[发明专利]基于计算机视觉的植物生长检测系统

说明书

本发明涉及一种基于计算机视觉的植物生长检测系统，其特征在于，包括：OpenMV3 Cam M‑OV7725智能图像处理颜色识别传感器；由图像处理单元对植物图像进行处理。本发明采用计算机视觉技术获得实时新图像，结合数字图像处理，图像分析，模式识别及RGB颜色检测，主动轮廓模型等方法构建诊断模型，通过对植株形状、叶形结构、叶脉形态特征及叶片颜色来进行识别和诊断，判断植株中氮元素含量情况。

技术领域

本发明涉及一种通过计算机视觉研究技术来对植株的生长状况进行判断的系统。

背景技术

目前，中国作为全球最大的发展中国家又是一个以农业生产输出排在世界前列的国家，农业生产水平、农作物产量的提升越来越受到国家的重视，因此植物生长诊断技术逐渐成为一项重要的实时诊断技术。

传统的植物生长诊断主要靠人力来进行目测。这种方法需要耗费大量的人力来完成，且需要较多的经验知识，只能定性分析，分析结果时效性较差，准确性较低。近年来，涌现了许许多多基于各类传感器的诊断技术。基础的传感器例如湿度传感器、光照传感器等敏感度不高。而高精度传感器例如叶绿素仪、微量元素传感器价格又非常昂贵，且上述两种传感器均需要和叶片或土壤紧密接触，大范围测定费时费力费财。

发明内容

本发明的目的是：通过计算机视觉研究技术来对植株的生长状况进行判断。

为了达到上述目的，本发明的技术方案是提供了一种基于计算机视觉的植物生长检测系统，其特征在于，包括：

OpenMV3Cam M-OV7725智能图像处理颜色识别传感器，用于采集植物图像；

由图像处理单元对植物图像进行处理，包括以下步骤：

步骤1、利用外接矩形分割法得到的植物图像中存在部分灰色的背景区域，随后利用主动轮廓模型分割出有效的植物图像叶片区域，然后提取叶片区域的颜色直方图特征作为识别对象；

步骤2、基于RGB颜色图像处理的图像参数指标分析步骤1得到的颜色直方图特征：

选取色彩参数指标G/(R+G+B)、B/(R+G+B)、R/(R+G+B)、G/B、R/B、G/R、B/L、G/L与施肥量、植物氮营养指标叶片SPAD值、植株硝酸盐浓度和全氮含量、土壤0～90cm硝态氮含量进行相关性分析。

优选地，所述利用主动轮廓模型分割出有效的植物图像叶片区域包括以下步骤：

1)初始化图像分割掩膜

采用自外而内的方式演化分割曲线，首先计算出待分割图像的高度和宽度，然后将分割掩膜初始化为一个略小于待分割图像的白色矩形区域；

2)演化分割曲线

设置分割平滑权系数α＝0.01、最大迭代次数为1000次，调用主动轮廓分割算法进行分割掩膜曲线的迭代演化，直到分割掩膜不再发生变化；

3)分割叶片区域

根据最终演化的分割掩膜，将原始叶片图像的R、G、B分量中对应位置的像素分别复制到新的分割图像中，生成新的叶片区域图像。

本发明采用计算机视觉技术获得实时新图像，结合数字图像处理，图像分析，模式识别及RGB颜色检测，主动轮廓模型等方法构建诊断模型，通过对植株形状、叶形结构、叶脉形态特征及叶片颜色来进行识别和诊断，判断植株中氮元素含量情况。

附图说明

图1为本实施例中的图像分割示意图；

图2为不同施氮处理下夏玉米6叶期冠层图像的标准化蓝色值[B/(R+G+B)]。

具体实施方式