[發明專利]一種基于多光譜數據的作物混種區實時識別方法及系統

在審

• 申請號: 202010886326.4
• 申請日: 2020-08-28
• 公開（公告）號: CN112037241A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 夏浪;張瑞瑞;陳立平;徐旻;李龍龍;文瑤
• 申請（專利權）人: 北京農業智能裝備技術研究中心
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/136;G06T5/00;G06T7/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 聶俊偉

1.一種基于多光譜數據的作物混種區實時識別方法，其特征在于，包括：

對作物混種區的多光譜圖像進行三通道數據采樣，獲取采樣圖像；

對所述采樣圖像中的土壤區域和植被區域進行劃分，確定植被區域圖像；

對所述植被區域圖像中的綠色通道進行濾波，獲取邊緣圖像；

對所述邊緣圖像進行作物邊緣二值化提取和識別，獲取多個二值化圖像；

提取每個所述二值化圖像的輪廓圖像，并獲取每個所述輪廓圖像的像素面積與長度比值；

根據每個所述輪廓圖像的像素面積與長度比值與相鄰輪廓圖像的像素面積與長度比值之間的關系，實現作物混種區實時識別。

2.根據權利要求1所述的基于多光譜數據的作物混種區實時識別方法，其特征在于，所述對作物混種區的多光譜圖像進行三通道數據采樣，獲取采樣圖像，包括：

獲取所述多光譜圖像中的綠色通道數據、近紅外通道數據和紅色通道數據，構建所述采樣圖像。

3.根據權利要求2所述的基于多光譜數據的作物混種區實時識別方法，其特征在于，所述對所述采樣圖像中的土壤區域和植被區域進行劃分，確定植被區域圖像，包括：

提取所述采樣圖像中的近紅外通道數據和紅色通道數據，計算歸一化植被指數；

在所述采樣圖像中，將所述歸一化指數小于第一預設閾值的區域設為裸土區域，并將綠色通道中所述裸土區域的像素值均設置為0，以獲取所述植被區域圖像。

4.根據權利要求1所述的基于多光譜數據的作物混種區實時識別方法，其特征在于，所述對所述植被區域圖像中的綠色通道進行濾波，獲取邊緣圖像，包括：

基于Sobel濾波算法，對所述植被區域圖像中的綠色通道進行一次濾波，獲取初始邊緣圖像；

基于拉普拉斯濾波算法，對所述初始邊緣圖像進行二次濾波，獲取所述邊緣圖像。

5.根據權利要求1所述的基于多光譜數據的作物混種區實時識別方法，其特征在于，所述對所述邊緣圖像進行作物邊緣二值化提取和識別，獲取多個二值化圖像，包括：

將所述邊緣圖像均勻劃分為多個子邊緣圖像；

將像素值小于預設像素閾值的子邊緣圖像的像素值均重設為0，將像素值大于預設像素閾值的子邊緣圖像的像素值均重設為標準像素值；

收集所有像素值均重設為標準像素值的子邊緣圖像，獲取與每個所述子邊緣圖像所對應的所述二值化圖像。

6.根據權利要求5所述的基于多光譜數據的作物混種區實時識別方法，其特征在于，所述提取每個所述二值化圖像的輪廓圖像，并獲取每個所述輪廓圖像的像素面積與長度比值，包括：

提取每個所述二值化圖像的所有輪廓圖像，并統計每個所述輪廓圖像的像素數量；

計算每個所述輪廓圖像的像素數量與輪廓長度的比值作為所述輪廓圖像的像素面積與長度比值。

7.根據權利要求6所述的基于多光譜數據的作物混種區實時識別方法，其特征在于，所述計算每個所述輪廓圖像的像素數量與輪廓長度的比值作為所述輪廓圖像的像素面積與長度比值，還包括：

按像素數量的由多至少對所述輪廓圖像進行排序；

獲取排序靠前N個輪廓圖像的像素面積與長度比值。

8.根據權利要求7所述的基于多光譜數據的作物混種區實時識別方法，其特征在于，所述根據每個所述輪廓圖像的像素面積與長度比值與相鄰輪廓圖像的像素面積與長度比值之間的關系，實現作物混種區實時識別，包括：

獲取每個所述輪廓圖像中排序靠前N個輪廓圖像的像素面積與長度比值的比值均值；

若當前輪廓圖像的比值均值與上一輪廓圖像的比值均值之間的差值百分比的絕對值小于第二預設閾值，將與所述當前輪廓圖像所對應的植被區域劃分為混種區，并將所述絕對值不小于所述第二預設閾值的植被區域劃分為非混種區。