[發明專利]基于機器視覺的盆栽水稻卷葉程度測量方法

有效

• 申請號: 201711097041.7
• 申請日: 2017-10-31
• 公開（公告）號: CN107941802B
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 段凌鳳;楊萬能;葉軍立;周風燃;熊立仲;陳國興
• 申請（專利權）人: 華中農業大學
• 主分類號: G01N21/84
• 分類號: G01N21/84
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于機器視覺的盆栽水稻卷葉程度定量化測量方法。該方法通過拍攝水稻RGB圖像，利用圖像處理技術提取水稻整株水平上的三個卷葉相關圖像特征，包括周長面積比、植株占空比和凸殼比，作為水稻的數字化卷葉值，該方法能克服目前人工檢測手段主觀性強、僅能對水稻卷葉進行分級記分的缺點，實現對水稻卷葉程度的自動、連續、定量化測量，并可方便的推廣應用于其他作物的卷葉程度測量工作。相比現有技術而言，具備能在整株水平無損、定量化測量卷葉程度、操作簡單的技術優勢。

技術領域

本發明屬于農業自動化領域，具體涉及水稻表型參數自動化測量，尤其涉及一種基于機器視覺的盆栽水稻卷葉程度定量化測量方法。具體特指一種利用相機拍攝水稻的RGB圖像，并通過圖像處理技術提取水稻的數字化卷葉程度的水稻卷葉程度測量方法。

背景技術

隨著全球氣候的變化，干旱已成為制約水稻生產的重要因素之一。培育抗旱品系對于穩定及提高水稻產量有重要的意義。水稻抗旱品系的培育首先要求能科學有效地評價與篩選待鑒定材料的抗旱性。

水稻抗旱性主要通過對抗旱指標的鑒定來實現，因此選擇相關性好、有效的抗旱性狀指標是抗旱鑒定的關鍵。卷葉是水稻抗旱研究中的一種重要性狀，傳統對卷葉程度的衡量主要基于人工觀測，將卷葉從不卷到卷曲分為5個等級。0級：無卷葉癥狀，或20％以下葉片卷曲；1級：20％-40％的葉片面積發生卷曲；2級：41％-60％的葉片面積發生卷曲；3級：61％-80％的葉片面積發生卷曲；4級：81％以上葉片卷成筒狀。這種方法具有很大的主觀性，不同觀測人員得出的結論可能不一樣。另外，這種方法僅僅能將卷葉程度分為5級，無法定量化測量卷葉程度。

針對自動化卷葉程度測量方面的研究較少。Sirault等(2015)通過拍攝水稻樣品的橫截面圖像，基于葉片的凸殼統計特征或使用三次樣條擬合葉片的橫截面形狀并計算樣條的統計特征，測量小麥劍葉的卷曲程度。然而，他們的方法有損，且操作復雜，需要將葉片從植株上剪下，并以最大葉片長度的30％為中心切成30mm的長條，接著將30mm長條切為10個3mm長的小段，將其置于已知滲透壓的水中進行人為卷曲，待卷葉平衡時將葉片長條的橫截面朝向相機，使相機能拍攝到其橫截面的形狀，進行成像。最重要的是，他們的研究只能針對作物的單片葉卷曲程度進行研究，而無法研究作物植株整體的卷曲程度。

基于機器視覺實現對作物表型參數的提取是植物學一個新興的領域。蔣霓(2014，博士論文)通過ExG分量分割綠色植株，實現了對單株水稻綠葉面積的無損測量。黃成龍等(2017)通過采集玉米的時間序列圖像，由圖像分割、葉片骨架提取等算法，實現了對單片葉長、葉角度、葉彎曲度等參數的自動測量。仇瑞承等(2017)利用RGB-D相機獲取玉米的彩色圖像和深度圖像，由Cg分量分割玉米植株，實現了對玉米莖粗的自動測量。王全宇等(2016)提出了葉片角度比值的干旱脅迫表型參數計算方法。以上研究中圖像處理及參數提取方法都是針對特定環境和特定作物設定，無法直接應用于本研究中的水稻卷葉程度測量。公開號為CN106097372A的發明專利公開了一種基于圖像處理的農作物植株水分脅迫表型檢測方法，該方法將植株分割得到莖稈圖案和葉片圖案，通過計算莖稈和葉片的角度值，對農作物的葉片受水平脅迫時的變化進行評估。該方法適合于玉米等株型簡單的作物，而水稻為多分蘗作物，無法自動獲取莖稈和葉片的角度值。綜上，上述方法無法直接應用于水稻卷葉程度的測量。

發明內容

(一)要解決的技術問題

為了克服現有技術有損、操作復雜等問題，本發明提供了一種無損的、基于機器視覺的盆栽水稻卷葉程度定量化測量方法，用于定量化測量盆栽水稻整株水平的卷葉程度。

(二)技術方案

本發明為了解決其技術問題所采用的技術方案，提供了一種基于機器視覺的盆栽單株水稻卷葉程度測量方法，其包括：