CN106340017B - 一种基于图像处理的农田插秧检测方法及系统 - Google Patents
一种基于图像处理的农田插秧检测方法及系统 Download PDFInfo
- Publication number
- CN106340017B CN106340017B CN201610778978.XA CN201610778978A CN106340017B CN 106340017 B CN106340017 B CN 106340017B CN 201610778978 A CN201610778978 A CN 201610778978A CN 106340017 B CN106340017 B CN 106340017B
- Authority
- CN
- China
- Prior art keywords
- rice shoot
- rice
- farmland
- shoot
- density
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理的农田插秧检测方法,涉及农田插秧领域,包括:采集目标农田的拍摄图像;将所述拍摄图像进行二值化处理,获取秧苗轮廓;根据所述秧苗的轮廓获得所述秧苗的位置坐标;提取各个所述秧苗的几何位置关系,获取各个所述秧苗所占有的农田面积,获取所述秧苗的密度分布函数;根据所述秧苗的密度分布函数,进行所述农田的插秧质量评定或插秧整体密度值评定。本发明还公开一种基于图像处理的农田插秧检测系统,包括:图像采集模块、秧苗坐标构建模块、秧苗密度分布构建模块和秧苗插秧评价模块。本发明能够快速反馈插秧质量,及时对插秧机工作参数进行调整和管控,提高农业生产效率,提高农作物产量。
Description
技术领域
本发明涉及农田插秧领域,特别是涉及一种基于图像处理的农田插秧检测方法及系统。
背景技术
实践证明,水稻适当稀植可提高水稻产量,已成为不争的事实。水稻是高分蘖作物,其分蘖数量因环境条件而差异很大。高密度栽培时,可能不产生分蘖;如果密度较小,每株水稻由足够的空间,再有相应的水肥条件,一般每株水稻可产生十几甚至几十个分蘖。因此,调控分蘖发生和生长情况的关系,是高产水稻栽培重要的技术措施之一。
由于我国幅员广大,气候条件和土壤条件差异很大,所以一般不应该强调固定的插秧密度,水稻插秧密度应根据各地的具体情况在基本插秧密度的基础上,做出相应的调整。以东北地区为例,一般基本插秧规格为30.0×13.3厘米,每平方米25穴。每穴插3~4株。每平方米合计插秧75~100株。但实际插秧时,北部地区要适当增加插秧密度,南部地区要适当减少插秧密度。秧苗素质好,插秧密度可适当小些;秧苗素质差,插秧密度可适当大些。先插秧可稀一些,后插秧可密一些。土壤肥力高,施肥量足的地块,插秧密度宜少些,反之宜大些。育大苗可少些,小苗则应大些。总之,水稻插秧密度应根据当地的具体情况,做出适当调整,一般的调整范围是:行距变化为24~33厘米;穴距变化为10~156厘米;每穴株数变化为2~4株,每平方米穴株数变化为18~38穴。
水稻机插秧是我国水稻种植普遍采用的方法,按照农艺要求的种植密度进行插秧是水稻稳产增产的基础。目前水稻机插秧田间种植密度一般依靠插秧机标定的行距和株距进行推算,但由于稻田土质和泥脚深度的差异,引起插秧机在插秧时的滑转率差异较大,直接影响到机插秧田间种植密度,所以推算密度与插秧机田间种植密度的误差很大,迫切需要机插秧田间栽插密度自动测试装置。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种基于图像处理的农田插秧检测方法,旨在提供一种高精度、高效、快速检测农田插秧质量检测方法。
为实现上述目的,本发明提供了一种基于图像处理的农田插秧检测方法,其特征在于,所述方法包括:
步骤一、采集目标农田的拍摄图像;
步骤二、将所述拍摄图像进行二值化处理,获取秧苗轮廓,根据所述秧苗的轮廓获得所述秧苗的位置坐标;
步骤三、提取各个所述秧苗的几何位置关系,获取各个所述秧苗所占有的农田面积,获取所述秧苗的密度分布函数;
步骤四、根据所述秧苗的密度分布函数,进行所述农田的插秧质量评定或插秧整体密度值评定。
在该技术方案中,通过对拍摄图像进行图像处理,获得秧苗位置,并通过秧苗之间的位置关系,获取每个秧苗所占有的面积,并建立密度分布函数;基于该密度函数对插秧质量进行评价。该技术方案提供了农田秧苗插秧质量快速检测的方法,能够快速反馈插秧质量,并及时对插秧机工作参数进行调整和管控,提高农业生产效率,提高农作物产量。同时,该技术方案,插秧质量评价精确度高,评价速度快。
进一步而言,所述根据所述秧苗的轮廓获得所述秧苗的位置坐标包括:
提取所述秧苗的轮廓的中心位置作为所述秧苗的位置坐标;
或根据所述秧苗的轮廓,提取所述秧苗的根部位置作为所述秧苗的位置坐标。
在该技术方案中,根据实际生产对检测精度和图像处理速度的要求,可以选用不同的秧苗位置坐标确定方式,使插秧评价速度和插秧评价精度均能满足实际生产需求。
进一步而言,所述方法还包括:将所述拍摄图像二值化处理获得农田轮廓,根据所述农田的实际尺寸,获得拍摄图像的比例倍数。
在该技术方案中,为了获得是秧苗之间的距离,坐标位置精确,提取出农田轮廓,并根据农田的实际尺寸,换算出图像与实际农田的比例关系;可以有效提高检测精度。
进一步而言,所述提取各个所述秧苗的几何位置关系,获取所述秧苗的密度分布函数,包括:
提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)是秧苗R(i,j)相临近的四个秧苗;所述i,j为整数;
根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)的位置坐标,获得所述秧苗R(i,j)占有的农田面积S(i,j);所述所述为秧苗R(i-1,j)到秧苗R(i+1,j)的向量,为秧苗R(i,j-1)到秧苗R(i,j+1)的向量;
对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N;
根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);所述
根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述F(I,J)|(i,j)=ρ(i,j)。
在该技术方案中,通过秧苗之间的位置关系,获取各个秧苗占有的面积,进而获得秧苗的密度分布函数。通过可以快速且精确地换算秧苗所占有面积,通过进一步对秧苗面积进行标准化处理,减少误差。
进一步而言,所述提取各个所述秧苗的几何位置关系,获取所述秧苗的密度分布函数,包括:
提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)是秧苗R(i,j)相临近的八个秧苗;所述i,j为整数;
根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置,获得所述秧苗R(i,j)占有的农田面积S(i,j);
所述所述为秧苗R(i-1,j-1)到秧苗R(i,j)的向量;
对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N;
根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);所述
根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述F(I,J)|(i,j)=ρ(i,j)。
在该改进技术方案中,通过秧苗之间的位置关系,获取各个秧苗占有的面积,进而获得秧苗的密度分布函数。该技术方案进一步提高秧苗所占有面积的换算精度,减少误差。
进一步而言,所述根据所述秧苗的密度分布函数,进行所述农田的插秧质量评定或插秧整体密度值评定,其中,
所述插秧质量评定,包括:
根据秧苗密度值上限值ρup_limit和下限值ρdown_limit,统计过密秧苗个数Sumup_limit,统计秧苗过稀疏个数Sumdown_limit;若插秧质量指数E≤δ,则所述插秧质量评定合格;若插秧质量指数E≥δ,则所述插秧质量评定不合格;所述δ取值范围为0.01≤δ≤0.5,所述
所述插秧整体密度值评定,包括:
统计秧苗密度值的平均值所述若秧苗密度值的平均值则所述插秧整体密度值评定合格;若插秧密度指数或则所述插秧整体密度值评定不合格;所述Fmin为秧苗整体密度的下限值,所述Fmax为秧苗整体密度的上限值。
在该技术方案中,引入插秧质量指数E对插秧质量进行评定,其有益效果在于,提高评定速度和准确性。引入秧苗密度值的平均值快速评定插秧整体密度值是否合格。
有鉴于现有技术的缺陷,本发明还提供一种基于图像处理的农田插秧检测系统,包括:
图像采集模块,用于采集目标农田的拍摄图像;
秧苗坐标构建模块,用于将所述拍摄图像进行二值化处理,获取秧苗轮廓,取各个所述秧苗轮廓的中心坐标作为所述秧苗的位置坐标;根据所述秧苗的轮廓获得所述秧苗的位置坐标;
秧苗密度分布构建模块,用于提取各个所述秧苗的几何位置关系,获取各个所述秧苗所占有的农田面积,获取所述秧苗的密度分布函数;
秧苗插秧评价模块,用于根据所述秧苗的密度分布函数,评定所述农田的插秧密度、插秧整体密度值或者插秧均匀性。
在该技术方案中,通过对拍摄图像进行图像处理,获得秧苗位置,并通过秧苗之间的位置关系,获取每个秧苗所占有的面积,并建立密度分布函数;基于该密度函数对插秧质量进行评价。该技术方案提供了农田秧苗插秧质量快速检测的方法,能够快速反馈插秧质量,并及时对插秧机工作参数进行调整和管控,提高农业生产效率,提高农作物产量。同时,该技术方案,插秧质量评价精确度高,评价速度快。
进一步而言,其特征在于,所述系统还包括:图像比例计算模块,用于将所述拍摄图像二值化处理获得农田轮廓,根据所述农田的实际尺寸,获得拍摄图像的比例倍数。
在该技术方案中,为了获得是秧苗之间的距离,坐标位置精确,提取出农田轮廓,并根据农田的实际尺寸,换算出图像与实际农田的比例关系;可以有效提高检测精度。
进一步而言,所述秧苗密度分布构建模块,包括:
秧苗位置提取单元,用于提取秧苗的位置坐标;所述秧苗位置提取单元,被配置为:提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)是秧苗R(i,j)相临近的八个秧苗;所述i,j为整数;
秧苗占有面积计算单元,用于计算所述秧苗的所占有农田面积;所述秧苗占有面积计算单元,被配置为:根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置,获得所述秧苗R(i,j)占有的农田面积S(i,j);
所述所述为秧苗R(i-1,j-1)到秧苗R(i,j)的向量;
秧苗占有面积标准化单元,用于对所述所占有农田面积进行标准化处理;所述秧苗占有面积标准化单元,被配置为:对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N;
秧苗的密度分布函数构建单元,用于生成秧苗的密度分布函数;所述秧苗的密度分布函数构建单元,被配置为:根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述所述F(I,J)|(i,j)=ρ(i,j)。
在该技术方案中,通过秧苗之间的位置关系,获取各个秧苗占有的面积,进而获得秧苗的密度分布函数。该技术方案可以快速且精确地换算秧苗所占有面积,通过进一步对秧苗面积进行标准化处理,减少误差。
进一步而言,所述秧苗插秧评价模块包括插秧质量评定单元或插秧整体密度值评定单元,其中,
所述插秧质量评定单元,被配置为:
根据秧苗密度值上限值ρup_limit和下限值ρdown_limit,统计过密秧苗个数Sumup_limit,统计秧苗过稀疏个数Sumdown_limit;若插秧质量指数E≤δ,则所述插秧质量评定合格;若插秧质量指数E≥δ,则所述插秧质量评定不合格;所述δ取值范围为0.01≤δ≤0.5,所述
所述插秧整体密度值评定单元,被配置为:
统计秧苗密度值的平均值所述若秧苗密度值的平均值则所述插秧整体密度值评定合格;若插秧密度指数或则所述插秧整体密度值评定不合格;所述Fmin为秧苗整体密度的下限值,所述Fmax为秧苗整体密度的上限值。
在该技术方案中,引入插秧质量指数E对插秧质量进行评定,其有益效果在于,提高评定速度和准确性。引入秧苗密度值的平均值快速评定插秧整体密度值是否合格。
本发明的有益效果是:本发明通过对拍摄图像进行图像处理,获得秧苗位置,并通过秧苗之间的位置关系,获取每个秧苗所占有的面积,并建立密度分布函数;基于该密度函数对插秧质量进行评价。本发明提供了农田秧苗插秧质量快速检测的方法,能够快速反馈插秧质量,并及时对插秧机工作参数进行调整和管控,提高农业生产效率,提高农作物产量。同时,该技术方案,插秧质量评价精确度高,评价速度快。
附图说明
图1是本发明一具体实施方式的流程图;
图2是本发明一具体实施方式中的秧苗分布示意图;
图3是本发明另一具体实施方式中的秧苗分布示意图;
图4是本发明一具体实施方式的系统结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明:
如图1-4,本发明第一实施例中提供一种基于图像处理的农田插秧检测方法,包括:
步骤一、采集目标农田的拍摄图像;
步骤二、将所述拍摄图像进行二值化处理,获取秧苗轮廓,根据所述秧苗的轮廓获得所述秧苗的位置坐标;
步骤三、提取各个所述秧苗的几何位置关系,获取各个所述秧苗所占有的农田面积,获取所述秧苗的密度分布函数;
步骤四、根据所述秧苗的密度分布函数,进行所述农田的插秧质量评定或插秧整体密度值评定。
如下将对本发明第一实施例进行详细论述。
1)、采集目标农田的拍摄图像
在本实施例中,首先需要对农田的秧苗进行拍摄,并获得图像,该图像将用于后续进行图像处理。
在本公开实施例中并不限定农田拍摄图像的获取方式,拍摄图像可以通过飞行器航拍,也可以在具有一定高度的建筑物上拍摄,也可以通过拍摄多张子图像通过拼接的方式获得农田的拍摄图像,也可以将摄像机安装于插秧机上对农田进行拍摄。优选地,在本实施例中,通过飞行器航拍获得农田的拍摄图像。
可选地,为了方便后续图像处理,方便后续图像处理,拍摄图像为农田的俯视图,其好处在于可以使上部秧苗和下部秧苗在图像中的比例相近。
可选地,拍摄图像的角度应该与农田轮廓或者秧苗排布相平行,其好处在于,图像处理中免于将图像旋转,同时,可以减少图像处理的计算量。
2)、将所述拍摄图像进行二值化处理,获取秧苗轮廓,根据所述秧苗的轮廓获得所述秧苗的位置坐标
二值化处理获得秧苗轮廓的具体方法是:利用计算机图像处理技术将彩色图像转化成灰度图像,通过直方图均衡化算法进行图像增强,根据直方图求出最佳阈值,将灰度图像转化成二值图像,然后利用八邻域分析法提取秧苗轮廓。
获得秧苗轮廓之后,需确定轮廓内的一点,作为秧苗的位置坐标。本发明并不限定位置坐标点的选取。在本发明中示例性地公开三种秧苗的位置坐标选取。
可选地,根据所述秧苗的轮廓获得所述秧苗的位置坐标包括:
提取所述秧苗的轮廓的中心位置作为所述秧苗的位置坐标;
或根据所述秧苗的轮廓,提取所述秧苗的根部位置作为所述秧苗的位置坐标。
在本实施例中,提取所述秧苗的轮廓的中心位置作为所述秧苗的位置坐标。具体而言,选取秧苗轮廓像素点,提取秧苗轮廓的外接最小长方形,选取长方形的中心作为秧苗的位置坐标。
在另一可选实施例中,根据所述秧苗的轮廓,提取所述秧苗的根部位置作为所述秧苗的位置坐标。在实际作业中,可以根据秧苗与拍摄镜头、角度,对秧苗的坐标进行修正,根据根部位置与拍摄镜头距离、角度关系,获得秧苗轮廓中心点与根据位置关系,修正秧苗的位置坐标。如拍摄图像上部秧苗的根部位置是在秧苗轮廓中心的下方,在实际处理中,可将其坐标相比较于轮廓中心偏下一些距离。
在另一可选实施例中,是选取轮廓像素点的坐标的平均值做为秧苗的位置坐标。
3)、拍摄图像尺寸比例确定
可选地,将所述拍摄图像二值化处理获得农田轮廓,根据所述农田的实际尺寸,获得拍摄图像的比例倍数。
可选地,二值化处理获取农田轮廓,获取农田轮廓内像素个数,根据实际农田的面积,换算每个像素的所对应的农田面积,确定图像和实际农田的比例关系;其优点在于,方便图像中的尺寸转换为实际尺寸。
具体而言,二值化处理获取农田轮廓,包括:利用计算机图像处理技术将彩色图像转化成灰度图像,通过直方图均衡化算法进行图像增强,根据直方图求出最佳阈值,将灰度图像转化成二值图像,然后利用八邻域分析法提取农田轮廓。
值得一提的是,农田的实际尺寸可以实地测量,也可以通过拍摄位置、角度与农田的位置关系计算获得,实际上也可以通过拍摄位置、角度与图像上秧苗位置关系,获得秧苗之间的几何关系。本公开实施例并不限于采用农田的实际尺寸与拍摄图像关系获得拍摄图像的比例倍数。此外,采用农田轮廓相对于秧苗之间的几何位置关系数值量级大,进行农田轮廓提取获得比例倍数,计算精确度要高。
4)、对秧苗进行编号
值得一提的是,在本实施例中,还对秧苗进行编号。在实际农田插秧作业中,插秧虽然会存在密度不均等情况,但秧苗之间近似为直线排布;在本实施例中坐标包含有秧苗的编号以及秧苗的位置数据,秧苗编号设定为R(i,j),其中i为行编号,j为列编号,编号值可以为负。
5)、提取各个所述秧苗的几何位置关系,获取各个所述秧苗所占有的农田面积,获取所述秧苗的密度分布函数
a)秧苗所占有的农田面积计算
在本实施例中,已经将秧苗轮廓的中心位置的点替代为秧苗,各个秧苗所占有的农田面积转换为这些点占有的农田面积。如图2中,示意性地用圆点来代表秧苗,通过这些点位置关系,计算各个点所占有的面积。下面以计算秧苗R(i,j)所占有的面积S(i,j)为例,进行详细叙述。
秧苗R(i,j)是需要计算的目标秧苗,秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)是上下左右四个方位与秧苗R(i,j)相临近的四个秧苗。为简化表述,秧苗R(i,j)为点A,秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)分别为点B、C、D、E。秧苗R(i,j)所占有的面积S(i,j),即为四边形BCDE面积SBECD的一半,值得一提的是,在本发明公开的实施例中,“×”代表叉乘;向量可通过坐标B、C、D、E获得。具体流程如下:
提取与点A相邻的点B、C、D、E的位置坐标,获得向量值;
根据向量值,计算获取秧苗R(i,j)所占有的面积S(i,j),所述
计算获取秧苗所占有农田面积的另一可选的方案,包括如下流程:
提取与点A相邻的点B、C、D、E的位置坐标,获得线段BC长度值LBC、DE长度值LDE以及线段BC、DE夹角θ;计算获取秧苗R(i,j)所占有的面积S(i,j),其中,
计算获取秧苗所占有农田面积的另一可选的方案,包括如下流程
提取与秧苗点A相邻的秧苗点B、C、D、E、G、H、P、Q的位置坐标,如图3所示;
获取四边形GBAD、BHEA、AEPC、DACQ的面积SGBAD、SBHEA、SAEPC、SDACQ;
计算秧苗R(i,j)所占有的面积其中,求解四边形的方法可以参照前两个可选方案,这里不再赘述。
b)秧苗的密度分布函数;
秧苗的密度是指单位面积下秧苗的数量,与秧苗的所占有的面积呈反比。在农田中,由于环境因素地影响,造成农田中各处的秧苗也不同,在本公开实施例中,建立秧苗的密度分布函数有助于查看各个区域秧苗密度。秧苗的密度分布函数建立流程如下:
提取各个秧苗所占有的农田面积S(i,j),计算各个秧苗的密度值ρ(i,j),构成密度分布函数F(I,J);其中,F(I,J)|(i,j)=ρ(i,j)。
在一可选的实施例中,其中,A为农田实际总面积,S(i,j)为图像处理计算秧苗R(i,j)占有的农田面积,为图像处理计算全部秧苗占有的农田总面积。
c)综上针对获取秧苗密度函数给出一个优选地示例。
优选地,提取各个所述秧苗的几何位置关系,获取所述秧苗的密度分布函数,包括如下步骤:
提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)是秧苗R(i,j)相临近的四个秧苗;所述i,j为整数;
根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)的位置坐标,获得所述秧苗R(i,j)占有的农田面积S(i,j);所述所述为秧苗R(i-1,j)到秧苗R(i+1,j)的向量,为秧苗R(i,j-1)到秧苗R(i,j+1)的向量;
对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N;
根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);所述
根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述F(I,J)|(i,j)=ρ(i,j)。
d)在另一优选的示例中,通过提取与R(i,j)相邻的八个秧苗位置,获得秧苗R(i,j)占有的农田面积S(i,j),包括:
提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)是秧苗R(i,j)相临近的八个秧苗;所述i,j为整数;
根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置,获得所述秧苗R(i,j)占有的农田面积S(i,j);
所述所述为秧苗R(i-1,j-1)到秧苗R(i,j)的向量。
6)根据所述秧苗的密度分布函数,进行所述农田的插秧质量评定或插秧整体密度值评定。
a)根据所述秧苗的密度分布函数,进行所述农田的插秧质量评定;
插秧质量评定,包括:
根据秧苗密度值上限值ρup_limit和下限值ρdown_limit,统计过密秧苗个数Sumup_limit,统计秧苗过稀疏个数Sumdown_limit;若插秧质量指数E≤δ,则所述插秧质量评定合格;若插秧质量指数E≥δ,则所述插秧质量评定不合格;所述δ取值范围为0.01≤δ≤0.5,所述
在一可选示例中,秧苗密度值上限为1/40m2,秧苗密度下限值为1/120m2,
其中,每平方米穴数变化为20~30穴,每穴株数变化为2~4株,δ=0.1。
值得一提的是,当Sumup_limit值和Sumdown_limit值均较大时,插秧质量指数E增大较快;而当Sumup_limit值和Sumdown_limit值只有一方均较大时,插秧质量指数E增大较慢,即利用质量指数E可以有效区分秧苗是密度值波动或则是密度值偏移。
b)根据所述秧苗的密度分布函数,进行所述农田的插秧整体密度值评定。
插秧整体密度值评定,包括:
统计秧苗密度值的平均值所述若秧苗密度值的平均值则所述插秧整体密度值评定合格;若插秧密度指数或则所述插秧整体密度值评定不合格;所述Fmin为秧苗整体密度的下限值,所述Fmax为秧苗整体密度的上限值。在一可选的示例中,Fmax=1/60m2,Fmin=1/80m2。
如图1-4,在本发明第二实施例中,提供一种基于图像处理的农田插秧检测系统,其特征在于,所述系统包括:
图像采集模块1,用于采集目标农田的拍摄图像;
秧苗坐标构建模块3,用于将所述拍摄图像进行二值化处理,获取秧苗轮廓,取各个所述秧苗轮廓的中心坐标作为所述秧苗的位置坐标;根据所述秧苗的轮廓获得所述秧苗的位置坐标;
秧苗密度分布构建模块4,用于提取各个所述秧苗的几何位置关系,获取各个所述秧苗所占有的农田面积,获取所述秧苗的密度分布函数;
秧苗插秧评价模块5,用于根据所述秧苗的密度分布函数,评定所述农田的插秧密度、插秧整体密度值或者插秧均匀性。
在本实施例中,所述系统还包括图像比例计算模块2,用于将所述拍摄图像二值化处理获得农田轮廓,根据所述农田的实际尺寸,获得拍摄图像的比例倍数。
在本实施例中,秧苗密度分布构建模块4,包括:秧苗位置提取单元41、秧苗占有面积计算单元42、秧苗占有面积标准化单元43和秧苗的密度分布函数构建单元44。
秧苗位置提取单元41,用于提取秧苗的位置坐标;所述秧苗位置提取单元41,被配置为:提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)是秧苗R(i,j)相临近的八个秧苗;所述i,j为整数;
秧苗占有面积计算单元42,用于计算所述秧苗的所占有农田面积;所述秧苗占有面积计算单元42,被配置为:根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置,获得所述秧苗R(i,j)占有的农田面积S(i,j);
所述所述为秧苗R(i-1,j-1)到秧苗R(i,j)的向量;
秧苗占有面积标准化单元43,用于对所述所占有农田面积进行标准化处理;所述秧苗占有面积标准化单元43,被配置为:对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N;
秧苗的密度分布函数构建单元44,用于生成秧苗的密度分布函数;所述秧苗的密度分布函数构建单元44,被配置为:根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述所述F(I,J)|(i,j)=ρ(i,j)。
在另一可选实施例中,秧苗密度分布构建模块4,包括:秧苗位置提取单元41、秧苗占有面积计算单元42、秧苗占有面积标准化单元43和秧苗的密度分布函数构建单元44。
秧苗位置提取单元41,被配置为:提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)是秧苗R(i,j)相临近的四个秧苗;所述i,j为整数。
秧苗占有面积计算单元42,被配置为:根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)的位置坐标,获得所述秧苗R(i,j)占有的农田面积S(i,j);所述所述为秧苗R(i-1,j)到秧苗R(i+1,j)的向量,为秧苗R(i,j-1)到秧苗R(i,j+1)的向量。
秧苗占有面积标准化单元43,被配置为:对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N。
秧苗的密度分布函数构建单元44,被配置为:根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);所述根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述F(I,J)|(i,j)=ρ(i,j)。
在本实施例中,所述秧苗插秧评价模块5包括插秧质量评定单元51或插秧整体密度值评定单元52,其中,
所述插秧质量评定单元51,被配置为:
根据秧苗密度值上限值ρup_limit和下限值ρdown_limit,统计过密秧苗个数Sumup_limit,统计秧苗过稀疏个数Sumdown_limit;若插秧质量指数E≤δ,则所述插秧质量评定合格;若插秧质量指数E≥δ,则所述插秧质量评定不合格;所述δ取值范围为0.01≤δ≤0.5,所述
所述插秧整体密度值评定单元52,被配置为:
统计秧苗密度值的平均值所述若秧苗密度值的平均值则所述插秧整体密度值评定合格;若插秧密度指数或则所述插秧整体密度值评定不合格;所述Fmin为秧苗整体密度的下限值,所述Fmax为秧苗整体密度的上限值。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于图像处理的农田插秧检测方法,其特征在于,所述方法包括:
步骤一、采集目标农田的拍摄图像;
步骤二、将所述拍摄图像进行二值化处理,获取秧苗轮廓,根据所述秧苗的轮廓获得所述秧苗的位置坐标;
步骤三、提取各个所述秧苗的几何位置关系,获取各个所述秧苗所占有的农田面积,获取所述秧苗的密度分布函数;
步骤四、根据所述秧苗的密度分布函数,进行所述农田的插秧质量评定或插秧整体密度值评定。
2.如权利要求1所述的一种基于图像处理的农田插秧检测方法,其特征在于,所述根据所述秧苗的轮廓获得所述秧苗的位置坐标包括:
提取所述秧苗的轮廓的中心位置作为所述秧苗的位置坐标;
或根据所述秧苗的轮廓,提取所述秧苗的根部位置作为所述秧苗的位置坐标。
3.如权利要求1所述的一种基于图像处理的农田插秧检测方法,其特征在于,所述方法还包括:
将所述拍摄图像二值化处理获得农田轮廓,根据所述农田的实际尺寸,获得拍摄图像的比例倍数。
4.如权利要求1所述的一种基于图像处理的农田插秧检测方法,其特征在于,所述提取各个所述秧苗的几何位置关系,获取所述秧苗的密度分布函数,包括:
提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)是秧苗R(i,j)相临近的四个秧苗;所述i,j为整数;
根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)的位置坐标,获得所述秧苗R(i,j)占有的农田面积S(i,j);所述所述为秧苗R(i-1,j)到秧苗R(i+1,j)的向量,为秧苗R(i,j-1)到秧苗R(i,j+1)的向量;
对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N,A0为秧苗面积;
根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);所述
根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述F(I,J)|(i,j)=ρ(i,j)。
5.如权利要求1所述的一种基于图像处理的农田插秧检测方法,其特征在于,所述提取各个所述秧苗的几何位置关系,获取所述秧苗的密度分布函数,包括:
提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)是秧苗R(i,j)相临近的八个秧苗;所述i,j为整数;
根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置,获得所述秧苗R(i,j)占有的农田面积S(i,j);
所述所述为秧苗R(i-1,j-1)到秧苗R(i,j)的向量;
对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N,A0为秧苗面积;
根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);所述
根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述F(I,J)|(i,j)=ρ(i,j)。
6.如权利要求5所述的一种基于图像处理的农田插秧检测方法,其特征在于,所述根据所述秧苗的密度分布函数,进行所述农田的插秧质量评定或插秧整体密度值评定,其中,
所述插秧质量评定,包括:
根据秧苗密度值上限值ρup_limit和下限值ρdown_limit,统计过密秧苗个数Sumup_limit,统计秧苗过稀疏个数Sumdown_limit;若插秧质量指数E≤δ,则所述插秧质量评定合格;若插秧质量指数E≥δ,则所述插秧质量评定不合格;所述δ取值范围为0.01≤δ≤0.5,所述
所述插秧整体密度值评定,包括:
统计秧苗密度值的平均值所述若秧苗密度值的平均值则所述插秧整体密度值评定合格;若插秧密度指数或则所述插秧整体密度值评定不合格;所述Fmin为秧苗整体密度的下限值,所述Fmax为秧苗整体密度的上限值。
7.一种基于图像处理的农田插秧检测系统,其特征在于,所述系统包括:
图像采集模块(1),用于采集目标农田的拍摄图像;
秧苗坐标构建模块(3),用于将所述拍摄图像进行二值化处理,获取秧苗轮廓,取各个所述秧苗轮廓的中心坐标作为所述秧苗的位置坐标;根据所述秧苗的轮廓获得所述秧苗的位置坐标;
秧苗密度分布构建模块(4),用于提取各个所述秧苗的几何位置关系,获取各个所述秧苗所占有的农田面积,获取所述秧苗的密度分布函数;
秧苗插秧评价模块(5),用于根据所述秧苗的密度分布函数,评定所述农田的插秧密度、插秧整体密度值或者插秧均匀性。
8.如权利要求7所述的一种基于图像处理的农田插秧检测系统,其特征在于,所述系统还包括:图像比例计算模块(2),用于将所述拍摄图像二值化处理获得农田轮廓,根据所述农田的实际尺寸,获得拍摄图像的比例倍数。
9.如权利要求7所述的一种基于图像处理的农田插秧检测系统,其特征在于,所述秧苗密度分布构建模块(4),包括:
秧苗位置提取单元(41),用于提取秧苗的位置坐标;所述秧苗位置提取单元(41),被配置为:提取秧苗R(i,j)和秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置;所述秧苗R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)是秧苗R(i,j)相临近的八个秧苗;所述i,j为整数;
秧苗占有面积计算单元(42),用于计算所述秧苗的所占有农田面积;所述秧苗占有面积计算单元(42),被配置为:根据所述秧苗R(i,j)、R(i-1,j)、R(i+1,j)、R(i,j-1)、R(i,j+1)、R(i-1,j-1)、R(i+1,j-1)、R(i-1,j-1)、R(i+1,j+1)的位置,获得所述秧苗R(i,j)占有的农田面积S(i,j);
所述所述为秧苗R(i-1,j-1)到秧苗R(i,j)的向量;
秧苗占有面积标准化单元(43),用于对所述所占有农田面积进行标准化处理;所述秧苗占有面积标准化单元(43),被配置为:对所述秧苗R(i,j)占有的农田面积S(i,j)进行标准化处理,获得所述秧苗R(i,j)占有的标准化面积A(i,j);所述所述M、N为所述秧苗的行数和列数,所述1≤m≤M,1≤n≤N,A0为秧苗面积;
秧苗的密度分布函数构建单元(44),用于生成秧苗的密度分布函数;所述秧苗的密度分布函数构建单元(44),被配置为:根据所述秧苗R(i,j)占用的标准化面积A(i,j),获得所述秧苗R(i,j)的密度值ρ(i,j);根据所述拍摄图像内各个秧苗的密度值ρ(i,j),构成所述密度分布函数F(I,J);所述所述F(I,J)|(i,j)=ρ(i,j)。
10.如权利要求7所述的一种基于图像处理的农田插秧检测系统,其特征在于,所述秧苗插秧评价模块(5)包括插秧质量评定单元(51)或插秧整体密度值评定单元(52),其中,
所述插秧质量评定单元(51),被配置为:
根据秧苗密度值上限值ρup_limit和下限值ρdown_limit,统计过密秧苗个数Sumup_limit,统计秧苗过稀疏个数Sumdown_limit;若插秧质量指数E≤δ,则所述插秧质量评定合格;若插秧质量指数E≥δ,则所述插秧质量评定不合格;所述δ取值范围为0.01≤δ≤0.5,所述
所述插秧整体密度值评定单元(52),被配置为:
统计秧苗密度值的平均值所述若秧苗密度值的平均值则所述插秧整体密度值评定合格;若插秧密度指数或则所述插秧整体密度值评定不合格;所述Fmin为秧苗整体密度的下限值,所述Fmax为秧苗整体密度的上限值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610778978.XA CN106340017B (zh) | 2016-08-31 | 2016-08-31 | 一种基于图像处理的农田插秧检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610778978.XA CN106340017B (zh) | 2016-08-31 | 2016-08-31 | 一种基于图像处理的农田插秧检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106340017A CN106340017A (zh) | 2017-01-18 |
CN106340017B true CN106340017B (zh) | 2019-03-15 |
Family
ID=57824083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610778978.XA Expired - Fee Related CN106340017B (zh) | 2016-08-31 | 2016-08-31 | 一种基于图像处理的农田插秧检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106340017B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196828A (zh) * | 2017-12-11 | 2018-06-22 | 江苏大学 | 基于android智能手机的无人插秧机监控系统APP软件的设计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542560A (zh) * | 2011-10-31 | 2012-07-04 | 华中科技大学 | 一种水稻移栽后密度自动检测的方法 |
CN102592118A (zh) * | 2011-12-31 | 2012-07-18 | 华中科技大学 | 一种玉米出苗期的自动检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012122988A1 (en) * | 2011-03-16 | 2012-09-20 | Syddansk Universitet | Spray boom for selectively spraying a herbicidal composition onto dicots |
-
2016
- 2016-08-31 CN CN201610778978.XA patent/CN106340017B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542560A (zh) * | 2011-10-31 | 2012-07-04 | 华中科技大学 | 一种水稻移栽后密度自动检测的方法 |
CN102592118A (zh) * | 2011-12-31 | 2012-07-18 | 华中科技大学 | 一种玉米出苗期的自动检测方法 |
Non-Patent Citations (3)
Title |
---|
植株田间分布均匀度的定义与计算;杨利华 等;《玉米科学》;20061230;92-96 |
水稻播种质量检测技术的研究进展及展望;梁琨 等;《浙江农业学报》;20100325;第22卷(第2期);253-257 |
种盘秧苗生产中图像处理与机器人技术;王红永 等;《农业机械学报》;19990925;第30卷(第5期);57-62 |
Also Published As
Publication number | Publication date |
---|---|
CN106340017A (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Müller-Linow et al. | The leaf angle distribution of natural plant populations: assessing the canopy with a novel software tool | |
Li et al. | Automatic organ-level point cloud segmentation of maize shoots by integrating high-throughput data acquisition and deep learning | |
CN108765328B (zh) | 一种高精度多特征平面模板及其畸变优化和标定方法 | |
CN105066877B (zh) | 基于智能终端镜头的树木测量方法 | |
CN103218812B (zh) | 基于摄影测量的树木形态模型参数快速获取方法 | |
CN104089628B (zh) | 光场相机的自适应几何定标方法 | |
CN104200193A (zh) | 一种果树产量估测方法及装置 | |
CN104732553B (zh) | 一种基于多台激光辅助靶标的特征点提取方法 | |
CN105574897A (zh) | 一种基于视觉检测的农作物生长情况监测物联网系统 | |
CN106373133B (zh) | 一种基于暗通道去雾算法的农田插秧检测方法及其系统 | |
US11334986B2 (en) | System and method for processing images of agricultural fields for remote phenotype measurement | |
US11719858B2 (en) | Determination of location-specific weather information for agronomic decision support | |
CN105678757A (zh) | 一种物体位移测量方法 | |
CN104376204A (zh) | 一种采用改进的像元二分法反演植被覆盖度的方法 | |
CN108961330A (zh) | 基于图像的猪体长测算方法及系统 | |
CN102156986A (zh) | 近红外摄像机的标定方法 | |
CN104182757A (zh) | 获取被测目标实际覆盖面积的方法及装置 | |
CN107240117A (zh) | 视频中运动目标的跟踪方法和装置 | |
CN109360144A (zh) | 一种基于手机平台的图像实时校正改进方法 | |
CN106340017B (zh) | 一种基于图像处理的农田插秧检测方法及系统 | |
CN111598937A (zh) | 一种基于标定区块对靶校正的农田测亩方法及系统 | |
Wang et al. | The seedling line extraction of automatic weeding machinery in paddy field | |
CN103218820A (zh) | 一种基于多维特征的相机标定误差补偿方法 | |
CN117635898A (zh) | 面向作物动态表型提取的近景图像拼接方法 | |
CN104200469B (zh) | 一种视觉智能数控系统的数据融合方法 |
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: 20190315 Termination date: 20200831 |
|
CF01 | Termination of patent right due to non-payment of annual fee |