[發(fā)明專利]農(nóng)作物根果表型參數(shù)的提取與根果表型判別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010084914.6
• 申請(qǐng)日: 2020-02-10
• 公開（公告）號(hào): CN111291686A
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 馬韞韜;柴宏紅;王瑞利;邵科;隨洋
• 申請(qǐng)（專利權(quán)）人: 中國(guó)農(nóng)業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 馬瑞

本發(fā)明實(shí)施例提供的農(nóng)作物根果表型參數(shù)的提取與根果表型判別方法及系統(tǒng)，包括：獲取農(nóng)作物根果的多視角圖像序列；根據(jù)多視角圖像序列，獲取農(nóng)作物根果的三維點(diǎn)云；對(duì)三維點(diǎn)云進(jìn)行圖像預(yù)處理，提取根果表型參數(shù)；將根果表型參數(shù)輸入至預(yù)先訓(xùn)練完成的根果型判別模型，獲取農(nóng)作物根果的表型判別結(jié)果。本發(fā)明實(shí)施例提供的農(nóng)作物根果表型參數(shù)的提取與根果表型判別方法及系統(tǒng)，一方面，通過獲取的多視角圖像序列，構(gòu)建不同基因型甜菜根的三維點(diǎn)云模型，并自動(dòng)獲取根果表型參數(shù)；另一方面，通過構(gòu)建根果型判別模型，實(shí)現(xiàn)了對(duì)甜菜根型的精準(zhǔn)分類，為快速篩選適合機(jī)械化種植的甜菜根型提供了基礎(chǔ)。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及農(nóng)業(yè)信息化技術(shù)領(lǐng)域，尤其涉及一種農(nóng)作物根果表型參數(shù)的提取與根果表型判別方法及系統(tǒng)。

背景技術(shù)

近年來，隨著機(jī)械化程度及配套種植技術(shù)的逐步提高，農(nóng)作物種植和收獲從人工種植步入機(jī)械化時(shí)代，如何篩選適合當(dāng)前規(guī)模化種植條件下大型機(jī)械起收的農(nóng)作物根(甜菜、馬鈴薯等)果(柑橘、蘋果、梨等)構(gòu)型及對(duì)其進(jìn)行產(chǎn)量、品質(zhì)進(jìn)行高通量智能化的自動(dòng)分類成為了新階段的首要任務(wù)。隨著各種高通量傳感器和多源圖像處理技術(shù)的相繼推出，極大地提高了表型數(shù)據(jù)的獲取效率，保證了數(shù)據(jù)的客觀準(zhǔn)確性。

基于圖像分析技術(shù)可以快速準(zhǔn)確地確定果實(shí)、葉子和根系形狀參數(shù)。例如，Brewer通過構(gòu)建番茄果實(shí)表型性狀對(duì)應(yīng)的數(shù)學(xué)模型，開發(fā)了可以半自動(dòng)精確測(cè)量番茄果實(shí)表型性狀的分析系統(tǒng)；孔彥龍基于圖像提取馬鈴薯面積和周長(zhǎng)，采用矩形度、圓形度、偏心率和不變矩等方法進(jìn)行形狀分類，可以對(duì)馬鈴薯質(zhì)量進(jìn)行初步篩選；吳正敏提出基于圖像自動(dòng)提取茶葉形態(tài)特征參數(shù)的方法，進(jìn)一步提高了茶葉分選精度；Tsialtas基于圖像分析了不同地點(diǎn)和年型間6個(gè)甜菜品種根型的差異，初步建立了根形參數(shù)與產(chǎn)量和品質(zhì)之間的關(guān)系。

基于作物三維結(jié)構(gòu)的植物表型分析進(jìn)一步擴(kuò)大了表型數(shù)據(jù)的維度，可以直接進(jìn)行植物表型參數(shù)的精準(zhǔn)提取，是建立植物表型-基因型研究最直接的橋梁。

其中，研究人員已經(jīng)基于多視角圖像序列對(duì)溫室內(nèi)黃瓜、茄子、青椒等進(jìn)行了三維重建，提取的表型參數(shù)精度較高；朱冰琳等將該方法用于對(duì)大田玉米、大豆等植株個(gè)體及群體生長(zhǎng)動(dòng)態(tài)的監(jiān)測(cè)，盡管大田作物間遮擋嚴(yán)重，通過去除待測(cè)植物周邊的遮擋，三維重建效果較好；Mortensen等人基于田間萵苣植株三維點(diǎn)云進(jìn)行植株分割及預(yù)測(cè)鮮重，提取的植株表面積與實(shí)測(cè)鮮重顯著相關(guān)。

應(yīng)用機(jī)器視覺技術(shù)，采用三維重建的方法對(duì)農(nóng)作物根果進(jìn)行表型數(shù)字化處理與自動(dòng)分類是重新定義農(nóng)作物根果型并進(jìn)行精準(zhǔn)篩選的需要，也是從機(jī)械化農(nóng)業(yè)步入精準(zhǔn)農(nóng)業(yè)階段的需要。但是，現(xiàn)有技術(shù)中，對(duì)于農(nóng)作物根果表型參數(shù)的提取和精準(zhǔn)分類預(yù)測(cè)大多基于一維、二維空間上的粗略分析，并且均存在提取的參數(shù)過于片面、分類精度低的缺陷。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種農(nóng)作物根果表型參數(shù)的提取與根果表型判別方法及系統(tǒng)，用以克服現(xiàn)有技術(shù)在不同農(nóng)作物根果的表型研究和精準(zhǔn)分類預(yù)測(cè)方面存在的缺陷。第一方面，本發(fā)明實(shí)施例提供一種農(nóng)作物根果表型參數(shù)的提取與根果表型判別方法，包括：

獲取農(nóng)作物根果的多視角圖像序列；根據(jù)多視角圖像序列，獲取農(nóng)作物根果的三維點(diǎn)云；對(duì)三維點(diǎn)云進(jìn)行圖像預(yù)處理，提取根果表型參數(shù)；將根果表型參數(shù)輸入至預(yù)先訓(xùn)練完成的根果型判別模型，獲取農(nóng)作物根果的根果表型判別結(jié)果。

優(yōu)選地，上述根據(jù)多視角圖像序列，獲取所述農(nóng)作物根果所在拍攝現(xiàn)場(chǎng)的三維點(diǎn)云，具體包括：利用C++跨平臺(tái)開發(fā)環(huán)境code block讀取多視角圖像序列，并基于多視角立體成像技術(shù)基于三維點(diǎn)云庫(kù)PCL提取的包含農(nóng)作物根果的三維點(diǎn)云初圖像；對(duì)三維點(diǎn)云初圖像進(jìn)行點(diǎn)云片面化處理以及去除噪點(diǎn)處理后，獲取農(nóng)作物根果的三維點(diǎn)云。

優(yōu)選地，上述對(duì)三維點(diǎn)云進(jìn)行點(diǎn)云預(yù)處理，具體包括：