基于收割机的玉米高通量表型测量的方法及装置、收割机制造方法及图纸

本发明专利技术的实施例公开了一种基于收割机的玉米高通量表型测量的方法及装置、收割机，该方法通过机器学习得到的植株分割模型对玉米田中的玉米植株进行结构区域的分割，基于分割的结果进行表型参数的测量，降低了表型参数测量过程中对人工的依赖程度，提高了测量效率，同时植株分割模型通过大量样本训练得到，保证了测量的表型参数的准确性。结合分割了结构区域的彩色图像和点云模型进行表型参数的测量，在获取全面的表型参数基础上，提高了基于彩色图像和点云模型均能获取的表型参数的准确性。此外，在收割机作业过程中获取扫描数据和彩色图像，节省了时间成本，实现了对大面积试验田的玉米表型。

High throughput phenotype measurement of corn based on harvester

【技术实现步骤摘要】
基于收割机的玉米高通量表型测量的方法及装置、收割机
本专利技术实施例涉及机器视觉检测
，尤其是涉及一种基于收割机的玉米高通量表型测量的方法及装置、收割机。
技术介绍
玉米是世界上分布最广、生产最多、最重要的农作物之一。随着气候剧烈变化、土地资源减少以及人口持续增加等不利因素使得粮食安全面临巨大挑战,粮食增产变得尤为迫切。选育优良品种以实现作物高产并保持其在胁迫环境下的稳产性是解决当前粮食问题的重要途径，而选育品种就离不开对农作物全生育期各种表型参数的测量和分析。表型测量分析的同时联系农作物的基因型和环境因素等各方面情况，可以对农作物的选育提供有价值的信息，也同时为促进改良农艺性状和改善育种管理提供有效的大数据支撑，进而加速选育优良品种的进程。目前这些表型参数的获取主要依靠人工测量，其缺点是：工人老龄化、效率低、可重复性差、主观误差大，以致对后续分析产生影响。因此远不能满足多点大面积内试验小区高通量的表型数据采集要求。在实现本专利技术实施例的过程中，专利技术人发现现有的对对玉米表型测量的方法依赖人工进行，效率低、误差大，无法本文档来自技高网...

【技术保护点】
1.一种基于收割机的玉米高通量表型测量的方法，其特征在于，包括：/n获取在收割机作业过程中，对玉米田扫描得到的扫描数据和对玉米田进行拍照得到彩色图像；/n通过训练的植株分割模型对所述彩色图像中的玉米植株各结构区域进行分割，并根据所述彩色图像和所述扫描数据建立所述玉米田的点云模型；/n根据分割了结构区域的彩色图像和的所述玉米田的点云模型测量所述玉米田中玉米植株的表型参数；/n其中，所述表型参数包括收获穗数、保绿性、株高、株型、茎秆粗度、倒伏率、试验田株数、雄穗分株数和穗位；玉米植株的结构区域包括叶子、茎秆、雄穗、果穗和茎节；在建立所述点云模型的过程中，对所述点云图像中设定的每一关键点，由所述关键...

【技术特征摘要】
1.一种基于收割机的玉米高通量表型测量的方法，其特征在于，包括：
获取在收割机作业过程中，对玉米田扫描得到的扫描数据和对玉米田进行拍照得到彩色图像；
通过训练的植株分割模型对所述彩色图像中的玉米植株各结构区域进行分割，并根据所述彩色图像和所述扫描数据建立所述玉米田的点云模型；
根据分割了结构区域的彩色图像和的所述玉米田的点云模型测量所述玉米田中玉米植株的表型参数；
其中，所述表型参数包括收获穗数、保绿性、株高、株型、茎秆粗度、倒伏率、试验田株数、雄穗分株数和穗位；玉米植株的结构区域包括叶子、茎秆、雄穗、果穗和茎节；在建立所述点云模型的过程中，对所述点云图像中设定的每一关键点，由所述关键点在所述彩色图像的位置坐标和所述关键点在所述扫描数据中的位置坐标的加权平均值作为所述关键点在所述点云模型中的位置坐标。


2.根据权利要求1所述的方法，其特征在于，所述植株分割模型的训练方法包括：
获取若干玉米植株的彩色图像，作为输入样本，预先在每一输入样本中分割出玉米植株的各结构区域，作为输出样本；
对每一输入样本，将该输入样本作为卷积神经网络的输入参数，将所述卷积神经网络的输出参数与该输入样本对应的输出样本进行对比，根据对比结果调整所述卷积神经网络；
将通过若干次调整后得到的目标卷积神经网络，作为所述植株分割模型；
其中，将任一输入样本作为所述目标卷积神经网络的输入参数，得到的输出参数与该输入样本对应的输出样本之间，分割的各结构区域的面积差均小于预设面积差。


3.根据权利要求1所述的方法，其特征在于，所述根据分割了结构区域的彩色图像和的所述玉米田的点云模型测量所述玉米田中玉米植株的表型参数，包括：
通过分割了结构区域的彩色图像统计所述玉米田中的玉米植株数，得到第一试验田株数，通过所述点云模型统计所述玉米田中的玉米植株数，得到第二试验田株数，将所述第一试验田株数和所述第二试验田株数的加权平均值作为所述玉米田的实验田株数；
对每一玉米植株，通过该玉米植株的彩色图像测量该玉米植株的第一株高，通过该玉米植株在点云模型中的点云图像测量该玉米植株的第二株高，将所述第一株高和所述第二株高的加权平均值作为该玉米植株的株高；
对每一玉米植株，通过该玉米植株分割了结构区域彩色图像统计该玉米植株雄穗上的第二节分支数，得到第一雄穗分株数，通过该玉米植株在点云模型中的点云图像统计该玉米植株雄穗上的第二节分支数，得到第二雄穗分株数，将所述第一雄穗分株数和所述第二雄穗分株数的加权平均值作为该玉米植株的雄穗分株数。


4.根据权利要求3所述的方法，其特征在于，还包括：
在分割了结构区域的彩色图像中，统计所述玉米田中所述玉米植株上的果穗的数量，得到所述收获穗数；
对每一玉米植株，在分割了结构区域的彩色图像中，计算该玉米植株中每一片叶子中黄色区域的面积占整个叶片面积的比值，由该比值大于预设比值的叶片数量和该玉米植株所有叶片数量评价该玉米植株的保绿性；
对每一玉米植株，在分割了结构区域的彩色图像中，确定最高果穗的位置，测量最高果穗距离地面的高度，作为第一单株穗位值，并在所述点云模型中，确定最高果穗的位置，测量最高果穗距离地面的高度，作为第二单株穗位值，计算所述第一单株穗位值和所述第二单株穗位值的加权平均值，作为所述玉米植株对应的平均单株穗位值，将所述玉米田中所有玉米植株对应的平均单株穗位值的平均值作为所述玉米田的穗位。


5.根据权利要求3所述的方法，其特征在于...

【专利技术属性】
技术研发人员：毕建权，
申请(专利权)人：北京瑞智稷数科技有限公司，
类型：发明
国别省市：北京;11