[发明专利]一种植株水分亏缺程度获取方法及装置

说明书

技术领域

本发明涉及数字图像处理技术领域，更具体地，涉及一种植株水分亏缺程度获取方法及装置。

背景技术

对于植株来说，水分亏缺是指水分散失超过水分吸收。植株存在水分亏缺问题时，会出现细胞组织含水量下降、膨压降低、正常代谢失调的现象。而这些现象会直接影响植株的生理生化过程和形态结构，进而影响植株的生长。对于作物而言，还会影响作物的产量和果实的品质，造成经济损失。

现有技术中，水分亏缺程度主要通过测量土壤水分、叶水势或叶片相对含水量等方法获取。其中，土壤水分的获取主要通过采用土壤水分测量仪插入土壤进行测量；叶水势和叶片相对含水量的获取通过选取叶片并进行实验获取数据，进而根据数据计算而得。

但是，土壤水分仅仅反映了植株的水分供应情况，并不能直接反映出植株水分亏缺程度；叶水势和叶片相对含水量等生理指标，虽能体现出植株水分亏缺程度，但在测量过程中对植株叶片具有破环性，且在实际应用中难以实时获得水分亏缺程度，不利于及时制定浇灌策略。

发明内容

本发明提供一种植株水分亏缺程度获取方法及装置以克服现有技术在植株水分亏缺程度的获取过程中，对植株叶片造成破环以及获取的水分亏缺程度准确性差、实时性差的问题。

根据本发明的一个方面，提供一种植株水分亏缺程度获取方法，包括：

步骤1，获取叶片灰度图像；

步骤2，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，获取植株的水分亏缺程度。

根据本发明的另一个方面，提供一种植株水分亏缺程度获取装置，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。

本发明提出的植株水分亏缺程度获取方法及装置，通过获取叶片灰度图像，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，获取所述植株水分亏缺程度。由于采用了图像处理和模式识别技术对植株叶片的图像直接进行自动分析，本发明可以在不损坏植株叶片的前提下，快速、准确地获取植株水分亏缺程度。

进一步地，根据植株水分亏缺程度及时采取合适的精准灌溉措施，可以保证植株的健康生长。对于作物而言，还能够进一步保证作物的产量和产物的品质。此外，通过将本发明应用于智能手机等移动终端，可对小面积植株现场进行水分亏缺程度的实时检测；通过将本发明应用于计算机，还可对视频监控内的大面积植株进行水分亏缺程度的实时检测。

附图说明

图1为根据本发明实施例的一种植株水分亏缺程度获取方法流程图；

图2为根据本发明实施例的一种植株水分亏缺程度获取方法流程图；

图3为根据本发明实施例的一种植株水分亏缺程度获取装置示意图；

图4为根据本发明实施例的六层混合深度学习网络结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

目前，植株水分亏缺程度主要通过测量土壤水分、叶水势或叶片相对含水量等方法获取。但土壤水分仅仅反映了植株的水分供应情况，并不能直接反映出植株水分亏缺程度；叶水势和叶片相对含水量等生理指标，虽能体现出植株水分亏缺程度，但在测量过程中对植株叶片具有破环性，且在实际应用中难以实时获得水分亏缺程度，不利于及时制定浇灌策略。

针对上述问题，根据本发明的一个方面，本发明实施例提供一种植株水分亏缺程度获取方法。参见图1，该方法包括：步骤1，获取叶片灰度图像；步骤2，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。

本发明实施例提出的方法，通过获取叶片灰度图像，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，获取所述植株水分亏缺程度。由于采用了图像处理和模式识别技术对植株叶片的图像直接进行自动分析，本发明可以在不损坏植株叶片的前提下，快速、准确地获取植株水分亏缺程度。

作为一种可选实施例，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。