CN111753688B - 种植行中心线确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明的实施例提供了一种种植行中心线确定方法、装置、电子设备及存储介质，该方法包括：获取农作物区域的至少一张二值化图像；所述至少一张二值化图像包含非零值像素区域和零值像素区域；非零值像素点区域表征植被区域；零值像素区域表征非植被区域；根据至少一张二值化图像确定植被区域内的种植行主方向和至少一个种植行区域；在至少一个种植行区域内沿种植行主方向确定种植行中心线。与现有技术相比，本发明不需要人工处理就能实现自动获得种植行中心线的目的，能够解决通过人工标注的方式确定种植行中心线所造成的人力和时间成本大的问题。

Description

种植行中心线确定方法、装置、电子设备及存储介质

技术领域

本发明涉及农作物信息技术领域，具体而言，涉及一种种植行中心线确定方法、装置、电子设备及存储介质。

背景技术

对于机械化种植的农田而言，识别作物种植行的中心线，是机械化农田无人机遥感技术中的关键基础技术。许多基于机械化农田空中俯拍图像的分析或应用，以作物种植行的中心线的识别为前提。种植行中心线指得是农作物播种或栽培过程中，其种子或幼苗植入点所构成的直线。

目前，获得作物种植行中线的方式是在无人机巡视拍摄的图像上通过人工标注的方式确定种植行中心线，这种做法自动化程度不高，人力和时间成本大，不能快速显示或告知作物种植行的中心线。

发明内容

有鉴于此，本发明提供一种种植行中心线确定方法、装置、电子设备及存储介质，用于解决目前通过人工标注的方式确定种植行中心线所造成的人力和时间成本大的问题。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供一种种植行中心线确定方法，所述方法包括：

获取农作物区域的至少一张二值化图像；所述至少一张二值化图像中包含非零值像素区域和零值像素区域；所述非零值像素区域表征植被区域；所述零值像素区域表征非植被区域；根据所述至少一张二值化图像确定所述植被区域内的至少一个种植行对应的主方向和所述至少一个种植行对应的种植行区域；沿所述至少一个种植行对应的主方向在对应的种植行区域内确定种植行中心线。

可选地，所述根据所述至少一张二值化图像确定所述植被区域内的至少一个种植行对应的主方向和所述至少一个种植行对应的种植行区域的步骤包括：根据直线检测方法确定所述植被区域内的至少一个种植行对应的主方向；根据所述非植被区域和所述至少一个种植行对应的主方向确定所述至少一个种植行对应的种植行区域。

可选地，所述根据所述非植被区域和至少一个种植行对应的主方向确定所述至少一个种植行对应的种植行区域的步骤包括：沿所述至少一个种植行对应的主方向获取所述非植被区域内的零值像素点的累加曲线信息；根据所述累加曲线信息确定至少两条区域分界线，任意相邻两条所述区域分界线之间的区域为所述种植行区域。

可选地，所述根据所述累加曲线信息确定至少两条区域分界线，任意相邻两条所述区域分界线之间的区域为所述种植行区域的步骤，包括：根据所述累加曲线信息确定至少两个波峰位置；沿所述至少一个种植行对应的主方向，根据所述至少两个波峰位置确定至少两条区域分界线。

可选地，在所述至少一个种植行对应的种植行区域内确定至少两个有效连通区域；将所述至少一个种植行对应的种植行区域内的所述至少两个有效连通区域的连接曲线进行曲线拟合处理以获得所述至少一个种植行对应的种植行中心线。

可选地，所述将所述至少一个种植行对应的种植行区域内的所述至少两个有效连通区域的连接曲线进行曲线拟合处理以获得所述至少一个种植行对应的种植行中心线的步骤之前，还包括：在所述至少一个种植行对应的种植行区域内，根据所述至少两个有效连通区域的位置信息确定任意一个所述有效连通区域内的至少一个关键点；根据所述至少两个有效连通区域内的关键点确定所述至少两个有效连通区域之间的连接曲线。

第二方面，本发明实施例提供一种农作物长势检测方法，所述方法包括：利用第一方面所述的种植行中心线确定方法确定农作物区域内至少一条种植行中心线；所述至少一条种植行中心线所在位置处具有至少一株农作物；根据地图测绘技术确定所述至少一株农作物所在位置的高程数据；根据所述高程数据获取所述至少一株农作物的长势参数信息。

第三方面，本发明实施例提供一种农作物产量预测方法，所述方法包括：利用第一方面所述的种植行中心线确定方法确定农作物区域内至少一条种植行中心线；根据所述至少一条种植行中心线的长度信息和所述农作物区域的历史产量数据预测所述农作物区域内的农作物产量。

第四方面，本发明实施例提供一种杂草识别方法，所述方法包括：利用第一方面所述的种植行中心线确定方法确定农作物区域内至少一条种植行中心线；所述至少一条种植行中心线所在位置的预设宽度范围内具有农作物；在所述预设宽度范围外检测植株特征数据；当所述植株特征数据与所述农作区预设的植株特征数据不匹配，则确定所述植株特征数据对应的植株为杂草。

第五方面，本发明实施例提供一种种植行中心线确定装置，包括：获取模块和确定模块；所述获取模块，用于获取农作物区域的至少一张二值化图像；所述至少一张二值化图像中包含非零值像素区域和零值像素区域；所述非零值像素区域表征植被区域；所述零值像素区域表征非植被区域；所述确定模块用于根据所述至少一张二值化图像确定所述植被区域内的至少一个种植行对应的主方向和所述至少一个种植行对应的种植行区域；用于沿所述至少一个种植行对应的主方向在对应的种植行区域内确定种植行中心线。

可选地，所述确定模块具体用于：根据直线检测方法确定所述植被区域内的至少一个种植行对应的主方向；根据所述非植被区域和所述至少一个种植行对应的主方向确定所述至少一个种植行对应的种植行区域。

可选地，所述获取模块，具体用于所述获取模块，具体用于沿所述至少一个种植行对应的主方向获取所述非植被区域内的零值像素点的累加曲线信息；所述确定模块，还具体用于根据所述累加曲线信息确定至少两条区域分界线，任意相邻两条所述区域分界线之间的区域为所述种植行区域。

可选地，所述确定模块还具体用于：根据所述累加曲线信息确定至少两个波峰位置；沿所述至少一个种植行对应的主方向，根据所述至少两个波峰位置确定至少两条区域分界线。

可选地，所述的种植行中心线确定装置，还包括处理模块；所述确定模块，用于在所述至少一个种植行对应的种植行区域内确定至少两个有效连通区域；所述处理模块，用于将所述至少一个种植行对应的种植行区域内的所述至少两个有效连通区域的连接曲线进行曲线拟合处理以获得所述至少一个种植行对应的种植行中心线。

可选地，所述确定模块，还具体用于在所述至少一个种植行对应的种植行区域内，根据所述至少两个有效连通区域的位置信息确定任意一个所述有效连通区域内的至少一个关键点；还具体用于根据所述至少两个有效连通区域内的关键点确定所述至少两个有效连通区域之间的连接曲线。

第六方面，本发明实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现第一方面所述的种植行中心线确定方法。

第七方面，本发明实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面所述的种植行中心线确定方法。

本发明实施例提供的种植行中心线确定方法、装置、电子设备及存储介质，包括：获取农作物区域的至少一张二值化图像；所述至少一张二值化图像包含非零值像素区域和零值像素区域；所述非零值像素区域表征植被区域；所述零值像素区域表征非植被区域；根据所述至少一张二值化图像确定所述植被区域内的种植行主方向和至少一个种植行区域；在所述至少一个种植行区域内沿所述种植行主方向确定种植行中心线。与现有技术相比，本方法通过对农作物区域中的植被区域和非植被区域进行像素处理获得农田区域的二值化图像之后，通过分析二值化图像确定植被区域内种植行主方向和对应的种植行行区域，然后在每个种植行区域内结合种植行主方向来确定该区域内的种植行中心线，整个过程不需要人工处理，实现自动化获得种植行中心线的目的，解决目前通过人工标注的方式确定种植行中心线所造成的人力和时间成本大的问题。

本发明实施例的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的一种种植行中心线确定方法的示意性流程图；

图2为本发明实施例提供的另一种种植行中心线确定方法的示意性流程图；

图3为本发明实施例提供的另一种种植行中心线确定方法的示意性流程图；

图4为本发明实施例提供的一种累加曲线示意图；

图5为本发明实施例提供的一种农作物区域图像示意图；

图6为本发明实施例提供的二值化图像外接矩形示意图；

图7为本发明实施例提供的另一种种植行中心线确定方法的示意性流程图；

图8为本发明实施例提供的一种种植行中心线示意图；

图9为本发明实施例提供的一种种植行中心线确定装置的功能模块图；

图10为本发明实施例提供的一种电子设备的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，获得作物种植行中线的方式是在无人机巡视拍摄的图像上通过人工标注的方式确定种植行中心线，这种做法不仅自动化程度不高，而且人力和时间成本大，不能快速显示或告知作物种植行的中心线。

为了解决上述问题，本发明提供一种种植行中心线确定方法，该方法的核心是通过农田区域的二值化图像获得种植行的中心线方向，然后根据中心线方向在二值化图像中确定种植行区域的分界线以及各个种植行区域，最后在各个种植行区域内通过曲线拟合的方式获得各个种植行对应的中心线，相比现有技术中采用人工标注确定种植行中心线的方式，本发明可以自动确定中心线，减少了人力投入成本，满足农业机械实时导航的需要。

需要说明的是，本发明实施例确定的种植行中线可以但不限于用于田间机器人或者是无人机的作业路径规划，农作物缺苗等统计分析、农田图像分析，用户可以根据实际的场景需要来确定种植行中线的用途。

为了详细描述本发明技术方案的实现流程，首先参见图1，图1为本发明实施例提供的一种种植行中心线确定方法的示意性流程图，该方法包括以下步骤：

步骤200、获取农作物区域的至少一张二值化图像。

在本发明实施例中，可以通过无人机从空中对农作物区域进行俯拍以获得农作物区域的原始图像，该原始图像通常为彩色图像，为了能够识别目标植被，可以通过将彩色图像进行二值化处理，提取目标植被区域，目标植被可以但不限于是水稻、小麦等。

可以理解的是，获得的二值化图像中包括植被区域和非植被区域，其中，植被区域可以是非零值(例如255)像素点对应的区域，非植被区域可以是零值像素点对应的区域。将目标植被区域和非植被区域进行区分从而获得二值化图像的方法包括但不限于：颜色空间(比如RGB转HSV)、颜色指数、植被指数等任意一种及组合。

为了方便理解，本发明实施例以超绿指数(ExcessGreen)分割方法为例详细介绍获得二值化图像的方式，其中，超绿色法的实现方式可以如关系式所示：

ExG＝2*Green-Red-Blue

其中，关系式右边表征的农作物区域原始彩色图像的某像素点对应的RGB三通道颜色像素值，在实际的使用场景中，可以对公式中的数值进行归一化数学处理以减少数据之间从差异带来的误差。计算超绿指数后，为了能将植被区域和非植被区域分割，可以预先设置一个阈值，将每个像素点的灰度值和该阈值相比较，灰度值大于阈值的像素点值设为非零值(例如255)，灰度值小于阈值的设为零值，进而可以获得只包含非零值像素点和零值像素点的二值化图像。在一些实施例中，阈值获得的方式可以人为设定，也可以通过最大类间方差法(Ostu法)获得，用户可以根据实际的情况获得阈值，此处不作限定。

步骤201、根据至少一张二值化图像确定植被区域内的至少一个种植行对应的主方向和种植行区域。在发明实施例中，由于二值化图像中非零值像素点和零值像素点分别表示非植被区域和植被区域，因此可以通过图像分析法来确定二值化图像中包含植被区域内的种植行区域和以及种植行行区域内植被的种植行主方向。

步骤202、沿至少一个种植行对应的主方向在对应的种植行区域内确定种植行中心线。

本发明实施例提供的种植行中心线确定方法，该方法包括：获取农作物区域的至少一张二值化图像；至少一张二值化图像中包含非零值像素区域和零值像素区域；非零值像素区域表征植被区域；零值像素区域表征非植被区域；根据至少一张二值化图像确定植被区域内的至少一个种植行对应的主方向和至少一个种植行对应的种植行区域；沿至少一个种植行对应的主方向在对应的种植行区域内确定种植行中心线。与现有技术相比，本方法通过对农作物区域中的植被区域和非植被区域进行像素处理获得农田区域的二值化图像之后，通过分析二值化图像确定植被区域内种植行主方向和对应的种植行行区域，然后在每个种植行区域内结合种植行主方向来确定该区域内的种植行中心线，整个过程不需要人工处理，实现自动化获得种植行中心线的目的，解决目前通过人工标注的方式确定种植行中心线所造成的人力和时间成本大的问题。

可选地，通过图像分析法可以从二值化图像中分析出种植行区域和种植行主方向，进而可以沿种植行主方向在每个种植行区域内确定对应的种植行中线，在本发明实施中，确定种植行主方向的方法可以是任意在一种直线检测方法，因此，本发明实施例在图1的基础上，给出一种获得种植行主方向和种植行区域的实现方式，参见图2,图2,其中，步骤201还可以包括以下步骤：

步骤201-1、根据直线检测方法确定植被区域内的至少一个种植行对应的主方向。

步骤201-2、根据非植被区域和至少一个种植行对应的主方向确定至少一个种植行对应的种植行区域。

在本发明实施例中，直线检测方法可以是霍夫(hough)直线检测方法、最小二乘方法、拉东(Radon)直线检测方法中的任意一种及组合，获得种植行主方向之后，可以根据种植行主方向确定。

可选地，为了方便理解本发明实施例确定种植行主方向的原理,本发明实施例接下来将以霍夫(hough)直线检测方法为例，详细介绍本发明实施例提供的直线检测方法确定种植行主方向的实现过程。

首先，霍夫(hough)直线检测方法的原理是：把图像空间中的直线变换到参数空间中的点，图像空间中的每条直线在参数空间中都对应着单独一个点来表示，通过统计特性来解决检测问题，也就是说，霍夫变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，因此霍夫直线检测算法就是把在图像空间中的直线检测问题转换到参数空间中对点的检测问题，通过在参数空间里寻找峰值来完成直线检测任务。因此，本发明结合霍夫直线检测方法原理，给出一种本发明实施例通过霍夫直线检测方法确定种植行主方向的实现方式，其中,201-1可以包括以下子步骤：

步骤201-1A、将二值化图像中所有非零像素点对应的坐标值通过霍夫空间转换获得所述二值化图像中经过至少一个非零值像素点的至少一条直线对应角度和该角度对应的累加值信息。

在本发明实施例中，空间转换处理指的是将图像空间中的直线变换到参数空间中的点，参数空间可以是极坐标空间，具体来说，如果一幅图像中的某些像素构成一条直线，那么这些像素对应的坐标值在参数空间对应的曲线一定相交于一个点。结合霍夫直线检测方法的原理可以理解，在理论上，一个点可以对应无数条直线或者说任意方向的直线，但在实际应用中，必须限定直线的数量(即有限数量的方向)才能够进行计算。因此，在进行空间处理之前，可以将图像空间任意一条直线的方向角度θ离散化为有限个等间距的离散值，于是参数空间不再是连续的，而是被离散量化为一个个等大小网格单元，将图像空间(直角坐标系)中每个像素点坐标值变换到参数空间(极坐标系)后，所得值会落在某个网格内，使该网格单元的累加计数器加1，当图像空间中所有的非零值像素点都经过霍夫变换后，对网格单元进行统计，便可以获得二值化图像中经过至少一个非零值像素点的至少一条直线的角度对应的累加值。

可以理解的是，上述的累加值指得是角度的投票次数，也可以表示是图像空间(直角坐标系)中一条假设的直线上经过的像素点的个数，也是角度的投票次数，像素点的个数越多那么这条假设的直线是真直线的可信度就越高，霍夫转换就是按一定精度假设了图像中所有可能存在的直线，再逐条假设直线上累加存在的像素点的个数，由此得到逐条假设直线上的霍夫空间累加值，每一个统计所得的霍夫空间累加值与一条直线的方向角度对应。

步骤201-1B、根据至少一条直线对应角度和该角度对应的累加值信息确定至少一个种植行对应的主方向。

在本发明实施例中，霍夫直线检测算法的输出结果可以以列表的形式呈现，列表中可以包含有图像空间中假定存在的直线对应的角度θ和半径γ，由于图像空间中存在的像素点数较多，而每一个点可以对应无数条直线或者说任意方向的直线，势必会增加计算的复杂度，因此，在经过霍夫空间变换之后，为了降低计算复杂度，可以通过设置阈值的方式过滤掉部分直线结果，也就是获取阈值之前的前m条直线结果来进行统计分析，阈值的设置方式可以是用户根据实际的场景需要进行设定，或者根据实验经验值确定，此处不作限定。通过统计分析该输出前m条直线的输出结果便可以确定种植行主方向。

在一种理想的场景中，假设农田区域内包含多条种植行，且该多条种植行完全平行，也就是说：图像空间中可以存在m条平行直线，那对于这m条平行直线而言，角度是相同的，该角度出现次数与平行直线条数相同，也就是同一个方向(可能是主方向)上存在多条直线，每一条直线代表一条种植行，那么确定种植行主方向的一种可行的方式可以是：通过各个角度对应的投票数来确定种植行主方向。

例如，作为一种示例，假设农田区域内参存在多条完全平行的种植行，通过霍夫直线检测算法对农田区域的二值化图像进行处理后，获得前9条直线对应的角度信息，通过统计分析获得前9条直线对应的角度投票数如下：[(0.8336628550028777,1)(0.8512136519503071,7)(0.46509611910686877,1)]，经分析，此时由于角度0.8512136519503071对应投票数远远多于角度0.8336628550028777和角度0.46509611910686877对应的投票数，此时可以将角度0.8512136519503071对应的直线方向作为种植行的主方向。

但是，在一种实际应用场景中，当农田区域内包的多条种植行不完全平行，可能出现多个相似的角度对应的多个相似的直线的现象，此时对应的霍夫直线检测输出结果中，存在多条直线对应的角度的投票数相同，此时需要在投票数相同的角度中确定出可信度较高的角度，以此作为种植行的主方向，例如，作为一种示例，假设通过霍夫直线检测算法对农田区域的二值化图像进行处理后获得前9条直线对应的角度信息如下所示：

n,theta,rho

1,0.8336628550028777,486.77784123358083

2,0.8512136519503071,366.7093089663051

3,0.8512136519503071,318.6818960593946

4,0.8336628550028777,538.8075385494003

5,0.8336628550028777,427.7441462021702

6,0.8512136519503071,590.83723586522

7,0.8512136519503071,637.864077669903

8,0.4650961191068687,425.74300399771573

9,0.8336628550028777,276.6579097658482

通过统计分析上述9条直线对应的角度的投票数如下所示：[(0.8336628550028777,4),(0.8512136519503071,4),(0.46509611910686877,1)]，此时可以看出，角度为0.8336628550028777(此处为了方便描述，将上述列表中的角度值保留小数点后三位，该表示方法不影响本发明实施例的实质技术方案)和角度为0.8512136519503071的投票数相同，表明同一个方向(可能是主方向)上存在有多条直线，那么从上述列表找到可信度较高的角度对应的种植行主方向的一种可行的实现方式可以是：

当排在列表第一位的角度对应的投票数大于2票时，计算排在列表第一位的角度与排在列表第二位的角度之间的差值的绝对值或者与排在列表第三位的角度之间的差值的绝对值，当任意一个差值的绝对值小于预设阈值，或者，是指定倍数的预设阈值时，即表明排在列表第一位的角度的可信度较高，可以直接将其作为种植行的主方向。

例如，继续参见上述列表，排在列表第一位的角度0.8336628550028777对应的投票数包含4票，此时可以计算角度0.8336628550028777与排在列表第二位的角度之间的差值，或，与排在列表第三位的角度之间的差值，得到的差值大约为-0.017550796947429337,假设预设阈值范围为0.035979133742229684，则此时差值小于预设阈值，此时即表明角度0.8336628550028777的可信度较高，可以直接将其作为种植行的主方向。

需要说明的是，在实际的应用场景中，当出现同一个方向(可能是主方向)上存在有多条直线的情况时，用户还可以选择其他可行的方式来确定可信度较高的主方向，以提高确定的种植行主方向的精准度。

可选地，为了方便理解确定种植行区域的实现过程，下面给出一种可能的实现方式，参见图3，图3为本发明实施例提供的另一种种植行中心线确定方法的示意性流程图，即步骤201-2还可以包括以下子步骤：

步骤201-2A、沿至少一个种植行对应的主方向获取非植被区域内的零值像素点的累加曲线信息。

在本申请实施例中，零像素点区域表征是非植被区域，即零像素点可以表征非植被像素点，通过累加种植行方向上非植被像素个数可以得到累加曲关于非植被像素点的累加曲线，通过对获得的累加曲线进行波形分析可以获得累加曲线上各个波峰的位置，然后在每个波峰的位置处沿种植行方向确定种植行区域分界线。

步骤201-2B、根据累加曲线信息确定至少两条区域分界线，任意相邻两条所述区域分界线之间的区域为种植行区域。

在一种可能的实现方式中，根据累加曲线信息确定多条种植行区域分界线的实现方式可以如下：

根据多个波峰的位置信息沿种植行方向确定多条种植行区域分界线；任意一个波峰的位置为种植行区域分界线的起始位置。

在本申请实施例中，计算平滑后曲线的波峰位置的方式可以是但不限于是用scipy.signal.find_peaks等类似方法，根据获得的波峰位置和种植行方向即可确定种植行区域分界线直线集合，可以理解的是，任意两条相邻种植行区域分界线之间的区域为种植行区域，在一些场景，可能出现某个波峰位置经过平滑之后，距离不是原来的真正的零值点有所偏移，为了能够降低平滑处理带来的误差，可以对种植行区域分界线在一定邻域范围内左右偏移，偏移的触发条件可以是邻域内原始累加曲线存在累加值为零的横轴点，由于平移的范围有限，可以设定一个相邻距离阈值(邻域)，在波峰位置的邻域内搜索平滑前累加曲线的累加值为零的位置点，此外，如果根据平滑后的累加曲线上确定种植行区域分界线的过程中缺少种植行区域的边界线，可以补加边界线。

为了方便理解本发明实施例中的累计曲线信息，请参见图4，图4为本发明实施例提供的一种累加曲线示意图，其中可以看出，在获得原始累加曲线之后，由于原始累加曲线可能存在噪声，所以可以对原始累加曲线进行平滑处理，根据平滑处理后的累加曲线可以获得曲线上每个波峰所在的位置，进而可以在每个波峰所在的位置确定一条与种植行方向平行的直线，该直线即为种植行区域分界线，其中，任意两条相邻种植行区域分界线之间的区域为种植行区域，从图4中可以看出，每个种植行区域内包含的白色像素区域(非零值像素区域)对应为植被区域。

可选地，由于实际上种植行方向不一定与二值化图片的观察角度垂直，所以在确定累加曲线信息时，可以通过在二值化图像上确定外接矩形，然后在外接矩形范围内确定累加曲线，通过对累加曲线进行波形分析从而可以获得种植行区域分界线的起始位置，进而可以根据起始位置确定多条植行区域分界线，因此，步骤201-2A还可以包括以下几个步骤：

子步骤201-2A-1、根据种植行方向确定二值化图像的外接矩形。

在本申请实施例中，外接矩形的行高与种植行方向平行，由于实际的种植行方向不一定与图片观察角度垂直，外接矩形的目的是沿着种植行方向累加零像素，以得到累加曲线进行波形分析。

为了方便理解，请参见图5，图5为本发明实施例提供的一种农作物区域图像示意图，可以看出，实际的种植行方向不与图片观察角度垂直，在此情况下，为了能够获得关于零像素点的累加曲线，可以先在该农作物区域图像的二值化图像上确定外接矩形，获得的外接矩形可以如图6所示，参见图6，图6为本发明实施例提供的二值化图像外接矩形示意图，其中可以看出，该外接矩形的行高与种植行方向平行，外接矩形包含了整个农作物区域。

子步骤201-2A-2、在外接矩形内沿种植行方向累加零值像素点，获得关于零值像素点的累加曲线信息。

在本申请实施例中，获得外接矩形之后，可以以外接矩形高度(外接矩形的高度方向与种植行方向平行)为纵坐标，长度方向为横坐标累加种植行方向上非植被像素个数。

在本申请实施例中，为了提高波形分析的准确度，在获得原始的累加曲线之后，可以对原始的累加曲线进行平滑处理，平滑处理包括但不限于移动平均后去噪、局部加权回归(LOWESS)平滑后去噪，一元样条函数(UnivariateSpline)拟合后去噪、Savitzky_GolayFilter(简称S-G滤波器)平滑后去噪，在去噪的过程中还包括处理平滑后出现负数值等情况，通过分析平滑处理后的累加曲线可以获得累加曲线上多个波峰的位置信息。

可选地，为了方便理解获得每个种植行区域对应的种植行中心线的过程，下面给出一种可能的实现方式，参见图7，图7为本发明实施例提供的另一种种植行中心线确定方法的示意性流程图，即步骤202还可以包括以下子步骤：

子步骤202-1、在至少一个种植行对应的种植行区域内确定至少一个有效连通区域。

在本申请实施例中，获得有效连通区域的方式可以是面积筛选、纹理比对中一种或多种，例如，当通过面积筛选获得有效连通区域时，有效连通区域表征区域面积在面积阈值范围内的目标植被区域，有效连通域的目的是筛除不是目标作物的连通域，由于任意一个连通域既有可能是杂草，也有可能是作物，如果区域面积不在预先设定的面积阈值范围之内(例如20pixel～50pixel)，则该连通区域不是有效连通区域。

子步骤202-2、根据至少一个有效连通区域确定至少一个种植行对应的种植行中心线。

在本发明实施例中，当获得有效连通区域之后，为了能够根据有效连通区域获得种植行中心线，可以在确定的有效连通区域内确定关键点信息，关键点表征的是在单个有效连通域内进行曲线拟合的坐标点，根据获得的关键点信息可以确定种植行中心线，为了方便理解，下面给出一种根据关键点信息确定种植行中心线的可能的实现方式，即步骤202-2可以按照以下子步骤进行：

子步骤202-2-1、根据至少一个有效连通区域的位置信息确定有效连通区域内的至少一个关键点信息。

在本发明实施例中，从有效连通域中获取关键点的方法可以是连通域逐个水平方向的切割线的中点，也可以是对连通域进行几何质心分析获得，还可以有其他类似的能实现相同目的的方法。生成关键点集合对应的中心线对应点集合，其中中心线的生成可以通过插值的方法，插值的方法包括但不限于scipy.interpolate.interp1d等。

子步骤202-2-2、根据至少一个关键点信息确定至少一个种植行对应的种植行中心线。

可以理解的是，在一种场景中，当种植行区域内只存在一个有效连通区域时，此时表征一个种植行中只存活了一株种植物，则获得该有效连通区域内的关键点信息之后，可以直接单独对关键点进行着色，用以标注出种植物。

在另一种场景中，当种植行区域内存在至少两个有效连通区域时，则根据关键点信息确定种植行中心线的方式可以是：

第一步、根据关键点信息确定至少两个有效连通区域之间的连接曲线。

第二步、将连接曲线进行曲线拟合以获得种植行中心线。

在本发明实施例中，为了能够获得多个有效连通区域的连接曲线，可以先在每个有效连通区域内确定关键点坐标，任意两个相邻关键点之间的连线可以看作是关键点对应的有效连通区域之间的连接曲线。

在本发明实施例中，曲线拟合的方法包括但不限于是：statsmodels.api.nonparametric.lowess，通过曲线拟合所确定的种植行中线可以但不限于用于田间机器人或者是无人机的作业路径规划，农作物缺苗等统计分析、农田图像分析，用户可以根据实际的场景需要来确定种植行中线的用途。需要说明的是，在本发明实施例提供的种植行中心线的过程中，如果获取的农作物区域的二值化图像尺寸较大，不方便进行数据处理，可以通过将获得的二值化图像分割成多个便于数据处理的尺寸较小的图像进行分析，图像分割的方法可以是图像边缘分割法、图像阈值分割法、基于区域分割方等，此处不作限定，针对每一张分割图像均可采用上述实施例所描述的种植行中心线确定方法来确定每一个分割图像中的种植行中心线，获得所有分割图像的种植行中心线后，可以采用图像拼接方法将多张分割图像进行融合，最终获得整个农作物区域的种植行中心线。

通过上述方法可以实现确定种植行中心线的目的，其中，确定的种植行中心线可以参见图8，图8为本发明实施例提供的一种种植行中心线示意图，确定的种植行中线可以但不限于用于田间机器人或者是无人机的作业路径规划，农作物缺苗等统计分析、农田图像分析，用户可以根据实际的场景需要来确定种植行中线的用途。

基于上述实施例给出的种植行中心线确定方法，本发明实施例还提供一种农作物长势检测方法，通过获取种植行中心线所在位置处的农作物的高程数据，提取有关农作物的长势参数数据，通过分析农作物的长势参数数据即可以检测出农作物的长势情况，可以在减少人工劳动工作量的同时提高种植效率，并降低种植成本；因此，下面给出一种农作物长势检测方法的实现方式，可以包括以下步骤：

第一步、确定农作物区域内的至少一条种植行中心线。

可以理解的是，在进行农作物长势检测之前，可以通过上述实施例给出的种植行中心线确定方法确定农作物区域内的种植行中心线；在种植行中线所在位置处种植有待检测的农作物。

第二步、根据地图测绘技术确定至少一株农作物所在位置的高程数据。

可以理解的是，根据地图测绘技术可以获得农作物所在位置的高程数据，例如，可以通过数字表面模型DSM(DigitalSurfaceModel，简称DSM)技术获得农作物的高程数据，DSM技术是指包含了地表建筑物、桥梁和树木等高度的地面高程模型，DSM可以提供除地面以外的其它地表信息的高程，反映地表的起伏情况，常用于检测森林植被的生长情况。

在本发明实施例中，可以先获得农作物同一生长阶段的多张影像，并拼接成带有地表高程值的一张影像，经过软件计算和处理可以得到相应的DSM数据，即地表信息数据获得了DSM数据。

第三步、根据高程数据获取至少一株农作物的长势参数信息。

在本发明实施例中，由常识可以得知，农作物的最小高程值即生长初期时高程值基本与裸土的高程值相当，因此可以以农作物的最小高程值作为裸土高程值。同样的，随着农作物的生长，植株高度越来越高，此时在DSM三维模型中对于该植株的来说，其高程值参数会越来越高，因此当从软件模型中提取该植株的最大高程值时即可以表示在最后一次拍摄时这个生长阶段的高度所代表的高程值，将裸土高程值与最大高程值之间的差值作为长势参数信息与预设的参数进行比较，若差值大于预设参数值，则表示农作物处于迅速生长阶段，若差值大于预设参数值，则表示农作物生长缓慢，用户可以根据获得的农作物长势情况采取相应的措施，保证农作物的处于良好的生长趋势下。

基于上述实施例给出的种植行中心线确定方法，本发明实施例提供一种农作物产量预测方法，本方法可以通过种植行中心线的长度信息和农作物区域的历史产量数据预测农作物区域内的农作物产量，实现对农作物生产的预测和预警，提高了农作物产量预测的精度。下面给出一种本发明提供的农作物产量预测方法的实现方式，可以包括以下几个步骤：

第一步、确定农作物区域内的至少一条种植行中心线。

可以理解的是，在进行农作物产量预测之前，可以通过上述实施例给出的种植行中心线确定方法确定农作物区域内的种植行中心线；在种植行中线所在位置处种植有农作物。

第二步、根据至少一条种植行中心线的长度信息和农作物区域的历史产量数据预测农作物区域内的农作物产量。

在本发明实施例中，上述的历史产量数据为所述农作物区域的单位长度上农作物的产量数据；种植行中心线的长度信息可以反映出农作物的种植密度和数量信息；当农作物区域内存在多条种植行时，通过计算每条种植行中心线的长度与单位长度上农作物的产量数据之间的乘积可以获得每条种植行中心线上农作物的产量信息，即可获得整个农作物区域内的产量信息，用户可以基于获得产量信息，给出田间种植最佳农作物品种，实现农田增产的有益效果。

基于上述实施例给出的种植行中心线确定方法，本发明实施例提供一种杂草识别方法，所述方法包括：

第一步、确定农作物区域内的至少一条种植行中心线。

可以理解的是，在进行杂草识别之前，可以通过上述实施例给出的种植行中心线确定方法确定农作物区域内的种植行中心线，以确定农作物所在的区域；在本发明实施例中，可以将种植行中心线所在位置的预设宽度范围作为农作物的种植范围，用户可以根据农作物的尺寸信息确定预设宽度范围的大小。

第二步、在预设宽度范围外检测植株特征数据。

第三步、当所述植株特征数据与所述农作区预设的植株特征数据不匹配，则确定所述植株特征数据对应的植株为杂草。在本申请实施例中，为了识别杂草，可以在农作物种植范围外提取植株特征信息，可以理解的是，用户可以预先采集农作物的植株特征信息，该植株特征信息可以是农作物的尺寸信息、颜色信息、轮廓信息、高度信息中一种或多种，然后将在预设宽度范围外检测到的植株特征信息与预先采集的植株特征信息进行比较，如果采集到的植株特征信息与农作物的特征信息不匹配，则表明该采集到的植株特征信息对应的植株为杂草，有效实现对田间杂草的实时识别与处理，方便水稻田间除草的田间作业。

为了执行上述实施例及各个可能的方式中的相应步骤，以实现相应的技术效果，下面给出一种种植行中心线确定装置的实现方式，参见图9，图9为本发明实施例提供的一种种植行中心线确定装置的功能模块图。需要说明的是，本实施例所提供的一种种植行中心线确定装置，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该种植行中心线确定装置40包括：获取模块401、确定模块402。

获取模块401，用于获取农作物区域的二值化图像。

在本申请实施例中，二值化图像包含非零值像素区域和零值像素区域；非零值像素点区域表征植被区域；零值像素区域表征非植被区域。

确定模块402，用于根据至少一张二值化图像确定植被区域内的至少一个种植行对应的主方向和种植行区域；还用于沿至少一个种植行对应的主方向在对应的种植行区域内确定种植行中心线。可以理解的是，获取模块401、确定模块402可以协同的执行步骤200～步骤203以实现相应的技术效果。

可选地，为了实现获得种植行区域和种植行主方向的功能，确定模块402具体用于：根据直线检测方法确定植被区域内的至少一个种植行对应的主方向；根据非植被区域和至少一个种植行对应的主方向确定至少一个种植行对应的种植行区域。

可以理解的是，确定模块402可以用来执行子步骤201-1和子步骤201-2以实现相应的技术效果。

可选地，为了实现确定种植行区域的功能，获取模块401，具体用于沿至少一个种植行对应的主方向获取非植被区域内的零值像素点的累加曲线信息；确定模块402，还具体用于根据累加曲线信息确定至少两条区域分界线，任意相邻两条区域分界线之间的区域为所述种植行区域。

可以理解的是，确定模块402可以用来执行子步骤201-2A和子步骤201-2B以实现相应的技术效果。

可选地，为了能够实现确定种植行区域分界线的功能，确定模块402，还具体用于根据累加曲线信息确定至少两个波峰位置；还具体用于沿至少一个种植行对应的主方向，根据至少两个波峰位置确定至少两条区域分界线。

可选地，为了实现种植行中心线的功能，确定模块402还具体用于在至少一个种植行对应的种植行区域内确定至少一个有效连通区域；还用于根据至少一个有效连通区域确定至少一个种植行对应的种植行中心线，还具体用于根据至少一个有效连通区域的位置信息确定有效连通区域内的至少一个关键点信息；还具体用于根据至少一个关键点信息确定至少一个种植行对应的种植行中心线。

本发明实施例还提供一种电子设备，参见图10，图10为本发明实施例提供的电子设备方框示意图，该电子设备50包括通信接口501、处理器502和存储器503。该处理器502、存储器503和通信接口501相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器503可用于存储软件程序及模块，如本发明实施例所提供的种植行中心线确定方法对应的程序指令/模块，处理器502通过执行存储在存储器503内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口501可用于与其他节点设备进行信令或数据的通信。在本发明中该电子设备50可以具有多个通信接口501。

其中，存储器503可以是但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)，可擦除只读存储器(ErasableProgrammableRead-OnlyMemory，EPROM)，电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory，EEPROM)等。

处理器502可以是一种集成电路芯片，具有信号处理能力。该处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DigitalSignalProcessing，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

上述的种植行中心线确定装置40可以软件或固件的形式存储于图10所示的电子设备50的存储器503中或固化于该电子设备50的操作系统(OperatingSystem，OS)中，并可由处理器502执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器503中。

本发明还提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前述实施方式中任一项的种植行中心线确定方法。该存储介质可以是，但不限于，U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (17)

1.一种种植行中心线确定方法，其特征在于，所述方法包括：

获取农作物区域的至少一张二值化图像；所述至少一张二值化图像中包含非零值像素区域和零值像素区域；所述非零值像素区域表征植被区域；所述零值像素区域表征非植被区域；

根据所述至少一张二值化图像，通过直线检测方法确定所述植被区域内的至少一个种植行对应的主方向和种植行区域；所述主方向表征所述二值化图像中经过至少一个非零像素点的目标直线对应的角度方向；所述角度方向对应的投票数最多或者可信度最高；所述投票数表征所述非零像素点的个数；沿所述至少一个种植行对应的主方向在对应的种植行区域内确定种植行中心线。

2.根据权利要求1所述的种植行中心线确定方法，其特征在于，所述根据所述至少一张二值化图像确定所述植被区域内的至少一个种植行对应的主方向和所述至少一个种植行对应的种植行区域的步骤包括：

根据直线检测方法确定所述植被区域内的至少一个种植行对应的主方向；

根据所述非植被区域和所述至少一个种植行对应的主方向确定所述至少一个种植行对应的种植行区域。

3.根据权利要求2所述的种植行中心线确定方法，其特征在于，所述根据所述非植被区域和至少一个种植行对应的主方向确定所述至少一个种植行对应的种植行区域的步骤包括：

沿所述至少一个种植行对应的主方向获取所述非植被区域内的零值像素点的累加曲线信息；

根据所述累加曲线信息确定至少两条区域分界线，任意相邻两条所述区域分界线之间的区域为所述种植行区域。

4.根据权利要求3所述的种植行中心线确定方法，其特征在于，所述根据所述累加曲线信息确定至少两条区域分界线，任意相邻两条所述区域分界线之间的区域为所述种植行区域的步骤，包括：

根据所述累加曲线信息确定至少两个波峰位置；

沿所述至少一个种植行对应的主方向，根据所述至少两个波峰位置确定至少两条区域分界线。

5.根据权利要求1所述的种植行中心线确定方法，其特征在于，所述沿所述至少一个种植行对应的主方向在对应的种植行区域内确定种植行中心线的步骤，包括：

在所述至少一个种植行对应的种植行区域内确定至少一个有效连通区域；

根据所述至少一个有效连通区域确定所述至少一个种植行对应的种植行中心线。

6.根据权利要求5所述的种植行中心线确定方法，其特征在于，所述根据所述至少一个有效连通区域确定所述至少一个种植行对应的种植行中心线的步骤，包括：

根据所述至少一个有效连通区域的位置信息确定所述有效连通区域内的至少一个关键点信息；

根据所述至少一个关键点信息确定所述至少一个种植行对应的种植行中心线。

7.一种农作物长势检测方法，其特征在于，所述方法包括：

利用权利要求1-6任意一项所述的种植行中心线确定方法确定农作物区域内至少一条种植行中心线；所述至少一条种植行中心线所在位置处具有至少一株农作物；

根据地图测绘技术确定所述至少一株农作物所在位置的高程数据；

根据所述高程数据获取所述至少一株农作物的长势参数信息。

8.一种农作物产量预测方法，其特征在于，所述方法包括：

利用权利要求1-6任意一项所述的种植行中心线确定方法确定农作物区域内至少一条种植行中心线；

根据所述至少一条种植行中心线的长度信息和所述农作物区域的历史产量数据预测所述农作物区域内的农作物产量。

9.一种杂草识别方法，其特征在于，所述方法包括：

利用权利要求1-6任意一项所述的种植行中心线确定方法确定农作物区域内至少一条种植行中心线；所述至少一条种植行中心线所在位置的预设宽度范围内具有农作物；

在所述预设宽度范围外检测植株特征数据；

当所述植株特征数据与所述农作物区域预设的植株特征数据不匹配，则确定所述植株特征数据对应的植株为杂草。

10.一种种植行中心线确定装置，其特征在于，包括：获取模块和确定模块；

所述获取模块，用于获取农作物区域的至少一张二值化图像；所述至少一张二值化图像中包含非零值像素区域和零值像素区域；所述非零值像素区域表征植被区域；所述零值像素区域表征非植被区域；

所述确定模块，用于根据所述至少一张二值化图像，通过直线检测方法确定所述植被区域内的至少一个种植行对应的主方向和种植行区域；所述主方向表征所述二值化图像中经过至少一个非零像素点的目标直线对应的角度方向；所述角度方向对应的投票数最多或者可信度最高；所述投票数表征所述非零像素点的个数；用于沿所述至少一个种植行对应的主方向在对应的种植行区域内确定种植行中心线。

11.根据权利要求10所述的种植行中心线确定装置，其特征在于，所述确定模块具体用于：

根据直线检测方法确定所述植被区域内的至少一个种植行对应的主方向；

根据所述非植被区域和所述至少一个种植行对应的主方向确定所述至少一个种植行对应的种植行区域。

12.根据权利要求11所述的种植行中心线确定装置，其特征在于，所述获取模块，具体用于沿所述至少一个种植行对应的主方向获取所述非植被区域内的零值像素点的累加曲线信息；

所述确定模块，还具体用于根据所述累加曲线信息确定至少两条区域分界线，任意相邻两条所述区域分界线之间的区域为所述种植行区域。

13.根据权利要求12所述的种植行中心线确定装置，其特征在于所述确定模块还具体用于：

根据所述累加曲线信息确定至少两个波峰位置；

沿所述至少一个种植行对应的主方向，根据所述至少两个波峰位置确定至少两条区域分界线。

14.根据权利要求10所述的种植行中心线确定装置，其特征在于，

所述确定模块，还具体用于在所述至少一个种植行对应的种植行区域内确定至少一个有效连通区域；还用于根据所述至少一个有效连通区域确定所述至少一个种植行对应的种植行中心线。

15.根据权利要求14所述的种植行中心线确定装置，其特征在于，

所述确定模块，还具体用于根据所述至少一个有效连通区域的位置信息确定所述有效连通区域内的至少一个关键点信息；还具体用于根据所述至少一个关键点信息确定所述至少一个种植行对应的种植行中心线。

16.一种电子设备，其特征在于，包括处理器和存储器，其特征在于，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现如权利要求1-6中任一项所述的种植行中心线确定方法。

17.一种存储介质，其特征在于，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的种植行中心线确定方法。

Images