一种水稻冠层图像分割方法及其系统

本发明涉及作物图像分割，尤其涉及一种水稻冠层图像分割方法及其系统。

背景技术：

1、水稻是中国乃至全球最主要的粮食作物，其种植面积及产量水平显著影响全球粮食产量安全。水稻分蘖期是重要的营养生育期，被认为是监测水稻营养状况的关键生育期，研究表明，监测水稻冠层能获取大量水稻生长信息，包括生长动态、叶面积指数、生物量、氮素营养状态、开花动态以及病虫害状况，可为规模化水稻的自动化耕作管理提供参数指导。

2、目前受到水稻品种、长势特征、光照的角度、成像设备、作物颜色随光照条件的变化以及水稻生长发育阶段等因素影响，水稻冠层的图像分割的过程较为困难，分割水稻冠层的精准度较低。已有的作物图像分割算法如阈值分割法、聚类分割法，存在分割参数依赖人为经验或要求图像数据集大的问题。浮萍又名青萍，倒卵形或椭圆形，两面均成绿色。在水稻生长过程中，特别是在在水稻分蘖期常粘贴在稻秧苗的杆上，或漂浮在稻田水面，此时水稻并未封行，拍摄到的水稻冠层图像中分布着许多浮萍，加之颜色为浅绿色与水稻叶片近似，常规的分割方法无法完全去除图像中的浮萍。采用卷积神经网络分割，语义信息复杂，直接分割耗时长，在浮萍与水稻植株粘连部分图像标注难度大。随着生育期推进浮萍依然存在，但后期水稻封行使得图像背景相对分蘖期时较为单一。因此，为提高水稻冠层图像分割的准确率与效率，本发明以分蘖期复杂背景图像为例，提出一种兼顾分割准确率和分割效率的基于阈值和改进unet的水稻冠层图像分割算法，以适用于全生育期水稻图像分割。

技术实现思路

1、本发明在于提供一种水稻冠层图像分割方法及其系统，能够提高水稻冠层图像的分割精度。

2、为实现上述目的，本发明提供了一种水稻冠层图像分割方法，包括：

3、获取原始水稻冠层图像，所述原始水稻冠层图像包含有水稻冠层的图像信息；

4、对所述原始水稻冠层图像进行cive植被指数阈值分割，得到初始水稻冠层图像，所述阈值分割用于去除水稻冠层图像中的色度不同的图像信息；

5、采用改进unet模型对所述初始水稻冠层图像进行语义分割，以得到目标水稻冠层图像，所述目标水稻冠层图像用于表示水稻冠层的图像信息，所述改进unet模型被划分为初始级、第一级、第二级、第三级以及第四级，其中，除第四级外，任一级均包括下采样节点和上采样节点，第三级下采样节点上采样后的采样结果，与第二级下采样节点的采样结果在混合采样节点融合，将所述混合采样节点的采样结果输出到第二级上采样节点。

6、可选的，所述对所述原始水稻冠层图像进行cive植被指数阈值分割，得到初始水稻冠层图像，包括：

7、利用滑动窗口对原始水稻冠层图像进行分割；

8、将分割后的原始水稻冠层图像利用植被颜色指数抽取法cive实现阈值分割，得到初始水稻冠层图像。

9、可选的，所述采用改进unet模型对所述初始水稻冠层图像进行语义分割之后，还包括：

10、将语义分割后的初始水稻冠层图像拼接，得到目标水稻冠层图像，所述目标水稻冠层图像的尺寸与原始水稻冠层图像的尺寸相对应。

11、可选的，所述改进unet模型中同一级的下采样节点和上采样节点通过跳层连接，所述初始级对应的等级数最低，所述第四级对应的等级数最高，下采样处理按照等级数由小到大的顺序依次连接，上采样处理按照等级数由大到小依次连接。

12、可选的，所述色度不同的图像信息包括土壤、水体和植株倒影中的至少一种。

13、第二方面，本发明实施例还提供了一种水稻冠层图像分割系统，包括：

14、图像获取模块，用于获取原始水稻冠层图像，所述原始水稻冠层图像包含有水稻冠层的图像信息；

15、阈值分割模块，用于对所述原始水稻冠层图像进行cive植被指数阈值分割，得到初始水稻冠层图像，所述阈值分割用于去除水稻冠层图像中的色度不同的图像信息；

16、unet模型，用于对所述初始水稻冠层图像进行语义分割，以得到目标水稻冠层图像，所述目标水稻冠层图像用于表示水稻冠层的图像信息，所述改进unet模型被划分为初始级、第一级、第二级、第三级以及第四级，其中，除第四级外，任一级均包括下采样节点和上采样节点，第三级下采样节点上采样后的采样结果，与第二级下采样节点的采样结果在混合采样节点融合，将所述混合采样节点的采样结果输出到第二级上采样节点。

17、可选的，所述阈值分割模块，用于对所述原始水稻冠层图像进行cive植被指数阈值分割，得到初始水稻冠层图像，包括：

18、利用滑动窗口对原始水稻冠层图像进行分割；

19、将分割后的原始水稻冠层图像利用植被颜色指数抽取法cive实现阈值分割，得到初始水稻冠层图像。

20、可选的，还包括：

21、拼接模块，用于将语义分割后的初始水稻冠层图像拼接，得到目标水稻冠层图像，所述目标水稻冠层图像的尺寸与原始水稻冠层图像的尺寸相对应。

22、可选的，所述改进unet模型中同一级的下采样节点和上采样节点通过跳层连接，所述初始级对应的等级数最低，所述第四级对应的等级数最高，下采样处理按照等级数由小到大的顺序依次连接，上采样处理按照等级数由大到小依次连接。

23、可选的，所述色度不同的图像信息包括土壤、水体和植株倒影中的至少一种。本发明实施例提供了获取原始水稻冠层图像，所述原始水稻冠层图像包含有水稻冠层的图像信息；对所述原始水稻冠层图像进行cive植被指数阈值分割，得到初始水稻冠层图像，所述阈值分割用于去除水稻冠层图像中的色度不同的图像信息；采用改进unet模型对所述初始水稻冠层图像进行语义分割，以得到目标水稻冠层图像，所述目标水稻冠层图像用于表示水稻冠层的图像信息，所述改进unet模型被划分为初始级、第一级、第二级、第三级以及第四级，其中，除第四级外，任一级均包括下采样节点和上采样节点，第三级下采样节点上采样后的采样结果，与第二级下采样节点的采样结果在混合采样节点融合，将所述混合采样节点的采样结果输出到第二级上采样节点。本发明实施例中在获得原始水稻冠层图像后，先对其进行阈值分割，能够去除掉部分干扰信息，为改进unet模型语义分割提供良好的图像基础，减少图像标注成本，进而采用改进unet模型进行语义分割，由于改进unet模型具有良好的分割精准度和分割效率，为此，本发明实施例提供的水稻冠层图像分割方法能够精准分割出水稻冠层，从而提高了分割水稻冠层的精准度。

24、还需要说明的是，本申请中改进unet模型中第三级下采样节点上采样后的采样结果，与第二级下采样节点的采样结果在混合采样节点融合，将混合采样节点的采样结果输出到第二级上采样节点，该操作可以使得下一级的上采样和上一级的下采样在相同尺度的特征度在通道维度在混合采样节点拼接，使得提取到的水稻冠层的特征更加细节。

技术特征：

1.一种水稻冠层图像分割方法，其特征在于，包括：

2.如权利要求1所述的水稻冠层图像分割方法，其特征在于，所述对所述原始水稻冠层图像进行cive植被指数阈值分割，得到初始水稻冠层图像，包括：

3.如权利要求1所述的水稻冠层图像分割方法，其特征在于，所述采用改进unet模型对所述初始水稻冠层图像进行语义分割之后，还包括：

4.如权利要求1所述的水稻冠层图像分割方法，其特征在于，所述改进unet模型中同一级的下采样节点和上采样节点通过跳层连接，所述初始级对应的等级数最低，所述第四级对应的等级数最高，下采样处理按照等级数由小到大的顺序依次连接，上采样处理按照等级数由大到小依次连接。

5.如权利要求1所述的水稻冠层图像分割方法，其特征在于，所述色度不同的图像信息包括土壤、水体和植株倒影中的至少一种。

6.一种水稻冠层图像分割系统，其特征在于，包括：

7.如权利要求6所述的水稻冠层图像分割系统，其特征在于，所述阈值分割模块，用于对所述原始水稻冠层图像进行cive植被指数阈值分割，得到初始水稻冠层图像，包括：

8.如权利要求6所述的水稻冠层图像分割系统，其特征在于，还包括：

9.如权利要求6所述的水稻冠层图像分割系统，其特征在于，所述改进unet模型中同一级的下采样节点和上采样节点通过跳层连接，所述初始级对应的等级数最低，所述第四级对应的等级数最高，下采样处理按照等级数由小到大的顺序依次连接，上采样处理按照等级数由大到小依次连接。

10.如权利要求6所述的水稻冠层图像分割系统，其特征在于，所述色度不同的图像信息包括土壤、水体和植株倒影中的至少一种。

技术总结
本发明提供了一种水稻冠层图像分割方法及其系统，该方法包括：获取原始水稻冠层图像；对原始水稻冠层图像进行CIVE植被指数阈值分割，得到初始水稻冠层图像，阈值分割用于去除水稻冠层图像中的色度不同的图像信息；采用改进UNet模型对所述初始水稻冠层图像进行语义分割，以得到目标水稻冠层图像，改进UNet模型被划分为初始级、第一级、第二级、第三级以及第四级，其中，除第四级外，任一级均包括下采样节点和上采样节点，第三级下采样节点上采样后的采样结果，与第二级下采样节点的采样结果在混合采样节点融合，将混合采样节点的采样结果输出到第二级上采样节点。本发明能够提高水稻冠层图像的分割精度和分割效率。

技术研发人员：叶春,孙滨峰,舒时富,吴罗发,李艳大,刘洋,陈道根,杨群
受保护的技术使用者：江西省农业科学院农业工程研究所
技术研发日：
技术公布日：2024/1/15