[发明专利]一种植株水分亏缺程度获取方法及装置

权利要求书

1.一种植株水分亏缺程度获取方法，其特征在于，包括：

获取叶片灰度图像；

基于所述叶片灰度图像的矩形图像块，利用混合深度学习网络，获取植株水分亏缺程度。

2.根据权利要求1所述的方法，其特征在于，所述获取叶片灰度图像进一步包括：

基于包含植株叶片的彩色图像，获取灰度图像；

对所述灰度图像进行轮廓检测，获取叶片灰度图像。

3.根据权利要求2所述的方法，其特征在于，所述基于包含植株叶片的彩色图像，获取灰度图像进一步包括：

利用插值方法对所述包含植株叶片的彩色图像进行归一化处理；

基于所述归一化后的彩色图像在红、绿、蓝三个颜色通道上子图像，获取灰度图像。

4.根据权利要求3所述的方法，其特征在于，所述对所述灰度图像进行轮廓检测，获取叶片灰度图像进一步包括：

基于所述灰度图像，获取边缘图像；

基于所述灰度图像和所述边缘图像，获取叶片前景灰度图像；

基于所述叶片前景灰度图像，获取所述叶片灰度图像。

5.根据权利要求4所述的方法，其特征在于，所述基于所述灰度图像，获取边缘图像进一步包括：

利用八方向Sobel模板和四方向Sobel模板，分别对所述灰度图像进行边缘提取；

基于所述边缘提取得到的图像，获取边缘图像。

6.根据权利要求5所述的方法，其特征在于，所述基于所述叶片前景灰度图像，获取所述叶片灰度图像进一步包括：

对所述叶片前景灰度图像进行阈值化处理；

基于阈值化后的所述叶片前景灰度图像，采用水平集算法，获取叶片边缘包含的像素点在所述叶片前景灰度图像中的位置；

基于所述叶片边缘包含的像素点在所述叶片前景灰度图像中的位置，从所述灰度图像中提取所述叶片灰度图像。

7.根据权利要求1所述的方法，其特征在于，在所述基于所述灰度图像的矩形图像块，利用混合深度学习网络，获取植株的水分亏缺程度之前还包括：

由深度信念网络(DBN)与深度玻尔兹曼机(DBM)结合构建所述混合深度学习网络；

基于训练样本图像块，依次采用无监督的预训练和有监督的微调，对所述混合深度学习网络进行训练。

8.根据权利要求7所述的方法，其特征在于，所述基于训练样本图像块，依次采用无监督的预训练和有监督的微调，所述混合深度学习网络进行训练进一步包括：

建立预设数目的训练样本图像块；其中，所述训练样本图像块标注有水分亏缺程度；

将所述训练样本图像块的灰度特征值直接输入DBM中，对灰度特征值进行训练、降维；将训练、降维后的灰度特征值输入到DBN中进行更深度特征的提取与训练，得到性能更好的权值；

将得到的性能更好的权值作为初始权值，根据所述初始权值从六层到第一层，利用反向传播网络，依次对所述混合深度学习网络进行微调。

9.根据权利要求8所述的方法，其特征在于，所述基于所述灰度图像的矩形图像块，利用混合深度学习网络，获取植株的水分亏缺程度进一步包括：

基于所述灰度图像的矩形图像块，采用已训练好的、由深度信念网络(DBN)与深度玻尔兹曼机(DBM)结合构建所得的混合深度学习网络，获取所述叶片的水分亏缺程度；

基于所述植株不同叶片的水分亏缺程度，获取所述植株水分亏缺程度。

10.一种植株水分亏缺程度获取装置，其特征在于，包括：叶片灰度图像获取模块和植株水分亏缺程度获取模块；

所述叶片灰度图像获取模块，用于获取叶片灰度图像；

所述植株水分亏缺程度获取模块，用于基于所述灰度图像的矩形图像块，利用混合深度学习网络，获取植株水分亏缺程度。