[发明专利]基于机器视觉的大田水稻卷叶程度测量方法

说明书

本发明公开了一种基于机器视觉的大田水稻卷叶程度定量化测量方法。该方法通过拍摄水稻RGB图像，利用图像处理技术提取水稻群体的周长面积比和植株占空比，作为水稻群体的数字化卷叶值，能克服目前人工检测手段主观性强、仅能对水稻卷叶进行分级记分的缺点，实现对水稻卷叶程度的连续、定量化测量，并可方便的推广应用于其他作物的卷叶程度测量工作。相比现有技术而言，具备能定量化测量卷叶程度、无损、操作简单的技术优势。

技术领域

本发明属于农业自动化领域，具体涉及水稻表型参数自动化测量，尤其涉及一种基于机器视觉的大田水稻卷叶程度定量化测量方法。具体特指一种利用相机拍摄水稻的RGB图像，并通过图像处理技术提取水稻的数字化卷叶程度的水稻卷叶程度测量方法。

背景技术

随着全球气候的变化，干旱已成为制约水稻生产的重要因素之一。培育抗旱品系对于稳定及提高水稻产量有重要的意义。水稻抗旱品系的培育首先要求能科学有效地评价与筛选待鉴定材料的抗旱性。

水稻抗旱性主要通过对抗旱指标的鉴定来实现，因此选择相关性好、有效的抗旱性状指标是抗旱鉴定的关键。卷叶是水稻抗旱研究中的一种重要性状，传统对卷叶程度的衡量主要基于人工观测，将卷叶从不卷到卷曲分为5个等级。0级：无卷叶症状，或20％以下叶片卷曲；1级：20％-40％的叶片面积发生卷曲；2级：41％-60％的叶片面积发生卷曲；3级：61％-80％的叶片面积发生卷曲；4级：81％以上叶片卷成筒状。这种方法具有很大的主观性，不同观测人员得出的结论可能不一样。另外，这种方法仅仅能将卷叶程度分为5级，无法定量化测量卷叶程度。

针对自动化卷叶程度测量方面的研究较少。Sirault等(2015)通过拍摄水稻样品的横截面图像，基于叶片的凸壳统计特征或使用三次样条拟合叶片的横截面形状并计算样条的统计特征，测量小麦剑叶的卷曲程度。然而，他们的方法有损，且操作复杂，需要将叶片从植株上剪下，并以最大叶片长度的30％为中心切成30mm的长条，接着将30mm长条切为10个3mm长的小段，将其置于已知渗透压的水中进行人为卷曲，待卷叶平衡时将叶片长条的横截面朝向相机，使相机能拍摄到其横截面的形状，进行成像。最重要的是，他们的研究只能针对作物的单片叶卷曲程度进行研究，而无法研究作物植株整体的卷曲程度。

基于机器视觉实现对作物表型参数的提取是植物学一个新兴的领域。蒋霓(2014，博士论文)通过ExG分量分割绿色植株，实现了对单株水稻绿叶面积的无损测量。黄成龙等(2017)通过采集玉米的时间序列图像，由图像分割、叶片骨架提取等算法，实现了对单片叶长、叶角度、叶弯曲度等参数的自动测量。仇瑞承等(2017)利用RGB-D相机获取玉米的彩色图像和深度图像，由Cg分量分割玉米植株，实现了对玉米茎粗的自动测量。王全宇等(2016)提出了叶片角度比值的干旱胁迫表型参数计算方法。以上研究中图像处理及参数提取方法都是针对特定环境和特定作物设定，无法直接应用于本研究中的水稻卷叶程度测量。公开号为CN106097372A的发明专利公开了一种基于图像处理的农作物植株水分胁迫表型检测方法，该方法将植株分割得到茎秆图案和叶片图案，通过计算茎秆和叶片的角度值，对农作物的叶片受水平胁迫时的变化进行评估。该方法适合于玉米等株型简单的作物，而水稻为多分蘖作物，无法自动获取茎秆和叶片的角度值。综上，上述方法无法直接应用于大田水稻卷叶程度的测量。

发明内容

(一)要解决的技术问题

为了克服现有技术有损、操作复杂等问题，本发明提供了一种无损的、基于机器视觉的大田水稻卷叶程度定量化测量方法，用于定量化测量大田水稻整株水平的卷叶程度。

(二)技术方案

本发明为了解决其技术问题所采用的技术方案，提供了一种基于机器视觉的大田水稻卷叶程度定量化测量方法，主要包含以下步骤：

步骤A，通过数码相机采集大田环境下水稻群体的RGB图像I；

步骤B，提取水稻图像I的ExG分量和ExR分量；