CN107045719A - 基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法 - Google Patents
基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法 Download PDFInfo
- Publication number
- CN107045719A CN107045719A CN201710234954.2A CN201710234954A CN107045719A CN 107045719 A CN107045719 A CN 107045719A CN 201710234954 A CN201710234954 A CN 201710234954A CN 107045719 A CN107045719 A CN 107045719A
- Authority
- CN
- China
- Prior art keywords
- corn
- sugarcane
- time
- complete
- image
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/10024—Color 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种检测方法,尤其是一种基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法,属于图像检测的技术领域。获取甘蔗完整生育期作物图像以及玉米完整生育期作物图像,并根据所获取的作物图像计算出图像归一化指数时间序列曲线,根据图像归一化时间序列曲线计算其一阶导数值,从而能利用归一化指数时间序列曲线一阶导数的变化规律确定甘蔗作物进入茎伸长期及玉米进入拔节期的时间,减少了观测成本,降低了观测难度,从图像特征上自动检测甘蔗是否进入茎伸长期以及玉米是否进入拔节期,检测结果准确率高,实用性强。
Description
技术领域
本发明涉及一种检测方法,尤其是一种基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法,属于图像检测的技术领域。
背景技术
甘蔗是我国最重要的糖料作物和能源作物之一,我国是世界第三大糖生产国。而玉米是我国重要的粮食作物和工业原料之一,目前我国的玉米种植面积和总产量仅次于美国,居世界第二位。甘蔗和玉米的生产对我国的农业和农村经济发展、农民增收等方面起着非常重要的作用。为了提高甘蔗以及玉米的产量和质量,需要对它们的发育速度和进程进行了解,并在此基础上分析它们的各发育期与气象条件之间的联系,从而判定适合其生长的农业气象条件。
一直以来,对于甘蔗及玉米各发育期的观测主要是通过人工观测的方式,往往人工观测不但耗人耗力,不够经济;观测结果的主观臆断性较大,没有办法保证精确度;而且只能记录观测数值,无法再现现场的图像。甘蔗茎伸长期以及玉米拔节期均是这两种作物植株迅速生长,叶片宽度增加的主要时期,是决定产量的关键时期,是农业气象观测的重要内容,有效而准确的识别这一时期并应用于作物生长模型,可以提高作物产量预测的准确性。
基于图像的甘蔗茎伸长期以及玉米拔节期自动检测技术目前尚未见公开报道。现有的文献都是围绕遥感图像开展甘蔗及玉米长势及估产的研究。如2010年郭琳、裴志远、张松龄等在《农业工程学报》上发表的“基于环境星CCD影像的甘蔗叶面积指数反演方法”中利用新型国产卫星数据环境星CCD影像和准同步的地面观测数据,分别采用指数关系模型、对数关系模型、支持向量回归模型3种方法,开展了环境星遥感影像在甘蔗叶面积指数反演试验。结果表明,3种方法都可以对甘蔗LAI进行有效预测,且能获得较好的预测效果,验证了环境星CCD影像在甘蔗LAI反演中的实用性;2013年何亚娟、潘学标、裴志远等在《农业机械学报》上发表的“基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算”中利用SPOT遥感数据进行甘蔗叶面积指数LAI反演,建立最佳NDVI~LAI反演模型,同时结合不同生育期甘蔗叶面积指数的时序变化规律,建立各生育期甘蔗叶面积指数LAI与产量的相关关系,得到甘蔗叶面积指数LAI~产量最佳估产模型;2016年王立辉、杜军、黄进良等再《华中师范大学学报(自然科学版)》发表的“基于GF-1号卫星WFV数据反演玉米叶面积指数”中构建了修正的土壤调节植被指数(MSAVI)与实测叶面积指数(LAI)的统计回归模型,结果表明该模型可以快速准确的监测河南商丘玉米的LAI。
但由于遥感图像分辨率低,且容易受到云层、云阴影和气溶胶等影响,每天在固定区域也仅有单张图像可以使用,有较大的局限性。可见,基于遥感图像的检测方式不是甘蔗茎伸长期及玉米拔节期自动检测的一种较好选择,目前还需一种准确率高、实用性强和操作方便的方式来代替甘蔗茎伸长期及玉米拔节期人工观测方式,以获取甘蔗茎伸长期及玉米拔节期的准确时间,便于及时指导农事活动。
发明内容
本发明的目的是克服现有技术中存在的不足,提供一种基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法,其减少了人工观测成本,降低了观测难度,从图像特征上实时自动检测甘蔗是否进入茎伸长期及玉米是否进入拔节期,检测结果准确率高,实用性强。
按照本发明提供的技术方案,一种基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法,所述检测方法包括如下步骤:
步骤1、获取甘蔗的完整生育期作物图像以及玉米的完整生育期作物图像,并对所获取的甘蔗完整生育期作物图像、玉米完整生育期作物图像进行预处理;
步骤2、对上述预处理后的甘蔗完整生育期作物图像、玉米完整生育期作物图像,利用图像RGB分量构建图像归一化指数,以分别得到甘蔗图像归一化指数以及玉米图像归一化指数;
步骤3、利用上述得到的甘蔗图像归一化指数、玉米图像归一化指数,分别构建甘蔗完整生育期归一化指数时间序列曲线以及玉米完整生育期归一化指数时间序列曲线;
步骤4、对上述甘蔗生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线,分别计算得到甘蔗生育期归一化指数时间序列曲线的一阶导数以及玉米完整生育期归一化指数时间序列曲线的一阶导数;
步骤5、对上述甘蔗生育期归一化指数时间序列曲线的一阶导数、玉米完整生育期归一化指数时间序列曲线的一阶导数,分别确定一阶导数最大值对应的时间,以确定甘蔗茎伸长期的日期以及玉米拔节期的日期。
在步骤3中,得到甘蔗完整生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线后,对甘蔗完整生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线分别进行平滑处理,在进行平滑处理时,滑动窗口的大小为3~5。
本发明的优点:获取甘蔗完整生育期作物图像以及玉米完整生育期作物图像,并根据所获取的作物图像计算出图像归一化指数时间序列曲线,根据图像归一化时间序列曲线计算其一阶导数值,从而能利用归一化指数时间序列曲线一阶导数的变化规律确定甘蔗作物进入茎伸长期及玉米进入拔节期的时间,减少了观测成本,降低了观测难度,从图像特征上自动检测甘蔗是否进入茎伸长期以及玉米是否进入拔节期,检测结果准确率高,实用性强。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
如图1所示:为了能减少了人工观测成本,降低了观测难度,从图像特征上实时自动检测甘蔗是否进入茎伸长期及玉米是否进入拔节期,检测结果准确率高,本发明的检测方法包括如下步骤:
步骤1、获取甘蔗的完整生育期作物图像以及玉米的完整生育期作物图像,并对所获取的甘蔗完整生育期作物图像、玉米完整生育期作物图像进行预处理;
具体地,可以利用安装于田间的摄像机或照相机来获取甘蔗的完整生育期作物图像以及玉米的完整生育期作物图像。在甘蔗的完整生育期作物图像以及玉米的完整生育期作物图像后,并进行预处理时,主要检查所述获取的甘蔗完整生育期作物图像以及玉米完整生育期作物图像是否完整或是否污染,并删除不完整和受污染的图像,以确保所获取的甘蔗完整生育期作物图像、玉米完整生育期作物图像能满足后续处理的需要。
具体实施时,还可以利用农业气象自动观测站获取甘蔗的完整生育期作物图像以及玉米的完整生育期作物图像;可以利用MATLAB软件中的DetectImageIncomplete函数和DetectImagePollute函数依次进行图像完整性和图像是否受到污染进行检查,当然还可以采用其他本技术领域常用的技术手段实现对图像的完整性以及是否受到污染进行检查,具体过程为本技术领域人员所熟知,此处不再赘述。
步骤2、对上述预处理后的甘蔗完整生育期作物图像、玉米完整生育期作物图像,利用图像RGB分量构建图像归一化指数,以分别得到甘蔗图像归一化指数以及玉米图像归一化指数;
本发明实施例中,图像归一化指数(NDI)计算公式为:NDI=(G-R)/(G+R),其中,G、R分别为图像的RGB分量,具体获取图像RGB分量的过程为本技术领域人员所熟知,此处不再赘述。由于预处理后的甘蔗完整生育期作物图像包含多个不同时间的甘蔗图像,在计算甘蔗图像归一化指数时,需要对每个甘蔗图像均计算得到甘蔗图像归一化指数;同理,对玉米完整生育期内每个玉米图像也需要计算对应的玉米图像归一化指数。具体实施时,可以利用MATLAB软件中的CalculateNDIIndex函数计算预处理后的甘蔗图像归一化指数以及玉米图像归一化指数,具体计算过程为本技术领域人员所熟知,此处不再赘述。
步骤3、利用上述得到的甘蔗图像归一化指数、玉米图像归一化指数,分别构建甘蔗完整生育期归一化指数时间序列曲线以及玉米完整生育期归一化指数时间序列曲线;
本发明实施例中,在获取甘蔗的完整生育期作物图像、玉米的完整生育期作物图像时,即需要从甘蔗、玉米种植开始第一天直至最后的收获日期,一般地,至少需要每天获取一张对应的作物图像,即得到甘蔗的完整生育期作物图像以及玉米的完整生育期作物图像,且得到的每个作物图像均有具体的对应日期。
在得到甘蔗完整生育期内每个图像的甘蔗图像归一化指数以及确定每个图像对应的日期后,需要将所有图像的甘蔗图像归一化指数绘制在时间序列曲线,即得到甘蔗生育期归一化指数时间序列曲线,在得到的甘蔗生育期归一化指数时间序列曲线中,纵坐标为甘蔗图像归一化指数,横坐标为甘蔗生育期的对应的天数;由于能确定甘蔗种植的时间,可以根据横坐标的天数,确定甘蔗生育期的每个具体日期。
具体实施时,对于玉米完整生育期归一化指数时间序列曲线,可以参考上述甘蔗完整生育期归一化指数时间序列曲线方法得到,此处不再详述。
本发明实施中,利用MATLAB软件中的plot函数能甘蔗完整生育期归一化指数时间序列曲线以及玉米完整生育期归一化指数时间序列曲线;当然,也可以采用本技术领域其他常用的技术手段实现归一化指数时间序列曲线的绘制,具体过程为本技术领域人员所熟知,此处不再一一赘述。具体实施时,需要对对甘蔗完整生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线分别进行平滑处理,在进行平滑处理时,滑动窗口的大小为3~5,具体平滑过程为本技术领域人员所熟知,此处不再赘述。
步骤4、对上述甘蔗生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线,分别计算得到甘蔗生育期归一化指数时间序列曲线的一阶导数以及玉米完整生育期归一化指数时间序列曲线的一阶导数;
本发明实施例中,可以利用本技术领域常用的技术手段计算平滑处理后甘蔗完整生育期归一化指数时间序列曲线的一阶导数以及玉米完整生育期归一化指数时间序列曲线的一阶导数,如可以采用MATLAB软件中的CalculateNDIFirstderivative函数即可实现一阶导数的计算,具体计算一阶导数的过程为本技术领域人员所熟知,此处不再赘述。
步骤5、对上述甘蔗生育期归一化指数时间序列曲线的一阶导数、玉米完整生育期归一化指数时间序列曲线的一阶导数,分别确定一阶导数最大值对应的时间,以确定甘蔗茎伸长期的日期以及玉米拔节期的日期。
具体实施时,甘蔗进入茎伸长期和玉米进入拔节期时,甘蔗茎和玉米茎会快速生长,叶片也迅速变宽,甘蔗生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线表现为NDI指数(可以叫做作物长势指数)迅速增加。由于任意一条曲线的的一阶导数都表示该曲线的变化率,因此确定甘蔗生育期归一化指数时间序列曲线一阶导数的一阶导数最大值、玉米完整生育期归一化指数时间序列曲线一阶导数的最大值,即能确定甘蔗或者玉米长势最快的时期,在根据甘蔗完整生育期归一化指数时间序列曲线以及玉米完整生育期归一化指数时间序列曲线上的时间信息,从而确定甘蔗进入茎伸长期的日期和玉米进入拔节期的日期。
本发明获取甘蔗完整生育期作物图像以及玉米完整生育期作物图像,并根据所获取的作物图像计算出图像归一化指数时间序列曲线,根据图像归一化时间序列曲线计算其一阶导数值,从而能利用归一化指数时间序列曲线一阶导数的变化规律确定甘蔗进入茎伸长期及玉米进入拔节期的时间,减少了观测成本,降低了观测难度,从图像特征上自动检测甘蔗是否进入茎伸长期以及玉米是否进入拔节期,检测结果准确率高,实用性强。
Claims (2)
1.一种基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法,其特征是,所述检测方法包括如下步骤:
步骤1、获取甘蔗的完整生育期作物图像以及玉米的完整生育期作物图像,并对所获取的甘蔗完整生育期作物图像、玉米完整生育期作物图像进行预处理;
步骤2、对上述预处理后的甘蔗完整生育期作物图像、玉米完整生育期作物图像,利用图像RGB分量构建图像归一化指数,以分别得到甘蔗图像归一化指数以及玉米图像归一化指数;
步骤3、利用上述得到的甘蔗图像归一化指数、玉米图像归一化指数,分别构建甘蔗完整生育期归一化指数时间序列曲线以及玉米完整生育期归一化指数时间序列曲线;
步骤4、对上述甘蔗生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线,分别计算得到甘蔗生育期归一化指数时间序列曲线的一阶导数以及玉米完整生育期归一化指数时间序列曲线的一阶导数;
步骤5、对上述甘蔗生育期归一化指数时间序列曲线的一阶导数、玉米完整生育期归一化指数时间序列曲线的一阶导数,分别确定一阶导数最大值对应的时间,以确定甘蔗茎伸长期的日期以及玉米拔节期的日期。
2.根据权利要求1所述的基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法,其特征是:在步骤3中,得到甘蔗完整生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线后,对甘蔗完整生育期归一化指数时间序列曲线、玉米完整生育期归一化指数时间序列曲线分别进行平滑处理,在进行平滑处理时,滑动窗口的大小为3~5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710234954.2A CN107045719A (zh) | 2017-04-12 | 2017-04-12 | 基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710234954.2A CN107045719A (zh) | 2017-04-12 | 2017-04-12 | 基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107045719A true CN107045719A (zh) | 2017-08-15 |
Family
ID=59544439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710234954.2A Pending CN107045719A (zh) | 2017-04-12 | 2017-04-12 | 基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107045719A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427862A (zh) * | 2018-03-02 | 2018-08-21 | 华中农业大学 | 基于图像分析的多品种全生育期棉花生物量无损测量方法 |
CN111860038A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种农作物前端识别装置及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101595812A (zh) * | 2009-06-26 | 2009-12-09 | 中国农业科学院农业资源与农业区划研究所 | 一种作物收获指数的获取方法 |
CN102708289A (zh) * | 2012-05-07 | 2012-10-03 | 山东省农业可持续发展研究所 | 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法 |
CN106355143A (zh) * | 2016-08-25 | 2017-01-25 | 中国农业大学 | 多源多时相高分遥感影像的制种玉米田识别方法及系统 |
-
2017
- 2017-04-12 CN CN201710234954.2A patent/CN107045719A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101595812A (zh) * | 2009-06-26 | 2009-12-09 | 中国农业科学院农业资源与农业区划研究所 | 一种作物收获指数的获取方法 |
CN102708289A (zh) * | 2012-05-07 | 2012-10-03 | 山东省农业可持续发展研究所 | 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法 |
CN106355143A (zh) * | 2016-08-25 | 2017-01-25 | 中国农业大学 | 多源多时相高分遥感影像的制种玉米田识别方法及系统 |
Non-Patent Citations (3)
Title |
---|
丁雷龙 等: "基于无人机图像颜色指数的植被识别", 《国土资源遥感》 * |
张明伟: "基于MODIS数据的作物物候期监测及作物类型识别模式研究", 《中国优秀博硕士学位论文全文数据库(博士)农业科技辑(月刊)》 * |
李耀辉: "风云气象数据在农情定量监测中的应用研究", 《中国优秀硕士学位论文全文数据库农业科技辑(月刊)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427862A (zh) * | 2018-03-02 | 2018-08-21 | 华中农业大学 | 基于图像分析的多品种全生育期棉花生物量无损测量方法 |
CN108427862B (zh) * | 2018-03-02 | 2021-06-29 | 华中农业大学 | 基于图像分析的多品种全生育期棉花生物量无损测量方法 |
CN111860038A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种农作物前端识别装置及方法 |
CN111860038B (zh) * | 2019-04-25 | 2023-10-20 | 河南中原光电测控技术有限公司 | 一种农作物前端识别装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021098471A1 (zh) | 一种基于形态模型法的大范围作物物候提取方法 | |
Morel et al. | Coupling a sugarcane crop model with the remotely sensed time series of fIPAR to optimise the yield estimation | |
CN105608293B (zh) | 融合光谱与纹理特征的森林地上生物量反演方法及系统 | |
EP3179319B1 (en) | Method for irrigation planning and system for its implementation | |
Kogan et al. | Modelling and prediction of crop losses from NOAA polar-orbiting operational satellites | |
CN113268923B (zh) | 一种基于模拟多光谱的夏玉米产量估算方法 | |
CN108169161B (zh) | 一种基于改进型modis指数的玉米种植区域土壤湿度评估方法 | |
CN103278458B (zh) | 一种烤烟采收成熟度的快速无损检测方法 | |
CN111241912A (zh) | 一种基于机器学习算法的多植被指数的水稻产量估测方法 | |
KR102342392B1 (ko) | 작물의 수분스트레스 진단을 이용한 관개 시스템 및 방법 | |
CN112485204A (zh) | 基于高光谱的水稻穗期氮营养监测与诊断方法及应用 | |
CN113673490B (zh) | 一种物候期自适应的作物生理参数遥感估测方法及系统 | |
CN102663396B (zh) | 一种水稻乳熟期自动检测的方法 | |
CN110414738A (zh) | 一种农作物产量预测方法及系统 | |
WO2024061159A1 (zh) | 一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法 | |
CN108038517A (zh) | 基于改进卷积神经网络模型Cifar10的玉米叶片病害识别方法 | |
JP7313056B2 (ja) | 施肥量決定装置および施肥量決定方法 | |
Yang et al. | Modeling the effects of plastic film mulching on irrigated maize yield and water use efficiency in sub-humid Northeast China | |
CN116415704A (zh) | 一种基于多数据融合与同化的区域精量灌溉方法及系统 | |
CN114140695B (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 | |
CN107045719A (zh) | 基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法 | |
CN114486783A (zh) | 基于无人机多源遥感的冬小麦田土壤水分反演方法 | |
CN116757332B (zh) | 叶菜产量预测方法、装置、设备及介质 | |
CN114460015A (zh) | 一种用于预测寒地水稻冠层叶绿素含量的方法及模型 | |
Qian et al. | Development and application of crop monitoring system for detecting chlorophyll content of tomato seedlings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170815 |
|
RJ01 | Rejection of invention patent application after publication |