基于图像的玉米生育前期干旱胁迫自动识别方法技术

本发明专利技术公开了基于图像的玉米生育前期干旱胁迫自动识别方法，包括以下步骤：1)制备处于不同干旱胁迫条件下的生育前期玉米植株图像样本集，具体过程为：利用成像设备获取多幅处于不同干旱胁迫条件下的生育前期玉米植株图像样本，对样本图像进行分割处理，对分割后的目标图像进行特征提取，获得图像样本的特征向量，并记录图像样本所属的干旱类别；2)利用获取的生育前期玉米植株图像样本集训练两级干旱胁迫自动识别模型；3)玉米生育前期图像样本干旱胁迫自动识别步骤。本方法有效地实现了生育前期玉米植株的干旱胁迫状态的自动识别，能够对农业干旱灾害进行及时的预警，减少玉米作物及其经济损失；并通过实验验证了本方法的有效性。

Automatic recognition method of drought stress in early growth stage of Maize Based on image

The invention discloses an image of the early growth stage of maize drought stress based on automatic identification method, which comprises the following steps: 1) were prepared in different drought stress in prophase of maize plant image samples under the conditions set, the specific process: the use of imaging equipment to obtain pieces in different drought stress in prophase of maize plant image samples under the conditions of sample image segmentation, the target image segmentation after feature extraction, the feature vector of image samples, and record the image samples belonging to the category of drought; 2) training set two drought stress automatic identification model by the early growth of maize plant sample image acquisition; 3) the early growth stage of maize drought stress automatic image sample identify the steps. This method effectively realizes the automatic recognition of drought stress status of maize plant in early growth stage, and can timely warn agricultural drought disaster, reduce corn crop and its economic loss, and verify the validity of this method through experiments.

【技术实现步骤摘要】
基于图像的玉米生育前期干旱胁迫自动识别方法
本专利技术属于数字图像处理和农业自动化领域,具体涉及一种基于图像的生育前期玉米植株干旱胁迫自动识别的方法。
技术介绍
玉米植株对于水分胁迫较为敏感，不同阶段发生的干旱对玉米的正常生长和发育均会产生影响[1]，造成叶片数目减少、叶面积降低、株高下降等[2,3]，致使玉米产量不同程度的损失。对生育前期的玉米作物所受干旱胁迫做出准确可靠的识别对于玉米生长发育和农业生产活动具有重要意义。土壤干旱和大气干旱是作物生理干旱的主要原因。可以通过远端降水传感器预测地区干旱情况，进而预测玉米是否受旱。或者利用气象卫星数据，得到归一化植被指数(NDVI)，对土壤含水量和旱情进行预测[4]。这类方法从大的气象环境间接预测农作物可能遭遇干旱和可能的旱情。相比之下，从玉米生长发育的程度来鉴别玉米受旱情况更为客观直接。鉴别方法有通过获取叶片细胞液浓度、叶绿素含量等传统的生物测量来判断植物旱情，这类方法通过近距离采集到的单个叶片正面图像进行植物干旱识别[5,6]。这类方法对采集叶片图像的条件要求严格，工作效率较低，不支持实时监控。随着模式识别技术的发展，基于图像处理的机本文档来自技高网...

【技术保护点】
一种基于图像处理的玉米植株生育前期的干旱胁迫自动识别方法，其特征在于，包括以下步骤：步骤一、制备处于不同干旱胁迫条件下的生育前期玉米植株图像样本集，记录其中各样本图像I(x，y)所属的类别，并求得各样本图像I(x，y)的特征向量；步骤如下：1‑1)样本图像I(x，y)获取步骤：利用成像设备获取多幅处于不同干旱胁迫条件下的生育前期玉米植株样本图像，并记录样本图像I(x，y)所属的类别，包括：正常灌溉、轻度干旱和重度干旱；1‑2)对上述获取的样本图像I(x，y)进行分割处理，得到只含有玉米植株前景点的目标图像S(x，y)，包括：获取的样本图像I(x，y)中具有玉米植株前景，还有土壤、秸秆和杂草残渣...

【技术特征摘要】
1.一种基于图像处理的玉米植株生育前期的干旱胁迫自动识别方法，其特征在于，包括以下步骤：步骤一、制备处于不同干旱胁迫条件下的生育前期玉米植株图像样本集，记录其中各样本图像I(x，y)所属的类别，并求得各样本图像I(x，y)的特征向量；步骤如下：1-1)样本图像I(x，y)获取步骤：利用成像设备获取多幅处于不同干旱胁迫条件下的生育前期玉米植株样本图像，并记录样本图像I(x，y)所属的类别，包括：正常灌溉、轻度干旱和重度干旱；1-2)对上述获取的样本图像I(x，y)进行分割处理，得到只含有玉米植株前景点的目标图像S(x，y)，包括：获取的样本图像I(x，y)中具有玉米植株前景，还有土壤、秸秆和杂草残渣背景，从样本图像I(x，y)中分别随机选取大量的前景像素点和背景像素点，分别计算每个像素点的(G-R)值，和(G-B)值，并进行前景像素点和背景像素点的标记，其中，R，G，B分别表示获取的样本图像I(x，y)的红色通道、绿色通道和蓝色通道值；将所选取的前景像素点和背景像素点的(G-R)和(G-B)作为一个两维特征向量，将前景像素点和背景像素点的标记结果作为属性，训练线性分类器，得到样本图像I(x，y)前景像素点和背景像素点的分割函数，定义为：f(R，G，B)＝ω1(G-R)+ω2(G-B)+b(1)式(1)中，ω1、ω2和b均为线性分类器参数，ω1、ω2和b均由所选取的像素点的属性及其两维特征向量训练得到；如果f(R，G，B)＞0，则像素点属于前景点，否则属于背景点；根据式(1)判断样本图像I(x，y)的每个像素点属于前景点还是背景点，得到图像S1(x，y)；利用数学形态学方法填补图像S1(x，y)的前景中存在的空洞、并去除面积小于20个像素点的区域，得到目标图像S(x，y)；1-3)对目标图像S(x，y)进行特征提取，包括：1-3-1)获取目标图像S(x，y)的4个纯绿色优势度特征，均由计算该目标图像S(x，y)前景点(G-R)和(G-B)的均值和方差得到，定义为：式(2)中，Ri、Gi和Bi分别为目标图像S(x，y)在像素点i处的红色通道、绿色通道和蓝色通道值，SNum为目标图像S(x，y)中前景点数目，PDer和PDeb分别表示前景点(G-R)和(G-B)的均值，PDvr和PDvb分别表示前景点(G-R)和(G-B)的方差；1-3-2)获取目标图像S(x，y)的3个RGB颜色空间均值特征，定义为：1式(3)中，和分别表示目标图像S(x，y)中前景点红色通道、绿色通道和蓝色通道像素值的均值；1-3-3)获取目标图像S(x，y)的7个基于小波变换的能量特征，离...

【专利技术属性】
技术研发人员：王萍，庄硕，姜博然，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12