用于番茄钵苗质量的测定方法、控制装置及存储介质

本发明涉及农业监测，具体地涉及一种用于番茄钵苗质量的测定方法、控制装置及存储介质。

背景技术：

1、在番茄钵苗移栽作业中，常会出现因机械臂动作等原因造成钵苗损伤、倒伏等现象，或因为温度、湿度等外部环境影响导致钵苗长势不尽相同。因此，移栽过程中，如果能把不同品质钵苗分级移栽，可以大大提高钵苗存活概率。对于番茄钵苗质量分级可以通过人工观察和经验，实现对苗的质量监测，进而确定钵苗质量分级，以用于后期控制决策。例如，在蔬菜穴盘苗培育研究中，穴盘苗质量分级的主要依据是穴盘苗的壮苗指数。壮苗指数计算可以为：(茎粗/株高+根干重/地上部干重)×全株干重，单位是mg/株，但要获取完整的钵苗信息数据，可能会导致钵苗苗体或基质的破坏。因此，在实际生产作业中，判断钵苗质量的主要标准可以为钵苗的叶面积。传统叶面积的测定方法包括方格法、复印称质量法、回归方程法、叶面积仪测量法等。其中，方格法、复印称质量法虽精度高，但操作较为复杂；回归方程法则相反，操作简单，但精度不高；叶面积仪测量法成本较高。

2、随着计算机高度智能化，对于番茄钵苗的叶面积研究多采用图像像素测量、图像处理算法和机器视觉技术等，通过对幼苗信息提取，监测栽植质量，进而确定钵苗质量分级。然而，图像像素测量法依赖于图像分辨率，受图像数据质量影响较大，忽略数据的细节，在有些情况下，需要人工干预来确定像素位置和数量，增加测量的时间和成本；机器视觉技术，例如，基于光谱的测量法，存在仪器成本高、对操作人员要求高、受环境影响较大且需进行专业数据处理和分析等问题，不易布置在实际生产的复杂环境中；在环境较暗的情况下需要补光，因此，基于机器视觉的检测方法受光照、角度、遮挡等因素影响较大，有误识别的风险；使用三维点云数据计算方式，易受干扰，需要融合多种滤波算法才能有效滤除复杂自然背景，增加时间成本等。现有技术最大的问题在于，单依赖番茄钵苗的叶面积检测钵苗质量，判断结果不够准确。

技术实现思路

1、本发明实施例的目的是提供一种用于番茄钵苗质量的测定方法，来提高番茄钵苗的质量测定。

2、为了实现上述目的，本发明实施例提供一种用于番茄钵苗质量的测定方法，所述用于番茄钵苗质量的测定方法包括：获取番茄钵苗的苗盘俯视图像数据和钵苗侧视图像数据；根据所述苗盘俯视图像数据，确定示出所述番茄钵苗的叶面积特征的分级特征信息；根据所述钵苗侧视图像数据，确定所述番茄钵苗的直立度特征信息；以及根据所述分级特征信息和所述直立度特征信息，测定该番茄钵苗的质量。

3、可选的，在所述根据所述苗盘俯视图像数据，确定示出所述番茄钵苗的叶面积特征的分级特征信息之前，所述用于番茄钵苗质量的测定方法还包括：基于样本番茄钵苗的样本苗盘俯视图像数据，构建样本图像数据集；对所述样本图像数据集进行预处理；对预处理后的样本图像数据集进行数据集划分，得到样本训练集和样本测试集；通过所述样本训练集对钵苗分级模型进行训练，通过所述样本测试集对所述钵苗分级模型进行验证，得到训练完成的钵苗分级模型，以通过所述苗盘俯视图像数据和所述完成的钵苗分级模型，确定对应的所述分级特征信息。

4、可选的，所述对所述样本图像数据集进行预处理，包括：对所述样本苗盘俯视图像数据进行图像分割，分离钵苗图像和背景图像；对图像分割后的样本图像数据集进行数据集扩充；以及对数据集扩充后的样本图像数据集的样本苗盘俯视图像数据进行数据标注。

5、可选的，在所述通过所述样本训练集对钵苗分级模型进行训练之前，所述用于番茄钵苗质量的测定方法还包括：基于改进的yolov5s算法，构建所述钵苗分级模型，其中，通过soft-nms算法，确定所述钵苗分级模型的置信度阈值，在所述钵苗分级模型的检测层设置eca网络模块，通过双向特征金字塔网络bifpn对所述钵苗分级模型进行验证。

6、可选的，所述根据所述钵苗侧视图像数据，确定所述番茄钵苗的直立度特征信息，包括：对所述钵苗侧视图像数据进行超绿特征值exg灰度化和二值化处理；对上述处理后的钵苗侧视图像数据，提取钵苗骨架；对提取钵苗骨架后的钵苗侧视图像数据，进行形态学膨胀和腐蚀处理；以及对上述处理后的钵苗侧视图像数据采用霍夫变换，得到主茎秆相对于水平面的倾斜角度，以确定所述番茄钵苗的直立度特征信息。

7、可选的，所述根据所述分级特征信息和所述直立度特征信息，测定该番茄钵苗的质量，包括：通过模糊逻辑推理算法，构建模糊度控制器；将所述分级特征信息和所述直立度特征信息输入所述模糊度控制器，通过输出结果测定该番茄钵苗的质量。

8、可选的，在所述获取番茄钵苗的苗盘俯视图像数据和钵苗侧视图像数据之前，所述番茄钵苗质量的测定方法还包括：获取待移栽所述番茄钵苗的区域的环境信息，所述环境信息包括该区域的温度、湿度和光照信息中的一者或多者；判断所述环境信息是否满足移栽所述番茄钵苗的条件；以及当不满足移栽条件时，调节所述环境信息，使所述环境信息满足移栽所述番茄钵苗的条件。

9、可选的，在所述获取待移栽所述番茄钵苗的区域的环境信息之前，所述番茄钵苗质量的测定方法还包括：获取与所述环境信息相关的数据集；构建用于预测环境信息的回归模型；以及基于所述数据集对所述回归模型进行训练，以通过训练完成的回归模型和所获取的环境信息，判断所述环境信息是否满足移栽所述番茄钵苗的条件。

10、本发明实施例还提供一种用于番茄钵苗质量测定的控制装置，所述控制装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现上述的用于番茄钵苗质量的测定方法。

11、本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令使得机器执行上述的用于番茄钵苗质量的测定方法。

12、通过上述技术方案，本发明实施例通过无接触式获取的番茄钵苗的苗盘俯视图像数据和钵苗侧视图像数据，对应确定示出番茄钵苗的叶面积特征的分级特征信息和直立度特征信息，基于分级特征信息和直立度特征信息对番茄钵苗进行质量测定，实现多因素的番茄钵苗质量测定，以提高番茄钵苗质量测定的准确性。本发明实施例进一步通过改进的yolov5s模型算法，确定示出番茄钵苗的叶面积特征的分级特征信息，通过霍夫变换进行直线拟合，以确定直立度信息，将分级特征信息和直立度信息输入模糊控制器，以通过模糊控制器的输出结果，对番茄钵苗进行多因素的质量测定。

13、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种用于番茄钵苗质量的测定方法，其特征在于，所述用于番茄钵苗质量的测定方法包括：

2.根据权利要求1所述的用于番茄钵苗质量的测定方法，其特征在于，在所述根据所述苗盘俯视图像数据，确定示出所述番茄钵苗的叶面积特征的分级特征信息之前，所述用于番茄钵苗质量的测定方法还包括：

3.根据权利要求2所述的用于番茄钵苗质量的测定方法，其特征在于，所述对所述样本图像数据集进行预处理，包括：

4.根据权利要求2所述的用于番茄钵苗质量的测定方法，其特征在于，在所述通过所述样本训练集对钵苗分级模型进行训练之前，所述用于番茄钵苗质量的测定方法还包括：

5.根据权利要求1所述的用于番茄钵苗质量的测定方法，其特征在于，所述根据所述钵苗侧视图像数据，确定所述番茄钵苗的直立度特征信息，包括：

6.根据权利要求1所述的用于番茄钵苗质量的测定方法，其特征在于，所述根据所述分级特征信息和所述直立度特征信息，测定该番茄钵苗的质量，包括：

7.根据权利要求1所述的用于番茄钵苗质量的测定方法，其特征在于，在所述获取番茄钵苗的苗盘俯视图像数据和钵苗侧视图像数据之前，所述番茄钵苗质量的测定方法还包括：

8.根据权利要求7所述的用于番茄钵苗质量的测定方法，其特征在于，在所述获取待移栽所述番茄钵苗的区域的环境信息之前，所述番茄钵苗质量的测定方法还包括：

9.一种用于番茄钵苗质量测定的控制装置，其特征在于，所述控制装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现根据权利要求1-8中任意一项所述的用于番茄钵苗质量的测定方法。

10.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令使得机器执行根据权利要求1-8中任意一项所述的用于番茄钵苗质量的测定方法。

技术总结
本发明实施例提供一种用于番茄钵苗质量的测定方法、控制装置及存储介质，属于农业监测技术领域。所述测定方法包括：获取番茄钵苗的苗盘俯视图像数据和钵苗侧视图像数据；根据所述苗盘俯视图像数据，确定示出所述番茄钵苗的叶面积特征的分级特征信息；根据所述钵苗侧视图像数据，确定所述番茄钵苗的直立度特征信息；以及根据所述分级特征信息和所述直立度特征信息，测定该番茄钵苗的质量。本发明实施例通过无接触式获取的番茄钵苗的苗盘俯视图像数据和钵苗侧视图像数据，对应确定示出番茄钵苗的叶面积特征的分级特征信息和直立度特征信息，基于分级特征信息和直立度特征信息对番茄钵苗进行多因素的质量测定，以提高番茄钵苗质量测定的准确性。

技术研发人员：房建东,赵晓燕,赵于东
受保护的技术使用者：内蒙古工业大学
技术研发日：
技术公布日：2024/1/25