一种基于多光谱数据的作物混种区实时识别方法及系统技术方案

本发明专利技术实施例提供的基于多光谱数据的作物混种区实时识别方法及系统，包括：对作物混种区的多光谱图像进行三通道数据采样，获取采样图像；对采样图像中的植被区域进行划分，确定植被区域图像；对植被区域图像中的绿色通道进行滤波，获取边缘图像；对边缘图像进行作物边缘二值化提取和识别，获取多个二值化图像；提取每个二值化图像的轮廓图像，并获取每个轮廓图像的像素面积与长度比值；根据每个轮廓图像的像素面积与长度比值与相邻轮廓图像的像素面积与长度比值之间的关系，以实现作物混种区实时识别。本发明专利技术实施例通过计算边缘图像的像素值数量与长度比值来描述叶片弯曲程度，能够实现实时的快速对混种区进行提取，兼容性更好，识别精度更高。

【技术实现步骤摘要】
一种基于多光谱数据的作物混种区实时识别方法及系统
本专利技术涉及农业信息
，尤其涉及一种基于多光谱数据的作物混种区实时识别方法及系统。
技术介绍
作物混种区是指当多种作物种植于田块间，不同种类作物相邻接的区域即为混种区。随着我国农业信息化和机械化的不断推进，基于旋翼无人机的农业施药作业在我国广泛的推广，对于无人机农业植保作业，自动、定位、定量和减施是农业植保智能化的体现。要实现定位、定量施药量、减少次生灾害的目标，对待喷施混种作物的边界快速识别，即混种区域信息提取是其中必要的一环。对混种区边界的识别，传统的方法是通过人工实地勘察得到，但当前行业内也可以使用无人机对待喷施作业区域影像进行获取，获取相应的影像数据，或者使用高分辨率卫星数据作为数据源。在识别方法上，可以采用监督分类，如支持向量机(SupportVectorMachine，SVM)、随机森林(RandomForest，RF)或深度学习(DeepLearning，DL)等方法开展混种区域边界的提取。上述监督学习方法一般是先选择感兴趣区域的待处理训练样本，例如对棉花和玉米混种区域的样本进行选择；然后对选用的监督分类模型进行训练，得到可用分类器；最后使用训练后的分类器对待监测区域图像进行分类识别，以实现在得到分类图像基础上，人工提取混种区域。现行基于图像混种区域识别方法难以满足植保无人机实时作业的需求。由于直接将训练模型用于实时的混种区信息获取则存在机载计算资源难以满足需求的困难。但因为当前方案需先对待分类区域数据进行收集，然后再对分类器进行训练，才能根据分类结果得到混种区信息。故使用上述方法效率较低，作业前需事先获取区域数据并处理和识别，对于未处理的区域则无法获取混种区信息。综上所述，现有的基于监督分类法进行作物混种区识别时，只能对已经学习的目标进行分类，当出现的作物并未事先在模型中被训练，则识别结果可能未知，故亟需研制出新的作物混种区实时识别方法，以提供更为快速的作物混种区实时识别途径。
技术实现思路
本专利技术实施例提供一种基于多光谱数据的作物混种区实时识别方法及系统，用以解决现有技术中基于监督分类法进行作物混种区识别时，需要预先获取大量的模型训练样本对分类器进行训练的缺陷，实现快速、高效、准确的作物混种区实时识别。第一方面，本专利技术实施例提供一种基于多光谱数据的作物混种区实时识别方法，主要包括：对作物混种区的多光谱图像进行三通道数据采样，获取采样图像；对采样图像中的土壤区域和植被区域进行划分，确定植被区域图像；对植被区域图像中的绿色通道进行滤波，获取边缘图像；对边缘图像进行作物边缘二值化提取和识别，获取多个二值化图像；提取每个二值化图像的轮廓图像，并获取每个轮廓图像的像素面积与长度比值；根据每个轮廓图像的像素面积与长度比值与相邻轮廓图像的像素面积与长度比值之间的关系，实现作物混种区实时识别。可选地，上述对作物混种区的多光谱图像进行三通道数据采样，获取采样图像，主要包括：获取多光谱图像中的绿色通道数据、近红外通道数据和红色通道数据，构建采样图像。可选地，上述对采样图像中的土壤区域和植被区域进行划分，确定植被区域图像，主要包括：提取采样图像中的近红外通道数据和红色通道数据，计算归一化植被指数；在所述采样图像中，将归一化指数小于第一预设阈值的区域设为裸土区域，并将绿色通道中裸土区域的像素值均设置为0，以获取植被区域图像。可选地，上述对植被区域图像中的绿色通道进行滤波，获取边缘图像，主要包括：基于Sobel滤波算法，对所述植被区域图像中的绿色通道进行一次滤波，获取初始边缘图像；基于拉普拉斯滤波算法，对初始边缘图像进行二次滤波，获取所述边缘图像。可选地，上述对边缘图像进行作物边缘二值化提取和识别，获取多个二值化图像，主要包括：将边缘图像均匀划分为多个子边缘图像；将像素值小于预设像素阈值的子边缘图像的像素值均重设为0，将素值大于预设像素阈值的子边缘图像的像素值均重设为标准像素值；收集所有像素值均重设为标准像素值的子边缘图像，获取与每个子边缘图像所对应的二值化图像。可选地，上述提取每个二值化图像的轮廓图像，并获取每个轮廓图像的像素面积与长度比值，主要包括：提取每个二值化图像的所有轮廓图像，并统计每个轮廓图像的像素数量；计算每个轮廓图像的像素数量与轮廓长度的比值作为轮廓图像的像素面积与长度比值。可选地，上述计算每个轮廓图像的像素数量与轮廓长度的比值作为所述轮廓图像的像素面积与长度比值，还可以包括：按像素数量的由多至少对轮廓图像进行排序；获取排序靠前N个轮廓图像的像素面积与长度比值。可选地，上述根据每个轮廓图像的像素面积与长度比值与相邻轮廓图像的像素面积与长度比值之间的关系，实现作物混种区实时识别，主要包括：获取每个轮廓图像中排序靠前N个轮廓图像的像素面积与长度比值的比值均值；若当前轮廓图像的比值均值与上一轮廓图像的比值均值之间的差值百分比的绝对值小于第二预设阈值，将与当前轮廓图像所对应的植被区域划分为混种区，并将绝对值不小于第二预设阈值的植被区域划分为非混种区。可选地，在上述将与当前轮廓图像所对应的植被区域划分为混种区之前，还可以包括：获取与当前轮廓图像所对应的二值化图像的第一归一化植被指数，以及与上一轮廓图像所对应的二值化图像的第二归一化植被指数；若第一归一化植被指数小于第三预设阈值，将与当前轮廓图像所对应的植被区域划分为边界区，并将绝对值不小于第三预设阈值的植被区域划分为非边界区。第二方面，本专利技术实施例提供一种基于多光谱数据的作物混种区实时识别系统，主要包括：图像预处理单元、植被区域划分单元、边缘图像获取单元、二值化图像获取单元、比值运算单元和混种区识别单元，其中：图像预处理单元主要用于对作物混种区的多光谱图像进行三通道数据采样，获取采样图像；植被区域划分单元主要用于对采样图像中的土壤区域和植被区域进行划分，确定植被区域图像；边缘图像获取单元主要用于对植被区域图像中的绿色通道进行滤波，获取边缘图像；二值化图像获取单元主要用于对边缘图像进行作物边缘二值化提取和识别，获取多个二值化图像；比值运算单元主要用于提取每个二值化图像的轮廓图像，并获取每个所述轮廓图像的像素面积与长度比值；混种区识别单元主要用于根据每个轮廓图像的像素面积与长度比值与相邻轮廓图像的像素面积与长度比值之间的关系，实现作物混种区实时识别。第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于多光谱数据的作物混种区实时识别方法的步骤。第四方面，本专利技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于多光谱数据的作物混种区实时识别方法的步骤。本专利技术实施例提供的基于多光谱数据的作物混种区实时识别方法及系统，通过计算边缘图像的像素值数量与长度比值来描述叶片弯曲程度，能够实现实时的快速对本文档来自技高网...

【技术保护点】
1.一种基于多光谱数据的作物混种区实时识别方法，其特征在于，包括：/n对作物混种区的多光谱图像进行三通道数据采样，获取采样图像；/n对所述采样图像中的土壤区域和植被区域进行划分，确定植被区域图像；/n对所述植被区域图像中的绿色通道进行滤波，获取边缘图像；/n对所述边缘图像进行作物边缘二值化提取和识别，获取多个二值化图像；/n提取每个所述二值化图像的轮廓图像，并获取每个所述轮廓图像的像素面积与长度比值；/n根据每个所述轮廓图像的像素面积与长度比值与相邻轮廓图像的像素面积与长度比值之间的关系，实现作物混种区实时识别。/n

【技术特征摘要】
1.一种基于多光谱数据的作物混种区实时识别方法，其特征在于，包括：
对作物混种区的多光谱图像进行三通道数据采样，获取采样图像；
对所述采样图像中的土壤区域和植被区域进行划分，确定植被区域图像；
对所述植被区域图像中的绿色通道进行滤波，获取边缘图像；
对所述边缘图像进行作物边缘二值化提取和识别，获取多个二值化图像；
提取每个所述二值化图像的轮廓图像，并获取每个所述轮廓图像的像素面积与长度比值；
根据每个所述轮廓图像的像素面积与长度比值与相邻轮廓图像的像素面积与长度比值之间的关系，实现作物混种区实时识别。


2.根据权利要求1所述的基于多光谱数据的作物混种区实时识别方法，其特征在于，所述对作物混种区的多光谱图像进行三通道数据采样，获取采样图像，包括：
获取所述多光谱图像中的绿色通道数据、近红外通道数据和红色通道数据，构建所述采样图像。


3.根据权利要求2所述的基于多光谱数据的作物混种区实时识别方法，其特征在于，所述对所述采样图像中的土壤区域和植被区域进行划分，确定植被区域图像，包括：
提取所述采样图像中的近红外通道数据和红色通道数据，计算归一化植被指数；
在所述采样图像中，将所述归一化指数小于第一预设阈值的区域设为裸土区域，并将绿色通道中所述裸土区域的像素值均设置为0，以获取所述植被区域图像。


4.根据权利要求1所述的基于多光谱数据的作物混种区实时识别方法，其特征在于，所述对所述植被区域图像中的绿色通道进行滤波，获取边缘图像，包括：
基于Sobel滤波算法，对所述植被区域图像中的绿色通道进行一次滤波，获取初始边缘图像；
基于拉普拉斯滤波算法，对所述初始边缘图像进行二次滤波，获取所述边缘图像。


5.根据权利要求1所述的基于多光谱数据的作物混种区实时识别方法，其特征在于，所述对所述边缘图像进行作物边缘二值化提取和识别，获取多个二值化图像，包括：
将所述边缘图像均匀划分为多个子边缘图像；
将像素值小于预设像素阈值的子边缘图像的像素值均重设为0，将像素值大于预设像素阈值的子边缘图像的像素值均重设为标准像素值；
收集所有像素值均重设为标准像素值的子边缘图像，获取与每个所述子边缘图像所对应的所述二值化图像。


6.根据权利要求5所述的基于多光谱数据的作物混种区实时识别方法，其特征在于，所述提取每个所述二值化图像的轮廓图像，并获取每个所述轮廓图像的像素面积与长度比值，包括：
提取每个所述二值化图像的所有轮廓图像，并统计每个所述轮廓图像的像素数量；
计算每个所述轮廓图像的像素数量与轮廓长度的比值作为所述轮廓图像的像素面积与长度比值。
...

【专利技术属性】
技术研发人员：夏浪，张瑞瑞，陈立平，徐旻，李龙龙，文瑶，
申请(专利权)人：北京农业智能装备技术研究中心，
类型：发明
国别省市：北京;11