[发明专利]一种可穿戴式植物表型感知系统

说明书

本发明涉及一种可穿戴式植物表型感知系统，包括计算机，还包括可穿戴设备，所述可穿戴设备包括用于采集植物图像的图像采集装置和将植物图像传输至计算机的数据传输装置，所述计算机包括处理器和存储器，以及存储在存储器上并由所述处理器运行的程序，所述处理器在执行所述程序时实现根据植物图像得到植物表型信息。与现有技术相比，本发明结合了可穿戴设备与机器视觉技术，针对实际自然场景下的植物设计并实现了一套可穿戴式表型感知解决方案，该系统使用便携、鲁棒可靠、计算精度较高，有利于推广。

技术领域

本发明涉及一种植物表型感知技术，尤其是涉及一种可穿戴式植物表型感知系统。

背景技术

植物表型是对植物个体性状特征的描述，通过这些表型参数信息我们可以了解它的生长状态，为作物栽培提供决策参考，进而提高农作物的产量和农业产业的经济效益。

关于植物表型感知的研究最早始于上世纪60年代，并且随着计算机视觉在农业领域的应用而兴起，直至今日已然成为计算机视觉、模式识别领域的一大热点。植物表型视觉检测分析方法大致可分为两大类：一是基于图像处理与物理特性识别的传统方法；二是基于卷积神经网络的深度学习的方法。

在传统方法中，Schertz and Brown.最早提出建议用光度信息定位植物的果实，通过果实与叶片在可见光或红外线照射下的反射程度不同区分果实区域(Schertz C E,Brown G K.Basic considerations in mechanizing citrus harvest[J].Transactionsof the ASAE,1968,11(3):343-0346.8)。此后的研究大多基于颜色特征，利用目标与背景的颜色差异性提取出前景区域，再结合一定优化算法提升分割精度。比如Shebiah R,etal.和Liu S,et al.分别融合颜色特征与纹理特征实现果实的检测分类(Arivazhagan S,Shebiah R N,Nidhyanandhan S S,et al.Fruit recognition using color and texturefeatures[J].Journal of Emerging Trends in Computing and Information Sciences,2010,1(2):90-94.)，后者还使用支持向量机分离出有用的特征来加速检测，对园区葡萄串的检测精度达到了87％(Liu S,Whitty M,Cossell S.Automatic grape bunch detectionin vineyards for precise yield estimation[C]//Machine Vision Applications(MVA),2015 14th IAPR International Conference on.IEEE,2015:238-241.)。此外，也有相关学者用mean shift图像分割算法提取水稻病叶图像中的病斑并基于颜色、形状、纹理、病健交界4个特征构建SVM非线性模型，实现了叶部病害的识别与15种病斑的准确分类。这些基于颜色纹理特征的方法虽然检测成熟果实的成功率较高，但针对未成熟的果实或目标与背景颜色相近时检测精度较低，而且视对象类型不同选用的颜色分析策略不同，无法推广至其他种类。