基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明提供了一種基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，該方法包括：S1：將農(nóng)作物的圖像分割為植株圖案和背景圖案；S2：對(duì)所述植株圖案進(jìn)行分割，得到莖稈圖案和葉片圖案；S3：將莖稈圖案細(xì)化為莖稈直線(xiàn)，將葉片圖案細(xì)化為葉片曲線(xiàn)，計(jì)算直線(xiàn)OS與直線(xiàn)OP1所形成的夾角SOP1的角度值以及直線(xiàn)OS與直線(xiàn)OP2所形成的夾角SOP2的角度值；S4：計(jì)算夾角SOP1的角度值與夾角SOP2的角度值的比值，并根據(jù)所述比值對(duì)所述農(nóng)作物的葉片受水平脅迫時(shí)的變化進(jìn)行評(píng)估。本發(fā)明提供的基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，能夠?qū)ψ魑锛?xì)微變化進(jìn)行精確感知和監(jiān)測(cè)，并準(zhǔn)確反映作物與環(huán)境之間的互作關(guān)系。
【專(zhuān)利說(shuō)明】
基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及農(nóng)業(yè)信息技術(shù)領(lǐng)域，尤其涉及一種基于圖像處理的農(nóng)作物植株水分脅 迫表型檢測(cè)方法。
【背景技術(shù)】
[0002]植物表型（phenotype)被定義為植物基因型（genotype)和所處環(huán)境決定的形狀、 結(jié)構(gòu)、大小、顏色等全部可測(cè)的生物體外在表現(xiàn)。即表型是一個(gè)基因型與環(huán)境互作產(chǎn)生的全 部或部分可辨識(shí)特征和性狀。從功能基因組學(xué)到作物栽培生理的各個(gè)層面的研究都涉及到 對(duì)植株的各種特征和性狀即表型的鑒別與分析，以及對(duì)復(fù)雜的植物生長(zhǎng)環(huán)境的監(jiān)測(cè)與控 制。基于圖像的植物表型檢測(cè)能夠直接反應(yīng)物體的形貌特征，具有非侵入式和高通量等特 點(diǎn)，已經(jīng)逐漸應(yīng)用于植物表型分析中，然而，目前的植物表型檢測(cè)方法需要一定的人工交 互，自動(dòng)化程度不夠，對(duì)作物細(xì)微變化無(wú)法精確感知和監(jiān)測(cè)，不能準(zhǔn)確反映作物與環(huán)境之間 的互作關(guān)系。

【發(fā)明內(nèi)容】

[0003] (一)要解決的技術(shù)問(wèn)題
[0004] 本發(fā)明要解決的技術(shù)問(wèn)題是:提供一種基于圖像處理的農(nóng)作物植株水分脅迫表型 檢測(cè)方法，能夠?qū)ψ魑锛?xì)微變化進(jìn)行精確感知和監(jiān)測(cè)，并準(zhǔn)確反映作物與環(huán)境之間的互作 關(guān)系。
[0005] (二)技術(shù)方案
[0006] 為解決上述技術(shù)問(wèn)題，本發(fā)明的技術(shù)方案提供了一種基于圖像處理的農(nóng)作物植株 水分脅迫表型檢測(cè)方法，包括：
[0007] S1:將農(nóng)作物的圖像分割為植株圖案和背景圖案；
[0008] S2:對(duì)所述植株圖案進(jìn)行分割，得到莖桿圖案和葉片圖案；
[0009] S3:將莖桿圖案細(xì)化為莖桿直線(xiàn)，將葉片圖案細(xì)化為葉片曲線(xiàn)，記所述莖桿直線(xiàn)與 所述葉片曲線(xiàn)的交叉點(diǎn)為位置點(diǎn)〇,在莖桿直線(xiàn)上選取位置點(diǎn)S，在葉片曲線(xiàn)上選取位置點(diǎn) P4P位置點(diǎn)p2,計(jì)算直線(xiàn)0S與直線(xiàn)(^所形成的夾角SOPi的角度值以及直線(xiàn)0S與直線(xiàn)0P2所形 成的夾角S0P 2的角度值；
[0010] S4:計(jì)算夾角SOP^角度值與夾角S0P2的角度值的比值，并根據(jù)所述比值對(duì)所述農(nóng) 作物的葉片受水平脅迫時(shí)的變化進(jìn)行評(píng)估。
[0011] 優(yōu)選地，采集不同時(shí)間所述農(nóng)作物的圖像，對(duì)每一副所述農(nóng)作物的圖像分別進(jìn)行 步驟S1~S4，以衡量所述農(nóng)作物應(yīng)對(duì)環(huán)境變化的自身調(diào)整能力。
[0012] 優(yōu)選地，步驟S2包括：
[0013] S21:掃描所述植株圖案的第一行像素，將超過(guò)預(yù)設(shè)個(gè)數(shù)植株像素的聯(lián)通區(qū)域作為 候選區(qū)域，并對(duì)每一個(gè)候選區(qū)域進(jìn)行標(biāo)記，賦予不同候選區(qū)域不同的標(biāo)記值；
[0014] S22:對(duì)所述植株圖案的第二行像素至最末行像素依次執(zhí)行以下處理：
[0015] 掃描該行像素，將超過(guò)所述預(yù)設(shè)個(gè)數(shù)植株像素的聯(lián)通區(qū)域作為新候選區(qū)域，計(jì)算 每一個(gè)新候選區(qū)域與每一個(gè)已標(biāo)記的候選區(qū)域的聯(lián)通關(guān)系，對(duì)于每一個(gè)新候選區(qū)域，若其 與1個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則該新候選區(qū)域繼承所述1個(gè)已標(biāo)記的候選區(qū)域的 標(biāo)記值，若其與0個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則對(duì)該新候選區(qū)域賦予新的標(biāo)記值， 若其與2個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則對(duì)該新候選區(qū)域進(jìn)行拆分，并將拆分后得到 的一個(gè)區(qū)域賦予所述2個(gè)已標(biāo)記的候選區(qū)域中一個(gè)已標(biāo)記的候選區(qū)域的標(biāo)記值，將拆分后 得到的另一個(gè)區(qū)域賦予所述2個(gè)已標(biāo)記的候選區(qū)域中另一個(gè)已標(biāo)記的候選區(qū)域的標(biāo)記值；
[0016] S23:判斷每一個(gè)標(biāo)記值對(duì)應(yīng)的所有像素所組成的形狀，從中選取對(duì)應(yīng)的所有像素 所組成形狀符合矩形分布的標(biāo)記值，將所述選取的標(biāo)記值對(duì)應(yīng)的所有像素所組成的區(qū)域作 為莖桿圖案，將余下的標(biāo)記值所對(duì)應(yīng)的像素進(jìn)行合并處理，得到葉片圖案。
[0017]優(yōu)選地，所述對(duì)該新候選區(qū)域進(jìn)行拆分包括：
[0019] 其中，CL為該新候選區(qū)域的像素?cái)?shù)量，CLp1、CLp2分別為所述2個(gè)已標(biāo)記的候選區(qū)域 的像素?cái)?shù)量，CLi、CL 2分別為拆分后兩個(gè)區(qū)域的像素?cái)?shù)量。
[0020] 優(yōu)選地，在步驟S3中，位置APi與所述莖桿直線(xiàn)的距離為，位置點(diǎn)p2與所述莖桿
直線(xiàn)的距離為·
，其中，L為所述葉片曲線(xiàn)上對(duì)應(yīng)葉尖的位置點(diǎn)與所述莖桿直線(xiàn)的距離。 [0021](三)有益效果
[0022]本發(fā)明提供的基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，能夠?qū)ψ魑锛?xì) 微變化進(jìn)行精確感知和監(jiān)測(cè)，并準(zhǔn)確反映作物與環(huán)境之間的互作關(guān)系。
【附圖說(shuō)明】
[0023]圖1是本發(fā)明實(shí)施方式提供的一種基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè) 方法的流程圖；
[0024] 圖2是本發(fā)明實(shí)施方式提供的對(duì)農(nóng)作物圖像進(jìn)行植株和背景分割后的示意圖；
[0025] 圖3是本發(fā)明實(shí)施方式提供的對(duì)植株圖案進(jìn)行器官分割后的示意圖；
[0026] 圖4是本發(fā)明實(shí)施方式提供的葉片角度計(jì)算示意圖；
[0027] 圖5是本發(fā)明實(shí)施方式提供的植株葉片角度隨時(shí)間變化曲線(xiàn)示意圖；
[0028] 圖6是本發(fā)明實(shí)施方式提供的一天相對(duì)濕度變化曲線(xiàn)示意圖。
【具體實(shí)施方式】
[0029]下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)描述。以下實(shí)施 例用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍。
[0030]參見(jiàn)圖1，圖1是本發(fā)明實(shí)施方式提供的一種基于圖像處理的農(nóng)作物植株水分脅迫 表型檢測(cè)方法的流程圖，包括：
[0031] S1:將農(nóng)作物的圖像分割為植株圖案和背景圖案；
[0032] S2:對(duì)所述植株圖案進(jìn)行分割，得到莖桿圖案和葉片圖案；
[0033] S3:將莖桿圖案細(xì)化為莖桿直線(xiàn)，將葉片圖案細(xì)化為葉片曲線(xiàn)，記所述莖桿直線(xiàn)與 所述葉片曲線(xiàn)的交叉點(diǎn)為位置點(diǎn)〇,在莖桿直線(xiàn)上選取位置點(diǎn)S，在葉片曲線(xiàn)上選取位置點(diǎn) Pi和位置點(diǎn)P 2,計(jì)算直線(xiàn)0S與直線(xiàn)(^所形成的夾角SOPi的角度值以及直線(xiàn)0S與直線(xiàn)0P2所形 成的夾角S0P 2的角度值；
[0034] S4:計(jì)算夾角SOPj^角度值與夾角S0P2的角度值的比值，并根據(jù)所述比值對(duì)所述農(nóng) 作物的葉片受水平脅迫時(shí)的變化進(jìn)行評(píng)估。
[0035]優(yōu)選地，可以采集不同時(shí)間所述農(nóng)作物的圖像，對(duì)每一副所述農(nóng)作物的圖像分別 進(jìn)行上述步驟S1~S4,以衡量所述農(nóng)作物應(yīng)對(duì)環(huán)境變化的自身調(diào)整能力，例如，可以采集一 天時(shí)間內(nèi)不同時(shí)間所述農(nóng)作物的圖像。
[0036] 其中，步驟S2可以包括：
[0037] S21:掃描所述植株圖案的第一行像素，將超過(guò)預(yù)設(shè)個(gè)數(shù)植株像素的聯(lián)通區(qū)域作為 候選區(qū)域，并對(duì)每一個(gè)候選區(qū)域進(jìn)行標(biāo)記，賦予不同候選區(qū)域不同的標(biāo)記值；
[0038] S22:對(duì)所述植株圖案的第二行像素至最末行像素依次執(zhí)行以下處理：
[0039]掃描該行像素，將超過(guò)所述預(yù)設(shè)個(gè)數(shù)植株像素的聯(lián)通區(qū)域作為新候選區(qū)域，計(jì)算 每一個(gè)新候選區(qū)域與每一個(gè)已標(biāo)記的候選區(qū)域的聯(lián)通關(guān)系，對(duì)于每一個(gè)新候選區(qū)域，若其 與1個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則該新候選區(qū)域繼承所述1個(gè)已標(biāo)記的候選區(qū)域的 標(biāo)記值，若其與0個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則對(duì)該新候選區(qū)域賦予新的標(biāo)記值， 若其與2個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則對(duì)該新候選區(qū)域進(jìn)行拆分，并將拆分后得到 的一個(gè)區(qū)域賦予所述2個(gè)已標(biāo)記的候選區(qū)域中一個(gè)已標(biāo)記的候選區(qū)域的標(biāo)記值，將拆分后 得到的另一個(gè)區(qū)域賦予所述2個(gè)已標(biāo)記的候選區(qū)域中另一個(gè)已標(biāo)記的候選區(qū)域的標(biāo)記值； [0040] S23:判斷每一個(gè)標(biāo)記值對(duì)應(yīng)的所有像素所組成的形狀，從中選取對(duì)應(yīng)的所有像素 所組成形狀符合矩形分布的標(biāo)記值，將所述選取的標(biāo)記值對(duì)應(yīng)的所有像素所組成的區(qū)域作 為莖桿圖案，將余下的標(biāo)記值所對(duì)應(yīng)的像素進(jìn)行合并處理，得到葉片圖案。
[0041 ]其中，在步驟S22中，所述對(duì)該新候選區(qū)域進(jìn)行拆分包括：
[0043]其中，CL為該新候選區(qū)域的像素?cái)?shù)量，CLp1、CLp2分別為所述2個(gè)已標(biāo)記的候選區(qū)域 的像素?cái)?shù)量，CLi、CL2分別為拆分后兩個(gè)區(qū)域的像素?cái)?shù)量。
[0044] 其中，在步驟S3中，位置APi與所述莖桿直線(xiàn)的距離為\
，位置點(diǎn)P2與所述莖桿直 線(xiàn)的距離為
，其中，L為所述葉片曲線(xiàn)上對(duì)應(yīng)葉尖的位置點(diǎn)與所述莖桿直線(xiàn)的距離。
[0045] 本發(fā)明實(shí)施方式提供的基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，能夠 對(duì)作物細(xì)微變化進(jìn)行精確感知和監(jiān)測(cè)，并準(zhǔn)確反映作物與環(huán)境之間的互作關(guān)系。
[0046] 例如，采用上述方法可以對(duì)玉米進(jìn)行植株水分脅迫表型檢測(cè)，在水分脅迫條件下， 玉米葉片含水量下降，細(xì)胞膨壓發(fā)生變化，植株產(chǎn)生應(yīng)激反應(yīng)，葉片氣孔的保衛(wèi)細(xì)胞伸長(zhǎng)， 氣孔開(kāi)度降低，葉片發(fā)生卷曲減小蒸散面積降低水分散失。葉片形態(tài)變化反應(yīng)了對(duì)水分脅 迫應(yīng)激反應(yīng)的靈敏程度，從一定程度上可以表征植株抗水分脅迫的能力，檢測(cè)方法包括：
[0047] 1、連續(xù)圖像序列獲取與預(yù)處理；
[0048]檢測(cè)對(duì)象可以為轉(zhuǎn)抗旱基因的玉米植株，獲取圖像前14天無(wú)灌溉，土壤體積含水 量18.4%，可將工業(yè)相機(jī)安裝在一個(gè)支架上，被測(cè)植株處于相機(jī)與幕布之間，盡量使相機(jī)圖 像平面、玉米植株平面、幕布三者平行。從上午8:00開(kāi)始到午后17:00為止，間隔10分鐘程序 控制自動(dòng)獲取一幅圖像，共獲取54張，圖像分辨率4000 X 3000像素，然后對(duì)圖像序列采用基 于機(jī)器學(xué)習(xí)的背景分割方法，將圖像中的內(nèi)容分割為植株和背景，分割結(jié)果如圖2所示。
[0049] 2、植株器官分割
[0050] 對(duì)于預(yù)處理后的每一副圖像，檢測(cè)葉片形態(tài)變化，首先需要分割植株上葉片和莖 桿等器官，玉米葉片與莖桿的顏色紋理十分相近，圖割(graph cut)和水平集（level set) 等廣義的圖像分割方法很難獲得理想的分割結(jié)果。玉米植株的形態(tài)有一定規(guī)律，葉片圍繞 莖桿在植株兩側(cè)交替分布，利用這種形態(tài)特點(diǎn)作為先驗(yàn)知識(shí)，提出基于掃描線(xiàn)的葉片-莖桿 分割算法，算法具體步驟如下：
[0051] 1)掃描圖像第一行像素，將超過(guò)3個(gè)植株像素的聯(lián)通區(qū)域標(biāo)記為葉片/莖桿候選區(qū) 域，并對(duì)每一個(gè)候選區(qū)域進(jìn)行標(biāo)記，賦予不同候選區(qū)域不同的標(biāo)記值；
[0052] 2)掃描第二行像素，獲得新候選區(qū)域，計(jì)算每一個(gè)新候選區(qū)域與步驟1)中已標(biāo)記 的候選區(qū)域的聯(lián)通關(guān)系(相鄰關(guān)系），對(duì)于每一個(gè)新候選區(qū)域，若其僅與1個(gè)已標(biāo)記的候選區(qū) 域存在聯(lián)通關(guān)系，則說(shuō)明該新候選區(qū)域與該1個(gè)已標(biāo)記的候選區(qū)域?qū)偻粋€(gè)器官，繼承該1 個(gè)已標(biāo)記的候選區(qū)域的標(biāo)記值，若其與0個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，即沒(méi)有已標(biāo)記 的候選區(qū)域與其存在聯(lián)通關(guān)系，則說(shuō)明該新候選區(qū)域是一個(gè)獨(dú)立的器官，賦予該候選區(qū)域 一個(gè)新的標(biāo)記值，若其與2個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，說(shuō)明該區(qū)域?yàn)閮蓚€(gè)器官的連 接處，采用下式對(duì)該新候選區(qū)域進(jìn)行像素拆分后分別標(biāo)記：
[0054]其中，CL表示該新候選區(qū)域的像素?cái)?shù)量，0^、0^2表示與該新候選區(qū)域存在聯(lián)通 關(guān)系的2個(gè)候選區(qū)域的像素?cái)?shù)量，CL^CLs為拆分后兩個(gè)區(qū)域的像素?cái)?shù)量；
[0055] 3)重復(fù)步驟2)，直到掃描完整個(gè)圖像，判斷每個(gè)標(biāo)記值所對(duì)應(yīng)的像素集合中所有 像素組成的形狀，將其中符合矩形分布的一組像素集合作為為莖桿區(qū)域，該集合中像素的 X-方向均值與植株上所有像素X-方向均值的距離應(yīng)在特定閾值內(nèi)（如30pixel);
[0056] 4)對(duì)余下的標(biāo)記值所對(duì)應(yīng)的像素集合進(jìn)行合并，由于玉米葉片邊緣常伴有一些凸 起和褶皺，導(dǎo)致一些本應(yīng)屬于一片葉子的像素集合，被標(biāo)記為幾個(gè)不同的葉片像素集合，例 如，可以按照聯(lián)通的像素比例對(duì)不同像素集合進(jìn)行合并，若一個(gè)標(biāo)記值所對(duì)應(yīng)的像素集合 中超過(guò)設(shè)定比例的像素與另一個(gè)標(biāo)記值所對(duì)應(yīng)的像素集合相聯(lián)通，則合并這2個(gè)標(biāo)記值所 對(duì)應(yīng)的像素集合，例如，一個(gè)標(biāo)記值所對(duì)應(yīng)的像素集合由10行像素組成，如果有7行(70 % ) 像素與一個(gè)標(biāo)記值所對(duì)應(yīng)的像素集合相聯(lián)通，則合并這2個(gè)標(biāo)記值所對(duì)應(yīng)的像素集合，重復(fù) 上述操作直到所有能夠合并的像素集合被合并為止，分割結(jié)果如下圖3所示。
[0057] 3、植株水分脅迫表型指標(biāo)計(jì)算
[0058]采用兩個(gè)角度值做為植株水分脅迫表型指標(biāo)，如圖4所示，將莖桿圖案和葉片圖案 分別細(xì)化為莖桿直線(xiàn)和葉片曲線(xiàn)，莖桿直線(xiàn)0S，葉片尖端點(diǎn)距離莖桿直線(xiàn)的距離記為UPi、 p2點(diǎn)分別分別為L(zhǎng)的1/4和2/3，S是莖桿直線(xiàn)上一點(diǎn)，0是莖桿直線(xiàn)與葉片曲線(xiàn)的交點(diǎn)，計(jì)算 S0P^S0P 2的角度值，并以S0PjPS0P2的比值作為葉片形態(tài)變化的衡量指標(biāo)，SOPi/SOP〗表征 了葉片受到水分脅迫時(shí)的彎曲變化程度，該值計(jì)算較為簡(jiǎn)便，對(duì)于不同莖葉夾角的葉片該 值具有可比性。
[0059] 4、植株水分脅迫抗表型指標(biāo)與環(huán)境因子的協(xié)同變化趨勢(shì)
[0000] SOP1/SOP2表征了葉片一天內(nèi)彎曲程度的變化，該值可做為植株水分脅迫表型指 標(biāo)，用來(lái)衡量植株應(yīng)對(duì)環(huán)境變化的自身調(diào)整能力。如圖5所示，一天內(nèi)SOPi/SOP〗變化趨勢(shì)，隨 著時(shí)間推移，中午達(dá)到最大數(shù)值，午后數(shù)值逐漸下降。
[0061] 玉米植株的水分脅迫表型是基因型與環(huán)境互作的結(jié)果，在土壤含水量一定的條件 下，空氣相對(duì)濕度是最主要的影響因素，當(dāng)天的空氣相對(duì)濕度變化曲線(xiàn)如圖6所示，相對(duì)濕 度同水分脅迫表型參數(shù)指標(biāo)(S0PVS0P2)呈現(xiàn)較為一致的協(xié)同變化趨勢(shì)，證明S0PVS0P2是 能夠表征植株水分脅迫的表型指標(biāo)。
[0062] 通過(guò)上述1天內(nèi)的連續(xù)圖像序列，發(fā)現(xiàn)水分脅迫玉米植株葉片形態(tài)細(xì)微變化，采用 圖像處理算法計(jì)算了表征這種變化的玉米植株水分脅迫表型參數(shù)，與同步測(cè)量的環(huán)境數(shù)據(jù) 對(duì)照(空氣相對(duì)濕度），二者具有較為一致的協(xié)同變化規(guī)律。
[0063] 以上實(shí)施方式僅用于說(shuō)明本發(fā)明，而并非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通 技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有 等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專(zhuān)利保護(hù)范圍應(yīng)由權(quán)利要求限定。
【主權(quán)項(xiàng)】
1. 一種基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，其特征在于，包括： S1:將農(nóng)作物的圖像分割為植株圖案和背景圖案； S2:對(duì)所述植株圖案進(jìn)行分割，得到莖桿圖案和葉片圖案； S3:將莖桿圖案細(xì)化為莖桿直線(xiàn)，將葉片圖案細(xì)化為葉片曲線(xiàn)，記所述莖桿直線(xiàn)與所述 葉片曲線(xiàn)的交叉點(diǎn)為位置點(diǎn)0,在莖桿直線(xiàn)上選取位置點(diǎn)S，在葉片曲線(xiàn)上選取位置點(diǎn)Pi和 位置點(diǎn)P2,計(jì)算直線(xiàn)0S與直線(xiàn)OPi所形成的夾角SOPi的角度值W及直線(xiàn)0S與直線(xiàn)0P2所形成 的夾角S0P2的角度值； S4:計(jì)算夾角SOPi的角度值與夾角S0P2的角度值的比值，并根據(jù)所述比值對(duì)所述農(nóng)作物 的葉片受水平脅迫時(shí)的變化進(jìn)行評(píng)估。2. 根據(jù)權(quán)利要求1所述的基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，其特征 在于，采集不同時(shí)間所述農(nóng)作物的圖像，對(duì)每一副所述農(nóng)作物的圖像分別進(jìn)行步驟S1~S4， W衡量所述農(nóng)作物應(yīng)對(duì)環(huán)境變化的自身調(diào)整能力。3. 根據(jù)權(quán)利要求1所述的基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，其特征 在于，步驟S2包括： S21:掃描所述植株圖案的第一行像素，將超過(guò)預(yù)設(shè)個(gè)數(shù)植株像素的聯(lián)通區(qū)域作為候選 區(qū)域，并對(duì)每一個(gè)候選區(qū)域進(jìn)行標(biāo)記，賦予不同候選區(qū)域不同的標(biāo)記值； S22:對(duì)所述植株圖案的第二行像素至最末行像素依次執(zhí)行W下處理： 掃描該行像素，將超過(guò)所述預(yù)設(shè)個(gè)數(shù)植株像素的聯(lián)通區(qū)域作為新候選區(qū)域，計(jì)算每一 個(gè)新候選區(qū)域與每一個(gè)已標(biāo)記的候選區(qū)域的聯(lián)通關(guān)系，對(duì)于每一個(gè)新候選區(qū)域，若其與1個(gè) 已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則該新候選區(qū)域繼承所述1個(gè)已標(biāo)記的候選區(qū)域的標(biāo)記 值，若其與0個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則對(duì)該新候選區(qū)域賦予新的標(biāo)記值，若其 與2個(gè)已標(biāo)記的候選區(qū)域存在聯(lián)通關(guān)系，則對(duì)該新候選區(qū)域進(jìn)行拆分，并將拆分后得到的一 個(gè)區(qū)域賦予所述2個(gè)已標(biāo)記的候選區(qū)域中一個(gè)已標(biāo)記的候選區(qū)域的標(biāo)記值，將拆分后得到 的另一個(gè)區(qū)域賦予所述2個(gè)已標(biāo)記的候選區(qū)域中另一個(gè)已標(biāo)記的候選區(qū)域的標(biāo)記值； S23:判斷每一個(gè)標(biāo)記值對(duì)應(yīng)的所有像素所組成的形狀，從中選取對(duì)應(yīng)的所有像素所組 成形狀符合矩形分布的標(biāo)記值，將所述選取的標(biāo)記值對(duì)應(yīng)的所有像素所組成的區(qū)域作為莖 桿圖案，將余下的標(biāo)記值所對(duì)應(yīng)的像素進(jìn)行合并處理，得到葉片圖案。4. 根據(jù)權(quán)利要求3所述的基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，其特征 在于，所述對(duì)該新候選區(qū)域進(jìn)行拆分包括：其中，化為該新候選區(qū)域的像素?cái)?shù)量，CLpi、CLp2分別為所述2個(gè)已標(biāo)記的候選區(qū)域的像 素?cái)?shù)量，化1、CL2分別為拆分后兩個(gè)區(qū)域的像素?cái)?shù)量。5. 根據(jù)權(quán)利要求1所述的基于圖像處理的農(nóng)作物植株水分脅迫表型檢測(cè)方法，其特征 在于，在步驟S3中，位置點(diǎn)Pi與所述莖桿直線(xiàn)的距離為位置點(diǎn)P2與所述莖桿直線(xiàn)的距離 4 為^，其中，L為所述葉片曲線(xiàn)上對(duì)應(yīng)葉尖的位置點(diǎn)與所述莖桿直線(xiàn)的距離。
【文檔編號(hào)】G06T7/00GK106097372SQ201610465992
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年6月23日
【發(fā)明人】王傳宇, 郭新宇, 杜建軍, 溫維亮, 吳升
【申請(qǐng)人】北京農(nóng)業(yè)信息技術(shù)研究中心