[发明专利]一种基于RGB图像的小麦分蘖数自动检测方法

说明书

本发明公开了一种基于RGB图像的小麦分蘖数自动检测方法，属于植物表型测量领域。以普通相机作为采集设备，采集小麦图像。通过数字图像处理技术，设计出一种基于RGB图像的小麦分蘖数自动检测方法。该方法如图1所示，具体包括：将采集的小麦RGB图像进行图像分割，将小麦整体从背景中提取出来；通过形态学处理将小麦秆茎部分去除；将分割后的小麦整体图像和形态学处理后的图像相减，得到包含小麦秆茎的图像；边缘检测后，经霍夫变换直线检测得到不连续的秆茎；通过填补间隙将共线的线段连成一条线段，检测线段的个数，从而实现小麦分蘖数目的自动检测。本方法是国内外首次采用霍夫变换方法，基于RGB图像的小麦分蘖数自动无损检测，适用于麦类和稻类分蘖数的自动无损检测，为小麦表型自动测量奠定基础。

技术领域

本发明属于数字图像处理在植物表型测量领域的应用，是对小麦分蘖数目进行自动无损检测及测量的一种方法，适用麦类及稻类作物分蘖数目的自动无损检测。

背景技术

小麦是重要的粮食作物，在世界上播种面积和总产量都占据第一，以小麦为主要粮食的人口占世界总人口的1/3，小麦生产在国民经济中占重要地位，是整个农业生产的基础。分蘖是小麦的重要生物学特性,小麦对环境的适应及小麦群体的自动调节,在很大程度上是通过分蘖消长实现的。小麦分蘖的数量和成穗率决定于在合理的栽培措施下个体发育健壮的程度,而分蘖成穗率又在一定程度上决定着群体结构优劣和经济产量高低。因此，小麦的分蘖数作为影响小麦产量的重要因素一直备受育种家的关注。然而截止到目前为止，都是采用人工识别从而进行测量的方法，难于满足大批量快速测试的要求。基于RGB图像的小麦分蘖自动化无损测检测，国内外鲜有相关文献报道。Jiang N采用CT扫描的方法得到小麦的横截面视图，然后根据横截面的形状来区分小麦的叶子和秆茎，从而获得小麦的分蘖数目(Jiang N,Yang W,Duan L,et al.Acceleration of CT reconstruction for wheattiller inspection based on adaptive minimum enclosing rectangle[J].Computersand electronics in agriculture,2012,85:123-133)。这种方法的缺点是测量速度慢，而且CT扫描设备的限制，不能得到普遍应用。Boyle R D开发小麦分蘖计数方法是先取小麦侧视图像中一个特定的区域，区域中只包含叶子和秆径，然后通过阈值的方法来区分小麦秆径和叶子(Boyle R D,Corke F M K,Doonan J H.Automated estimation of tillernumber in wheat by ribbon detection[J].Machine Vision and Applications,2016,27(5):637-646)。该方法在应用上具有一定的局限性，因为在侧视图上，如果在侧视图上叶子和秆茎的投影粗细相当，就很难确定合适的阈值来区分叶子和秆茎。本发明开发了一种基于RGB图像的小麦分蘖数自动检测方法，采用普通相机采集小麦RGB图像，通过图像分割、形态学处理、边缘检测及霍夫变换的直线检测算法来测量小麦的分蘖。该方法克服上述两种方法的局限性，测量方便，计算速度快，能够有效检测小麦分蘖数，为小麦表型自动快速测量奠定基础。该方法适用于麦类及稻类作物分蘖数自动无损测量。

发明内容

本发明公开了一种基于RGB图像的小麦分蘖数自动检测方法，属于植物表型测量领域。以普通相机作为采集设备，采集小麦图像。通过数字图像处理技术，设计出一种基于RGB图像的小麦分蘖数自动检测方法。该方法如图1所示，本发明采用基于RGB图像小麦分蘖数自动识别方法，先进行小麦图像分割，提取小麦整体图像，采用霍夫变换方法检测小麦秆茎，检测秆茎的个数，从而实现小麦分蘖数目的自动检测。

本发明主要包括以下部分(图1)：

具体包括：

图像分割：将采集的小麦RGB图像进行归一化处理获得每一个像素的RGB的值，提取色差灰度图，采用OSTU方法求得该灰度图阈值，利用该阈值对图像进行二值化处理，将小麦从背景中分割出来。