小麦麦穗发芽情况识别方法技术

本发明专利技术公开了一种小麦麦穗发芽情况识别方法，包括以下步骤：S1：采集麦穗高光谱图像；S2：对所述麦穗高光谱图像进行预处理；S3：将预处理后的所述麦穗高光谱图像合成得到RGB图像；S4：在所述RGB图像中选择感兴趣的区域进行分析，得到所述感兴趣区域的平均光谱；S5：在特征波段下判断麦穗是否发芽；S6：计算发芽区域占整个麦穗面积的比例；S7：提取发芽区域的光谱反射率，判断麦穗的发芽程度；S8：根据所述发芽区域占整个麦穗面积的比例和光谱反射率，计算发芽等级。本发明专利技术可针对田间正常收获的麦穗，采用高光谱成像技术进行穗发芽检测，可实现穗发芽的快速筛选。

【技术实现步骤摘要】

本专利技术涉及农作物育种及图像识别
，尤其涉及一种。
技术介绍
小麦穗发芽是指收获前遇到阴雨天气时籽粒在穗上发芽的现象，穗发芽不仅影响产量，而且严重影响品质(尤其是加工品质)和种用价值。发生可见穗发芽的麦田一般减产10%左右,严重时会绝收。小麦穗发芽不仅使小麦显著减产,而且使其加工、营养品质和种用价值均受到影响，造成严重的经济损失，因此，小麦穗发芽的识别鉴定对于小麦育种具有重要意义。在一些麦区，小麦收获前常遇到连续阴雨天气，导致穗发芽发生。近年来，随着农业种植结构的调整，白皮小麦的种植面积在逐渐扩大，但由于白皮小麦的穗发芽抗性普遍较弱，因此小麦穗发芽问题日益严重。小麦穗发芽的鉴定方法和指标有多种，现有测试鉴别小麦穗发芽的技术有人工目测方法，主要依靠人的经验判断小麦穗发芽的状态；以及α -淀粉酶活性测定等方法。其中，人工目测识别小麦穗发芽方法，早期受主观影响因素较大，识别结果标准化较差；采用生物化学方法破坏性检测，但这些方法过于复杂或鉴定指标可靠性较差，α -淀粉酶活性测定过程比较复杂，效率低；培养皿种子发芽需要较大的实验空间，并要进行水分管理和连续观察监测，缺乏无损的、能连续监测的技术手段。小麦育种家所需要的鉴定方法必须具有简便高效的特点，强调其适用性。
技术实现思路
(一 )要解决的技术问题本专利技术要解决的技术问题是提供一种快速、有效的。( 二 )技术方案为解决上述问题，本专利技术提供了一种，包括以下步骤SI :采集麦穗高光谱图像；S2 :对所述麦穗高光谱图像进行预处理；S3 :将预处理后的所述麦穗高光谱图像合成得到RGB图像；S4 :在所述RGB图像中选择感兴趣的区域进行分析，得到所述感兴趣区域的平均光谱；S5 :在特征波段下判断麦穗是否发芽；S6 :计算发芽区域占整个麦穗面积的比例；S7 :提取发芽区域的光谱反射率，判断麦穗的发芽程度；S8:根据所述发芽区域占整个麦穗面积的比例和光谱反射率，计算发芽等级。优选地，所述步骤S2的预处理包括对采集的麦穗高光谱图像进行拼接，形成BSQ格式的图像的步骤。优选地，所述步骤S2的预处理包括对采集的麦穗高光谱图像进行校正、滤波和增强处理的步骤。 优选地，步骤S3具体包括对预处理后的所述麦穗高光谱图像提取光谱维对应的特征波长分别为680nm、550nm和450nm的光谱图像并进行积分转换，合成得到所述RGB图像。优选地，步骤S4中对感兴趣的区域进行分析具体包括对所述感兴趣区域进行放大，提取所述感兴趣区域内每个像素点的光谱，然后计算平均值。优选地，所述步骤SI中的高光谱图像的波长范围为400_1000nm。优选地，步骤S5中所述的特征波段在450 900nm光谱波长范围。优选地，步骤S5中所述的特征波段为675nm光谱波长。优选地，步骤S6具体包括分别对所述感兴趣区域进行阈值分割，提取小麦穗部发芽区域的像素值和整个麦穗的像素值，根据像素值的个数来计算分别计算发芽区域和整个麦穗的面积，再求出发芽区域的总面积占整个麦穗图像面积的百分比，从而得到发芽面积占整个麦穗的百分比。(三)有益效果本专利技术通过结合了光谱技术和图像技术的高光谱成像对小麦穗发芽的形态特征以及小麦穗发芽感兴趣区域的光谱信息提取后进行综合分析，从而实现小麦整个麦穗的穗发芽情况快速识别。相对传统非成像光谱分析，本专利技术可直观看出发芽的部位；相对于机器视觉成像技术，本专利技术可通过光谱的反射率判断发芽等级，能够在早期更准确地判断小麦穗发芽情况。附图说明图I为根据本专利技术实施例识别方法的步骤流程示意图。图2为根据本专利技术实施例识别方法提取的发芽和未发芽部位的平均光谱图。具体实施例方式下面结合附图及实施例对本专利技术进行详细说明如下。如图I所示，本实施例记载了一种。在本实施例中，实验样品分为四组，分别为每天浇三次水、每天浇一次水、全天24小时浸泡、没有浇水的干燥麦穗，各30株，采集其高光谱图像信息，观测小麦穗发芽情况。在做高光谱图像实验前，把经过浇水的麦穗样品都干燥至与原来小麦穗一致的效果，防止实验过程中小麦进一步发芽，然后再采集其高光谱图像，同时降低水分差异对光谱的影响。本实施例的识别方法包括以下步骤SI :采集麦穗高光谱图像；在本实施例中，采用400_1000nm波段范围的推扫式高光谱成像仪，对小麦麦穗进行扫描。将麦穗平放，采集小麦穗部正、反两面图谱各一次，保证对麦穗的全方位观测。其中，本实施例采用的高光谱成像仪为中国科大研制的PIS112 二代高光谱成像仪，光谱仪采用了 1400(空间维)X1024(光谱维)的C⑶进行阵列推扫成像，光谱范围400 IOOOnm ;光谱分辨率2nm，采样间隔O. 7nm ;采样频率8_30幅/秒；视场角16°。S2 :对所述麦穗高光谱图像进行预处理； 本实施例中，所述预处理包括对采集的麦穗高光谱图像进行校正、滤波和增强处理的步骤，以消除由于CCD的非线性灵敏度、光谱响应不均匀、以及量子效率不平衡等原因造成的噪声。所述校正处理包括白板和暗电流校正。所述步骤S2的预处理包括对采集的麦穗高光谱图像进行拼接，形成BSQ格式(波段顺序格式)的图像的步骤。由于成像光谱仪采集的原始数据是BMP格式的图片，首先需要拼接成BSQ格式的图像。本实施例中具体的处理过程为首先用Matlab软件编写程序把BMP格式的图片拼接成BIL格式的整幅影像；然后用IDL编程进行影像反射率提取，包括基于经验线性法的反射率提取，五步逐步平均法的平滑处理，最后保存为BSQ格式的图像。S3 :将预处理后的所述麦穗高光谱图像合成得到RGB图像；高光谱图像将传统图像维与光谱维信息融合为一体，在获取小麦穗部空间图像的同时，得到每个穗部像素的连续光谱信息，即成像光谱图像是一个图像立方体，它由三部分组成空间图像维、光谱维、特征光谱维。本实施例步骤S3对预处理后的所述麦穗高光谱图像提取光谱维对应的特征波长分别为680nm、550nm和450nm(三个波长分别与图像颜色的R分量、G分量和B分量对应)的光谱图像并进行积分转换，合成得到所述RGB图像。S4 :在所述RGB图像中选择感兴趣的区域进行分析，得到所述感兴趣区域的平均光谱；本实施例中，步骤4具体为根据合成的RGB图像，选择感兴趣的区域进行放大分析，提取所述感兴趣区域内每个像素点的光谱，然后计算平均值，得到感兴趣区域的平均光谱，为后续对光谱吸收特征参数(吸收波长位置、吸收深度、吸收宽度)等光谱信息挖掘奠定基础。S5 :在特征波段下判断麦穗是否发芽；所述的特征波段在450 900nm光谱波长范围；优选地，所述的特征波段为675nm光谱波长。针对提取的麦穗不同部位平均光谱，得出如下特点在450 900nm波长范围，发芽小麦穗的光谱反射率在675nm处为反射吸收谷，714nm处为反射吸收峰，这与典型植被光谱曲线变化特征基本相似；而未发芽小麦穗在675nm处无光谱吸收谷出现，因此本实施例将675nm的特征吸收作为判断小麦穗发芽与否的依据。如图2所示，本实施例通过提取小麦穗部光谱图像在675nm处的单幅图像可初步判断识别小麦穗部是否发芽。S6 :计算发芽区域占整个麦穗面积的比例；步骤S6具体包括分别对所述感兴趣区域进行阈值分割，使用的算法主要有反色，最大类间方差法二值化，中值滤波；提取小麦穗部发芽本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：王纪华，朱大洲，吴琼，罗斌，侯瑞峰，高权，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：