一种基于图像识别的麦穗粒数计算的方法及系统的制作方法
【技术领域】
[0001]本发明涉及智能农业技术领域，尤其涉及一种基于图像识别的麦穗粒数计算的方法及系统。
【背景技术】
[0002]随着农业物联网技术的快速发展，农业物联网育种技术，作为一个重要发展方向受到广泛重视，影响了国民经济的发展和人民群众的正常生活。在育种技术中小麦是一种最为关键的作物，所以小麦的产量作为衡量小麦品种的优劣的重要技术指标而显得十分重要。
[0003]图像处理的方法，作为自动的、快速的一种处理方法，在十分广泛的领域得到应用，农业物联网要对培育田的数据进行实时监测，所以图像处理的方法必然是其最为重要的一种方法。
[0004]但是，常规的做法仅限于监控，没能更好的发挥获取的图像数据的作用，本文采取图像处理技术提出一种智能的计算麦穗粒数的方法，以期用于小麦产量的估计上。
【发明内容】
[0005]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识别的麦穗粒数计算的方法及系统。
[0006]本发明提出的一种基于图像识别的麦穗粒数计算的方法，包括以下步骤:
[0007]S1、获取麦田图像，并对麦田图像进行灰度处理；
[0008]S2、根据麦田图像截取麦穗图像，并将麦穗图像竖直排列，每一个麦穗图像仅包含一棵麦穗；
[0009]S3、设置经验阈值；
[0010]S4、计算麦穗图像的纹理特征，并根据经验阈值对麦穗图像进行分割，获得分割图像，分割图像中，麦穗粒与背景区别显示；
[0011 ] S5、根据分割图像统计麦穗粒数。
[0012]优选地，步骤SI中，麦田图像由多个麦田区域图像拼接而成。
[0013]优选地，步骤S2包括以下分步骤:
[0014]S21、根据麦田图像截取麦穗图像，每一个麦穗图像仅包含一棵麦穗；
[0015]S22、对非竖直排列的麦穗图像进行旋转；
[0016]S23、将所有麦穗图像竖直排列。
[0017]优选地，步骤S21中，手动从麦田图像截取麦穗图像。
[0018]优选地，步骤S4具体包括以下分步骤:
[0019]S41、根据麦穗图像获取分形维图；
[0020]S42、将分形维图的每个像素分别与经验阈值比较，并根据比较结果和麦穗图像获得分割图像。
[0021]优选地，步骤S42具体为:将分形维图的每个像素分别与经验阈值比较，大于经验阈值，则保留麦穗图像中对应的像素的原灰度值，小于经验阈值，则将麦穗图像对应的像素置零。
[0022 ] 优选地，经验阈值可在区间[2，3 ]上取值。
[0023]优选地，步骤S5包括以下分步骤:
[0024]S51、遍历分割图像的列，选取可靠列;可靠列中，当列波形在预设平均值处水平截取时可得到至少S个波宽不小于W的凸起波峰;优选地，S = 5，W = I Omm ；
[0025]S52、统计各可靠列中凸起波峰宽度的总和，并获取可靠列中波峰宽度的中值，总和除以中值获得对应的列粒数估计值；
[0026]S53、集合所有可靠列的列粒数估计值形成粒数估计向量；
[0027]S54、求取列粒数估计向量的平均值作为单侧麦穗粒数；
[0028]S55、单侧麦穗粒数乘以4获得麦穗粒数。
[0029]优选地，步骤S54具体为:去掉粒数估计向量中的最大值和最小值，求取列粒数估计向量的平均值作为单侧麦穗粒数。
[0030]—种基于图像识别的麦穗粒数计算系统，包括:网络摄像头、视频监控模块和麦穗粒数计算模块;其中，网络摄像头用于拍摄麦田图像，视频监控模块与网络摄像头连接，其获取麦田图像，且可调整网络摄像头拍摄姿态;麦穗粒数计算模块连接视频监控模块，其根据麦田图像截取麦穗图像，并对麦穗图像进行竖直排列，然后对麦穗图像进行处理，生成麦穗粒与背景区别显示的分割图像，并根据分割图像统计麦穗粒数。
[0031]本发明提供的基于图像识别的麦穗粒数计算的方法和系统中，可通过网络摄像头或者其他方式，远程获取麦田图像，根据麦田图像截取麦穗图像，并将麦穗图像竖直排列，每一个麦穗图像仅包含一棵麦穗，然后计算麦穗图像的纹理特征，并根据经验阈值对麦穗图像进行分割，获得分割图像，分割图像中，麦穗粒与背景区别显示，最后根据分割图对麦穗粒数进行统计。
[0032]本发明根据实时获取的图像截取的麦穗图像，然后自动计算麦穗的粒数，为小麦产量估计提供了一种更快速的、智能的方法，有利于更精确地对小麦的产量进行估计，更清楚的了解小麦生长情况。
【附图说明】
[0033]图1为本发明提出的一种基于图像识别的麦穗粒数计算的方法流程图；
[0034]图2为分割图不意图；
[0035]图3为列数据波形示意图。
【具体实施方式】
[0036]参照图1，本发明提出的一种基于图像识别的麦穗粒数计算的方法，包括以下步骤:
[0037]S1、获取麦田图像，并对麦田图像进行灰度处理。麦田图像可由多个麦田区域图像拼接而成，例如通过在麦田设置多个网络摄像头获取麦田区域图像，然后根据坐标或其他标示对麦田区域图像进行拼接，获得麦田图像。
[0038]S21、根据麦田图像截取麦穗图像，每一个麦穗图像仅包含一棵麦穗。
[0039]S22、对非竖直排列的麦穗图像进行旋转，使得非竖直排列的麦穗图像竖直排列。
[0040]S23、将所有麦穗图像竖直排列。
[0041]本实施方式中，可先行截取麦穗图像，即对麦田图像进行分解，然后仅将非竖直排列的麦穗图像进行旋转，使得其竖直排列。本实施方式中，还可通过旋转麦田图像，直接截取竖直排列的麦穗图像，从而直接使获得的麦穗图像全部竖直排列。本实施方式中，麦穗图像的截取，可手动进行，例如手动选取矩形截图工具从麦田图像截取麦穗图像，具体实施时，还可以设置自动截图工具，例如根据麦穗边界色彩的变化，直接截取麦穗图像。
[0042 ] S3、设置经验阈值。经验阈值可在区间[2，3 ]上取值。
[0043]S41、根据麦穗图像获取分形维图。例如，通过盒子维算法对麦穗图像进行分形纹理计算，从而获得分形维图。
[0044]S42、将分形维图的每个像素分别与经验阈值比较，并根据比较结果和麦穗图像获得分割图像。具体的，当分形维图的像素大于经验阈值，则保留麦穗图像中对应的像素的原灰度值，当分形维图的像素小于经验阈值，则将麦穗图像对应的像素置零。如此，通过对背景像素置零，可将麦穗粒与背景区别显示，使得分割图中，麦穗粒突出显示。
[0045]S51、遍历分割图像的列，选取可靠列。可靠列中，当列波形在预设平均值处水平截取时可得到至少S个波宽不小于W的凸起波峰。本实施方式中，S = 5，W=10WW;具体实施时，也可根据需要对S、W进行取值，例如S在区间【2，10】上取任意正整