一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法技术

本发明专利技术提出了一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，是一种考虑烟株特殊生长状况，通过无人机搭载RGB相机以特定角度拍摄图像，以图像中RGB分量矩阵与叶绿素含量的换算关系来大面积快速检测烟叶叶绿素含量的方法。该方法在保证叶绿素含量测量精度的条件下，提高了现有的烟叶叶绿素检测效率，节省了测量成本。节省了测量成本。节省了测量成本。

【技术实现步骤摘要】
一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法


[0001]本专利技术涉及烟草农业
，具体涉及一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法。

技术介绍

[0002]叶绿素是植物吸收光能的主要物质，实时快速地监测作物叶绿素含量可以掌握作物生长状况，从而对作物实施管理提供依据。烟叶叶绿素含量是反映烤烟营养状况的重要指标，准确地估算烟叶叶绿素含量对指导烤烟生产具有重要的意义。
[0003]传统检测烟叶叶绿素方法主要通过取样检测法(分光光度计法)和专用无损速测仪(SPAD
‑
502)法等，其最大的特点是需专用仪器、测量样本量小，导致难以实现快速、无损的大面积监测，不能满足实时快速监测实际农业生产活动中的烟叶叶绿素含量。
[0004]随着高光谱技术的发展，基于光谱仪或光谱成像仪的叶绿素检测法主要通过获取作物叶片或冠层的近红外光谱、叶绿素荧光光谱或相应的多光谱、高光谱图像，并提取特征光谱指数对叶绿素含量进行预测。专利号CN113537108A一种基于无人机高光谱遥感的农作物叶绿素含量反演方法提供了一种利用高光谱图像反演农作物叶绿素含量的方法，其最大的弊端是测量成本高，难以大范围推广。

技术实现思路

[0005]为解决目前传统烟叶叶绿素检测的取样检测和无损速测方法难以大面积监测以及基于高光谱图像检测烟叶叶绿素含量的方法测量成本高的问题，本专利技术提出了一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，是一种通过无人机搭载RGB相机以特定角度拍摄图像，以图像中RGB分量矩阵来快速检测烟叶叶绿素含量的方法。该方法在保证叶绿素含量测量精度的条件下，提高了现有的烟叶叶绿素检测效率，节省了测量成本。
[0006]本专利技术的技术方案如下：
[0007]一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，包括以下步骤：
[0008]S1、烟田图像和位置信息的获取：
[0009]S11、通过无人机搭载的RGB相机定焦镜头以倾斜角θ拍摄烟田图像，所述倾斜角θ为地球重力方向与定焦镜头中轴线之间的夹角，倾斜角θ在24.23
°
到45
°
之间；
[0010]S12、通过无人机搭载的GPS设备获取烟田位置信息；
[0011]S2、对烟田图像处理后计算SPAD值：
[0012]S21、对所述烟田图像进行降噪处理，得到修正后的烟田图像；
[0013]S22、获取所述修正后的烟田图像的RGB值的各分量，根据所述烟田图像的RGB值的各分量计算烟田的植被覆盖指数，从而去除烟田土壤背景信息，得到无背景信息烟田图像；
[0014]S23、使用轮廓提取算法对所述无背景信息烟田图像进行烟叶轮廓提取，并在所述烟田图像中标记出烟叶轮廓区域；
[0015]S24、计算所述烟叶轮廓区域的RGB值分量；
[0016]S25、通过所述烟叶轮廓区域的RGB值来计算叶绿素a、叶绿素b以及叶绿素a+b含量；
[0017]S26、将计算得到的所述叶绿素a、叶绿素b以及叶绿素a+b含量换算成叶绿素含量的相对值，即SPAD值；
[0018]S3、可视化展示：
[0019]S31、标记所述烟田图像的烟叶轮廓区域SPAD值并可视化展示。
[0020]所述S11步骤中无人机飞行高度为8
‑
10米。
[0021]所述S11步骤中烟田图像包括烟叶在不同生长阶段的烟田图像。
[0022]所述S21步骤中降噪处理是通过均值滤波方法对所述烟田图像进行降噪处理。
[0023]所述S22步骤中得到所述烟田的植被覆盖指数后，利用该指数使用最大类间差法去除烟田土壤背景信息。
[0024]所述S23步骤采用Canny算法对所述无背景信息烟田图像进行烟叶轮廓提取，并对所得烟叶轮廓进行闭合处理，计算各烟叶轮廓到图像最大像素轴的距离，根据距离去除远景部分，对保留部分使用集合去重算法去除轮廓重合区域，并使用去除极值算法去除异常轮廓。
[0025]所述S23步骤采用Canny算法提取烟叶轮廓具体步骤如下：
[0026]S231、所述闭合处理是指采用图像中轮廓闭合处理算法对烟叶轮廓进行处理，实现轮廓的连通性处理，并对轮廓连通性进行检查，将非轮廓边缘部分置为白色，非边缘部分置为黑色；
[0027]S232、计算烟叶轮廓；
[0028]S233、计算距离d，计算方法为：使用欧拉距离公式计算各区域到最大像素点(x
max
,y
max
)所在坐标轴的距离d，将d大于y
max
/N距离部分区域去除，其中2≤N≤5；
[0029]S234、计算轮廓面积集合A：计算保留区域(x,y)各轮廓面积，按照面积对轮廓进行升序形成轮廓集合A(a1,a2,a3,a4…
a
i
)其中i≤x；
[0030]S235、去除小集合：对于S234步里集合A中的任意子集a
i
与集合A中的其他子集a1,a2,a3…
a
k
(k≠i)进行集合包含关系运算，若则将a
i
从A中去除，否则保留；
[0031]S236、计算极值：对所述集合A保留部分中的子集进行面积S、面积均值Mean、标准差Sd计算，保留(Mean
‑
3*SD)≤S≤(Mean+3*SD)部分，去除了极值干扰部分，去除极值后恢复集合A的除极值外的所有数据值，然后判断是否存在极值，如果存在，去除极值，重复S235
‑
S236算法，直到不出现极值数据方终止算法，输出结果。
[0032]所述S25步骤中通过所述烟叶轮廓区域的RGB值来计算叶绿素a、叶绿素b以及叶绿素a+b含量的方法为公式(1)
[0033][0034]所述S26步骤中叶绿素a、叶绿素b以及叶绿素a+b含量与SPAD值的换算方法为公式
(2)
[0035][0036]本专利技术的有益效果为：
[0037]本专利技术提出一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，该方法首先通过无人机搭载的定焦镜头以24.23
°
到45度的倾斜角拍摄烟田图像，这是由于烟株生长过程中烟叶会出现明显的分层现象，即烟叶在同株烟株上高度不同，为了至少能拍摄到中部烟以上的烟叶轮廓信息，并最大化避免烟叶重叠从而带来的对最终叶绿素含量计算的不利影响，在做了大量试验并结合平行航线飞行的工程经验数据后，倾斜角在24.23
°
至45
°
之间可以使得拍摄出的烟叶叶片重合率满足和高于最终叶绿素含量计算的测量精度要求，大于45
°
重叠率就无法满足要求，即容易叶片重合，特别是这个角度范围相对来说分辨率最佳，提高后续处理准确性，而小于24.23
°
分辨率过低，会造成容易曝光过度；其次通过无人机搭载的GP本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，其特征在于，包括以下步骤：S1、烟田图像和位置信息的获取：S11、通过无人机搭载的RGB相机定焦镜头以倾斜角θ拍摄烟田图像，所述倾斜角θ为地球重力方向与定焦镜头中轴线之间的夹角，倾斜角θ在24.23
°
到45
°
之间；S12、通过无人机搭载的GPS设备获取烟田位置信息；S2、对烟田图像处理后计算SPAD值：S21、对所述烟田图像进行降噪处理，得到修正后的烟田图像；S22、获取所述修正后的烟田图像的RGB值的各分量，根据所述烟田图像的RGB值的各分量计算烟田的植被覆盖指数，从而去除烟田土壤背景信息，得到无背景信息烟田图像；S23、使用轮廓提取算法对所述无背景信息烟田图像进行烟叶轮廓提取，并在所述烟田图像中标记出烟叶轮廓区域；S24、计算所述烟叶轮廓区域的RGB值分量；S25、通过所述烟叶轮廓区域的RGB值来计算叶绿素a、叶绿素b以及叶绿素a+b含量；S26、将计算得到的所述叶绿素a、叶绿素b以及叶绿素a+b含量换算成叶绿素含量的相对值，即SPAD值；S3、可视化展示：S31、标记所述烟田图像的烟叶轮廓区域SPAD值并可视化展示。2.根据权利要求1所述一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，其特征在于，所述S11步骤中无人机飞行高度为8
‑
10米。3.根据权利要求2所述一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，其特征在于，所述S21步骤中降噪处理是通过均值滤波方法对所述烟田图像进行降噪处理。4.根据权利要求3所述一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，其特征在于，所述S22步骤中得到所述烟田的植被覆盖指数后，利用该指数使用最大类间差法去除烟田土壤背景信息。5.根据权利要求4所述一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，其特征在于，所述S23步骤采用Canny算法对所述无背景信息烟田图像进行烟叶轮廓提取，并对所得烟叶轮廓进行闭合处理，计算各烟叶轮廓到图像最大像素轴的距离，根据距离去除远景部分，对保留部分使用集合去重算法去除轮廓重合区域，并使用去除极值算法去除异常轮廓。6.根据权利要求5所述一种基于无人机与RGB图像快速检测烟草叶绿素含量的方法，其特征在于，所述S23步骤采用Canny算法提取烟叶轮廓具体步骤如下：S231、所述闭合处理...

【专利技术属性】
技术研发人员：单双吕，高建斌，王通，黄坤，冀新威，高松，李祯寿，邵小东，张鲁民，郭建，侯秋强，王晓萌，杨园媛，陈天宏，
申请(专利权)人：云南省烟草公司红河州公司，
类型：发明
国别省市：