本发明专利技术涉及测量技术领域，特别涉及一种农作物的微振动速度检测方法及装置，其中，方法包括：获取待测农作物的视频数据；基于视频数据的色块区别，勾勒出待测农作物的边框，得到初始处理图像，并对初始处理图像进行二值化和除杂处理，得到保留待测农作物的运动主体的最终图像；分析最终图像中各边框像素点的速度，得到速度分层表征的输出图像，并分析输出图像中的特征速度值，生成随帧数变化的图线，以计算农作物的至少一个相关数据，得到农作物的微振动速度结果。由此，解决了相关技术中，无法兼顾样品的完整性与测量的高效性和准确性，成本较高，难以直观地获得所需的测量结果的技术问题。题。题。
【技术实现步骤摘要】
农作物的微振动速度检测方法及装置
[0001]本专利技术涉及测量
，特别涉及一种农作物的微振动速度检测方法及装置。
技术介绍
[0002]振动是自然界中普遍存在的运动现象，物体的位置振动，特别是小幅振动，可以相当好的反映物体的物理学参数，而对小幅振动的周期测量是振动参数测量的重要环节。小麦是我国主要粮食作物之一，小麦产量对国家粮食安全具有重大意义，但是受气候等因素影响，小麦在生长中后期易发生倒伏，使得小麦减产15%至40%；因此，选育抗倒伏能力强的小麦十分重要。
[0003]相关技术中，在对小麦抗倒伏能力测量时，小麦倒伏后的复位速度则成为了主要的测试项，其中，测试方法可以包括力学实验测量、图像识别技术测量、雷达技术测量等。
[0004]其中，力学实验测量需要采样，对于不便于采样的情况，比如采样将有损物品完整性，或样本数过多的情况，比如一个群体的平均周期，力学采样显然是不适用的；以yolo算法为代表的图像识别技术，可以首先识别图像中的每一个物体，在不同帧之间建立物体上位置的一一对应，再利用位置和帧数关系得到物体速度，它的缺点在于计算量大，且需要一定水平的训练，在针对不同的目标可能需要不同的图像识别训练，泛用性差，程序复杂，处理了很多冗余信息，得到速度和周期不够直接；雷达技术测量成本价高且达到高精度需要雷达阵列，而就小型单元雷达来说，数据处理难度高，信息输出不够直接，且不在可见光波段，即雷达无法做到直观的同时输出一个连续体不同位置的速度情况，难以做到速度可视化，并且对于有一定空间分布的群体，波长较长的雷达难以回避相位重叠的问题。
[0005]综上所述，相关技术中，无法兼顾样品的完整性与测量的高效性和准确性，成本较高，难以直观地获得所需的测量结果，有待改进。
技术实现思路
[0006]本专利技术提供一种农作物的微振动速度检测方法及装置，以解决相关技术中，无法兼顾样品的完整性与测量的高效性和准确性，成本较高，难以直观地获得所需的测量结果的技术问题。
[0007]本专利技术第一方面实施例提供一种农作物的微振动速度检测方法，包括以下步骤：获取待测农作物的视频数据；基于所述视频数据的色块区别，勾勒出所述待测农作物的边框，得到初始处理图像，并对所述初始处理图像进行二值化和除杂处理，得到保留所述待测农作物的运动主体的最终图像；以及分析所述最终图像中各边框像素点的速度，得到速度分层表征的输出图像，并分析所述输出图像中的特征速度值，生成随帧数变化的图线，以计算所述农作物的至少一个相关数据，得到所述农作物的微振动速度结果。
[0008]可选地，在本专利技术的一个实施例中，所述至少一个相关数据包括无量纲数。
[0009]可选地，在本专利技术的一个实施例中，所述无量纲数的计算公式为：
，其中，为所述无量纲数，g为重力加速度，l为小麦株高，T为振动周期，C为固定常数。
[0010]可选地，在本专利技术的一个实施例中，所述对所述初始处理图像进行二值化和除杂处理，包括：基于所述处理图像的彩色对应的权重，转化为灰度图；根据所述灰度图识别所述农作物的物体边缘，得到新的处理图像；对所述新的处理图像进行二值化处理。
[0011]可选地，在本专利技术的一个实施例中，所述分析所述最终图像中各边框像素点的速度，得到速度分层表征的输出图像，包括：将不同帧的边框像素点作差并取绝对值；根据所述绝对值计算目标帧中边框像素点的速度。
[0012]本专利技术第二方面实施例提供一种农作物的微振动速度检测装置，包括：获取模块，用于获取待测农作物的视频数据；处理模块，用于基于所述视频数据的色块区别，勾勒出所述待测农作物的边框，得到初始处理图像，并对所述初始处理图像进行二值化和除杂处理，得到保留所述待测农作物的运动主体的最终图像；以及计算模块，用于分析所述最终图像中各边框像素点的速度，得到速度分层表征的输出图像，并分析所述输出图像中的特征速度值，生成随帧数变化的图线，以计算所述农作物的至少一个相关数据，得到所述农作物的微振动速度结果。
[0013]可选地，在本专利技术的一个实施例中，所述至少一个相关数据包括无量纲数。
[0014]可选地，在本专利技术的一个实施例中，所述无量纲数的计算公式为：，其中，为所述无量纲数，g为重力加速度，l为小麦株高，T为振动周期，C为固定常数。
[0015]可选地，在本专利技术的一个实施例中，所述处理模块包括：转化单元，用于基于所述处理图像的彩色对应的权重，转化为灰度图；识别单元，用于根据所述灰度图识别所述农作物的物体边缘，得到新的处理图像；处理单元，用于对所述新的处理图像进行二值化处理。
[0016]可选地，在本专利技术的一个实施例中，所述计算模块包括：取值单元，用于将不同帧的边框像素点作差并取绝对值；计算单元，用于根据所述绝对值计算目标帧中边框像素点的速度。
[0017]本专利技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的农作物的微振动速度检测方法。
[0018]本专利技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的农作物的微振动速度检测方法。
[0019]本专利技术实施例可以基于待测农作物视频数据的色块区别，得到初始处理图像，并在处理后，得到保留待测农作物的运动主体的最终图像，分析最终图像中各边框像素点的速度，得到速度分层表征的输出图像，从而得到特征速度值，生成随帧数变化的图线，以计算农作物的至少一个相关数据，得到农作物的微振动速度结果，无需破坏样品的完整性，可以在不经过图像对应点判别的情况下直接输出每一点的速度，提高了容错率，能够输出二维图像中任何一帧任何一点的速度坐标，提高了速度探测的维度，同时对输入视频的每帧
每个像素点进行速度识别、分层、标记，并可根据需求有针对性的进行所需数据的输出，简化算法的复杂程度，使之可以在更低的计算机配置要求下，不经机器学习即可进行速度分析。由此，解决了相关技术中，无法兼顾样品的完整性与测量的高效性和准确性，成本较高，难以直观地获得所需的测量结果的技术问题。
[0020]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0021]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术实施例提供的一种农作物的微振动速度检测方法的流程图；图2为根据本专利技术一个实施例的农作物的微振动速度检测方法的流程图；图3为根据本专利技术实施例提供的一种农作物的微振动速度检测装置的结构示意图；图4为根据本专利技术实施例提供的电子设备的结构示意图。
具体实施方式
[0022]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本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种农作物的微振动速度检测方法，其特征在于，包括以下步骤：获取待测农作物的视频数据；基于所述视频数据的色块区别，勾勒出所述待测农作物的边框，得到初始处理图像，并对所述初始处理图像进行二值化和除杂处理，得到保留所述待测农作物的运动主体的最终图像；以及分析所述最终图像中各边框像素点的速度，得到速度分层表征的输出图像，并分析所述输出图像中的特征速度值，生成随帧数变化的图线，以计算所述农作物的至少一个相关数据，得到所述农作物的微振动速度结果。2.根据权利要求1所述的农作物的微振动速度检测方法，其特征在于，所述至少一个相关数据包括无量纲数。3.根据权利要求2所述的农作物的微振动速度检测方法，其特征在于，所述无量纲数的计算公式为：，其中，为所述无量纲数，g为重力加速度，l为小麦株高，T为振动周期，C为固定常数。4.根据权利要求1所述的农作物的微振动速度检测方法，其特征在于，所述对所述初始处理图像进行二值化和除杂处理，包括：基于所述处理图像的彩色对应的权重，转化为灰度图；根据所述灰度图识别所述农作物的物体边缘，得到新的处理图像；对所述新的处理图像进行二值化处理。5.根据权利要求1所述的农作物的微振动速度检测方法，其特征在于，所述分析所述最终图像中各边框像素点的速度，得到速度分层表征的输出图像，包括：将不同帧的边框像素点作差并取绝对值；根据所述绝对值计算目标帧中边框像素点的速度。6.一种农作物的微振动速度检测装置，其特征在于，包括：获取模块，用于获取待测农作物的...
【专利技术属性】
技术研发人员：杜淑媛，邵玥，彭梓权，王幼轩，郭鹏翔，郑伊凡，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。