农作物表型参数提取方法及装置制造方法及图纸

本发明专利技术公开了一种农作物表型参数提取方法及装置，该方法包括：获取农作物的群体点云数据；根据所述群体点云数据识别出所有农作物的根部位置；根据所述根部位置在所述群体点云数据中提取出单株农作物对应的单株点云数据；基于所述单株点云数据进行茎叶分割，将每片叶子和茎秆分割成单独点云数据；分别将分割的单独点云数据进行拟合，得到农作物表型参数，其中，所述农作物表型参数包括茎秆高度、茎秆直径、叶片长度、叶片宽度、叶倾角及叶面积。本发明专利技术的技术方案自动化程度高，可适应叶片形状不规则的情况下的农作物表型参数提取、提取精度高。

【技术实现步骤摘要】
农作物表型参数提取方法及装置
本专利技术涉及农业气象
，具体而言，涉及一种农作物表型参数提取方法及装置。
技术介绍
信息化是现代农业的一个重要特征，信息技术对农业经济的发展越来越重要。高效利用农业资源需要充分了解农作物的生长情况，研究农作物生长通常要获取叶长、叶宽、叶倾角、叶面积等参数。早期采用人工测量的方式对叶片进行提取，近年来发展为采用对农作物拍照并运用图像处理算法对叶片图像进行处理并结合轮廓跟踪、种子填充等方法完成叶片的提取。然而，以上农作物表型参数提取方法存在以下问题：首先，采用人工测量手段，效率较低，同时由于叶片形状的不规则，肉眼观测造成的误差也比较大；其次，采用拍照方式进行农作物表型参数提取，由于叶片形状的多样性、相似性、光照差别、背景因素等问题，会严重影响到分类的效果。若是人工对叶片进行特征提取并且对叶片进行标注测量，要花费大量的时间和精力，与此同时在人工操作时也会产生误差而影响到最终识别的准确率；最后，拍照得到的农作物照片为二维数据，由于拍摄角度问题，很难保证提取出准确的叶子的长度、宽度、面积等参数本文档来自技高网...

【技术保护点】
1.一种农作物表型参数提取方法，其特征在于，包括：/n获取农作物的群体点云数据；/n根据所述群体点云数据识别出所有农作物的根部位置；/n根据所述根部位置在所述群体点云数据中提取出单株农作物对应的单株点云数据；/n基于所述单株点云数据进行茎叶分割，将每片叶子和茎秆分割成单独点云数据；/n分别将分割的单独点云数据进行拟合，得到农作物表型参数，其中，所述农作物表型参数包括茎秆高度、茎秆直径、叶片长度、叶片宽度、叶倾角及叶面积。/n

【技术特征摘要】
1.一种农作物表型参数提取方法，其特征在于，包括：
获取农作物的群体点云数据；
根据所述群体点云数据识别出所有农作物的根部位置；
根据所述根部位置在所述群体点云数据中提取出单株农作物对应的单株点云数据；
基于所述单株点云数据进行茎叶分割，将每片叶子和茎秆分割成单独点云数据；
分别将分割的单独点云数据进行拟合，得到农作物表型参数，其中，所述农作物表型参数包括茎秆高度、茎秆直径、叶片长度、叶片宽度、叶倾角及叶面积。


2.根据权利要求1所述的农作物表型参数提取方法，其特征在于，所述获取农作物的群体点云数据之后还包括：
对所述群体点云数据进行去噪和归一化处理得到预处理后的群体点云数据；
所述根据所述群体点云数据识别出所有农作物的根部位置包括：
基于所述预处理后的群体点云数据识别出所有农作物的根部位置。


3.根据权利要求2所述的农作物表型参数提取方法，其特征在于，所述根据所述群体点云数据识别出所有农作物的根部位置包括：
将所述群体点云数据送入预先训练好的识别模型得到所有农作物的根部位置。


4.根据权利要求3所述的农作物表型参数提取方法，其特征在于，所述识别模型包括卷积层、池化层、分类层及回归层；
将所述群体点云数据送入预先训练好的识别模型得到所有农作物的根部位置包括：
将所述群体点云数据送入所述卷积层进行卷积操作后得到卷积特征向量；
将所述卷积特征向量送入所述池化层进行特征压缩得到池化特征向量；
将所述池化特征向量送入所述分类层进行分类识别出各农作物的根部；
将所述池化特征向量送入所述回归层对各农作物的根部定位进行修正得到所述农作物的根部位置。


5.根据权利要求3所述的农作物表型参数提取方法，其特征在于，所述根据所述根部...

【专利技术属性】
技术研发人员：高上，
申请(专利权)人：北京数字绿土科技有限公司，
类型：发明
国别省市：北京;11