CN107274384A - 一种小麦出苗均匀度测定方法 - Google Patents

一种小麦出苗均匀度测定方法 Download PDF

Info

Publication number
CN107274384A
CN107274384A CN201710349271.1A CN201710349271A CN107274384A CN 107274384 A CN107274384 A CN 107274384A CN 201710349271 A CN201710349271 A CN 201710349271A CN 107274384 A CN107274384 A CN 107274384A
Authority
CN
China
Prior art keywords
wheat
seedling
short
msub
mrow
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.)
Granted
Application number
CN201710349271.1A
Other languages
English (en)
Other versions
CN107274384B (zh
Inventor
刘涛
武威
孙成明
朱新开
郭文善
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.)
Jiangsu Hanfeng Agricultural Technology Co ltd
Original Assignee
Yangzhou University
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 Yangzhou University filed Critical Yangzhou University
Priority to CN201710349271.1A priority Critical patent/CN107274384B/zh
Publication of CN107274384A publication Critical patent/CN107274384A/zh
Application granted granted Critical
Publication of CN107274384B publication Critical patent/CN107274384B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Cultivation Of Plants (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种小麦出苗均匀度测定方法，包括以下步骤：田间图像获取：基于无人机近地5‑10米获取3‑5叶期小麦RGB图像；植被提取：利用公式提取图像中的小麦苗；盖度提取：将图像划分为若干个0.30m×0.30m的子区域，计算每个子区域中麦苗部分的像素值占图像总像素值的百分比，记为盖度；均匀度计算：计算子区域间盖度的变异系数来表示均匀度；缺苗情况调查：计算条播小麦中的缺苗长度>10cm的断行区域,计算撒播小麦的缺苗面积>0.02m2的缺苗区域。本发明测定方法，计算效率高，可以快速大面积全面的调查出苗均匀度，相比人工调查效率高、覆盖面广。

Description

一种小麦出苗均匀度测定方法
技术领域
本发明具体涉及一种小麦出苗均匀度测定方法。
背景技术
麦苗非均匀状态会造成不同程度减产，一方面局部植株密度过大，减小营养面积，激化株间矛盾，进而影响生长发育，降低生产力；另一方面局部植株密度过小，单株可充分发育，但因地力和光能利用不足，达不到均匀总体的生产能力，因而造成不同程度的减产。影响小麦出苗均匀度的因素较多，一些问题也是当下研究的热点，如秸秆还田对小麦出苗情况的影响；再如温度、水分和播种深度如何影响小麦出苗。然而，目前主要的出苗整齐度调查方法是通过人工框选若干个区域，并调查这若干个区域中的苗数，计算这些区域中苗数的变异系数来反应出苗整齐度。这种出苗均匀度的调查方式耗时费力，且调查具有片面性，不能够直观的反应一个地块的出苗整齐度。
另一方面，无人机遥感以其高时效、高分辨率、低成本、低风险、机动灵活等特性，在农作物监测上发挥了重要的作用。根据前人的研究进展可以发现，无人机遥感在作物生产上的应用主要包括作物分类、灾害监测、农学参数估测和长势分析。在作物分类研究中主要获取不同种类的种植面积，以供相关部门进行管理和决策。灾害监测的研究是近年来的一个热点，即包括了田间病虫草害的监测，又包括了受外界因素造成的作物生长异常，如倒伏的监测。农学参数的估测主要是通过建立模型来估测如叶面积指数、生物量、氮素含量和株高等农学参数，再寻找反应作物群体质量的无人机图像参数来对作物的生长状态进行评价。虽然无人机遥感在作物生长和管理上的应用较多，但利用无人机遥感来评价小麦出苗整齐度上的研究还鲜有报道。
发明内容
本发明所要解决的技术问题是克服现有技术的不足，提供一种小麦出苗均匀度测定方法，计算效率高，可以快速大面积全面的调查出苗均匀度，相比人工调查效率高、覆盖面广。
为解决以上技术问题，本发明采取的一种技术方案是：
一种小麦出苗均匀度测定方法，包括以下步骤：
步骤1)田间图像获取：基于无人机近地5-10米获取3-5叶期小麦RGB图像；
步骤2)植被提取：利用公式(1)提取图像中的小麦苗，
Exg＝2*G-R-B (1)
其中G、R、B为RGB图像中的绿、红、蓝波段；
步骤3)盖度提取：将图像划分为若干个0.30m×0.30m的子区域，计算每
个子区域中麦苗部分的像素值占图像总像素值的百分比，记为盖度；
步骤4)均匀度计算：以每个子区域的盖度为依据，计算子区域间盖度的变异系数CV来表示均匀度，变异系数计算公式为：
其中，δx表示标准差，Ex表示平均值；
步骤5)缺苗情况调查：计算条播小麦中的缺苗长度>10cm的断行区域,计算撒播小麦的缺苗面积>0.02m2的缺苗区域。
优选地，步骤5)中计算条播小麦中断行区域的具体步骤为：
A、以2cm×2cm大小的模板遍历图像，利用公式(1)提取模板的盖度值，构建图像区域盖度的三维图像；
B、以行为单位，计算横向的盖度变化；
C、盖度变化曲线中值等于0的部分为缺苗区域，并计算缺苗长度。
优选地，步骤5)中计算撒播小麦中断行区域的具体步骤为：
A、标定原始图像坐标；
B、以2cm×2cm大小的模板遍历图像，利用公式(1)提取模板的盖度值，构建盖度分布图；C、提取盖度分布图中数值为0的且面积大于0.02m2的区域；D、统计缺苗区域数量，各缺苗区域的面积以及缺苗区域间的信息。
由于以上技术方案的采用，本发明与现有技术相比具有如下优点：
本发明利用计算机图像方法计算小麦出苗均匀度和缺苗情况，计算效率高，可以快速大面积全面的调查出苗均匀度，相比人工调查效率高、覆盖面广。
附图说明
图1为本发明图像获取高度与像素实际面积的关系图；
图2为本发明条播小麦的盖度三维图；
图3为图2中第一行与第五行的横向盖度变化曲线图；
图4为本发明撒播小麦缺苗区域提取步骤图。
具体实施方式
以下结合附图及具体实施例对本发明做进一步详细说明。
本发明一种小麦出苗均匀度测定方法，包括以下步骤：
步骤1)田间图像获取：基于无人机近地5-10米获取3-5叶期小麦RGB图像，获取时间选择光线较为柔和的上午或者傍晚；
步骤2)植被提取：利用公式(1)提取图像中的小麦苗，
Exg＝2*G-R-B (1)
其中G、R、B为RGB图像中的绿、红、蓝波段；
步骤3)盖度提取：通过标准版标定无人机图像获取高度与每个像素实际代表面积的关系图如附图1所示，根据条播行距，将图像划分为若干个0.30m×0.30m的子区域，计算每个子区域中麦苗部分的像素值占图像总像素值的百分比，记为盖度；
步骤4)均匀度计算：以每个子区域的盖度为依据，计算子区域间盖度的变异系数CV来表示均匀度，分别计算整幅图像的变异系数以及行方向和列方向的变异系数。变异系数法则是用标准差除以平均值来表示整齐度指标的方法，其值越小表示整齐度越高，即越整齐，本发明利用变异系数的倒数表示出苗均匀度，变异系数计算公式为：
其中，δx表示标准差，Ex表示平均值；
步骤5)缺苗情况调查：计算条播小麦中的缺苗长度>10cm的断行区域,计算撒播小麦的缺苗面积>0.02m2的缺苗区域。
其中，计算条播小麦中断行区域的具体步骤为：
A、以2cm×2cm大小的模板遍历图像，利用公式(1)提取模板的盖度值，构建图像区域盖度的三维图像，如附图2所示；
B、以行为单位，计算横向的盖度变化，如附图2中第一行与第五行的横向盖度变化曲线分别如附图3(a)和附图3(b)所示；
C、盖度变化曲线中值等于0的部分为缺苗区域，并计算缺苗长度。
计算撒播小麦中缺苗区域的具体步骤如附图4所示：
A、标定原始图像坐标；
B、以2cm×2cm大小的模板遍历图像，利用公式(1)提取模板的盖度值，构建盖度分布图；C、提取盖度分布图中数值为0的且面积大于0.02m2的区域；D、统计缺苗区域数量，各缺苗区域的面积以及缺苗区域间的信息。
以上对本发明做了详尽的描述，实施例的说明只是用于帮助理解本发明的方法及其核心思想，其目的在于让熟悉此领域技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种小麦出苗均匀度测定方法，其特征在于：包括以下步骤：
步骤1)田间图像获取：基于无人机近地5-10米获取3-5叶期小麦RGB图像；
步骤2)植被提取：利用公式(1)提取图像中的小麦苗，
Exg＝2*G-R-B (1)
其中G、R、B为RGB图像中的绿、红、蓝波段；
步骤3)盖度提取：将图像划分为若干个0.30m×0.30m的子区域，计算每个子区域中麦苗部分的像素值占图像总像素值的百分比，记为盖度；
步骤4)均匀度计算：以每个子区域的盖度为依据，计算子区域间盖度的变异系数CV来表示均匀度，变异系数计算公式为：
<mrow> <msub> <mi>E</mi> <mi>x</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow>
<mrow> <msub> <mi>&amp;delta;</mi> <mi>x</mi> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>E</mi> <mi>x</mi> </msub> <mo>)</mo> </mrow> </mrow> </msqrt> </mrow>
<mrow> <mi>C</mi> <mi>V</mi> <mo>=</mo> <mfrac> <msub> <mi>&amp;delta;</mi> <mi>x</mi> </msub> <msub> <mi>E</mi> <mi>x</mi> </msub> </mfrac> </mrow>
其中，δx表示标准差，Ex表示平均值；
步骤5)缺苗情况调查：计算条播小麦中的缺苗长度>10cm的断行区域,计算撒播小麦的缺苗面积>0.02m2的缺苗区域。
2.根据权利要求1所述的小麦出苗均匀度测定方法，其特征在于：所述步骤5)中计算条播小麦中断行区域的具体步骤为：
A、以2cm×2cm大小的模板遍历图像，利用公式(1)提取模板的盖度值，构建图像区域盖度的三维图像；
B、以行为单位，计算横向的盖度变化；
C、盖度变化曲线中值等于0的部分为缺苗区域，并计算缺苗长度。
3.根据权利要求1所述的小麦出苗均匀度测定方法，其特征在于：所述步骤5)中计算撒播小麦中断行区域的具体步骤为：
A、标定原始图像坐标；
B、以2cm×2cm大小的模板遍历图像，利用公式(1)提取模板的盖度值，构建盖度分布图；C、提取盖度分布图中数值为0的且面积大于0.02m2的区域；D、统计缺苗区域数量，各缺苗区域的面积以及缺苗区域间的信息。
CN201710349271.1A 2017-05-17 2017-05-17 一种小麦出苗均匀度测定方法 Active CN107274384B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710349271.1A CN107274384B (zh) 2017-05-17 2017-05-17 一种小麦出苗均匀度测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710349271.1A CN107274384B (zh) 2017-05-17 2017-05-17 一种小麦出苗均匀度测定方法

Publications (2)

Publication Number Publication Date
CN107274384A true CN107274384A (zh) 2017-10-20
CN107274384B CN107274384B (zh) 2020-09-22

Family

ID=60064526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710349271.1A Active CN107274384B (zh) 2017-05-17 2017-05-17 一种小麦出苗均匀度测定方法

Country Status (1)

Country Link
CN (1) CN107274384B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107818565A (zh) * 2017-11-23 2018-03-20 扬州大学 一种小麦一至三叶期麦苗数量调查方法
CN109523550A (zh) * 2019-01-07 2019-03-26 扬州大学 一种五因素小麦出苗情况评价方法
CN111507309A (zh) * 2020-05-20 2020-08-07 孟庆峰 农作物种植状态解析系统
CN111721269A (zh) * 2020-06-30 2020-09-29 扬州大学 一种小麦幼苗格局特征的量化评价方法
CN112034093A (zh) * 2019-12-05 2020-12-04 陈庆梅 种植均匀性现场检测系统及方法
CN111860220B (zh) * 2020-06-30 2021-04-13 扬州大学 一种小麦幼苗分布特征的评价方法
CN112997720A (zh) * 2021-02-20 2021-06-22 中国农业科学院作物科学研究所 一种作物田间出苗均匀度的评价方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699315A (zh) * 2009-10-23 2010-04-28 北京农业信息技术研究中心 一种作物长势均匀度的监测装置和方法
US20110307977A1 (en) * 2010-06-09 2011-12-15 T.F.H. Publications, Inc. Grass Seed Providing Distinguishing Color From Surrounding Environments
CN103745478A (zh) * 2014-01-24 2014-04-23 山东农业大学 小麦发芽率机器视觉测定方法
CN105447860A (zh) * 2015-11-18 2016-03-30 扬州大学 一种麦苗计数方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699315A (zh) * 2009-10-23 2010-04-28 北京农业信息技术研究中心 一种作物长势均匀度的监测装置和方法
US20110307977A1 (en) * 2010-06-09 2011-12-15 T.F.H. Publications, Inc. Grass Seed Providing Distinguishing Color From Surrounding Environments
CN103745478A (zh) * 2014-01-24 2014-04-23 山东农业大学 小麦发芽率机器视觉测定方法
CN105447860A (zh) * 2015-11-18 2016-03-30 扬州大学 一种麦苗计数方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ZHENGHONG YU 等: "Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage", 《ELSEVIER》 *
宋清洁 等: "基于小型无人机与MODIS数据的草地植被覆盖度研究-以甘南州为例", 《草业科学》 *
武威 等: "基于图像处理的小麦种植密度估算研究", 《扬州大学学报（农业与生命科学版）》 *
韩正笑 等: "基于图像处理技术的稻田杂草盖度计算研究", 《中国农机化学报》 *
高英波 等: "麦茬高度对机播夏玉米苗期生长及水分利用的影响", 《中国农业科学》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107818565A (zh) * 2017-11-23 2018-03-20 扬州大学 一种小麦一至三叶期麦苗数量调查方法
CN107818565B (zh) * 2017-11-23 2021-05-18 扬州大学 一种小麦一至三叶期麦苗数量调查方法
CN109523550A (zh) * 2019-01-07 2019-03-26 扬州大学 一种五因素小麦出苗情况评价方法
CN109523550B (zh) * 2019-01-07 2020-11-27 扬州大学 一种五因素小麦出苗情况评价方法
CN112034093A (zh) * 2019-12-05 2020-12-04 陈庆梅 种植均匀性现场检测系统及方法
CN111507309A (zh) * 2020-05-20 2020-08-07 孟庆峰 农作物种植状态解析系统
CN111507309B (zh) * 2020-05-20 2020-12-01 孟庆峰 农作物种植状态解析系统
CN111721269A (zh) * 2020-06-30 2020-09-29 扬州大学 一种小麦幼苗格局特征的量化评价方法
CN111860220B (zh) * 2020-06-30 2021-04-13 扬州大学 一种小麦幼苗分布特征的评价方法
CN112997720A (zh) * 2021-02-20 2021-06-22 中国农业科学院作物科学研究所 一种作物田间出苗均匀度的评价方法及系统
CN112997720B (zh) * 2021-02-20 2022-09-06 中国农业科学院作物科学研究所 一种作物田间出苗均匀度的评价方法及系统

Also Published As

Publication number Publication date
CN107274384B (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN107274384A (zh) 一种小麦出苗均匀度测定方法
CN111399508B (zh) 智慧农业系统和智慧农业方法
Razzaghi et al. Simulation of potato yield in temperate condition by the AquaCrop model
Kayad et al. Ten years of corn yield dynamics at field scale under digital agriculture solutions: A case study from North Italy
US8737694B2 (en) Organic matter mapping using remotely sensed images
US20190116725A1 (en) Fertilization Map Generation Method, Fertilization Map Generation System, Fertilization Map Generation Device, and Fertilization Map Generation Program
CN109829234A (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
CN108510107B (zh) 一种农业种植指导方法、电子设备及存储介质
CN109757175A (zh) 一种基于无人机监测的玉米水肥一体化变量施肥方法
CN102982486A (zh) 一种基于作物长势遥感监测信息的施肥决策方法
CN105372672B (zh) 基于时间序列数据的南方冬种作物种植面积提取方法
MX2015002372A (es) Sistema de recomendaciones especificas para la agricultura.
CN111738066B (zh) 综合多源遥感信息的网格化晚稻纹枯病生境评价方法
Wang et al. Increased uncertainty in simulated maize phenology with more frequent supra-optimal temperature under climate warming
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
CN103413172B (zh) 玉米苗期缺苗数的测量方法
Nutini et al. Supporting operational site‐specific fertilization in rice cropping systems with infield smartphone measurements and Sentinel-2 observations
Schoving et al. Combining multi-environmental trials and crop simulation to understand soybean response to early sowings under contrasting water conditions
CN112581464B (zh) 一种作物长势情况分析方法、装置及存储介质
CN111721269B (zh) 一种小麦幼苗格局特征的量化评价方法
CN103650730B (zh) 一种根据作物投影面积和植株高度进行施肥的方法
Ozturk et al. Sensitivity of silage-maize to climate change in Denmark: A productivity analysis using impact response surface
CN111860220B (zh) 一种小麦幼苗分布特征的评价方法
CN102445276B (zh) 一种用于烤烟氮肥管理叶色卡的制备方法
CN114219227A (zh) 一种精准施肥决策及地块级展示方法和系统

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211117

Address after: 225599 No. 88, Tianmu West Road, Jiangyan Economic Development Zone, Taizhou City, Jiangsu Province

Patentee after: Jiangsu Hanfeng Agricultural Technology Co.,Ltd.

Address before: 225009 No. 88, South University Road, Jiangsu, Yangzhou

Patentee before: YANGZHOU University