-152 *

Also Published As

Publication number Publication date
CN105403177A (zh) 2016-03-16

Similar Documents

Publication Publication Date Title
CN109829234B (zh) 一种基于高分辨率遥感数据和作物模型的跨尺度高精度动态作物长势监测和估产方法
Guo et al. Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping
WO2021098471A1 (zh) 一种基于形态模型法的大范围作物物候提取方法
Paulus et al. High-precision laser scanning system for capturing 3D plant architecture and analysing growth of cereal plants
CN108710766B (zh) 一种基于生长模型的温室植物水肥机调肥参数计算方法
CN101699315B (zh) 一种作物长势均匀度的监测装置和方法
CN108229403A (zh) 一种用于估算植被叶面积指数的混合模型构建方法
CN105403177B (zh) 一种基于视频检测的叶面积指数的检测方法
CN114821362B (zh) 一种基于多源数据的水稻种植面积提取方法
CN104408307A (zh) 田间小麦白粉病发病程度的快速监测方法及其监测模型的构建方法
CN105404873B (zh) 一种基于ndvi时间序列坐标转换的冬小麦识别方法
CN104915660A (zh) 一种基于gf-1/wfv ndvi时间序列的冬小麦自动识别方法
CN111275567B (zh) 基于无人机影像的senp棉花产量估算方法及估算模型构建方法
CN115272187A (zh) 一种基于车载动态视场帧间关联性的田间稻麦倒伏全局评估方法
CN116108318B (zh) 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法
CN116308866B (zh) 一种基于冠层反射光谱的水稻穗生物量估算方法及系统
Yang et al. A VI-based phenology adaptation approach for rice crop monitoring using UAV multispectral images
CN103278503A (zh) 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统
CN105352893B (zh) 一种适用于植被稀疏区的叶绿素反演方法
NO20220416A1 (en) Methods and systems for estimating crop yield from vegetation index data
CN108280410A (zh) 一种基于二进制编码的农作物识别方法及系统
CN107818565B (zh) 一种小麦一至三叶期麦苗数量调查方法
CN113554691A (zh) 一种植株高度测量方法
CN103245618B (zh) 一种有机烤烟烟叶成熟度的快速无损检测方法
Pasichnyk et al. Remote field monitoring results feasibility assessment for energy crops yield management.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190101

Termination date: 20191207

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190101

Termination date: 20191207

CF01 Termination of patent right due to non-payment of annual fee