一种水稻倒伏方向信息在线检测方法技术

本发明专利技术提供了一种水稻倒伏方向信息在线检测方法，包括如下步骤：预处理获取的倒伏水稻图像，将倒伏水稻图像按灰度级分割待识别特征区域，通过形态学增强待识别特征区域后提取倒伏区域轮廓；根据倒伏区域轮廓创建轮廓区域的灰度共生矩阵，计算轮廓区域的灰度值特征，得到水稻纹理信息；所述水稻纹理信息经纹理增强处理后通过区域化分块提取局部边缘方向线，从而确定水稻倒伏方向。本发明专利技术可快速、准确的提取小范围倒伏水稻的倒伏方向信息，提取效果良好。良好。良好。

【技术实现步骤摘要】
一种水稻倒伏方向信息在线检测方法


[0001]本专利技术涉及智能农机设备领域或者图像识别
，特别涉及一种水稻倒伏方向信息在线检测方法。

技术介绍

[0002]作为世界三大粮食作物之一，水稻的栽培面积与总产量仅次于小麦。我国的稻谷总产量位于世界之首，稳定的水稻产量与国家粮食安全密不可分。水稻倒伏是指受到自然因素或外力时，成片的直立水稻发生倾斜甚至全部贴地的现象，倒伏会对水稻产量和质量产生极大影响，还会导致收获困难。实时准确地获得小范围近端倒伏作物表征信息对于联合收割机智能化实时收获倒伏作物具有重要意义。
[0003]现有的倒伏监测研究分为基于卫星光谱、雷达、无人机以及多源数据融合监测。卫星遥感覆盖面积较大，倒伏所引起的光谱变化较弱，很难清晰呈现倒伏信息；由于倒伏面积的不确定性、周围环境的干扰，雷达无法精准监测；无人机平台搭载数码相机或者光谱成像仪采集图像过程中，易受高度角变化等多因素影响造成倒伏信息丢失。目前作物倒伏测定多是大范围测定只检测倒伏与否，多用于倒伏灾害评估，改进产量。而用于进行农业实践，通过近端传感实时、高效监测小范围倒伏，提取详细的倒伏作物表征信息的研究少有涉及。

技术实现思路

[0004]针对现有技术中存在的不足，本专利技术提供了一种水稻倒伏方向信息在线检测方法，可快速、准确的提取小范围倒伏水稻的倒伏方向信息，提取效果良好。
[0005]本专利技术是通过以下技术手段实现上述技术目的的。
[0006]一种水稻倒伏方向信息在线检测方法，包括如下步骤：
[0007]预处理获取的倒伏水稻图像，将倒伏水稻图像按灰度级分割待识别特征区域，通过形态学增强待识别特征区域后提取倒伏区域轮廓；
[0008]根据倒伏区域轮廓创建轮廓区域的灰度共生矩阵，计算轮廓区域的灰度值特征，得到水稻纹理信息；所述水稻纹理信息经纹理增强处理后通过区域化分块提取局部边缘方向线，从而确定水稻倒伏方向。
[0009]进一步，所述预处理获取的倒伏水稻图像，具体为：
[0010]对获取的倒伏水稻图像的提取感兴趣区域，将感兴趣区域通道分离为R、G、B三个单通道图像；选取单通道图像中轮廓特征最突出的图像进行均值滤波。
[0011]进一步，所述将倒伏水稻图像按灰度级分割待识别特征区域，通过形态学增强待识别特征区域后提取倒伏区域轮廓，具体为：
[0012]利用灰度阈值对预处理后的感兴趣区域进行分割，以矩形结构元素腐蚀分割后的区域；再对腐蚀处理后的区域进行连通域操作和填充处理；对填充后的图像用矩形结构元素进行闭运算，对闭运算后的图像进行再填充处理；以圆形结构元素对再填充后的图像腐蚀；选取腐蚀后的面积最大区域，以矩形结构元素对腐蚀后的面积最大区域进行闭运算，设
定面积特征阈值，分割得到特征面积区域；以矩形结构元素对特征面积区域进行闭运算，对闭运算后的特征面积区域进行亚像素边缘轮廓提取，得到倒伏区域轮廓。
[0013]进一步，所述根据倒伏区域轮廓创建轮廓区域的灰度共生矩阵，计算轮廓区域的灰度值特征，得到水稻纹理信息，具体为：
[0014]根据倒伏区域轮廓确定最大内接矩形，对最大内接矩形区域内的图像进行灰度变换；创建灰度变换后图像区域内的灰度共生矩阵，根据灰度变换后的最大内接矩形区域内的灰度像素值确定相邻频率值并加入共生矩阵中；通过共生矩阵计算纹理的灰度特征值，以纹理的灰度特征值形成纹理滤镜对灰度变换后的图像区域进行过滤处理，得到水稻纹理信息。
[0015]进一步，所述水稻纹理信息经纹理增强处理后通过区域化分块提取局部边缘方向线，从而确定水稻倒伏方向，具体为：
[0016]对水稻纹理信息增强处理，将增强处理后的图像区域内的纹理信息进行均分，提取均分后的每块图像区域的亚像素边缘倒伏流向线直线方程，统计确定水稻倒伏方向。
[0017]进一步，所述纹理增强处理为：通过Gabor滤波对水稻纹理信息进行增强处理，用于突出线状纹理。
[0018]进一步，对每块图像区域的亚像素边缘进行二值化处理，获取二维点集；利用最小二乘法拟合直线，最小化每个点到直线的垂直误差，计算倒伏流向线直线方程。
[0019]进一步，所述水稻倒伏方向根据倒伏流向线直线方程的斜率决定。
[0020]进一步，联合收割机驾驶室上方安装双目相机，所述双目相机镜头与水平线呈锐角倾角，用于获取倒伏水稻图像。
[0021]一种水稻倒伏方向信息在线检测方法的系统，包括识别系统，所述识别系统储存有所述水稻倒伏方向信息在线检测方法的程序。
[0022]本专利技术的有益效果在于：
[0023]相对与现有技术的水稻倒伏监测技术大都止步于预测水稻倒伏是否发生，且多为延时预测，本专利技术不仅可以实时监测水稻倒伏的发生，还可以实时提取水稻倒伏轮廓，在轮廓的基础上对水稻倒伏的表征信息进行进一步提取，能够很好的适应倒伏水稻智能化机收作业时对倒伏水稻表征信息的实时性识别要求。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，显而易见地还可以根据这些附图获得其他的附图。
[0025]图1为本专利技术所述的水稻倒伏方向信息在线检测方法流程图。
[0026]图2为本专利技术所述的双目相机安装示意图
[0027]图3为倒伏水稻原图。
[0028]图4为倒伏区域预处理图。
[0029]图5为倒伏轮廓形态学处理图。
[0030]图6为倒伏纹理提取图。
[0031]图7为纹理滤镜过滤图。
[0032]图8为倒伏方向所在直线方程提取图。
具体实施方式
[0033]下面结合附图以及具体实施例对本专利技术作进一步的说明，但本专利技术的保护范围并不限于此。
[0034]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0035]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“轴向”、“径向”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0036]在本专利技术中，除非另有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水稻倒伏方向信息在线检测方法，其特征在于，包括如下步骤：预处理获取的倒伏水稻图像，将倒伏水稻图像按灰度级分割待识别特征区域，通过形态学增强待识别特征区域后提取倒伏区域轮廓；根据倒伏区域轮廓创建轮廓区域的灰度共生矩阵，计算轮廓区域的灰度值特征，得到水稻纹理信息；所述水稻纹理信息经纹理增强处理后通过区域化分块提取局部边缘方向线，从而确定水稻倒伏方向。2.根据权利要求1所述的水稻倒伏方向信息在线检测方法，其特征在于，所述预处理获取的倒伏水稻图像，具体为：对获取的倒伏水稻图像的提取感兴趣区域，将感兴趣区域通道分离为R、G、B三个单通道图像；选取单通道图像中轮廓特征最突出的图像进行均值滤波。3.根据权利要求2所述的水稻倒伏方向信息在线检测方法，其特征在于，所述将倒伏水稻图像按灰度级分割待识别特征区域，通过形态学增强待识别特征区域后提取倒伏区域轮廓，具体为：利用灰度阈值对预处理后的感兴趣区域进行分割，以矩形结构元素腐蚀分割后的区域；再对腐蚀处理后的区域进行连通域操作和填充处理；对填充后的图像用矩形结构元素进行闭运算，对闭运算后的图像进行再填充处理；以圆形结构元素对再填充后的图像腐蚀；选取腐蚀后的面积最大区域，以矩形结构元素对腐蚀后的面积最大区域进行闭运算，设定面积特征阈值，分割得到特征面积区域；以矩形结构元素对特征面积区域进行闭运算，对闭运算后的特征面积区域进行亚像素边缘轮廓提取，得到倒伏区域轮廓。4.根据权利要求1所述的水稻倒伏方向信息在线检测方法，其特征在于，所述根据倒伏区域轮廓创建轮廓区域的灰度共生矩阵，计算轮廓区域的灰度值特征，得到水稻纹理信息，具体为：根据倒伏区域轮廓确定最大内接矩形，对最...

【专利技术属性】
技术研发人员：徐立章，赵红阳，胡金鹏，张千，魏乐乐，杨洪时，
申请(专利权)人：江苏大学，
类型：发明
国别省市：