[发明专利]一种自动无损提取大豆植株表型的方法

权利要求书

1.一种自动无损提取大豆植株表型的方法，其特征在于，所述方法包括以下步骤：

获取大豆植株图像；

将所述大豆植株图像输入至预先训练的YOLOv5s-S神经网络模型中，对所述大豆植株图像中的豆荚区域和茎区域进行识别，根据识别结果分别获取豆荚的坐标信息和茎秆的坐标信息；

根据所述豆荚的坐标信息获取豆荚个数；

采用训练后的U²-Net神经网络模型对所述大豆植株图像进行语义分割，获得伪彩色分割图；

对所述大豆植株图像进行二值化处理，获得二值化图像；

将所述伪彩色分割图和所述二值化图像进行叠加，采用基于A*搜索的路径搜索算法对叠加后的图像进行处理，获得大豆植株茎相关表型特征。

2.根据权利要求1所述的自动无损提取大豆植株表型的方法，其特征在于，所述将所述大豆植株图像输入至预先训练的YOLOv5s-S神经网络模型中，对所述大豆植株图像中的豆荚区域和茎区域进行识别的步骤之前，所述方法还包括：

获取大豆植株图像，使用LabelImg图像标注工具对大豆植株的豆荚和茎秆进行标注，将豆荚尖端区域标注为豆荚类，将茎秆上的连续区域标注为茎秆类，获得目标检测数据集；

将所述目标检测数据集输入至基于SE注意力机制的初始YOLOv5神经网络模型进行迭代训练，得到预先训练的YOLOv5s-S神经网络模型。

3.根据权利要求1所述的自动无损提取大豆植株表型的方法，其特征在于，所述采用训练后的U²-Net神经网络模型对所述大豆植株图像进行语义分割，获得伪彩色分割图的步骤具体包括：采用训练后的U²-Net神经网络模型对所述大豆植株图像进行语义分割，将图像中的每个像素分类为不同的语义对象类别，并根据所述语义对象类别提取主茎和所有分枝的特征，获得茎区域的伪彩色分割图。

4.根据权利要求1所述的自动无损提取大豆植株表型的方法，其特征在于，所述采用训练后的U²-Net神经网络模型对所述大豆植株图像进行语义分割的步骤之前，所述方法还包括：

获取大豆植株图像，使用LabelMe图像标注工具对大豆植株的茎区域进行标注，获得语义分割任务数据集；

将所述语义分割任务数据集输入至初始U²-Net神经网络模型进行迭代训练，得到训练后的U²-Net神经网络模型。

5.根据权利要求1至4任一项所述的自动无损提取大豆植株表型的方法，其特征在于，所述基于A*搜索的路径搜索算法的估计代价函数为：

f(n)＝g(n)+h(n)

其中，f(n)表示从起点经过节点n到终点的估计成本，g(n)表示从起点移动到节点n的成本，h(n)表示从节点n到终点的估计成本。

6.根据权利要求5所述的自动无损提取大豆植株表型的方法，其特征在于，所述大豆植株茎相关表型特征包括株高，相应地，所述获得大豆植株茎相关表型特征的步骤具体包括：将所述叠加后的图像中茎区域的最高点和最低点分别作为起点和终点，采用基于A*搜索的路径搜索算法寻找起点和终点之间的最短路径，将所述最短路径作为主茎给定的植株，获得主茎长度，所述主茎长度即为株高。

7.根据权利要求6所述的自动无损提取大豆植株表型的方法，其特征在于，所述获得大豆植株茎相关表型特征的步骤还包括：在大豆植株的主茎顶部向下弯曲时，采用MSE算法对叠加后的图像进行处理，计算和提取完整的主茎路径，并根据所述主茎路径获得大豆植株茎相关表型特征株高。