一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法技术

本发明专利技术涉及农业生产检测技术领域，尤指一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法；该精密检测方法使用一种检测系统，检测系统包括图像信息采集模块和信息处理模块；本方法对种穴栅格图像进行种穴单元格像素坐标定位，通过信息处理模块对种穴栅格图像灰度化和二值化，生成二值图像；扫描二值图像中的连通区域，过滤掉面积大于3000的连通区域，只保留种穴单元格的联通区域；检测每个种穴单元格的最小外接矩形，得到种穴单元格的像素坐标位置及大小；将不完整的单个种穴图像过滤掉，保证获取的单个种穴图像的完整性，可以避免获取到因单个种穴图像不完整导致的数据误差。本发明专利技术具有高稳定性、适用性强和检测精度高的特点。高的特点。高的特点。

【技术实现步骤摘要】
一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法


[0001]本专利技术涉及农业生产检测
，尤指一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法。

技术介绍

[0002]我国杂交稻种植面积占水稻种植总面积的50％，约1500万公顷。杂交稻因具有超强的分蘖能力，可增加有效穗数，根据杂交稻的这一生长特性，通常要求低播量，穴播精密育秧时，要保证2
‑
3粒/穴。因此，有必要在播种过程中对播种性能进行精确检测。
[0003]目前国内外有许多人提出了针对水稻播种性能检测的方法，也有人(董文浩等)提出专门针对钵体盘育秧的杂交稻播种性能检测方法，但其检测方法是基于机器学习算法的，需要人工提取种子图像的特征参数，提取特征参数的过程中，图像的特征有损失，导致检测精度不高。

技术实现思路

[0004]为了克服现有技术中的不足，本专利技术旨在现有技术中进行突破创新，提供一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，具有高稳定性、适用性强和检测精度高的特点。
[0005]为实现上述目的，本专利技术采用的技术方案是：一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，所述精密检测方法使用一种检测系统，所述检测系统包括图像信息采集模块和信息处理模块，使用该检测系统的精密检测方法包括以下步骤：
[0006]S1、搭建并训练生成种穴栅格图像语义分割模型；
[0007]S2、搭建并训练生成基于深度学习的穴播量检测网络模型；
[0008]S3、检测系统启动，加载种穴栅格图形语义分割模型和穴播量检测网络模型；
[0009]S4、播种秧盘检测图像采集，将播种后的秧盘放置于图像信息采集模块的采集处，采集播种秧盘检测图像；
[0010]S5、分割种穴栅格图像，检测系统加载种穴栅格图像语义分割模型对播种秧盘检测图像进行分割，分割出种穴栅格图像；
[0011]S6、种穴栅格图像种穴单元格像素坐标定位；
[0012]S7、切分播种秧盘检测图像，将播种秧盘检测图像根据种穴单元格像素坐标切分为单个种穴图像；
[0013]S8、检测穴播量，检测系统加载穴播量检测网络模型对将切分后的种穴图像进行检测，检测出每个种穴图像中的种子数量(穴播量)；
[0014]所述步骤S6种穴栅格图像种穴单元格像素坐标定位包括如下步骤：
[0015]S61、种穴栅格图像处理，信息处理模块对种穴栅格图像灰度化和二值化，生成二值图像；
[0016]S62、过滤缺损种穴的单元格，扫描二值图像中的连通区域，过滤掉面积大于3000
的连通区域，只保留种穴单元格的联通区域；
[0017]S63、获取像素坐标，检测每个种穴单元格的最小外接矩形，得到种穴单元格的像素坐标位置及大小。
[0018]进一步地，所述步骤S1中的搭建并训练生成种穴栅格图像语义分割模型包括如下步骤：
[0019]S11、秧盘信息采集，将标准化的秧盘放置于图像信息采集模块的采集处，采集秧盘的原始图像；
[0020]S12、秧盘原始图像处理，图像信息采集模块将采集到的秧盘原始图像输送至信息处理模块，信息处理模块对秧盘原始图像进行灰度和二值化处理，生成种穴栅格图像；
[0021]S13、搭建种穴栅格语义分割模型，通过秧盘的原始图像和种穴栅格图像，训练搭建的语义分割模型，生成种穴栅格语义分割模型。
[0022]进一步地，所述步骤S2中的搭建并训练生成基于深度学习的穴播量检测网络模型包括如下步骤：
[0023]S21、播种秧盘图像采集，将若干份播种后的秧盘放置于图像信息采集模块的采集处，采集若干张播种秧盘的图像；
[0024]S22、播种秧盘图像处理，图像信息采集模块将采集到的播种秧盘图像输送至信息处理模块，信息处理模块导入种穴栅格语义分割模型，对播种秧盘图像进行识别切分，生成单个的种穴图；
[0025]S23、种穴图数据库建立，将S5生成的单个的种穴图进行汇总生成种穴图数据库；
[0026]S24、种穴图标注，对种穴图数据库中的单个种穴图进行识别，将种穴图按照种穴内的种子数目分类，生成以不同种子数目进行分类的种穴图组；
[0027]S25、搭建穴播量检测网络模型，搭建包含若干卷积层和若干池化层的深度学习分类网络模型，使用种穴图数据库对网络模型进行训练，生成穴播量检测网络模型。
[0028]进一步地，所述步骤S24中的生成种穴图组还包括如下步骤：
[0029]S241、样本数据增强，将分好类的种穴图组内的单个的种穴图分别旋转90度、180度和270度后生成新的种穴图组，将新生成的种穴图组与原种穴图组依照种子数目分类进行合并，生成新的种穴图数据库。
[0030]进一步地，所述S1和S2步骤为检测系统的信息采集和算法学习的检测前期步骤，为检测系统的检测作业提供样本数据；更换标准化的秧盘，重复进行S1和S2步骤增添新的样本数据。
[0031]进一步地，所述S3
‑
S8步骤完成检测系统的检测作业，重复S3
‑
S8步骤实现对多份播种秧盘进行检测，获取多份检测数据。
[0032]进一步地，所述的精密检测方法还包括如下步骤：
[0033]S9、数据处理，检测系统检测种子数量为零的种穴数量，得到空穴指数，根据每个种穴内的种子数量计算得到合格指数、重播指数、每穴平均播量、秧盘总播量等播种性能参数。
[0034]进一步地，所述的图像信息采集模块与信息处理模块相连接；所述图像信息采集模块执行检测系统的图像信息采集；所述信息处理模块执行检测系统的信息处理。
[0035]本专利技术的有益效果体现在：
[0036]第一、高稳定性，采用秧盘钵体盘作为播种的承载工具，并搭建种穴栅格图像语义分割模型，对秧盘统进行分割，保证稳定获取规格统一的单个种穴图像。
[0037]第二、适用性强，S1和S2步骤为检测系统的信息采集和算法学习的检测前期步骤，为检测系统的检测作业提供样本数据；更换标准化的秧盘，重复进行S1和S2步骤增添新的检测样本数据，使该精密检测方法可以用于不同的播种环境，增强了该检测方法的适用性。
[0038]第三、检测精度高，对种穴栅格图像进行种穴单元格像素坐标定位，通过信息处理模块对种穴栅格图像灰度化和二值化，生成二值图像；扫描二值图像中的连通区域，过滤掉面积大于3000的连通区域，只保留种穴单元格的联通区域；检测每个种穴单元格的最小外接矩形，得到种穴单元格的像素坐标位置及大小；将不完整的单个种穴图像过滤掉，保证获取的单个种穴图像的完整性，避免获取到因单个种穴图像不完整导致的数据误差。
附图说明
[0039]为了更清楚地说明本申请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，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，所述精密检测方法使用一种检测系统，所述检测系统包括图像信息采集模块和信息处理模块，其特征在于，使用该检测系统的精密检测方法包括以下步骤：S1、搭建并训练生成种穴栅格图像语义分割模型；S2、搭建并训练生成基于深度学习的穴播量检测网络模型；S3、检测系统启动，加载种穴栅格图形语义分割模型和穴播量检测网络模型；S4、播种秧盘检测图像采集，将播种后的秧盘放置于图像信息采集模块的采集处，采集播种秧盘检测图像；S5、分割种穴栅格图像，检测系统加载种穴栅格图像语义分割模型对播种秧盘检测图像进行分割，分割出种穴栅格图像；S6、种穴栅格图像种穴单元格像素坐标定位；S7、切分播种秧盘检测图像，将播种秧盘检测图像根据种穴单元格像素坐标切分为单个种穴图像；S8、检测穴播量，检测系统加载穴播量检测网络模型对将切分后的种穴图像进行检测，检测出每个种穴图像中的种子数量(穴播量)；所述步骤S6种穴栅格图像种穴单元格像素坐标定位包括如下步骤：S61、种穴栅格图像处理，信息处理模块对种穴栅格图像灰度化和二值化，生成二值图像；S62、过滤缺损种穴的单元格，扫描二值图像中的连通区域，过滤掉面积大于3000的连通区域，只保留种穴单元格的联通区域；S63、获取像素坐标，检测每个种穴单元格的最小外接矩形，得到种穴单元格的像素坐标位置及大小。2.根据权利要求1所述的一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，其特征在于，所述步骤S1中的搭建并训练生成种穴栅格图像语义分割模型包括如下步骤：S11、秧盘信息采集，将标准化的秧盘放置于图像信息采集模块的采集处，采集秧盘的原始图像；S12、秧盘原始图像处理，图像信息采集模块将采集到的秧盘原始图像输送至信息处理模块，信息处理模块对秧盘原始图像进行灰度和二值化处理，生成种穴栅格图像；S13、搭建种穴栅格语义分割模型，通过秧盘的原始图像和种穴栅格图像，训练搭建的语义分割模型，生成种穴栅格语义分割模型。3.根据权利要求1所述的一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，其特征在于，所述步骤S2中的搭建并训练生成基于深度学习的穴播量检测网络模型包括如下步骤：S21、播种秧盘图像采集，将若干份播种后的秧盘放置于图像信息采集...

【专利技术属性】
技术研发人员：董文浩，宋显文，张晓亚，徐勇军，游凯，
申请(专利权)人：广东工贸职业技术学院，
类型：发明
国别省市：