基于图像处理技术的作物生长状态检测方法与流程

本发明涉及图像处理，具体涉及基于图像处理技术的作物生长状态检测方法。

背景技术：

1、近年来人工智能技术的不断发展，在生活生产中的应用场景日渐增多。而图像处理技术是人工智能的分支，越来越多的研究人员考虑在农产品检测中使用图像处理技术。因为传统的检测方法重复度低且对作物有损，而且分析成本高、时效性差且难以反映群体特征。鉴于此，有研究人员利用可见光图像处理技术实现对作物生长状态的检测，该方法相对于传统检测方法方便快捷，而且对作物无损害。但是基于可见光图像的检测方法只对作物是否缺水等较为明显的特征精度较高，对作物含氮量、微量元素含量、作物虫害等问题较为轻微时的检测精确度不高，往往只有这些问题非常严重、植株呈现出外在表现时才较为精准。

2、而光谱遥感依据作物内不同元素和物质对不同波段的光谱反射程度不同进行检测，准确快速，但目前的研究主要利用卫星等提供的高光谱信息，在针对范围较大作物大面积估产、农业资源探查和农业灾害监测时，因卫星影像的清晰度容易受天气影响，所以往往存在时间或空间分辨率不足，进而导致检测结果不准确等缺点。

3、然而，通过改善影像采集设备来提高影像清晰度的方法成本太高，因此，需要一种新的图像处理方法对影像进行处理来获得高清晰度的影像，使其检测结果不容易受天气影响，在实现无损检测的同时精确评价作物的生长状态。

技术实现思路

1、为了解决上述技术问题，本发明提供了基于图像处理技术的作物生长状态检测方法，使用新的图像处理技术，使得检测结果不容易受天气影响，实现作物生长状态的精准检测。所采用的技术方案具体如下：

2、采集农作物在近红外波段的光谱图像，对该光谱图像进行阈值分割处理得到农作物区域和土壤区域，对光谱图像进行增强处理得到优选图像；根据像素点在优选图像中对应的像素值与光谱图像对应的像素值得到像素点的增强差异值；

3、根据像素点的增强差异值与该像素点的邻域内像素点的增强差异值得到细节差异指标；获取土壤区域内各像素点在设定波段对应的反射值的均值，根据所述反射值的均值与细节差异指标得到土壤物质丰富度；

4、根据增强差异值对像素点进行标记得到标记像素点，利用设定尺寸的窗口对标记像素点进行处理，根据窗口内像素点的增强差异值获得特征值序列；根据相邻两个标记像素点对应的特征值序列得到条纹一致度；获取邻域内标记像素点的数量，根据所述数量与条纹一致度得到修正系数；利用修正系数对土壤物质丰富度进行修正，得到优选土壤物质丰富度；

5、根据农作物区域内像素点的增强差异值以及植被指数得到农作物生长状态指数；根据土壤物质丰富度、优选土壤物质丰富度以及作物生长状态指数得到光谱图像对应的农作物生长特征矩阵，利用所述农作物生长特征矩阵获得农作物的生长状态。

6、优选地，所述对光谱图像进行增强处理得到优选图像具体为：利用高斯滤波对光谱图像进行卷积得到优选图像。

7、优选地，所述细节差异指标的获取方法具体为：

8、

9、其中，表示第i行第j列像素点对应的细节差异指标，表示第i行第j列像素点对应的增强差异值，表示邻域像素点对应的增强差异值，表示第i行第j列像素点的邻域范围，表示邻域像素点的数量。

10、优选地，所述根据所述反射值的均值与细节差异指标得到土壤物质丰富度具体为：根据所述反射值的均值与细节差异指标的乘积的倒数得到土壤物质丰富度。

11、优选地，所述根据窗口内像素点的增强差异值获得特征值序列具体为：

12、将窗口内像素点的增强差异值的最大值记为第一特征值，将窗口内像素点的增强差异值的最小值记为第二特征值，将窗口内所有像素点的增强差异值的标准差记为第三特值；计算窗口内像素点的灰度共生矩阵，获取灰度共生矩阵的自相关值记为第四特征值；将第一、第二、第三和第四特征值构成特征值序列。

13、优选地，所述条纹一致度的获取方法具体为：

14、计算标记像素点窗口内第一特征值与第二特征值的差值，根据该标记像素点与其相邻的标记像素点对应的特征值序列中对应位置元素的相似度以及所述差值得到条纹一致度。

15、优选地，所述修正系数的获取方法具体为：

16、

17、其中，表示第i行第j列标记像素点对应的修正系数，表示第i行第j列标记像素点邻域内标记像素点的数量，sc表示标记像素点的条纹一致度，ent表示第i行第j列标记像素点对应的窗口的灰度共生矩阵的熵值，为常数系数。

18、优选地，所述优选土壤物质丰富度的获取方法具体为：

19、

20、其中，表示第i行第j列标记像素点对应的优选土壤物质丰富度，表示第i行第j列标记像素点对应的修正系数，表示第i行第j列标记像素点对应的土壤物质丰富度，为常数系数。

21、本发明至少具有如下有益效果：

22、本发明通过获取农作物在近红外波段的光谱图像，并对光谱图像分割为农作物区域和土壤区域，分别对土壤区域中物质含量进行分析以及对农作物中物质含量进行分析，可以更详细精确地评价农作物的生长状态；利用增强后的图像与光谱图像获得像素点的增强差异值，能够反映增强后像素点的细节信息，根据像素点和邻域像素点的增强差异值得到细节差异指标，能够说明像素点在邻域范围内的细节信息，根据像素点在设定波段对应的反射值以及细节差异指标得到土壤物质丰富度，通过分析土壤中物质的反射值，同时考虑了可能由于土壤受雨水冲刷使得细节差异指标反映土壤的流失纹理；并对像素点进行标记得到标记像素点，对标记像素点的窗口内进行分析获得修正系数，并利用修正系数对土壤物质丰富度进行修正，充分考虑了由于土壤受雨水冲刷对土壤中有机物含量的影响，并对存在误差的部分进行修正，得到精确的土壤物质丰富度，进而进行农作物状态检测。本发明受环境的影响较小，可在实现无损检测的同时精确评价作物生长状态。

技术特征：

1.基于图像处理技术的作物生长状态检测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于图像处理技术的作物生长状态检测方法，其特征在于，所述对光谱图像进行增强处理得到优选图像具体为：利用高斯滤波对光谱图像进行卷积得到优选图像。

3.根据权利要求1所述的基于图像处理技术的作物生长状态检测方法，其特征在于，所述细节差异指标的获取方法具体为：

4.根据权利要求1所述的基于图像处理技术的作物生长状态检测方法，其特征在于，所述根据所述反射值的均值与细节差异指标得到土壤物质丰富度具体为：根据所述反射值的均值与细节差异指标的乘积的倒数得到土壤物质丰富度。

5.根据权利要求1所述的基于图像处理技术的作物生长状态检测方法，其特征在于，所述根据窗口内像素点的增强差异值获得特征值序列具体为：

6.根据权利要求5所述的基于图像处理技术的作物生长状态检测方法，其特征在于，所述条纹一致度的获取方法具体为：

7.根据权利要求1所述的基于图像处理技术的作物生长状态检测方法，其特征在于，所述修正系数的获取方法具体为：

8.根据权利要求1所述的基于图像处理技术的作物生长状态检测方法，其特征在于，所述优选土壤物质丰富度的获取方法具体为：

技术总结
本发明涉及图像处理技术领域，具体涉及基于图像处理技术的作物生长状态检测方法，该方法包括：对光谱图像进行阈值分割处理得到农作物区域和土壤区域，获取优选图像；根据像素点在优选图像与光谱图像对应的像素值得到增强差异值；根据增强差异值得到细节差异指标；获取土壤区域内各像素点在设定波段对应的反射值的均值，根据均值与细节差异指标得到土壤物质丰富度；根据增强差异值对像素点进行标记得到标记像素点，利用设定尺寸的窗口对标记像素点进行处理，获取修正系数，对土壤物质丰富度进行修正得到优选土壤物质丰富度；获取农作物生长状态指数以及生长状态。本发明受环境的影响较小，可在实现无损检测的同时精确评价作物生长状态。

技术研发人员：李群,王玮
受保护的技术使用者：济宁市保田农机技术推广专业合作社
技术研发日：
技术公布日：2024/1/12