【技术实现步骤摘要】
本专利技术涉及机器视觉，尤其涉及一种基于机器视觉的田菁生长状态实时监测系统及方法。
技术介绍
1、随着计算机技术的快速发展，计算机技术逐渐应用于农业领域，其中机器视觉技术作为当代计算机技术以及图像传感网络等技术的结合产物，已经开始应用于农作物长势分析领域，能够为判断苗期作物生长状况提供决策支持，但为了能够更加精准地分析植物生长状态，需要全面地分析植物生长区域。
2、现有的植物生长状态实时监测技术通过相机等图像采集设备获取某一个单独的植物图像，从而判断生长状态。实际应用中，仅仅考虑单独的植物图像难以准确地分析植物生长状态，导致对植物生长状态监测时比较单一，没有全面地监测植物生长状态，从而对进行植物生长状态监测时的精确度较低。
技术实现思路
1、本专利技术提供一种基于机器视觉的田菁生长状态实时监测系统及方法，其主要目的在于解决进行植物生长状态监测时的精确度较低的问题。
2、为实现上述目的，本专利技术提供的一种基于机器视觉的田菁生长状态实时监测系统，包括：
3、田菁分布式生长树生成模块，用于对预先获取的田菁生长区域进行双重划分，得到田菁分布式生长树，提取所述田菁分布式生长树中的每个叶节点对应的节点生长区域；
4、田菁时间序列图像生成模块，用于按照预设的旋转角度采集所述节点生长区域对应的多模态田菁植株图像，并根据所述多模态田菁植株图像生成田菁时间序列图像；
5、多模态植株特征提取模块，用于根据所述田菁时间序列图像对所述节点生长区域
6、全局生长状态分析模块，用于根据所述多模态植株特征分析所述节点生长区域的田菁植株的局部生长状态，根据所述局部生长状态确定田菁生长区域的全局生长状态；
7、实时生长状态监测模块，用于通过所述局部生长状态及所述全局生长状态动态生成田菁生长监测策略，利用所述田菁生长监测策略对田菁生长区域进行实时动态监测，得到田菁植株的实时生长状态。
8、可选地，所述田菁分布式生长树生成模块在对预先获取的田菁生长区域进行双重划分，得到田菁分布式生长树时，用于：
9、识别预先获取的田菁生长区域的第一区域总面积，并提取所述第一区域总面积的面积值对应的第一最高位数值；
10、按照所述第一最高位数值对所述田菁生长区域进行第一重划分，得到第一重生长区域；
11、识别所述第一重生长区域的第二区域总面积，并提取所述第二区域总面积的面积值对应的第二最高位数值；
12、按照所述第二最高位数值对所述第一重生长区域进行第二重划分，得到第二重生长区域；
13、将所述田菁生长区域、所述第一重生长区域及所述第二重生长区域作为区域节点，并构建所述田菁生长区域、所述第一重生长区域及所述第二重生长区域之间的区域路径；
14、根据所述区域节点及所述区域路径生成田菁分布式生长树。
15、可选地，所述田菁时间序列图像生成模块在按照预设的旋转角度采集所述节点生长区域对应的多模态田菁植株图像时，用于：
16、根据所述旋转角度确定所述节点生长区域中田菁植株的初始采集角度及角度步长；
17、根据所述初始采集角度及所述角度步长确定采集点；
18、通过所述采集点采集所述节点生长区域中田菁植株对应的可见光图像、红外图像及深度图像；
19、将所述可见光图像、所述红外图像及所述深度图像融合为所述节点生长区域对应的多模态田菁植株图像，其中所述多模态田菁植株图像为：
20、；
21、其中，为在第个采集点下第时刻的像素点组成的多模态田菁植株图像，为在第个采集点下第时刻的像素点组成的可见光图像，为在第个采集点下第时刻的像素点组成的红外图像；为在第个采集点下第时刻的像素点组成的深度图像。
22、可选地，所述田菁时间序列图像生成模块在根据所述多模态田菁植株图像生成田菁时间序列图像时，用于：
23、提取所述多模态田菁植株图像对应的时刻点；
24、按照从早到晚的顺序对所述时刻点对应的多模态田菁植株图像进行排列；
25、将排列好的多模态田菁植株图像作为田菁时间序列图像。
26、可选地，所述多模态植株特征提取模块在根据所述田菁时间序列图像对所述节点生长区域的田菁植株进行重建，得到植株重建图像时，用于：
27、提取所述田菁时间序列图像中在同一时刻下不同角度的多模态田菁植株图像，并提取所述多模态田菁植株图像中不同角度下的可见光图像；
28、逐一提取不同角度下的可见光图像的特征点，根据所述特征点构建不同角度下的可见光图像的图像关联；
29、根据所述图像关联识别匹配特征点，根据所述匹配特征点的点坐标计算田菁植株的三维坐标，其中三维坐标计算公式为：
30、；
31、其中，为三维坐标，为第一比例因子，为第二比例因子，为相机内参矩阵，为不同角度下的可见光图像，表示零矩阵，为旋转矩阵，为平移向量，为第个匹配特征点的点坐标，为第个匹配特征点的点坐标；
32、根据所述三维坐标生成田菁植株的点云数据，根据所述点云数据生成田菁植株的三角形网格，将所述可见光图像的纹理信息映射至所述三角形网格中，得到田菁植株对应的可见光重建图像；
33、重建所述多模态田菁植株图像中的红外图像及深度图像；
34、根据重建后的红外图像、重建后的深度图像及所述可见光重建图像确定植株重建图像。
35、可选地，所述多模态植株特征提取模块在利用预设的机器视觉算法提取所述植株重建图像对应的多模态植株特征时，用于：
36、利用机器视觉算法提取所述植株重建图像的形态特征，其中所述形态特征包括株高特征、叶面积特征及茎粗特征：
37、提取所述植株重建图像的颜色特征及纹理特征；
38、将所述形态特征、所述颜色特征及所述纹理特征确定为多模态植株特征。
39、可选地，所述全局生长状态分析模块在根据所述多模态植株特征分析所述节点生长区域的田菁植株的局部生长状态时，用于：
40、将所述多模态植株特征中的形态特征与预先获取的目标形态特征进行对比，得到第一对比因子，并将所述第一对比因子转换为第一状态值；
41、将所述多模态植株特征中的颜色特征与预先获取的目标颜色特征进行对比，得到第二对比因子，并将所述第二对比因子转换为第二状态值；
42、将所述多模态植株特征中的纹理特征与预先获取的目标纹理特征进行对比，得到第三对比因子，并将所述第三对比因子转换为第三状态值；
43、计算所述第一状态值、所述第二状态值及所述第三状态值对应的状态均值，根据所述状态均值确定所述节点生长区域的田菁植株的局部生长状态。
44、可选地，所述实时生长状态监测模块在通过所述局部生长状态及所述全本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述系统包括：
2.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述田菁分布式生长树生成模块在对预先获取的田菁生长区域进行双重划分，得到田菁分布式生长树时，用于：
3.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述田菁时间序列图像生成模块在按照预设的旋转角度采集所述节点生长区域对应的多模态田菁植株图像时，用于：
4.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述田菁时间序列图像生成模块在根据所述多模态田菁植株图像生成田菁时间序列图像时，用于：
5.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述多模态植株特征提取模块在根据所述田菁时间序列图像对所述节点生长区域的田菁植株进行重建，得到植株重建图像时，用于：
6.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述多模态植株特征提取模块在利用预设的机器视觉算法提取所述植株重建图像对应的多
7.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述全局生长状态分析模块在根据所述多模态植株特征分析所述节点生长区域的田菁植株的局部生长状态时，用于：
8.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述实时生长状态监测模块在通过所述局部生长状态及所述全局生长状态动态生成田菁生长监测策略时，用于：
9.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述实时生长状态监测模块在利用所述田菁生长监测策略对田菁生长区域进行实时动态监测，得到田菁植株的实时生长状态时，用于：
10.一种基于机器视觉的田菁生长状态实时监测系统的运行方法，其特征在于，用于实现如权利要求1-9中任一项所述的基于机器视觉的田菁生长状态实时监测系统，所述方法包括：
...【技术特征摘要】
1.一种基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述系统包括：
2.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述田菁分布式生长树生成模块在对预先获取的田菁生长区域进行双重划分，得到田菁分布式生长树时，用于：
3.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述田菁时间序列图像生成模块在按照预设的旋转角度采集所述节点生长区域对应的多模态田菁植株图像时，用于：
4.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述田菁时间序列图像生成模块在根据所述多模态田菁植株图像生成田菁时间序列图像时，用于：
5.如权利要求1所述的基于机器视觉的田菁生长状态实时监测系统，其特征在于，所述多模态植株特征提取模块在根据所述田菁时间序列图像对所述节点生长区域的田菁植株进行重建，得到植株重建图像时，用于：
6.如权利要求1所述的基于机器视觉的田菁生长状...
【专利技术属性】
技术研发人员：李争艳，徐智明，曹晓风，徐磊，李杨，李岩，
申请(专利权)人：安徽省农业科学院畜牧兽医研究所，
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。