[发明专利]一种基于图像处理的生菜无土栽培监测方法

说明书

本发明适用于无土栽培技术领域，提供一种基于图像处理的生菜无土栽培监测方法，所述方法包括：步骤S1、设置目标识别区标记；步骤S2、获取监测范围内的水培生菜高清图像；步骤S3、将所述高清图像分割成多块识别区域；步骤S4、针对每块识别区域，根据目标识别区标记将识别区域划分方格区，并将每个方格区进行网格等分；步骤S5、针对每个方格区，计算生长参数值；步骤S6、输出生长等级。本发明通过单个摄像机或者少量摄像机即可监测大面积生菜培养池内的生菜生长情况，实现方式简单，成本低，甚至针对同一培养池内不同生长时间的生菜均可针对性监测和评价，最终输出生产生长等级，该生长等级可以反应当前生菜的生长情况，便于技术人员后续分析。

技术领域

本发明属于无土栽培技术领域，尤其涉及一种基于图像处理的生菜无土栽培监测方法。

背景技术

无土栽培就是不用天然的土壤，而是用营养液或者固体栽培基质加上营养液栽培作物。固定基质和营养液能够代替天然的土壤，向作物提供良好的水、肥、气、热等，根据环境能够让作物从出苗期开始完成整个生命周期。在生菜无土栽培中，有水培、雾培、基质栽培三种方式，水培技术是目前最为成熟的一种。

生菜生长周期较短,非常适合无土栽培，收益也较高。在生菜的生长周期中，生菜水培监测一般需要检测环境温湿度、光照、水溶氧以及营养液成分变化情况，特别大棚生菜水培，可以通过调整生长环境参数，使得生菜能够快速、高质量生长。

但是对于生菜水培技术中，目前一般只是针对生菜的生长环境进行监测控制，并没有对生菜本身的生长状态进行监测，生菜生长情况一般是通过水培技术员的经验进行评估，这种经验评估方式不能量化，需要技术人员经验积累，也容易出现误差。另外，这种方式需要技术人员在水培基地现场观察，也影响效率。而且技术人员的现场观察只能观察到培养池边缘位置的生菜生长情况，无法近距离观察中间生菜的生长情况。

随着图像技术的进一步发展，也有针对生菜图像识别的技术方案公开，通过计算机技术对图像进行去噪、增强、分割、特征提取、融合等操作,从而提取目标区域，得到农作物生长状况。其中分割是图像处理过程中最重要的步骤之一,目前图像分割方法主要有基于阈值分割法、基于边缘分割法和基于聚类、区域及特定理论分割法等。其中,K-means算法是MacQueen提出的一种通过相似性度量进行区域划分的聚类算法便于处理大量数据。另外还有基于神经网络学习的方法进行生菜识别，提取出生菜的前景图像。

但是目前生菜的图像识别算法只是用作识别生菜种类，也没有对生菜生长情况作出量化监测，不利于生菜生长统一评估。另外，目前也有一些针对生菜叶片通过多语义特征进行精细分类。特别是叶柄和叶脉决定了叶片的机械支撑和物质运输性能，而其他成分可能与光合作用密切相关。但是这仅局限于实验室阶段，通过对生菜叶片的近距离图像进行处理，而实际监测场合需要对大范围的生菜进行监测，以降低误差。如果只监测单株生菜的生长情况，是评价体现整个培养池的生菜情况。或者通过密集设置拍照摄像机，每个摄像机监测小范围生菜，虽然能够提高效果，但是会明显增加成本，且摄像机也无法大量按照。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于图像处理的生菜无土栽培监测方法，旨在解决现有生菜的图像识别方法实现复杂、不能对生菜进行量化监测的技术问题。

本发明采用如下技术方案：

所述基于图像处理的生菜无土栽培监测方法，包括下述步骤：

步骤S1、在水培生菜的浮板上设置目标识别区标记。

步骤S2、通过监测摄像机获取监测范围内的水培生菜高清图像；

步骤S3、根据所述目标识别区标记将所述高清图像分割成多块识别区域；

步骤S4、针对每块识别区域，根据目标识别区标记将识别区域划分方格区，并将每个方格区进行网格等分；