[發(fā)明專利]一種自動識別植株穗數(shù)的方法、裝置、電子設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010870458.8
• 申請日: 2020-08-26
• 公開（公告）號: CN112001910A
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計）人: 胡偉娟;郭愛娟;顧群;傅向東
• 申請（專利權(quán)）人: 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所;上海乾菲諾農(nóng)業(yè)科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G06T5/00
• 代理公司: 上海碩力知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31251
• 代理人: 郭桂峰

本發(fā)明屬于植株穗數(shù)的檢測技術(shù)領(lǐng)域，尤指一種自動識別植株穗數(shù)的方法、裝置、電子設(shè)備和存儲介質(zhì)。其方法，包括以下步驟：利用帶穗植株的可見光側(cè)視圖提取帶穗植株的輪廓圖；對帶穗植株的紅外成像側(cè)視圖進(jìn)行降噪預(yù)處理，生成一級紅外成像側(cè)視圖；將帶穗植株的輪廓圖匹配融合至一級紅外成像側(cè)視圖，生成二級紅外成像側(cè)視圖；通過深度處理二級紅外成像側(cè)視圖提取麥穗信息，以識別植株穗數(shù)。本發(fā)明能夠通過小麥熱成像圖自動識別小麥穗數(shù)，提高小麥穗數(shù)的統(tǒng)計效率、準(zhǔn)確性和可靠性。

技術(shù)領(lǐng)域

本發(fā)明涉及植株穗數(shù)的檢測技術(shù)領(lǐng)域，尤指一種自動識別植株穗數(shù)的方法、裝置、電子設(shè)備和存儲介質(zhì)。

背景技術(shù)

穗密度是小麥最重要的農(nóng)藝產(chǎn)量構(gòu)成之一，其數(shù)量多少直接反應(yīng)了小麥的生長狀況和產(chǎn)量信息，同時也是育種和新品種鑒定的重要指標(biāo)。目前麥穗計數(shù)主要采用人工計數(shù)法和可見光成像識別法，人工計數(shù)法主要靠人眼去觀察計數(shù)，費時耗力，受統(tǒng)計人員的主觀影響較大，缺乏統(tǒng)一的計數(shù)標(biāo)準(zhǔn)，總體客觀性和準(zhǔn)確性都比較差；可見光成像識別法，主要是基于帶穗植株的RGB側(cè)視圖像，運用圖像處理算法進(jìn)行處理分析，識別出植株穗數(shù)，但由于小麥穗部不可避免會受到葉片的遮擋，往往會使分析結(jié)果出現(xiàn)誤差，降低了實驗數(shù)據(jù)的可信度。

紅外熱成像是常用的成像技術(shù)之一，可以檢測物體熱輻射出的紅外線功率信號并將其轉(zhuǎn)化為電信號，于儀器中得到熱成像圖像。目前，紅外熱成像技術(shù)以其對溫度的高敏感性和在線檢測的可行性，已經(jīng)在農(nóng)業(yè)生產(chǎn)的諸多領(lǐng)域廣泛應(yīng)用。然而由于紅外熱成像的分辨率較低，邊緣檢測處理算法尚不成熟，常導(dǎo)致目標(biāo)物提取不精準(zhǔn)，造成小麥穗部的誤判。

發(fā)明內(nèi)容

針對麥穗計數(shù)過程中遇到的問題，本發(fā)明提供一種自動識別植株穗數(shù)的方法、裝置、電子設(shè)備和存儲介質(zhì)，能夠通過小麥熱成像圖自動識別小麥穗數(shù)，提高小麥穗數(shù)的統(tǒng)計效率、準(zhǔn)確性和可靠性。

一方面，本發(fā)明提供一種自動識別植株穗數(shù)的方法，包括以下步驟：

利用帶穗植株的可見光側(cè)視圖提取所述帶穗植株的輪廓圖；

對所述帶穗植株的紅外成像側(cè)視圖進(jìn)行降噪預(yù)處理，生成一級紅外成像側(cè)視圖；

將所述帶穗植株的輪廓圖匹配融合至所述一級紅外成像側(cè)視圖，生成二級紅外成像側(cè)視圖；

通過深度處理所述二級紅外成像側(cè)視圖提取麥穗信息，以識別植株穗數(shù)。

進(jìn)一步優(yōu)選地，所述利用帶穗植株的可見光側(cè)視圖提取所述帶穗植株的輪廓圖，包括步驟：

對所述可見光側(cè)視圖進(jìn)行去馬賽克處理以及對所述可見光側(cè)視圖的圖像像素和顏色通道的數(shù)值進(jìn)行插補(bǔ)處理，重建全彩的可見光側(cè)視圖；

將所述全彩的可見光側(cè)視圖轉(zhuǎn)化成灰度的可見光側(cè)視圖，通過二值化處理所述灰度的可見光側(cè)視圖，以及調(diào)節(jié)閾值獲得所述帶穗植株的黑白圖像；

利用中值濾波過濾所述帶穗植株的黑白圖像中的干擾噪聲，提取帶穗植株信息，通過前景整合從所述帶穗植株信息中提取出所述帶穗植株的輪廓信息，以生成所述帶穗植株的輪廓圖。

進(jìn)一步優(yōu)選地，所述對所述帶穗植株的紅外成像側(cè)視圖進(jìn)行降噪預(yù)處理，生成一級紅外成像側(cè)視圖，包括步驟：

通過對所述帶穗植株的紅外成像側(cè)視圖進(jìn)行小波變換；

分離所述帶穗植株的紅外成像側(cè)視圖中的信號與噪聲，以完成所述降噪預(yù)處理，獲得所述一級紅外成像側(cè)視圖；

其中，所述一級紅外成像側(cè)視圖包括灰度的紅外成像側(cè)視圖。

進(jìn)一步優(yōu)選地，所述將所述帶穗植株的輪廓圖匹配融合至所述一級紅外成像側(cè)視圖，生成二級紅外成像側(cè)視圖，包括步驟：

將所述帶穗植株的輪廓圖復(fù)制到所述一級紅外成像側(cè)視圖中；