一种水稻秧苗生长期自动识别方法、装置制造方法及图纸

本发明专利技术公开了一种水稻秧苗生长期自动识别方法，该方法首先采用图像减法和颜色聚类对待识别秧苗图像进行背景剔除；其次，对背景剔除后的秧苗图像进行图像分割；接着对分割后的图像进行边缘提取，采用四色法对边缘区域进行着色；最后，识别四色域的秧苗生长特征，判断秧苗所处生长期中的阶段。本发明专利技术还提供了基于上述自动识别方法的水稻秧苗生长期自动识别装置。本发明专利技术解决了传统叶片轮廓特征提取不易、不准的问题，可以准确识别秧苗发育的关键生长期状态，为秧苗的精确水肥控制奠定良好基础。

【技术实现步骤摘要】
一种水稻秧苗生长期自动识别方法、装置
本专利技术涉及一种作物生长阶段识别方法，尤其涉及一种水稻秧苗生长期自动识别方法。
技术介绍
基于机器视觉的水稻秧苗自动识别方法是水稻秧苗育秧自动化中的关键技术，采用图像分割的水稻秧苗辨识受到光影、基质等影响，提取的图像特征会呈现碎片化特征，从而难以准确地提取秧苗形态特征。通过颜色聚类提取秧苗的先验知识信息，然后对秧苗进行距离判断，从而提取秧苗信息。由于光照的影响，秧苗的先验聚类信息不会随着光照的变化而变化，会出现偏差，尤其当基质出现阴影时，其误差较大，分割的秧苗区域误差较大。同时传统的叶片轮廓提取采用的是叶片轮廓边缘提取算法，由于光照的影响，不同时期的秧苗叶片轮廓边缘提取会出现较多的交叠区域，无法获得准确的秧苗边缘特征。
技术实现思路
专利技术目的：本专利技术提出了一种可以准确提取秧苗的生长期判据从而识别生长期的方法。本专利技术的另一目的在于提供基于该方法的自动识别装置。技术方案：本专利技术所述的水稻秧苗生长期自动识别方法，包括步骤：(1)采用图像减法和颜色聚类对待识别秧本文档来自技高网...

【技术保护点】
1.一种水稻秧苗生长期自动识别方法，其特征在于，包括步骤：/n(1)采用图像减法和颜色聚类对待识别秧苗图像进行背景剔除；/n(2)对背景剔除后的秧苗图像进行图像分割；/n(3)对分割后的图像进行边缘提取，采用四色法对边缘区域进行着色；/n(4)识别四色域的秧苗生长特征，判断秧苗所处生长期中的阶段。/n

【技术特征摘要】
1.一种水稻秧苗生长期自动识别方法，其特征在于，包括步骤：
(1)采用图像减法和颜色聚类对待识别秧苗图像进行背景剔除；
(2)对背景剔除后的秧苗图像进行图像分割；
(3)对分割后的图像进行边缘提取，采用四色法对边缘区域进行着色；
(4)识别四色域的秧苗生长特征，判断秧苗所处生长期中的阶段。


2.根据权利要求1所述的水稻秧苗生长期自动识别方法，其特征在于，所述步骤(1)包括步骤：
(11)按照如下公式对待识别秧苗图像的RGB三维度分量同时进行图像减法，得到减法图像：
G(xi,yi)＝f1(xi,yi)-f0(xi,yi)
其中，G(xi,yi)为减法后的图像像素，f1(xi,yi)与f0(xi,yi)分别为对应待识别秧苗图像与基质背景图像的像素，f(xi,yi)＝[xrxgxb]，xr、xg、xb分别表示f1(xi,yi)与f0(xi,yi)像素点红绿蓝颜色分量值，i表示像素序号；
(12)对所述减法图像进行颜色聚类，计算像素距离Do(xi,yi)，将像素距离MAX(Do(xi,yi))-Min(Do(xi,yi))平均分成R个分区，其中MAX表示最大取值，Min表示最小取值；
(13)保留R个分区中阈值距离Do最大的前两个分区内的像素点，剩下的像素点置0，将保留像素点对应于待识别秧苗图像f1形成图像G2；保留阈值距离Do最大的分区内的像素点，剩下的像素点置0，将保留像素点对应于待识别秧苗图像f1形成图像G3；
(14)分别根据G2和G3对应的像素点进行颜色聚类，对应计算待识别秧苗图像f1内的像素点到秧苗聚类中心、基质聚类中心的像素距离D1(xi,yi)、D2(xi,yi)；根据距离D1(xi,yi)、D2(xi,yi)将待识别秧苗图像f1分区为C个基质子空间和秧苗子空间，计算像素点到对应各分区的秧苗像素聚类中心AmNj、SmNj和基质背景聚类中心AbMj、SbMj的像素距离D1(i,AmNj)与D2(i,AbMj)，判断max(D1(i,AmNj))<min(D2(i,AbMj))对应的像素点是否为基质，若是则将该点像素置0，否则保留像素点，分别得到剔除基质后对应于G2和G3的图像G4、G5；
(15)将图像G4和G5进行合并得到基质剔除后的秧苗图像G6。


3.根据权利要求1或2所述的水稻秧苗生长期自动识别方法，其特征在于，所述减法图像G(xi,yi)像素距离计算包括步骤：
(121)对图像G(xi,yi)进行聚类分析






其中，G(xi,yi)＝[xrxgxb]，xr、xg、xb分别表示fy(xi,yi)像素点红绿蓝颜色分量值；A0为G(xi,yi)像素均值，S0为G(xi,yi)像素方差；N为图像G的像素点数，i表示图像从上到下，从左到右的像素序号，(xi,yi)分别代表该像素的坐标；
(122)计算图像G的像素距离Do(xi,yi)：





4.根据权利要求1或2所述的水稻秧苗生长期自动识别方法，其特征在于，所述秧苗聚类中心、基质聚类中心计算以及像素距离D1(xi,yi)、D2(xi,yi)计算包括步骤：
(141)将G2和G3的图像合并后暂定的秧苗像素区域定义为fy(xi,yi)，fy(xi,yi)基质区域的像素为0，计算fy(xi,yi)的像素均值AN与方差SN，将(AN,SN)作为对应秧苗聚类中心：






其中，fy(xi,yi)＝[xrxgxb]，xr、xg、xb分别表示fy(xi,yi)像素点红绿蓝颜色分量值；AN为fy(xi,yi)像素均值，SN为fy(xi,yi)像素方差；N为fy的像素点数，i表示图像按行从上到下，从左到右的像素序号，(xi,yi)代表该像素的坐标；
(142)将fy(xi,yi)为0的像素区域所对应的f1基质背景区域图像恢复，秧苗区域像素置零，定义为基质图像fb(xi,yi)，进行像素均值AbM与方差SbM计算，将(AbM,SbM)作为对应基质聚类中心：






其中，fb(xi,yi)＝[xrxgxb]，xr、xg、xb分别表示fb(xi,yi)像素点红绿蓝颜色分量值；AbM为fb(xi,yi)像素均值，SbM为fb(xi,yi)像素方差，M为fb的像素点数，i表示图像按行从上到下，从左到右的像素序号，(xi,yi)分别代表该像素的坐标；
(143)所述像素距离包括每个像素点(xi,yi)到秧苗聚类中心(AN,SN)的距离D1(xi,yi)、每个像素点(xi,yi)到基质聚类中心(AbM,SbM)的距离D2(xi,yi)，计算公式分别如下：






其中，f1(xi,yi)＝[xrxgxb]，xr、xg、xb分别表示f1(xi,yi)像素点红绿蓝颜色分量值；AN为fy(xi,yi)像素均值，SN为fy(xi,yi)像素方差，为SN矩阵的逆运算；AbM为fb(xi,yi)像素均值，SbM为fb(xi,yi)像素方差，为SbM矩阵的逆运算；
(144)分别根据D1(xi,yi)、D2(xi,yi)，将G2、G3的颜色空间均分为C个秧苗子空间，G2、G3所剔除的颜色空间均分分为C个基质子空间；计算各分区的秧苗像素聚类中心AmNj、SmNj、基质背景聚类中心AbMj、SbMj，1≤j≤C：






其中，fy,j(xi,yi)＝[xrxgxb]，xr、xg、xb分别表示fy的第j个秧苗子空间分区内当...

【专利技术属性】
技术研发人员：薛晓松，严方，刘晓宇，余甜甜，吴刚山，冯祥，陈仕雄，范位龙，董志茹，
申请(专利权)人：江苏农林职业技术学院，
类型：发明
国别省市：江苏;32