【技术实现步骤摘要】
本专利技术属于计算机视觉，具体涉及一种智能识别大豆叶片叶形的方法和系统。
技术介绍
1、大豆作为一种豆科植物，富含对人类和动物有益的植物蛋白质和脂肪，已发展成为目前世界上消费最广泛的粮食之一，因此，深入研究大豆育种、生长、发育和产量对于进一步提高大豆的品质和产量具有十分重要的意义和价值。
2、学术界和现代农业领域已经对大豆进行了广泛的研究，例如，文献《裴文彤.大豆叶片虚拟建模算法研究[硕士学位论文].大庆:黑龙江八一农垦大学，2016》中公开了使用虚拟植物仿真技术和计算机技术结合对大豆叶片进行仿真建模，并证明了实验得到的大豆叶片模型对于大豆的研究具有一定的价值，为观测大豆叶片以及大豆整体植株生长状态的监测提供了基础依据。文献《wang b,gao ys,yuan xh,et al. from species tocultivar:soybean cultivar recognition using joint leaf image patterns bymultiscale sliding chord matching. biosystems engineering,2020,194:99–111》中公开了首次尝试将来自大豆植株不同部位的叶片图像特征描述子进行联合用于识别大豆品种，使用多尺度滑动弦来测量叶片图像的外部形状和内部特征，他们的实验结果证明了大豆叶片中品种信息的可获得性。这些研究都在不同程度上促进了对大豆品种的鉴别和选择能力，推动了更高效的大豆生产方式，为提高大豆产量和品质并为缓解粮食危机问题提供了理论基础
3、由于大豆叶片图像的叶片形状差异较大，可以作为大豆品种识别的一项重要线索，因此研究大豆叶片形状具有重要意义。一直以来，对于大豆叶片形状的观测主要是通过专业人员到田间进行肉眼观测，受观测员主观因素的影响较大，同时由于大豆种植地域广、生长周期长，利用专业人员观测费用昂贵。
4、随着计算机视觉技术的发展，图像处理和机器学习等技术在叶片形状观测中得到了广泛应用。通过对叶片图像进行处理和分析，可以提取出叶片的特征信息用于品种鉴别、生长状态监测、产量预测等方面，为大豆研究和生产提供了新的手段。但现有方法中对于提取大豆叶片特征信息进行品种识别主要采用基于叶脉拓扑特征或通过对大豆叶片的形态特征、颜色特征及纹理特征进行动态提取等，这些方法对于图片质量要求高，并且依据复杂的特征提取将增加计算成本和时间，因此对于一般场景下的大豆品种识别需求，亟需一种简单、快速和精确的大豆叶片叶形识别方法，这将有助于研究者进一步通过大豆叶片叶形进行大豆品种识别。
技术实现思路
1、鉴于上述，本专利技术的目的是提供一种智能识别大豆叶片叶形的方法和系统，通过对大豆叶片图像分割、长宽比计算和叶形判定，实现对大豆叶片叶形的自动高效识别，有效提升识别精度和速度，能够应用于智能识别大豆品种等实战部署场景。
2、为实现上述专利技术目的，本专利技术提供的技术方案如下：
3、第一方面，本专利技术实施例提供的一种智能识别大豆叶片叶形的方法，包括以下步骤：
4、构建包含完整大豆叶片图像的训练集对基于深度卷积神经网络的大豆叶片检测分割模型进行训练，将待检测的大豆叶片图像输入训练好的大豆叶片检测分割模型并输出每张图像中分割出的大豆叶片图像；
5、基于分割出的大豆叶片图像，采用最小外接矩形法计算叶长和叶宽，进而计算得到大豆叶片长宽比；
6、将分割出的大豆叶片图像切分为若干区域，基于大豆叶片长宽比及各区域的叶片像素量判定大豆叶片叶形。
7、优选地，所述构建包含完整大豆叶片图像的训练集对基于深度卷积神经网络的大豆叶片检测分割模型进行训练，包括：
8、采集各品种大豆叶片的完整图像，并对图像中大豆叶片进行标注，得到训练集，根据训练集对基于深度卷积神经网络的大豆叶片检测分割模型进行训练，通过优化损失函数来最小化分割结果与实际标注之间的差异，得到训练好的大豆叶片检测分割模型。
9、优选地，所述基于深度卷积神经网络的大豆叶片检测分割模型，为采用边界基础区域融合显著目标检测分割网络作为大豆叶片检测分割模型，所述边界基础区域融合显著目标检测分割网络为结合了显著目标检测和边界基础区域融合正则化的深度卷积神经网络，对输入的待检测大豆叶片图像中大豆叶片边界区域进行识别并对分割区域进行融合，得到分割出的大豆叶片图像。
10、优选地，所述基于分割出的大豆叶片图像，采用最小外接矩形法计算叶长和叶宽，进而计算得到大豆叶片长宽比，包括：
11、将分割出的大豆叶片图像进行预处理，预处理包括：将图像转换为灰度图、高斯滤波和中值滤波；
12、采用最小外接矩形法对预处理后的大豆叶片图像找出图像中叶片轮廓的最小外接矩形，将最小外接矩形的长作为大豆叶片的长，将最小外接矩形的宽作为大豆叶片的宽；
13、计算大豆叶片的长与大豆叶片的宽的比值，即为大豆叶片长宽比。
14、优选地，所述将分割出的大豆叶片图像切分为若干区域，基于大豆叶片长宽比及各区域的叶片像素量判定大豆叶片叶形，包括：
15、将分割出的大豆叶片图像的叶片旋转至垂直方向，再将大豆叶片图像转换为二值图，对二值图进行切分，包括粗切分和细切分，通过粗切分得到的若干粗区中位于两端的粗区的像素量判断叶片叶尖的朝向，通过大豆叶片长宽比和各粗区及子区的叶片像素量综合判定大豆叶片叶形。
16、优选地，大豆叶片叶形的判定规则为：
17、（1）当大豆叶片长宽比r=1时，叶形为圆形；
18、（2）当大豆叶片长宽比1＜r≤1.5时，叶形为近圆形，
19、近圆形又细分为以下五种：
20、2.1）当叶片长宽比1＜r≤1.1时，叶形为i型近圆形，
21、2.2）当叶片长宽比1.1＜r≤1.2时，叶形为ⅱ型近圆形，
22、2.3）当叶片长宽比1.2＜r≤1.3时，叶形为ⅲ型近圆形，
23、2.4）当叶片长宽比1.3＜r≤1.4时，叶形为ⅳ型近圆形，
24、2.5）当叶片长宽比1.4＜r≤1.5时，叶形为ⅴ型近圆形；
25、（3）当大豆叶片长宽比1.5＜r≤3，且叶中部粗区的像素量大于叶底部粗区的像素量时，叶形为椭圆形，根据各子区的像素量进一步将叶形划分为多种类型的椭圆形；
26、（4）当大豆叶片长宽比1.5＜r≤3，且叶底部粗区的像素量大于叶中部粗区的像素量时，叶形为卵圆形，根据各子区的像素量进一步将叶形划分为多种类型的卵圆形；
27、（5）当大豆叶片长宽比1.5＜r≤3，且叶尖部粗区的像素量最大时，叶形为回扇形；
28、（6）当大豆叶片长宽比3＜r≤4时，叶形为披针形，根据各子区的像素量进一步将叶形划分为多种类型的披针形；
29、（7）当大豆叶片长宽比r＞4时，叶形为线形。
30、第二方面，本专利技术实施例还提供了一种智能识本文档来自技高网...
【技术保护点】
1.一种智能识别大豆叶片叶形的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能识别大豆叶片叶形的方法，其特征在于，所述构建包含完整大豆叶片图像的训练集对基于深度卷积神经网络的大豆叶片检测分割模型进行训练，包括：
3.根据权利要求1或2所述的智能识别大豆叶片叶形的方法，其特征在于，所述基于深度卷积神经网络的大豆叶片检测分割模型，为采用边界基础区域融合显著目标检测分割网络作为大豆叶片检测分割模型，所述边界基础区域融合显著目标检测分割网络为结合了显著目标检测和边界基础区域融合正则化的深度卷积神经网络，对输入的待检测大豆叶片图像中大豆叶片边界区域进行识别并对分割区域进行融合，得到分割出的大豆叶片图像。
4.根据权利要求1所述的智能识别大豆叶片叶形的方法，其特征在于，所述基于分割出的大豆叶片图像，采用最小外接矩形法计算叶长和叶宽，进而计算得到大豆叶片长宽比，包括：
5.根据权利要求1所述的智能识别大豆叶片叶形的方法，其特征在于，所述将分割出的大豆叶片图像切分为若干区域，基于大豆叶片长宽比及各区域的叶片像素量判定大豆叶片叶形，包括
6.根据权利要求5所述的智能识别大豆叶片叶形的方法，其特征在于，大豆叶片叶形的判定规则为：
7.一种智能识别大豆叶片叶形的系统，其特征在于，包括：图像分割模块、长宽比计算模块和叶形识别模块；
8.一种智能识别大豆叶片叶形的装置，包括存储器和一种或多种处理器，所述存储器用于存储计算机程序，其特征在于，所述处理器用于当执行所述计算机程序时，实现权利要求1-6任一项所述的智能识别大豆叶片叶形的方法。
9.一种计算机可读的存储介质，所述存储介质上存储有计算机程序，其特征在于，所述计算机程序使用计算机时，实现权利要求1-6任一项所述的智能识别大豆叶片叶形的方法。
10.一种如权利要求1-6任一项所述的智能识别大豆叶片叶形的方法在大豆品种识别中的应用，其特征在于，根据大豆叶片叶形与大豆遗传学信息建立关联用于大豆品种识别。
...【技术特征摘要】
1.一种智能识别大豆叶片叶形的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能识别大豆叶片叶形的方法，其特征在于，所述构建包含完整大豆叶片图像的训练集对基于深度卷积神经网络的大豆叶片检测分割模型进行训练，包括：
3.根据权利要求1或2所述的智能识别大豆叶片叶形的方法，其特征在于，所述基于深度卷积神经网络的大豆叶片检测分割模型，为采用边界基础区域融合显著目标检测分割网络作为大豆叶片检测分割模型，所述边界基础区域融合显著目标检测分割网络为结合了显著目标检测和边界基础区域融合正则化的深度卷积神经网络，对输入的待检测大豆叶片图像中大豆叶片边界区域进行识别并对分割区域进行融合，得到分割出的大豆叶片图像。
4.根据权利要求1所述的智能识别大豆叶片叶形的方法，其特征在于，所述基于分割出的大豆叶片图像，采用最小外接矩形法计算叶长和叶宽，进而计算得到大豆叶片长宽比，包括：
5.根据权利要求1所述的智能识别大豆叶片叶形的方法，其特征在...
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。