[發(fā)明專利]農(nóng)作物表型參數(shù)提取方法及裝置

在審

• 申請?zhí)枺?/td>: 202010536034.8
• 申請日: 2020-06-12
• 公開（公告）號: CN111696122A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計）人: 高上
• 申請（專利權(quán)）人: 北京數(shù)字綠土科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 北京繪聚高科知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11832
• 代理人: 陳衛(wèi)

本發(fā)明公開了一種農(nóng)作物表型參數(shù)提取方法及裝置，該方法包括：獲取農(nóng)作物的群體點云數(shù)據(jù)；根據(jù)所述群體點云數(shù)據(jù)識別出所有農(nóng)作物的根部位置；根據(jù)所述根部位置在所述群體點云數(shù)據(jù)中提取出單株農(nóng)作物對應(yīng)的單株點云數(shù)據(jù)；基于所述單株點云數(shù)據(jù)進行莖葉分割，將每片葉子和莖稈分割成單獨點云數(shù)據(jù)；分別將分割的單獨點云數(shù)據(jù)進行擬合，得到農(nóng)作物表型參數(shù)，其中，所述農(nóng)作物表型參數(shù)包括莖稈高度、莖稈直徑、葉片長度、葉片寬度、葉傾角及葉面積。本發(fā)明的技術(shù)方案自動化程度高，可適應(yīng)葉片形狀不規(guī)則的情況下的農(nóng)作物表型參數(shù)提取、提取精度高。

技術(shù)領(lǐng)域

本發(fā)明涉及農(nóng)業(yè)氣象技術(shù)領(lǐng)域，具體而言，涉及一種農(nóng)作物表型參數(shù)提取方法及裝置。

背景技術(shù)

信息化是現(xiàn)代農(nóng)業(yè)的一個重要特征，信息技術(shù)對農(nóng)業(yè)經(jīng)濟的發(fā)展越來越重要。高效利用農(nóng)業(yè)資源需要充分了解農(nóng)作物的生長情況，研究農(nóng)作物生長通常要獲取葉長、葉寬、葉傾角、葉面積等參數(shù)。早期采用人工測量的方式對葉片進行提取，近年來發(fā)展為采用對農(nóng)作物拍照并運用圖像處理算法對葉片圖像進行處理并結(jié)合輪廓跟蹤、種子填充等方法完成葉片的提取。然而，以上農(nóng)作物表型參數(shù)提取方法存在以下問題：

首先，采用人工測量手段，效率較低，同時由于葉片形狀的不規(guī)則，肉眼觀測造成的誤差也比較大；

其次，采用拍照方式進行農(nóng)作物表型參數(shù)提取，由于葉片形狀的多樣性、相似性、光照差別、背景因素等問題，會嚴(yán)重影響到分類的效果。若是人工對葉片進行特征提取并且對葉片進行標(biāo)注測量，要花費大量的時間和精力，與此同時在人工操作時也會產(chǎn)生誤差而影響到最終識別的準(zhǔn)確率；

最后，拍照得到的農(nóng)作物照片為二維數(shù)據(jù)，由于拍攝角度問題，很難保證提取出準(zhǔn)確的葉子的長度、寬度、面積等參數(shù)，且無法提取出葉傾角。

發(fā)明內(nèi)容

鑒于上述問題，本發(fā)明實施例的目的在于提供一種農(nóng)作物表型參數(shù)提取方法及裝置，以解決現(xiàn)有技術(shù)的不足。

根據(jù)本發(fā)明的一個實施方式，提供一種農(nóng)作物表型參數(shù)提取方法，包括：

獲取農(nóng)作物的群體點云數(shù)據(jù)；

根據(jù)所述群體點云數(shù)據(jù)識別出所有農(nóng)作物的根部位置；

根據(jù)所述根部位置在所述群體點云數(shù)據(jù)中提取出單株農(nóng)作物對應(yīng)的單株點云數(shù)據(jù)；

基于所述單株點云數(shù)據(jù)進行莖葉分割，將每片葉子和莖稈分割成單獨點云數(shù)據(jù)；

分別將分割的單獨點云數(shù)據(jù)進行擬合，得到農(nóng)作物表型參數(shù)，其中，所述農(nóng)作物表型參數(shù)包括莖稈高度、莖稈直徑、葉片長度、葉片寬度、葉傾角及葉面積。

在上述的農(nóng)作物表型參數(shù)提取方法中，所述獲取農(nóng)作物的群體點云數(shù)據(jù)之后還包括：

對所述群體點云數(shù)據(jù)進行去噪和歸一化處理得到預(yù)處理后的群體點云數(shù)據(jù)；

相應(yīng)地，所述根據(jù)所述群體點云數(shù)據(jù)識別出所有農(nóng)作物的根部位置包括：

基于所述預(yù)處理后的群體點云數(shù)據(jù)識別出所有農(nóng)作物的根部位置。

在上述的農(nóng)作物表型參數(shù)提取方法中，所述根據(jù)所述群體點云數(shù)據(jù)識別出所有農(nóng)作物的根部位置包括：

將所述群體點云數(shù)據(jù)送入預(yù)先訓(xùn)練好的識別模型得到所有農(nóng)作物的根部位置。

在上述的農(nóng)作物表型參數(shù)提取方法中，所述識別模型包括卷積層、池化層、分類層及回歸層；

所述將所述群體點云數(shù)據(jù)送入預(yù)先訓(xùn)練好的識別模型得到所有農(nóng)作物的根部位置包括：

將所述群體點云數(shù)據(jù)送入所述卷積層進行卷積操作后得到卷積特征向量；

將所述卷積特征向量送入所述池化層進行特征壓縮得到池化特征向量；