[發(fā)明專利]一種基于高度分布特征向量的作物倒伏分級(jí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011124589.8
• 申請(qǐng)日: 2020-10-20
• 公開（公告）號(hào): CN112163639B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設(shè)計(jì)）人: 譚穗妍;馬旭;齊龍;李澤華;徐初東;王宇唯;盧恒輝
• 申請(qǐng)（專利權(quán)）人: 華南農(nóng)業(yè)大學(xué)
• 主分類號(hào): G06V10/26
• 分類號(hào): G06V10/26;G06V10/74;G06V10/44;G06T3/40
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 雷芬芬

本發(fā)明公開了一種基于高度分布特征向量的作物倒伏分級(jí)方法，包括：S1，獲取待檢測大田作物冠層的三維點(diǎn)云圖像；S2，用拼接軟件對(duì)的三維點(diǎn)云圖像進(jìn)行快速拼接和重建，形成整個(gè)大田的三維點(diǎn)云數(shù)據(jù)；S3，對(duì)整個(gè)大田的三維點(diǎn)云數(shù)據(jù)進(jìn)行區(qū)域分割；S4，對(duì)種植區(qū)域的三維點(diǎn)云數(shù)據(jù)提取作物高度分布特征向量；S5，將所述作物高度分布特征向量輸入預(yù)先構(gòu)建并訓(xùn)練好的基于SVM支持向量機(jī)的作物倒伏分級(jí)評(píng)價(jià)模型，輸出作物倒伏級(jí)數(shù)。S6，獲得各個(gè)區(qū)域的倒伏分級(jí)程度后，即可輸出整個(gè)大田倒伏分級(jí)分布圖。本發(fā)明能生成整個(gè)大田的倒伏程度的分布圖，為后續(xù)機(jī)械收割作業(yè)提供指導(dǎo)分析。

技術(shù)領(lǐng)域

本發(fā)明涉及農(nóng)作物倒伏檢測技術(shù)領(lǐng)域，具體涉及一種基于高度分布特征向量的作物倒伏分級(jí)方法。

背景技術(shù)

水稻作為我國主要的糧食和經(jīng)濟(jì)作物，在農(nóng)業(yè)生產(chǎn)和實(shí)踐中均占有重要的地位。尤其在中國，水稻的平均栽種面積、單產(chǎn)和總產(chǎn)情況均位居全國糧食作物的第二位，中國作為世界上水稻最大的生產(chǎn)國和消費(fèi)國，保障水稻的高產(chǎn)顯得尤為重要。倒伏是嚴(yán)重影響水稻產(chǎn)量和質(zhì)量的重要脅迫因素，且水稻倒伏程度也嚴(yán)重影響機(jī)械化收割作業(yè)，給收割作業(yè)造成困難。因此，研究水稻作物倒伏評(píng)價(jià)方法或技術(shù)對(duì)我國糧食穩(wěn)定生產(chǎn)有重要的價(jià)值和意義。

作物倒伏檢測平臺(tái)根據(jù)其載具分為星載、機(jī)載表型平臺(tái)、地面表型平臺(tái)和無人機(jī)表型平臺(tái)。除了人工檢測技術(shù)外，現(xiàn)有的農(nóng)作物倒伏檢測中大部分為基于像素點(diǎn)的作物倒伏檢測，即通過特征提取，在像素級(jí)別檢測對(duì)應(yīng)像素點(diǎn)的作物是否發(fā)生倒伏，然后通過計(jì)算發(fā)生倒伏的像素點(diǎn)占圖像所有像素點(diǎn)的百分比得出倒伏發(fā)生率，但此方法容易受噪聲影響，降低檢測精度。隨著人工智能和深度學(xué)習(xí)技術(shù)的發(fā)展，出現(xiàn)基于深度學(xué)習(xí)的農(nóng)作物倒伏檢測報(bào)道，以農(nóng)作物種植小區(qū)圖像為深度學(xué)習(xí)模型的輸入，輸出為判斷該小區(qū)是否發(fā)生倒伏，輸出結(jié)果分級(jí)簡單，只有倒伏或沒有倒伏兩種結(jié)果，隨后再計(jì)算整個(gè)大田倒伏發(fā)生率。

綜上，現(xiàn)有技術(shù)主要對(duì)作物大田是否發(fā)生倒伏進(jìn)行檢測，但是暫未有對(duì)大田倒伏嚴(yán)重程度進(jìn)行分級(jí)評(píng)價(jià)的研究，因此，行業(yè)內(nèi)需要一種能夠智能識(shí)別大田作物不同倒伏程度的分級(jí)判別方法和技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的目的是為了克服以上現(xiàn)有技術(shù)存在的不足，提供了一種基于高度分布特征向量的作物倒伏分級(jí)方法，并可用于生成大田倒伏嚴(yán)重程度分布圖。

本發(fā)明的目的通過以下的技術(shù)方案實(shí)現(xiàn)：

一種基于高度分布特征向量的作物倒伏分級(jí)方法，包括：

S1，獲取待檢測大田作物冠層的三維點(diǎn)云圖像；

S2，用拼接軟件對(duì)的三維點(diǎn)云圖像進(jìn)行快速拼接和重建，形成整個(gè)大田的三維點(diǎn)云數(shù)據(jù)；

S3，對(duì)整個(gè)大田的三維點(diǎn)云數(shù)據(jù)進(jìn)行區(qū)域分割；

S4，對(duì)每個(gè)區(qū)域的三維點(diǎn)云數(shù)據(jù)提取作物高度分布圖，并進(jìn)一步提取作物高度分布特征向量；

S5，將所述作物高度分布特征向量輸入預(yù)先構(gòu)建并訓(xùn)練好的基于SVM支持向量機(jī)的作物倒伏分級(jí)評(píng)價(jià)模型，輸出作物倒伏級(jí)數(shù)；

S6，獲得各個(gè)區(qū)域的倒伏分級(jí)程度后，即可輸出整個(gè)大田倒伏分級(jí)分布圖。

優(yōu)選地，在步驟S1中，無人機(jī)搭載彩色相機(jī)拍攝待檢測大田作物的三維點(diǎn)云圖像，無人機(jī)自帶GPS定位系統(tǒng)獲取三維點(diǎn)云圖像序列的地理信息。

優(yōu)選地，在步驟S5中，基于SVM支持向量機(jī)的作物倒伏分級(jí)評(píng)價(jià)模型的構(gòu)建方法包括：

S51，獲取試驗(yàn)田作物冠層的三維點(diǎn)云圖像；

S52，用拼接軟件對(duì)三維點(diǎn)云圖像進(jìn)行快速拼接，形成整個(gè)大田的三維點(diǎn)云數(shù)據(jù)；

S53，對(duì)整個(gè)大田的三維點(diǎn)云數(shù)據(jù)進(jìn)行種植區(qū)域分割并嵌入?yún)^(qū)域編號(hào)信息；

S54，提取每個(gè)種植區(qū)域的高度分布圖；