[发明专利]农作物生长状况图像识别方法及系统

说明书

本发明提供了一种农作物生长状况图像识别方法及系统，利用采集的图片对神经网络进行训练，通过训练后的神经网络识别农作物的品种，并对待测农作物图片进行图像分割，识别出待观测农作物的主干和叶子，得到待观测农作物的株高、茎秆粗细度、叶片大小、叶片颜色、叶片分布均衡度以及叶片完整度，并与该品种的典型值进行比较，进而确定农作物的生长状况；此外，本发明还对农作物的图像识别进行了改进。本发明可以准确确定农作物品种，高效的图像分割方法提高了图像识别的效率。

技术领域

本发明涉及图像识别领域，尤其涉及农作物生长状况的图像识别。

背景技术

中国是农业大国，农业的发展直接影响着我国经济的发展。但是我国现在的农业水平仍处于较低水平，大多还是以农户为单位进行种植，随着科技水平的提高，我国农业也在逐步向现代农业发展，现在很多科研院所以及企业在研究智慧农业。智慧农业是指利用物联网技术对农作物进行监测，并利用自动化技术对农作物进行管理，以提高农业生产的效率。智慧农业包括了很多内容，例如对农作物生长状况、土壤墒情等进行监测，并实现自动灌溉、自动施肥等。

现在发展较为成熟的技术是利用传感器、遥感技术获取例如光照、温度、湿度、土壤墒情等信息，并根据获取的信息和设置好的参数，实现农作物的自动管理。但是这些信息都是间接的获取农作物的生长状况，而且不同农作物生长的不同阶段，对水肥的需求不同，这就需要种植人员不断的对农田进行巡视，并结合自己的经验做出判断。但是当种植的是大面积的农田时，就需要种植人员深入农田里面查看农作物的具体生长状况。

为了能够远程观察农作物的生长状况，智慧农业的技术人员引入了计算机视觉技术，尤其是图像识别技术。但是利用图像识别技术识别农作物生长状况仍有很多问题需要解决，例如没有针对不同品种的农作物进行区分，现有的农作物生长状况监测系统并不会区分不同的品种，而不同品种的农作物生长的并不相同，有些品种的小麦的页面颜色较浅，如果仍然将所有小麦都归为一类，则会导致判断不准确。此外，现有的图像识别技术识别的效果并不理想，采用同一个方法识别所有阶段的农作物仍然会出现识别不准确的问题，而且效率不高。对不同的农作物以及不同生长阶段的农作物，如何能够高效、准确的识别农作物的生长状况是本领域亟待解决的问题。

发明内容

农作物生长状况的监测是智慧农业的重要内容，现在的智慧农业大多集中在自动灌溉、自动施法以及对土壤墒情的监控等，对于农作物的生长状况大多依靠农技人员的经验，需要农技人员不断在农田巡视，当种植面积大时，农技人员工作繁重。现有的农作物生长状况图像识别一方面无法针对不同品种的农作物进行识别，一方面识别效率较低，如何针对不同品种的农作物较快的识别农作物生长状况是发展智慧农业急需解决的问题。

针对上述问题，本发明一方面提供了一种农作物生长状况图像识别方法，包括以下步骤：

1)采集不同品种农作物在不同环境以及不同生长阶段的图片，基于采集的图片对神经网络进行训练，得到训练后的神经网络；所述不同生长阶段包括：幼苗期、拔节期、成熟期；

2)采用双目立体摄像机获取待观测农作物的图片，利用训练后的神经网络对农作物进行识别，得到待观测农作物的品种；

3)对获取的待观测农作物的图片进行图像分割，识别出待观测农作物的主干和叶子，获取主干的高度和主干高度的中心位置的宽度，并获取叶子的图片；基于所述高度、所述宽度获得待观测农作物的株高、茎秆粗细度；根据获取的叶子的图片，获得叶片大小、叶片颜色、叶片分布均衡度、叶片完整度；

4)获取待观测农作物在预设生长曲线中相应位置的典型值，将获得的待观测农作物的株高、茎秆粗细度、叶片大小、叶片颜色、叶片分布均衡度以及叶片完整度与所述典型值进行比较，在显示器上显示偏差百分比，当所述百分比超过预设值时，向用户发出提示信息。

为了提高对农作物图像识别的效率，本发明还提供了一种对待观测农作物图像进行图像分割的方法，具体包括：