【技术实现步骤摘要】
本专利技术涉及农作物监测领域，具体为一种农作物生长状况的监测方法。
技术介绍
1、在种植山葵等生长条件较为严格且价格相对高昂的农作物时，需要保持对该类珍贵农作物的良好监测以保证其成活率，从而获取更好的经济效益，而叶片作为农作物光合作用的重要器官，可以直接反映农作物生长过程的多种生长状况，因此通过监测农作物叶片的卷曲状态来判断农作物的生长状况是否正常显得十分重要。
2、目前检测农作物叶片卷曲状态的方法主要是通过人工和图像识别的方法，人工的方法比较浪费人力，图像识别的方法一般通过bp神经网络等算法实现对图像中叶片卷曲部位的提取，从而用来判断叶片的卷曲程度，但是这种方法在使用时难以对被卷曲叶片遮挡部位的准确识别，从而也难以准确判断叶片的卷曲状态。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种农作物生长状况的监测方法，解决了现有技术中由于叶片部分位置被卷曲后的叶片遮挡，导致难以准确判断叶片卷曲程度的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种农作物生长状况的监测方法，包括：
4、s1、从多个角度获取农作物的叶片特征为感兴趣区域；
5、s2、从感兴趣区域中提取卷曲的叶片特征以生成若干个单叶片图像，并获取单叶片图像上包含各像素点坐标和反射率的第一叶片数据；
6、s3、根据第一叶片数据判断单叶片图像中叶片的卷曲方向，并区分叶片的正常区域和卷曲区域；
7、s4、根据叶片卷曲方向对
8、s5、根据最大正常区域的面积、叶片主脉的长度和初始卷曲点的曲率半径计算叶片的卷曲度，并输出农作物生长状况的监测数据。
9、作为优选，在步骤s3中，具体包括如下步骤：
10、s31、根据第一叶片数据计算单叶片图像中各个相邻像素点的反射率的反射差；
11、反射差的计算公式为：
12、σ(i，i+1)＝r(i)-r(i+1)
13、上式中，σ(i，i+1)表示像素点i和与其相邻的其中一个像素点i+1的反射率的反射差，r(i)表示第像素点i的反射率，r(i+1)表示与像素点i相邻的一个像素点的反射率；
14、s32、根据任一像素点的反射差，判断叶片的卷曲方向；
15、若反射差大于第一阈值，则该叶片向上卷曲；
16、若反射差小于或等于第一阈值，则该叶片向上卷曲；
17、s33、根据任一像素点的反射差，判断该像素点是否处于卷曲区域；
18、若反射差大于第二阈值，则该像素点处于卷曲区域；
19、若反射差小于或等于第二阈值，则该像素点处于卷曲区域；
20、s34、重复步骤s33依次辨别单叶片图像中的所有像素点，以获得正常区域和若干个卷曲区域。
21、作为优选，在步骤s4中，具体包括如下步骤：
22、s41、转动单叶片图像中的叶片特征使正常区域所在平面与遥感设备镜头光轴垂直以生成转动图像，并获取包含各像素点坐标、入射角、反射率、叶片主脉和叶片最大边界线的第二叶片数据；
23、s42、将转动图像根据叶片卷曲方向分类标记为下卷叶片图像和上卷叶片图像；
24、s43、依次获取下卷叶片图像并计算正常区域的面积即为最大正常区域的面积，并计算卷曲区域与最大正常区域相邻的像素点的曲率半径；
25、s44、依次获取上卷叶片图像，并根据第二叶片数据分别获取卷曲区域与最大边界的重合线；
26、s45、依次在卷曲区域处建立若干个与正常区域所在平面和重合线均垂直的参考面；
27、s46、根据第二叶片数据拟合计算叶片卷曲区域在参考面上的卷曲曲线；
28、s47、根据卷曲曲线计算卷曲区域的初始卷曲点和该点处的曲率半径；
29、s48、拟合若干个初始卷曲点以获得初始卷曲线；
30、s49、提取由若干个初始卷曲线和叶片最大边界线所围成的最小封闭区域即为最大正常区域，并计算该区域的面积。
31、作为优选，在步骤s41中，具体包括如下步骤：
32、s411、在正常区域中选取任一像素点作为参考点，并根据第一叶片数据计算参考点的入射角；入射角与反射率满足下列表达式：
33、r(α)＝r0+(1-r0)(1-cosα)5
34、上式中，r(α)表示入射角为α时的反射率，r0表示入射角为0时的反射率，α表示光线照射到参考点后被遥感设备接收的入射角；
35、s412、以参考点为转动基点，转动单叶片图像中的叶片特征使参考点的入射角为0以生成转动图像；
36、s413、根据第一叶片数据计算转动图像中各像素点的入射角；转动图像中各像素点的入射角的计算公式为：
37、
38、上式中，θ表示转动图像中任一像素点的入射角，β和γ表示单叶片图像围绕遥感设备坐标系的x轴和y轴方向转动的角度，根据转动方向定义正负，α为转动图像中任一像素点在转动操作前的入射角，即该像素点位于单叶片图像中时的入射角；
39、s414、根据转动图像中各像素点的入射角计算该像素点的反射率；
40、s415、将转动图像中各像素点坐标、入射角、反射率、叶片主脉和叶片最大边界线作为第二叶片数据。
41、作为优选，在步骤s46中，具体包括如下步骤：
42、s461、根据第二叶片数据获取卷曲区域内位于参考面上的入射角为0的像素点，并标记为基准点；
43、s462、对参考面上位于基准点靠近叶片主脉一侧的卷曲区域像素点的入射角取相反数；
44、s463、从参考面上选取若干个像素点，计算若干个像素点所对应的曲率半径；曲率半径的计算公式为：
45、
46、上式中，ri表示像素点i处的曲率半径，lij表示像素点i和与其相邻的像素点j之间的距离，θi表示像素点i处的入射角，θj表示像素点j处的入射角；
47、s464、根据若干个像素点的入射角和曲率半径拟合获得卷曲区域在参考面上的卷曲曲线；
48、卷曲曲线的表达式为：
49、r＝a+bθ
50、上式中，r表示曲率半径，a和b均为系数，θ表示入射角的角度。
51、作为优选，在步骤s47中，具体包括如下步骤：
52、s471、在正常区域上选取任一入射角大于0的像素点作为辅助点；
53、s472、根据辅助点与参考点的入射角分别建立直线方程并计算两个直线方程的交点为遥感设备的焦点；直线方程的表达式为：
54、ax+by+cz+d＝0
55、其中，
56、
57、上式中，a、b、c和d均为系数，θ表示入射角，将辅助点和参考点的坐本文档来自技高网...
【技术保护点】
1.一种农作物生长状况的监测方法，其特征在于，包括：
2.根据权利要求1所述的监测方法，其特征在于，在步骤S3中，具体包括如下步骤：
3.根据权利要求1所述的监测方法，其特征在于，在步骤S4中，具体包括如下步骤：
4.根据权利要求3所述的监测方法，其特征在于，在步骤S41中，具体包括如下步骤：
5.根据权利要求3所述的监测方法，其特征在于，在步骤S46中，具体包括如下步骤：
6.根据权利要求3所述的监测方法，其特征在于，在步骤S47中，具体包括如下步骤：
7.根据权利要求1所述的监测方法，其特征在于，在步骤S5中，具体包括如下步骤：
8.根据权利要求7所述的监测方法，其特征在于，在步骤S51中，卷曲度的计算公式为：
【技术特征摘要】
1.一种农作物生长状况的监测方法，其特征在于，包括：
2.根据权利要求1所述的监测方法，其特征在于，在步骤s3中，具体包括如下步骤：
3.根据权利要求1所述的监测方法，其特征在于，在步骤s4中，具体包括如下步骤：
4.根据权利要求3所述的监测方法，其特征在于，在步骤s41中，具体包括如下步骤：
5.根据权...
【专利技术属性】
技术研发人员：马睿，于会涛，马楠楠，张桂贤，于会彬，
申请(专利权)人：海南海柠科技有限公司，
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。