CN107818565B - 一种小麦一至三叶期麦苗数量调查方法 - Google Patents

Abstract

本发明涉及一种小麦一至三叶期麦苗数量调查方法，包括如下步骤：麦苗图像获取：通过数码相机、手机等图像采集设备获取田间麦苗图像；目标区域提取：利用一平米白框标定目标区域，并通过图像透射变换对区域进行矫正，再进行图像裁切；麦苗提取：利用颜色体征提取图像中的麦苗；麦苗盖度提取：通过麦苗所占像素与整幅图像像素的比值来计算麦苗盖度值；麦苗角点提取：利用角点检测算法实现小麦叶片重叠处角点的检测；品种和叶龄调查：人工调查品种和叶龄作为输入参数；麦苗估测：利用模型及输入参数估测麦苗数量。本发明利用图像分析方法实现小麦一至三叶期出苗情况调查，可快速获取田间苗数，为后期栽培管理提供依据。

Description

一种小麦一至三叶期麦苗数量调查方法

技术领域

本发明涉及一种小麦出苗情况调查方法，具体涉及一种小麦一至三叶期麦苗数量调查方法。

背景技术

小麦的产量和品质均受到种植密度的影响，田间麦苗数量是构建合理群体的基础，是建立最佳冠层结构的必要条件。及时调查单位面积麦苗数量不仅可以获取出苗情况，更为后期的栽培管理提供依据。目前苗数的获取多通过人工调查取样的办法进行，该方法对人力依赖性大，且调查准确率可控性差。

图像分析技术在植物生产中的应用已经深入到各个环节，而且这种应用还在不断的精细化。常见的应用包括：作物生物量的估测，营养状况的诊断，长势分析，生育进程监测，作物结构分析和病虫草害监测等。图像分析技术在植物数量性状获取方面也发挥了一定的作用，其中果实个数计算，作物籽粒计数，害虫的个数的监测。尽管图像分析技术在植物生产，尤其在目标物计数中有着广泛的应用，但关于麦苗计数的研究的报道较少。这主要是基于图像处理技术的麦苗的计数有几大难点，首先，麦苗不像作物籽粒和果实那样具有一定的规则，在分割时很难得到粘连目标的共性；其次，麦苗在图像中呈现的姿态各异，加大了麦苗分割的难度；再次，不同品种麦苗存在一定差异。因此，前人提出的图像分割与计数方法很难应用到麦苗计数上。

通常调查小麦出苗情况在1-3叶期进行，可以及时掌握缺苗情况，或进行补苗或进行田间管理。本方法利用图像分析手段探明1-3叶期的苗数的快速获取方法，构建不同品种、叶龄和播种密度在麦苗计数上的差异，构建麦苗数量计算模型。

发明内容

本发明的目的是提供一种快速测定小麦出苗情况的方法，尤其为小麦1-3叶期田间苗数的快速获取提供一种有效手段。

为达到上述目的，本发明提供的技术方案是：

一种小麦一至三叶期麦苗数量调查方法，包括如下步骤：

1)麦苗图像获取：通过数码相机、手机等图像采集设备获取田间麦苗图像；

2)目标区域提取：利用一平米白框标定目标区域，并通过图像透射变换对区域进行矫正，再进行图像裁切；

3)麦苗提取：利用颜色体征提取图像中的麦苗；

4)麦苗盖度提取：通过麦苗所占像素与整幅图像像素的比值来计算麦苗盖度值；

5)麦苗角点提取：利用角点检测算法实现小麦叶片重叠处角点的检测；

6)品种和叶龄调查：人工调查品种和叶龄作为输入参数；

7)麦苗估测：利用模型及输入参数估测麦苗数量，参数包括：麦苗盖度、角点数、品种、叶龄。

目标区域提取为：计算单位面积内的麦苗数，首先要提取单位面积区域，提取白框标定区域，并对区域进行矫正，具体步骤包括：

1)利用公式1提取原始图像中的白框，F(x,y)为白框，RGB图像中的红、绿、蓝三个颜色分量为r、g、b；

2)提取白框四个拐点，利用公式2计算白框边界点的曲率，并通过曲率的变化获取四个角点，C_(k，i)为边界点i处的k邻域链码，θ_i为边界点处切线倾角的差分表示，

为初步得到边界i点处的曲率，由于拐点及其附近点处初步得到的曲率

往往有相对较大值，在检测拐点时，通过e_i表示曲率；

3)图像透视变换，由于拍摄位置不同，白框区域会存在扭曲，影响后期处理，利用公式(3)对图像进行透视变换,u,v为原始图片左侧，变换后图像的坐标x＝x’/w’,y＝y’/w’,矩阵表示线性变换和平移，通过已知4个点求解方程系数，w＝1,a11至a33为选定的参照点，即白框端点；

4)图像裁切，白框在透视变换后的图像中为正方形，以白框的四个边为界线，获取的图像即为1平米的目标区域。

麦苗提取为：通过公式(4)提取田间绿色部分，并通过形态学的腐蚀、膨胀和孔洞填充来提取完整的麦苗；

ExG＝1.8*g-r-b (4)。

建立的单位面积麦苗数量估测模型应包括：麦苗盖度(Co),反映重叠情况的角点数量(Ha)，小麦叶龄(La),品种(Va)；盖度即为叶片像素数总像素数的比例，利用公式5计算。

利用公式6-8检测图像中的角点，其中E(u,v)为灰度变化值，(u,v)是平移量，Ix,Iy为图像灰度值，w(x,y)为窗口函数，R为角点响应函数。

R＝det(M)-k*trace²(M) (8)

叶龄和品种通过人工调查获取。

模型构建为利用多元逐步回归法(SMLR)建立麦苗估测模型，依据R²,RMSEP,REP验证模型的优劣；R²和RMSEP用于说明模型的稳定性以及测量值与真实值的平均偏差，REP用于评价模型的预测精度；数据分为两组，一组用于建模，另一组进行验证；同时对品种，叶龄和密度进行验证。

麦苗提取与角点检测中，将1至3叶期的模型转变为:

利用不同品种和不同叶龄的数据，通过回归分析求得a、b、c、d值，Va是品种系数；通过品种参数Va的调节，模型在不同品种上的使用差异较小；相比分开建模，整体模型的精度略有降低，但增加了模型的应用范围和应用时期。

与现有技术相比，本发明的有益效果是：

本发明利用图像分析方法实现小麦一至三叶期出苗情况调查，可快速获取田间苗数，为后期栽培管理提供依据。

附图说明

图1：目标区域提取。

图2：不同数量不同叶龄麦苗图像。

图3：麦苗提取与角点检测结果。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

一种快速测定一至三叶期小麦出苗情况的方法，包括如下工艺步骤：

A、麦苗图像获取：通过数码相机、手机等图像采集设备获取田间麦苗图像；

B、目标区域提取：利用一平米白框标定目标区域，并通过图像透射变换对区域进行矫正，再进行图像裁切；

C、麦苗提取：利用颜色体征提取图像中的麦苗；

D、麦苗盖度提取：通过麦苗所占像素与整幅图像像素的比值来计算麦苗盖度值；

E、麦苗角点提取：利用角点检测算法实现小麦叶片重叠处角点的检测。

F、品种和叶龄调查：人工调查品种和叶龄作为输入参数。

G、麦苗估测：利用模型及输入参数估测麦苗数量，参数包括：麦苗盖度、角点数、品种、叶龄。

具体包括：

1.目标区域提取

若要计算单位面积内的麦苗数，首先需要提取单位面积区域，本研究中则是提取白框标定区域(图1(a))，并对区域进行矫正，具体步骤包括：1)利用公式1提取原始图像中的白框，F(x,y)为白框，RGB图像中的红、绿、蓝三个颜色分量为r、g、b，白框提取效果如图1(b)；

2)提取白框四个拐点，利用公式2计算白框边界点的曲率，并通过曲率的变化获取图1(b)中的四个角点，C_(k，i)为边界点i处的k邻域链码，θ_i为边界点处切线倾角的差分表示，

为初步得到边界i点处的曲率，由于拐点及其附近点处初步得到的曲率

往往有相对较大值，在检测拐点时，通过e_i表示曲率；

3)图像透视变换，由于拍摄位置不同，白框区域会存在扭曲，影响后期处理，研究利用公式(3)对图像进行透视变换，变换效果如图1(c),u,v为原始图片左侧，变换后图像的坐标x＝x’/w’,y＝y’/w’,矩阵表示线性变换和平移，通过已知4个点求解方程系数(本研究中即为图1(b)中检测的四个点)。

4)图像裁切，白框在透视变换后的图像中为正方形，以白框的四个边为界线，获取的图像(图1(d))即为1平米的目标区域。

2.麦苗提取

研究通过公式(4)提取田间绿色部分，并通过形态学的腐蚀、膨胀和孔洞填充来提取完整的麦苗。

ExG＝1.8*g-r-b (4)

3.特征值提取

图2为不同叶龄和不同粘连情况的麦苗图像，从图像中可以看出随着叶龄和粘连麦苗数量的增加，区域盖度值和角点数量也会增加。单位面积内的麦苗数量越多，则盖度越大，这是一个客观存在现象，但在单独利用盖度建立麦苗估测模型时，估测模型的适应性较差，造成这种模型适应差的原因在于：1)当麦苗重叠情况较多时，盖度会受到影响，只有降低这种情况对盖度影响才能提高模型的适应性；2)麦苗重叠时叶片之间会产生角点，重叠越严重角点的数量越多，因此角点数量可以反映麦苗重叠情况；3)麦苗数量最佳调查时期为1-3叶期，叶龄不同，盖度也也会受到影响，建立模型时应将叶龄考虑在内；4)不同小麦品种幼苗叶片大小不同，盖度也会受到影响，因此，建立麦苗估测模型需将品种考虑在内。介于以上因素我们认为，建立的单位面积麦苗数量估测模型应包括：麦苗盖度(Co),反映重叠情况的角点数量(Ha)，小麦叶龄(La),品种(Va)。盖度即为叶片像素数总像素数的比例，利用公式5计算。

利用公式6-8检测图像中的角点，其中E(u,v)为灰度变化值，(u,v)是平移量，Ix,Iy为图像灰度值，w(x,y)为窗口函数，R为角点响应函数。

R＝det(M)-k*trace²(M) (8)

叶龄和品种通过人工调查获取。

4.模型构建

利用多元逐步回归法(SMLR)建立麦苗估测模型，依据R²,RMSEP,REP验证模型的优劣。R²和RMSEP用于说明模型的稳定性以及测量值与真实值的平均偏差，REP用于评价模型的预测精度。数据分为两组，一组用于建模，另一组进行验证。同时对品种，叶龄和密度进行验证。

5.麦苗提取与角点检测

通过2.2节方法可以准确的对目标区域进行矫正，消除由于拍摄图像时造成的目标区域变形。利用公式4可以将图像中大部分麦苗提取出来，但有一些杂质(图3(a))。使用形态学腐蚀和膨胀操作后可消除图像中的杂质(图3(b))，提高盖度计算和角点计算精度。如图3(c)所示，图像中麦苗拐点可以准确的被检测到，为后期的模型构建提供精准的基础参数。

将1至3叶期的模型转变转变为:

利用不同品种和不同叶龄的数据，通过回归分析求得a＝0.44,b＝110.43,c＝3.35.d＝1.11，Va是品种系数。不同品种的建模和验证结果如表2所示，无论是建模还是验证过程，R²均超过0.95，RMSE也保持一个较小的范围。通过品种参数Va的调节，模型在不同品种上的使用差异较小。相比分开建模，整体模型的精度略有降低，但增加了模型的应用范围和应用时期。

表2建模和模型验证结果

以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，依据本发明的技术实质，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

Claims (4)

1.一种小麦一至三叶期麦苗数量调查方法，其特征在于：包括如下步骤：

1)麦苗图像获取：通过数码相机、手机图像采集设备获取田间麦苗图像；

2)目标区域提取：利用一平米白框标定目标区域，并通过图像透射变换对区域进行矫正，再进行图像裁切；

3)麦苗提取：利用颜色体征提取图像中的麦苗；

4)麦苗盖度提取：通过麦苗所占像素与整幅图像像素的比值来计算麦苗盖度值；

5)麦苗角点提取：利用角点检测算法实现小麦叶片重叠处角点的检测；

6)品种和叶龄调查：人工调查品种和叶龄作为输入参数；

7)麦苗估测：利用模型及输入参数估测麦苗数量，参数包括：麦苗盖度、角点数、品种、叶龄；

目标区域提取为：计算单位面积内的麦苗数，首先提取单位面积区域，提取白框标定区域，并对区域进行矫正，具体步骤包括：

步骤1：利用公式(1)提取原始图像中的白框，F(x,y)为白框，RGB图像中的红、绿、蓝三个颜色分量为r、g、b；

步骤2：提取白框四个拐点，利用公式(2)计算白框边界点的曲率，并通过曲率的变化获取四个角点，C_(k，i)为边界点i处的k邻域链码，θ_i为边界点处切线倾角的差分表示，

为初步得到边界i点处的曲率，由于拐点及其附近点处得到的曲率

大，在检测拐点时，通过e_i表示曲率；

步骤3：图像透视变换，由于拍摄位置不同，白框区域会存在扭曲，影响后期处理，利用公式(3)对图像进行透视变换,(u,v)为原始图片坐标，变换后图像的坐标x＝x’/w’,y＝y’/w’,矩阵表示线性变换和平移，通过已知4个点求解方程系数，w＝1,a11至a33为选定的参照点，即白框端点；

步骤4：图像裁切，白框在透视变换后的图像中为正方形，以白框的四个边为界线，获取的图像即为1平米的目标区域；

建立的单位面积麦苗数量估测模型应包括：麦苗盖度Co,反映重叠情况的角点数量Ha，小麦叶龄La,品种Va；盖度即为叶片像素数总像素数的比例，利用公式5计算；

利用公式6-8检测图像中的角点，其中E(u,v)为灰度变化值，(u,v)是平移量，Ix,Iy为图像灰度值，w(x,y)为窗口函数，R为角点响应函数；

R＝det(M)-k*trace²(M) (8)

叶龄和品种通过人工调查获取。

2.根据权利要求1所述的小麦一至三叶期麦苗数量调查方法，其特征在于：麦苗提取为：通过公式(4)提取田间绿色部分，并通过形态学的腐蚀、膨胀和孔洞填充来提取完整的麦苗；

ExG＝1.8*g-r-b (4)。

3.根据权利要求1所述的小麦一至三叶期麦苗数量调查方法，其特征在于：模型构建为利用多元逐步回归法SMLR建立麦苗估测模型，依据R²,RMSE,REP验证模型的优劣；R²和RMSE用于说明模型的稳定性以及测量值与真实值的平均偏差，REP用于评价模型的预测精度；数据分为两组，一组用于建模，另一组进行验证；同时对品种，叶龄和密度进行验证。

4.根据权利要求1所述的小麦一至三叶期麦苗数量调查方法，其特征在于：麦苗提取与角点检测中，将1至3叶期的模型转变为:

利用不同品种和不同叶龄的数据，通过回归分析求得a、b、c、d值，Va是品种系数；通过品种参数Va的调节，模型在不同品种上的使用差异较小；相比分开建模，整体模型的精度略有降低，但增加了模型的应用范围和应用时期。

Images