甘蔗工艺成熟期自动观测方法与流程

本发明涉及甘蔗种植技术领域。更具体地说，本发明涉及甘蔗工艺成熟期自动观测方法。

背景技术：

甘蔗是世界上最为重要的糖料蔗作物之一，在我国由甘蔗榨制的蔗糖占食糖产量的90％以上。发展精准化农业是实现甘蔗产业可持续发展的有效措施，实时准确获取甘蔗发育期信息是精准甘蔗产业实施的关键基础之一。通过准确的观测甘蔗发育的速度和进程等信息，可以科学指导如灌溉、施肥和病虫害防治等生产活动以增产，可以应用于甘蔗生长模型提高甘蔗产量预测的准确性，可以对甘蔗生长发育状况进行分析进而为高效和精准的甘蔗产业服务。长期以来，甘蔗发育期信息观测主要以传统的人工观测方式为主，观测人员野外工作量和劳动强度大、效率低、主观性强且停留在以目测或简单器测、手工记录、纸质存档等落后水平，人工观测不连续且缺乏定量化标准，已不能满足现代甘蔗生产、管理的需要，为此迫切需要改变和提升甘蔗生育期观测方法。甘蔗工艺成熟期是甘蔗生长的最后阶段，是甘蔗发育期观测的重要时期，这时期甘蔗的含糖量和产量已达到最优，客观准确的识别这个时期，可以科学合理地安排甘蔗后续的砍运榨等生产活动，对精准甘蔗产业是实施具有重要意义。2012年钟楚等在《中国糖科》发表“甘蔗生理发育时间及生育期预测”中利用作物生理发育时间对甘蔗发芽期、幼苗期和茎伸长期进行预测，结果预测相对误差分别为7、3、6、15天，预测效果较好，有一定的实用性，但因为生育期为两天1次的人工巡视观测，造成了一定的误差，且没有对甘蔗工艺成熟期进行预测。在计算机视觉领域，尚未发现有甘蔗工艺成熟期识别技术的公开报道，现有的文献主要围绕卫星遥感图像开展甘蔗种植识别、甘蔗长势监测和甘蔗产量估算相关领域研究。如，2014年王久玲等在《农业工程学报》中发表《面向对象的多时相hj星影像甘蔗识别方法》中利用甘蔗在不同的时相影像上的光谱影像特征导出的局部一致性指数glcmhomogeneity，建立决策树逻辑的分类规则集提取甘蔗种植区，分类精度为91.3％。2015年陈燕丽等在《江苏农业科学》发表“基于gis的广西甘蔗萌芽分蘖期干旱等级空间分布”中基于gis技术，采用多元回归分析法对甘蔗萌芽分蘖期的甘蔗等级灾害频率与地理因子进行回归分析，建立了空间分布模型并分析了两个时期的干旱灾害等级空间分布特征。上述相关文献并没有给出实时检测甘蔗工艺成熟期的方法，且卫星遥感图像成像距离远、分辨率低，成像质量受天气影响大，不能主动监测变化，更适合大尺度下的作物整体生长状态分析，不适用于甘蔗工艺成熟期观测方法的选择。

技术实现要素：

本发明的目的是提供甘蔗工艺成熟期自动观测方法，利用图像识别技术，通过计算植株覆盖度、甘蔗绿色像素占比和黄色像素占比，以及植株高度、生长速率，来完成甘蔗工艺成熟期自动观测，比传统的人工观测方法客观性高、时效性和实用性强，且降低了劳动强度和生产成本。

为了实现根据本发明的这些目的和其它优点，提供了甘蔗工艺成熟期自动观测方法，包括：

步骤一、实时获取甘蔗图像；

步骤二、对甘蔗图像进行预处理；

步骤三、对甘蔗图像进行分割，提取甘蔗植株图像；

步骤四、根据甘蔗植株图像计算甘蔗植株覆盖度fvc；

步骤五、根据甘蔗植株图像计算整个甘蔗植株图像中绿色像素占整个甘蔗植株图像像素的比例值g；

步骤六、根据甘蔗植株图像计算整个甘蔗植株图像中黄色像素占整个甘蔗植株图像像素的比例值y；

步骤七、计算甘蔗植株生长速率v；

步骤八、若甘蔗植株覆盖度fvc≥覆盖度阈值fvcv、甘蔗绿色像素占整个甘蔗植株图像像素的比例值g≤绿色像素比例阈值gv、黄色像素占整个甘蔗植株图像像素的比例值y≥黄色像素比例阈值yv，且甘蔗植株生长速率v≤甘蔗植株生长速率阈值vh，则甘蔗图像中的甘蔗植株进入工艺成熟期。

优选的是，所述的甘蔗工艺成熟期自动观测方法中，所述步骤一中实时获取甘蔗生长图像后，还包括对甘蔗图像进行质量检测的步骤。

优选的是，所述的甘蔗工艺成熟期自动观测方法中，所述步骤二具体为：对甘蔗图像进行噪声去除处理。

优选的是，所述的甘蔗工艺成熟期自动观测方法中，所述步骤三具体为：采用k-means聚类法对甘蔗图像进行分割，提取甘蔗颜色信息连通区域，在连通区域提取甘蔗植株图像。

优选的是，所述的甘蔗工艺成熟期自动观测方法中，所述步骤四具体为：将提取的甘蔗植株图像由rgb颜色空间转换为lab色彩模型，设置1为甘蔗像元，0为非甘蔗像元，得到甘蔗植株图像的二值图像，计算甘蔗像元占总像元比例，得到甘蔗植株覆盖度fvc。

优选的是，所述的甘蔗工艺成熟期自动观测方法中，所述步骤五具体为：在甘蔗植株图像的rgb颜色空间中提取绿色像素，计算整个甘蔗植株图像中绿色像素占整个甘蔗植株图像像素的比例值g。

优选的是，所述的甘蔗工艺成熟期自动观测方法中，所述步骤六具体为：在甘蔗植株图像的rgb颜色空间中将甘蔗植株图像由rgb模型转换至hsl色彩模型，提取黄色像素，计算整个甘蔗植株图像中黄色像素占整个甘蔗植株图像像素的比例值y。

优选的是，所述的甘蔗工艺成熟期自动观测方法中，所述步骤一中，实时获取的甘蔗图像中具有测量甘蔗高度的标杆图像；

所述步骤七具体为：获取标杆的实际高度h1，以及未有任何遮挡的标杆的像素个数n1，检测n天中的第1天获得的甘蔗植株图像中标杆的像素个数n21，计算测试的第1天的甘蔗植株高度h21＝[(n1-n21)×h1]/n1，并检测n天中的最后1天获得的甘蔗植株图像中标杆的像素个数n2n，计算测试的第n天的甘蔗植株高度h2n＝[(n1-n2n)×h1]/n1，根据测试的第1天和第n天的甘蔗植株高度计算甘蔗生长速率v，v＝(h2n-h21)/n，其中n≥2。

本发明至少包括以下有益效果：

本发明利用图像识别技术，通过计算植株覆盖度、甘蔗绿色像素占比和黄色像素占比，以及植株高度、生长速率，来完成甘蔗工艺成熟期自动观测，比传统的人工观测方法客观性高、时效性和实用性强，且降低了劳动强度和生产成本。

本发明可用于甘蔗“双高”示范基地等甘蔗种植园区的甘蔗生产和管理，为精准甘蔗产业发展提供科学的第一手生产资料，具有广泛应用价值。

本发明克服了传统的人工观测甘蔗工艺成熟期方法的不足，在参考现行的人工观测甘蔗工艺成熟期的基础上，以甘蔗田间实时采集的甘蔗生长图像为对象，采用k-means聚类分析法分割图像，根据甘蔗几何形状和轮廓特征，利用rgb颜色空间和lab色彩模型，提取甘蔗植株并自动计算图像中的甘蔗植株覆盖度；对甘蔗颜色特征进行分析，并针对自然强光和野外土壤等环境因素的影响，利用rgb颜色空间和hls颜色模型，在全局图像区域内，计算绿色像素和黄色像素所占比例；利用甘蔗茎节识别方法并结合标杆计算植株高度，并根据植株高度动态变化计算生长速率；最后以植株覆盖度、绿色像素和黄色像素所占比、以及植株高度生长速率所达到的条件为判断依据，综合三天内12时次图像平均达到判定依据确定甘蔗进入工艺成熟期的时间，提高了观测的客观性和实用性，减少了观测强度，降低了观测成本，能为精细化甘蔗生产和管理提供良好的决策支持。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1是根据本发明一个实施例的甘蔗工艺成熟期自动观测的流程框图；

图2是根据本发明一个实施例的对甘蔗图像进行质量检测的流程框图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

需要说明的是，在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例1

如图1所示，本发明提供甘蔗工艺成熟期自动观测方法，包括：

步骤一、实时获取甘蔗图像；

步骤二、对甘蔗图像进行预处理；

步骤三、对甘蔗图像进行分割，在连通区域提取甘蔗植株图像；

步骤四、根据甘蔗植株图像计算甘蔗植株覆盖度fvc；

步骤五、根据甘蔗植株图像计算整个甘蔗植株图像中绿色像素占整个甘蔗植株图像像素的比例值g；

步骤六、根据甘蔗植株图像计算整个甘蔗植株图像中黄色像素占整个甘蔗植株图像像素的比例值y；

步骤七、计算甘蔗植株生长速率v；

步骤八、根据甘蔗工艺成熟期历史图像，结合甘蔗工艺成熟期人工观测要素的图像特征，构建甘蔗图像特征数据库，统计甘蔗成熟期植株覆盖度fvcv、绿色像素比例值gv和黄色像素比例值yv、以及植株高度变化速率vh。若甘蔗植株覆盖度fvc≥覆盖度阈值fvcv、甘蔗绿色像素占整个甘蔗植株图像像素的比例值g≤绿色像素比例阈值gv、黄色像素占整个甘蔗植株图像像素的比例值y≥黄色像素比例阈值yv，且甘蔗植株生长速率v≤甘蔗植株生长速率阈值vh，则甘蔗图像中的甘蔗植株进入工艺成熟期。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤一中实时获取甘蔗生长图像后，还包括对甘蔗图像进行质量检测的步骤，对甘蔗图像进行质量检测的流程框图如图2所示。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤二具体为：对甘蔗图像进行噪声去除处理。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤三具体为：采用k-means聚类法对甘蔗图像进行分割，利用颜色特征将杂草、土地和甘蔗植株分割开来，提取甘蔗颜色信息连通区域，根据甘蔗叶片和枝干的几何形状和轮廓特征，在连通区域提取甘蔗植株图像。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤四具体为：将提取的甘蔗植株图像由rgb颜色空间转换为lab色彩模型，设置1为甘蔗像元，0为非甘蔗像元，得到甘蔗植株图像的二值图像，计算甘蔗像元占总像元比例，得到甘蔗植株覆盖度fvc。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤五具体为：在甘蔗植株图像的rgb颜色空间中提取绿色像素，计算整个甘蔗植株图像中绿色像素占整个甘蔗植株图像像素的比例值g。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤六具体为：在甘蔗植株图像的rgb颜色空间中将甘蔗植株图像由rgb模型转换至hsl色彩模型，提取黄色像素，计算整个甘蔗植株图像中黄色像素占整个甘蔗植株图像像素的比例值y。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤一中，实时获取的甘蔗图像中具有测量甘蔗高度的标杆图像，即甘蔗种植田间树立有带刻度的标杆，在拍摄某一区域内的甘蔗图像时，会拍到田间的标杆；

所述步骤七具体为：获取标杆的实际高度h1，以及未有任何遮挡的标杆的像素个数n1，检测n天中的第1天获得的甘蔗植株图像中标杆的像素个数n21，计算测试的第1天的甘蔗植株高度h21＝[(n1-n21)×h1]/n1，并检测n天中的最后1天获得的甘蔗植株图像中标杆的像素个数n2n，计算测试的第n天的甘蔗植株高度h2n＝[(n1-n2n)×h1]/n1，根据测试的第1天和第n天的甘蔗植株高度计算甘蔗生长速率v，v＝(h2n-h21)/n，单位cm/(n天)，甘蔗生长速率即测试的n天内甘蔗的高度变化值。

上述方法中，计算甘蔗植株覆盖度fvc、甘蔗绿色像素占整个甘蔗植株图像像素的比例值g、黄色像素占整个甘蔗植株图像像素的比例值y，均通过当天拍摄的一张甘蔗图像计算得到，为了防止误测，可通过一天内进行几次拍摄后对各次的结果取平均值得到，或者通过最近几天拍摄后对几天的结果取平均值得到，或者通过每天拍摄多次，经几天拍摄后对各次的拍摄结果取平均值得到。计算甘蔗植株高度时，因甘蔗在成熟期生长缓慢，测试的甘蔗的生长速率为n天内的生长速率，若n较小，如n＝2，则甘蔗植株的高度变化值较小，不易测出，若n较大，虽甘蔗植株的高度变化值较大，易测出，但会增加观测强度，提高观测成本，实际应用时n为3比较好。

实施例2

如图1所示，本发明提供甘蔗工艺成熟期自动观测方法，包括：

步骤一、实时获取甘蔗图像；

步骤二、对甘蔗图像进行预处理；

步骤三、对甘蔗图像进行分割，提取甘蔗植株图像；

步骤四、根据甘蔗植株图像计算甘蔗植株覆盖度fvc；为了提高甘蔗植株覆盖度fvc的检测准确性，每天获取n’个时间点的甘蔗图像，n’＞1，并统计n天内所拍摄的所有甘蔗图像，n≥2，分别计算每张甘蔗图像对应的甘蔗植株覆盖度fvc，并取平均值。

步骤五、根据甘蔗植株图像计算整个甘蔗植株图像中绿色像素占整个甘蔗植株图像像素的比例值g；为了提高甘蔗绿色像素占整个甘蔗植株图像像素的比例值g的检测准确性，统计n天内所拍摄的所有甘蔗图像后，还分别计算每张甘蔗图像对应的甘蔗绿色像素占整个甘蔗植株图像像素的比例值g，并取平均值。

步骤六、根据甘蔗植株图像计算整个甘蔗植株图像中黄色像素占整个甘蔗植株图像像素的比例值y；为了提高甘蔗黄色像素占整个甘蔗植株图像像素的比例值y的检测准确性，统计n天内所拍摄的所有甘蔗图像后，还分别计算每张甘蔗图像对应的甘蔗黄色像素占整个甘蔗植株图像像素的比例值y，并取平均值。

步骤七、计算甘蔗植株生长速率v；

步骤八、根据甘蔗工艺成熟期历史图像，结合甘蔗工艺成熟期人工观测要素的图像特征，构建甘蔗图像特征数据库，统计甘蔗成熟期植株覆盖度fvcv、绿色像素比例值gv和黄色像素比例值yv、以及植株高度变化速率vh。以当天检测的甘蔗植株覆盖度fvc≥覆盖度阈值fvcv，且n天内获取的甘蔗植株覆盖度的平均值≥覆盖度阈值fvcv，设为条件1；以当天检测的甘蔗绿色像素占整个甘蔗植株图像像素的比例值g≤绿色像素比例阈值gv、黄色像素占整个甘蔗植株图像像素的比例值y≥黄色像素比例阈值yv，且n天内获取的甘蔗绿色像素占整个甘蔗植株图像像素的比例值的平均值≤绿色像素比例阈值gv、甘蔗黄色像素占整个甘蔗植株图像像素的比例值的平均值≥黄色像素比例阈值yv，设为条件2；以n天内检测的甘蔗植株生长速率v≤甘蔗植株生长速率阈值vh，设为条件3；若条件1、条件2和条件3同时满足，则表明最后1次获取的甘蔗图像中的甘蔗植株进入工艺成熟期。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤一中实时获取甘蔗生长图像后，还包括对甘蔗图像进行质量检测的步骤，对甘蔗图像进行质量检测的流程框图如图2所示。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤二具体为：对甘蔗图像进行噪声去除处理。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤三具体为：采用k-means聚类法对甘蔗图像进行分割，利用颜色特征将杂草、土地和甘蔗植株分割开来，提取甘蔗颜色信息连通区域，根据甘蔗叶片和枝干的几何形状和轮廓特征，在连通区域提取甘蔗植株图像。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤四具体为：将提取的甘蔗植株图像由rgb颜色空间转换为lab色彩模型，设置1为甘蔗像元，0为非甘蔗像元，得到甘蔗植株图像的二值图像，计算甘蔗像元占总像元比例，得到甘蔗植株覆盖度fvc。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤五具体为：在甘蔗植株图像的rgb颜色空间中提取绿色像素，计算整个甘蔗植株图像中绿色像素占整个甘蔗植株图像像素的比例值g。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤六具体为：在甘蔗植株图像的rgb颜色空间中将甘蔗植株图像由rgb模型转换至hsl色彩模型，提取黄色像素，计算整个甘蔗植株图像中黄色像素占整个甘蔗植株图像像素的比例值y。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤一中，实时获取的甘蔗图像中具有测量甘蔗高度的标杆图像；

所述步骤七具体为：获取标杆的实际高度h1，以及未有任何遮挡的标杆的像素个数n1，检测n天中的第1天获得的甘蔗植株图像中标杆的像素个数n21，计算测试的第1天的甘蔗植株高度h21＝[(n1-n21)×h1]/n1，并检测n天中的最后1天获得的甘蔗植株图像中标杆的像素个数n2n，计算测试的第n天的甘蔗植株高度h2n＝[(n1-n2n)×h1]/n1，根据测试的第1天和第n天的甘蔗植株高度计算甘蔗生长速率v，v＝(h2n-h21)/n，其中n≥2，单位cm/(n天)，甘蔗生长速率即测试的n天内甘蔗的高度变化值。

n天内，每天拍摄n’个时次的甘蔗图像后，通过第1天拍摄的n’张甘蔗图像分别计算甘蔗植株高度，并取平均值h21，以该平均值作为测试的第1天的甘蔗植株高度，通过第n天拍摄的n’张甘蔗图像分别计算甘蔗植株高度，并取平均值h2n，以该平均值作为测试的第n天的甘蔗植株高度，通过两组平均值h21和h2n计算甘蔗n天内的生长速率v，v＝(h2n-h21)/n。

实施例3

如图1所示，本发明提供甘蔗工艺成熟期自动观测方法，包括：

步骤一、实时获取甘蔗图像；

步骤二、对甘蔗图像进行预处理；

步骤三、对甘蔗图像进行分割，提取甘蔗植株图像；

步骤四、根据甘蔗植株图像计算甘蔗植株覆盖度fvc；为了提高甘蔗植株覆盖度fvc的检测准确性，每天获取4个时次的甘蔗图像，如每天8:00、10:00、14:00、16:00拍摄甘蔗图像，并统计3天内所拍摄的12个时次的甘蔗图像，分别计算每张甘蔗图像对应的甘蔗植株覆盖度fvc，并取平均值。

步骤五、根据甘蔗植株图像计算整个甘蔗植株图像中绿色像素占整个甘蔗植株图像像素的比例值g；为了提高甘蔗绿色像素占整个甘蔗植株图像像素的比例值g的检测准确性，统计3天内所拍摄的12个时次的甘蔗图像后，还分别计算每张甘蔗图像对应的甘蔗绿色像素占整个甘蔗植株图像像素的比例值g，并取平均值。

步骤六、根据甘蔗植株图像计算整个甘蔗植株图像中黄色像素占整个甘蔗植株图像像素的比例值y；为了提高甘蔗黄色像素占整个甘蔗植株图像像素的比例值y的检测准确性，统计3天内所拍摄的12个时次的甘蔗图像后，还分别计算每张甘蔗图像对应的甘蔗黄色像素占整个甘蔗植株图像像素的比例值y，并取平均值。

步骤七、计算甘蔗植株生长速率v；

步骤八、根据甘蔗工艺成熟期历史图像，结合甘蔗工艺成熟期人工观测要素的图像特征，构建甘蔗图像特征数据库，统计甘蔗成熟期植株覆盖度fvcv、绿色像素比例值gv和黄色像素比例值yv、以及植株高度变化速率vh。以当天检测的甘蔗植株覆盖度fvc≥覆盖度阈值fvcv，且3天内获取的甘蔗植株覆盖度的平均值≥覆盖度阈值fvcv，设为条件1；以当天检测的甘蔗绿色像素占整个甘蔗植株图像像素的比例值g≤绿色像素比例阈值gv、黄色像素占整个甘蔗植株图像像素的比例值y≥黄色像素比例阈值yv，且3天内获取的甘蔗绿色像素占整个甘蔗植株图像像素的比例值的平均值≤绿色像素比例阈值gv、甘蔗黄色像素占整个甘蔗植株图像像素的比例值的平均值≥黄色像素比例阈值yv，设为条件2；以3天内检测的甘蔗植株生长速率v≤甘蔗植株生长速率阈值vh，设为条件3；若条件1、条件2和条件3同时满足，则表明最后1次获取的甘蔗图像中的甘蔗植株进入工艺成熟期。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤一中实时获取甘蔗生长图像后，还包括对甘蔗图像进行质量检测的步骤，对甘蔗图像进行质量检测的流程框图如图2所示。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤二具体为：对甘蔗图像进行噪声去除处理。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤三具体为：采用k-means聚类法对甘蔗图像进行分割，利用颜色特征将杂草、土地和甘蔗植株分割开来，提取甘蔗颜色信息连通区域，根据甘蔗叶片和枝干的几何形状和轮廓特征，在连通区域提取甘蔗植株图像。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤四具体为：将提取的甘蔗植株图像由rgb颜色空间转换为lab色彩模型，设置1为甘蔗像元，0为非甘蔗像元，得到甘蔗植株图像的二值图像，计算甘蔗像元占总像元比例，得到甘蔗植株覆盖度fvc。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤五具体为：在甘蔗植株图像的rgb颜色空间中提取绿色像素，计算整个甘蔗植株图像中绿色像素占整个甘蔗植株图像像素的比例值g。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤六具体为：在甘蔗植株图像的rgb颜色空间中将甘蔗植株图像由rgb模型转换至hsl色彩模型，提取黄色像素，计算整个甘蔗植株图像中黄色像素占整个甘蔗植株图像像素的比例值y。

所述的甘蔗工艺成熟期自动观测方法中，所述步骤一中，实时获取的甘蔗图像中具有测量甘蔗高度的标杆图像；

所述步骤七具体为：获取标杆的实际高度h1，以及未有任何遮挡的标杆的像素个数n1，检测3天中的第1天获得的甘蔗植株图像中标杆的像素个数n21，计算测试的第1天的甘蔗植株高度h21＝[(n1-n21)×h1]/n1，并检测第3天获得的甘蔗植株图像中标杆的像素个数n23，计算测试的第3天的甘蔗植株高度h23＝[(n1-n23)×h1]/n1，根据测试的第1天和第3天的甘蔗植株高度计算甘蔗生长速率v，v＝(h23-h21)/3。

3天内，每天拍摄4个时次的甘蔗图像后，通过第1天拍摄的4张甘蔗图像分别计算甘蔗植株高度，并取平均值h21，以该平均值作为测试的第1天的甘蔗植株高度，通过第3天拍摄的4张甘蔗图像分别计算甘蔗植株高度，并取平均值h23，以该平均值作为测试的第3天的甘蔗植株高度，通过两组平均值h21和h23计算甘蔗3天内的生长速率v，v＝(h23-h21)/3。因测试的是3天内甘蔗的生长速率，甘蔗的高度变化值会明显一些，有利于通过图像处理的方式得到3天内甘蔗的生长速率，且观测强度和观测成本较低。

采用实施例3的方法，在多个样田进行试验，自动检测的结果显示，本发明所判断的甘蔗工艺成熟期时间与人工观测的时间一致，检测结果准确率高，观测强度和成本低。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。