一种基于图像检测的植株倒伏情况监测方法及系统的制作方法
【技术领域】
[0001] 本发明涉及植株生长监控技术领域，尤其涉及一种基于图像检测的植株倒伏情况 监测方法及系统。
【背景技术】
[0002] 小麦倒伏是农业生产的常见灾害之一。小麦一旦发生倒伏，植株水分、养分的运转 以及光合作用都会降低，还会诱发各种病虫害，严重影响籽粒灌浆过程，最终影响到小麦产 量与籽粒品质的形成，严重倒伏时产量损失可达27%。此外由于倒伏不利于机械收获，人力 收割成本的增加也会加重农田收益的损失。大面积、快速监测小麦倒伏状况是掌握灾情、及 时防控、评估损失的关键，对于农业部门及时获取农田小麦生长信息具有重要价值。
【发明内容】
[0003] 基于【背景技术】存在的技术问题，本发明提出了一种基于图像检测的植株倒伏情况 监测方法及系统。
[0004] 本发明提出的一种基于图像检测的植株倒伏情况监测方法，包括以下步骤：
[0005] S1、获取监测区域的植株的原始图像，并将原始图像转换成灰度图像；
[0006] S2、预设高斯模糊函数，并选取多个松弛参数〇n;
[0007] S3、将灰度图像分别和每一个松弛参数〇n对应的高斯模糊函数进行卷积预算，获 得多个模糊图像gn;
[0008] S4、预设分界阈值；
[0009] S5、根据分界阈值对模糊图像gn进行二值化，获得多个二值化图像gbn;
[0010] S6、将多个二值化图像gbnR入预设第一计算模型进行综合运算，获得二值化的倒 伏图像R(x，y);
[0011] S7、根据预设的第二计算模型和倒伏图像R(x，y)来计算倒伏率Rrite。
[0012] 优选地，步骤S2中，根据成像倍率的大小和实际图像选取松弛参数〇n。
[0013] 优选地，步骤S2中，多个松弛参数ση满足以下关系：
[0014] ση=2〇η-ι = 22ση-2=......=2ησ。，其中σ。为常数。
[0015] 优选地，其特征在于，〇〇=1。
[0016]优选地，步骤S4中，分界阈值的数量为多个，并与多个模糊图像gn-一对应;步骤 S5具体为:根据对应的分界阈值对模糊图像gn进行二值化，获得多个二值化图像gbn。
[0017]优选地，步骤S6中，第一计算模型为：
[0019]优选地，步骤S7中，第二计算模型为：
[0021] -种基于图像检测的植株倒伏情况监测系统，包括:灰化处理模块、高斯模糊模 块、二值化处理模块和倒伏计算模块;其中，
[0022] 灰化处理模块用于接收监测区域摄像装置发送来的原始图像，并将原始图像转换 成灰度图像；
[0023] 高斯模糊模块中预设有一系列的高斯函数，任意两个高斯函数的松弛参数〇不同； 高斯模糊模块与灰化处理模块连接，其接收灰度图像，并将灰度图像分别和每一个松弛参 数〇"对应的高斯模糊函数进行卷积预算，获得多个模糊图像g n;
[0024] 二值化处理模块与高斯模糊模块连接，其内部预设有多个与模糊图像gn-一对应 的分界阈值，并用于根据对应的分界阈值分别对模糊图像gn进行二值化处理，获得多个二 值化图像gbn;
[0025] 倒伏计算模块与二值化处理模块连接，其内部预设有第一计算模型和第二计算模 型;倒伏计算模块将多个二值化结果gbn代入第一计算模型进行综合运算，获得二值化的倒 伏图像R(x，y)，然后根据第二计算模型和倒伏图像R(x，y)来计算倒伏率R rite3。
[0028] 本发明提供的基于图像检测的植株倒伏情况监测方法及系统，通过远程获取监测 区域的植株图像作为原始图像，并对原始图像依次进行灰化处理、高斯模糊处理、二值化处 理，然后根据二值化处理结果计算倒伏图像，并进一步计算倒伏率。本发明通过自动化的图 像分析方式，可以形成一套有高通量的育种软件，对于提高信息获取的速度和准确度有极 大的提尚，有利于后续相关研究工作的开展。
[0029] 且本发明通过远程监控植株，避免了工作人员亲临其境的必要，有利于降低劳动 强度，减少人工需要，可实现大范围植株监控。
【附图说明】
[0030] 图1为本发明提出的一种基于图像检测的植株倒伏情况监测方法的流程图；
[0031] 图2为本发明提出的一种基于图像检测的植株倒伏情况监测系统的结构图。
【具体实施方式】
[0032] 参照图1，本发明提出的一种基于图像检测的植株倒伏情况监测方法，包括以下步 骤：
[0033] S1、获取监测区域的植株的原始图像，并将原始图像转换成灰度图像。
[0034] 本实施方式中以监测小麦的生长情况为例。本实施方式提供的基于图像检测的植 株倒伏情况监测方法是一种远程监控方法，不需要工作人员亲临其境，故而，远程获取小麦 的原始图像是关键。原始图像的获得可通过在监测区域预设摄像装置来实现，摄像装置自 动摄取原始图像，并发送到后续设备。
[0035] S2、预设高斯模糊函数，并选取多个松弛参数〇n。
[0036]
是一种常用的图像处理函数，松弛 参数σ决定了二维高斯函数的形状。本实施方式中，多个松弛参数ση的选取满足以下原则：
[0037] 〇n=2〇n-i = 22〇n-2=......= 2"〇。，其中 0。为常数。
[0038] 本实施方式中，首先根据成像倍率的大小和实际图像选取松弛参数〇〇,然后根据J 和以上公式依次获得σι、〇2、σ3......〇n-：L、On，并依次将0^02^3......〇 n-：L、On代入高斯函数中的 σ，获得一系列的高斯函数。具体实施时，也可以选择〇〇=1。
[0039] S3、将灰度图像分别和每一个松弛参数〇n对应的高斯模糊函数进行卷积预算，获 得多个模糊图像gn。
[0040] 本步骤中，分别应用上一步骤中获得一系列的高斯函数对灰度图像进行高斯模 糊，即分别利用σ〇、σι、〇2、σ3......〇n-；L、ση对应的高斯函数对灰度图像进行高斯模糊，从而获得 一系列的模糊图像gQ、gl、g2、g3......gn-l、gn。
[0041] S4、预设分界阈值。本实施方式中，分界阈值的数量为多个，并与多个模糊图像gn --对应。
[0042] S5、根据对应的分界阈值分别对模糊图像……gn-i、gn进行二值化，获得 多个二值化图像gbo、gbi、gb2、gb3......gbn-l、gbn。具体的，在进行二值化时，模糊图像中色值 低于分界阈值的点色值全部转换为0，模糊图像中色值高于分界阈值的