基于图像处理的土壤质地预测方法及装置制造方法及图纸

本发明专利技术提供了一种基于图像处理的土壤质地预测方法及装置，其中，方法包括：通过图像采集装置采集土壤样本图像，并对土壤样本图像进行预处理；基于训练好的土壤质地预测模型对预处理后的土壤样本图像进行土壤质地预测，通过土壤样本图像提取局部特征、颜色特征以及纹理特征；基于局部特征、颜色特征以及纹理特征创建土壤质地随机森林，对样本集合基于随机森林进行模型训练获取训练好的土壤质地预测模型，通过练好的土壤质地预测模型来预测土壤质地。通过练好的土壤质地预测模型来预测土壤质地。通过练好的土壤质地预测模型来预测土壤质地。

【技术实现步骤摘要】
基于图像处理的土壤质地预测方法及装置


[0001]本文件涉及土壤质地预测
，尤其涉及一种基于图像处理的土壤质地预测方法及装置。

技术介绍

[0002]精密农业技术和传感器的现代创新催生了有利可图的农业企业。先进的技术有助于获取土壤小气候的准确信息，同时大量的研究已经确定了流动土壤传感器的适用性。这些传感器的优点在于它们能够提供相对便宜的高密度测量。在土壤物理参数中，土壤质地是影响土壤水分和养分保持性、密度或压实度、空气流动、腐殖质络合、土壤侵蚀潜力等特性的重要属性。快速且具有成本效益的土壤质地定量可以成为精准农业和可持续土壤管理的重要工具。对土壤质地变异性的适当了解有助于在不同作物生长条件下采取明智的农艺措施，无论是灌溉设计还是灌溉管理，或者其他目的的土地利用规划，最先做的往往是了解土壤的物理特性，土壤质地的界定是灌溉设计中重要的参考指标。现有的土壤质地界定方法是通过实验室仪器测定，一般采用“液体比重法”和“吸管法”，野外则采用“干试法”和“湿试法”进行简易速测土壤质地。其中，吸管法操作较为繁琐，但测定结果较为精确，液体比重法操作较为简单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的土壤质地预测方法，其特征在于，具体包括：通过图像采集装置采集土壤样本图像，并对所述土壤样本图像进行预处理；基于训练好的土壤质地预测模型对所述预处理后的所述土壤样本图像进行土壤质地预测。2.根据权利要求1所述的方法，其特征在于，所述通过图像采集装置采集土壤样本图像具体包括：通过所述图像采集装置对每个图像样本分别在第一光照强度、第二光照强度以及第三光照强度下进行拍照。3.根据权利要求1所述的方法，其特征在于，所述基于训练好的土壤质地预测模型对所述测试集进行土壤质地预测具体包括：通过图像采集装置采集特定个数的土壤样本图像，基于所述特定个数的土壤样本图像构成样本集合，并对所述样本集合中的土壤样本图像进行预处理；对所述预处理后的样本集合中的土壤样本图像提取局部特征、颜色特征以及纹理特征；基于所述局部特征、颜色特征以及纹理特征创建土壤质地随机森林，对所述样本集合基于所述随机森林进行模型训练，获取训练好的土壤质地预测模型。4.根据权利要求1所述的方法，其特征在于，所述对所述土壤样本图像进行预处理具体包括：在距离所述土壤样本图像特定中心水平和特定垂直分辨率的方形区域中选择ROI。5.根据权利要求3所述的方法，其特征在于，所述对所述预处理后的样本集合中的土壤样本图像提取局部特征、颜色特征以及纹理特征具体包括：提取局部特征，具体包括：对所述样本集合中的土壤样本图像通过SIFT
‑
BoVW模型获取所述样本图像的SIFT直方图局部特征；提取纹理特征，具体包括：对所述样本集合中的土壤样本图像使用纹理产生LBP直方图值，获取第一数量个纹理特征，使用Haralick特征计算出第二数量个纹理特征；提取颜色特征，具体包括：将所述样本集合中的土壤样本图像的RGB颜色空间转换为HSV分量，利用图像变换的常量中心距计算出Hu距，所述Hu距为一组特定维数的特征向量。6.根据权利要求3所述的方法，其特征在于，所述基于所述局部特征、颜色特征以及纹理特征创建土壤质地随机森林具体包括：将所述颜色特征和所述纹理特征进行累积获取第一全局特征，然后将所述第一全局特征与所述局部特征相结合，产生第一全特征空间特征；基于所述全特征空间为黏土、粉土和砂土创建随机森林。7.一种基于图像处理的土壤质地预测装置，其特征在于，包括：土壤图像采集装置，用于对每个图像样本分别在第一光照强度、第二光照强度以及第三光照强度下进行拍照，获取土壤样本图像；图像预处理装置，用于在距离所述土壤样本图像特...

【专利技术属性】
技术研发人员：梁忠伟，冯文康，邹涛，张宇鹏，刘晓初，萧金瑞，陈俊武，龙胜，
申请(专利权)人：广州大学，
类型：发明
国别省市：