一种香椿表型参数与生物量的确定方法、系统及电子设备技术方案

本发明专利技术公开一种香椿表型参数与生物量的确定方法、系统及电子设备，涉及计算机视觉技术领域，所述方法包括：获取待检三维点云图像；将待检三维点云图像输入至点云分割模型中，得到分割后的待检三维点云图像；根据分割后的待检三维点云图像，确定待检香椿的表型参数；根据分割后的待检三维点云图像和生物量预测模型，确定待检香椿的生物量。本发明专利技术利用香椿表型参数与生物量的自动确定方法，和人工检测相比，提高了香椿表型参数与生物量的确定准确性。性。性。

【技术实现步骤摘要】
一种香椿表型参数与生物量的确定方法、系统及电子设备


[0001]本专利技术涉及计算机视觉
，特别是涉及一种香椿表型参数与生物量的确定方法、系统及电子设备。

技术介绍

[0002]香椿是速生高大乔木，它的种植方法简单、成活率高，是石漠化治理专家认为保持水土、绿化荒山中成本低、见效快、效率高的最优治荒植物之一。同时，香椿也具有极高的食用价值、药用价值和经济价值，近年来，香椿种植的市场前景十分广阔，畅销东南亚，它带来的经济效益，很好的活跃了乡村经济。植物生长是一个高度复杂的生物过程，涉及无数相互关联的生化和信号通路。作物表型调查和生物量预测，可以精确获取一定时间范围内林木冠层变化规律，为林木育种早期性状选择提供可靠稳定的理论保障，也为基于营养、生理动态指标的精准施肥、培育措施提供技术支持。
[0003]三维点云是指按照规则格网排列的三维坐标点的数据集，通常包含三维空间信息、RGB颜色信息、法向量信息等，可以由双目相机、激光雷达扫描、RGB
‑
D相机获得。三维点云数据在各个领域中得到应用，是不同领域发展研究的数据基础。在农林业领域，三维点云数据可以很好的获取植物的生长健康状况，预测植物的生长趋势，为农林业研究学家提供良好的数据支持。传统的表型参数获取通过人工测量的方式，既耗费人力财力，也不可避免人工测量的误差和人工测量过程中对植株的影响以及对植株生长条件的破坏，进一步导致生物量的预测准确性较低。

技术实现思路

[0004]本专利技术的目的是提供一种香椿表型参数与生物量的确定方法、系统及电子设备，提高了香椿表型参数与生物量的确定准确性。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种香椿表型参数与生物量的确定方法，包括：
[0007]获取待检三维点云图像；所述待检三维点云图像为待检香椿与所在环境的三维点云图像；
[0008]将所述待检三维点云图像输入至点云分割模型中，得到分割后的待检三维点云图像；所述点云分割模型是利用多个训练用三维点云图像和对应分割后的训练用三维点云图像对PointNet++网络进行训练得到的；
[0009]根据分割后的待检三维点云图像，确定所述待检香椿的表型参数；所述表型参数包括：株高和冠幅；
[0010]根据分割后的待检三维点云图像和生物量预测模型，确定所述待检香椿的生物量；所述生物量包括：鲜重和干重；所述生物量预测模型是利用多个分割后的待检三维点云图像和对应的训练用香椿的生物量对线性模型进行训练得到的。
[0011]可选地，获取待检三维点云图像，具体包括：
[0012]采集所述待检香椿与所在环境的彩色图像和深度图像；
[0013]基于所述待检香椿与所在环境的彩色图像和深度图像，确定所述待检三维点云图像。
[0014]可选地，所述点云分割模型的训练过程，包括：
[0015]采集多棵训练用香椿与所在环境的彩色图像和深度图像；
[0016]基于各训练用香椿与所在环境的彩色图像和深度图像，确定对应的训练用三维点云图像；
[0017]对各所述训练用三维点云图像进行标注，得到分割后的训练用三维点云图像；
[0018]以各训练用三维点云图像为输入，以对应的分割后的训练用三维点云图像为输出，对所述PointNet++网络进行训练，得到所述点云分割模型。
[0019]可选地，根据分割后的待检三维点云图像，确定所述待检香椿的表型参数，具体包括：
[0020]基于分割后的待检三维点云图像确定待检香椿的点云集；
[0021]确定待检香椿的点云集中的各点云在深度图像中对应像素的深度值；
[0022]根据最大深度值和最小深度值，计算所述待检香椿的株高；
[0023]将待检香椿的点云集进行旋转，基于旋转后的待检香椿的点云集的最小包围盒确定所述待检香椿的冠幅。
[0024]可选地，所述生物量预测模型的训练过程，包括：
[0025]获取各训练用香椿的生物量；
[0026]以各分割后的待检三维点云图像为输入，以对应的训练用香椿的生物量为输出，对所述线性模型进行训练，得到所述生物量预测模型。
[0027]可选地，对各所述训练用三维点云图像进行标注，得到分割后的训练用三维点云图像，具体包括：
[0028]利用CloudCompare将各所述训练用三维点云图像中的训练用香椿对应的点云标注为1，将训练用香椿所在环境对应的点云标注为0，得到分割后的训练用三维点云图像。
[0029]一种香椿表型参数与生物量的确定系统，包括：
[0030]待检三维点云图像获取模块，用于获取待检三维点云图像；所述待检三维点云图像为待检香椿与所在环境的三维点云图像；
[0031]图像分割模块，用于将所述待检三维点云图像输入至点云分割模型中，得到分割后的待检三维点云图像；所述点云分割模型是利用多个训练用三维点云图像和对应分割后的训练用三维点云图像对PointNet++网络进行训练得到的；
[0032]表型参数确定模块，用于根据分割后的待检三维点云图像，确定所述待检香椿的表型参数；所述表型参数包括：株高和冠幅；
[0033]生物量确定模块，用于根据分割后的待检三维点云图像和生物量预测模型，确定所述待检香椿的生物量；所述生物量包括：鲜重和干重；所述生物量预测模型是利用多个分割后的待检三维点云图像和对应的训练用香椿的生物量对线性模型进行训练得到的。
[0034]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的香椿表型参数与生物量的确定方法。
[0035]可选地，所述存储器为可读存储介质。
[0036]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0037]本专利技术公开了一种香椿表型参数与生物量的确定方法、系统及电子设备，首先获取待检香椿的待检三维点云图像；将待检三维点云图像输入至点云分割模型中，得到分割后的待检三维点云图像；根据分割后的待检三维点云图像，确定待检香椿的表型参数；根据分割后的待检三维点云图像和生物量预测模型，确定待检香椿的生物量。本专利技术利用香椿表型参数与生物量的自动确定方法，和人工检测相比，提高了香椿表型参数与生物量的确定准确性。
附图说明
[0038]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性的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本专利技术实施例1提供的香椿表型参数与生物量的确定方法流程示意图；
[0040]图2为株高计算示意图；
[0041]图3为冠幅计算示意图。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种香椿表型参数与生物量的确定方法，其特征在于，所述方法包括：获取待检三维点云图像；所述待检三维点云图像为待检香椿与所在环境的三维点云图像；将所述待检三维点云图像输入至点云分割模型中，得到分割后的待检三维点云图像；所述点云分割模型是利用多个训练用三维点云图像和对应分割后的训练用三维点云图像对PointNet++网络进行训练得到的；根据分割后的待检三维点云图像，确定所述待检香椿的表型参数；所述表型参数包括：株高和冠幅；根据分割后的待检三维点云图像和生物量预测模型，确定所述待检香椿的生物量；所述生物量包括：鲜重和干重；所述生物量预测模型是利用多个分割后的待检三维点云图像和对应的训练用香椿的生物量对线性模型进行训练得到的。2.根据权利要求1所述的香椿表型参数与生物量的确定方法，其特征在于，获取待检三维点云图像，具体包括：采集所述待检香椿与所在环境的彩色图像和深度图像；基于所述待检香椿与所在环境的彩色图像和深度图像，确定所述待检三维点云图像。3.根据权利要求1所述的香椿表型参数与生物量的确定方法，其特征在于，所述点云分割模型的训练过程，包括：采集多棵训练用香椿与所在环境的彩色图像和深度图像；基于各训练用香椿与所在环境的彩色图像和深度图像，确定对应的训练用三维点云图像；对各所述训练用三维点云图像进行标注，得到分割后的训练用三维点云图像；以各训练用三维点云图像为输入，以对应的分割后的训练用三维点云图像为输出，对所述PointNet++网络进行训练，得到所述点云分割模型。4.根据权利要求2所述的香椿表型参数与生物量的确定方法，其特征在于，根据分割后的待检三维点云图像，确定所述待检香椿的表型参数，具体包括：基于分割后的待检三维点云图像确定待检香椿的点云集；确定待检香椿的点云集中的各点云在深度图像中对应像素的深度值；根据最大深度值和最小深度值，计算所述待检香椿的株高；将待检香椿的点云集进行旋转，基于旋转后...

【专利技术属性】
技术研发人员：王敏娟，聂钰洪，李桂鑫，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：