图片简介:
本技术属于植株穗数的检测技术领域，尤指一种自动识别植株穗数的方法、装置、电子设备和存储介质。 其方法，包括以下步骤：利用带穗植株的可见光侧视图提取带穗植株的轮廓图；对带穗植株的红外成像侧视图进行降噪预处理，生成一级红外成像侧视图；将带穗植株的轮廓图匹配融合至一级红外成像侧视图，生成二级红外成像侧视图；通过深度处理二级红外成像侧视图提取麦穗信息，以识别植株穗数。本技术能够通过小麦热成像图自动识别小麦穗数，提高小麦穗数的统计效率、准确性和可靠性。 技术要求
1.一种自动识别植株穗数的方法，其特征在于，包括以下步骤：线路板制作
利用带穗植株的可见光侧视图提取所述带穗植株的轮廓图；
对所述带穗植株的红外成像侧视图进行降噪预处理，生成一级红外成像侧视图；
将所述带穗植株的轮廓图匹配融合至所述一级红外成像侧视图，生成二级红外成像侧视图；
通过深度处理所述二级红外成像侧视图提取麦穗信息，以识别植株穗数。
2.根据权利要求1所述自动识别植株穗数的方法，其特征在于，所述利用带穗植株的可见光侧视图提取所述带穗植株的轮廓图，包括步骤：
对所述可见光侧视图进行去马赛克处理以及对所述可见光侧视图的图像像素和颜通道的数值进行插补处理，重建全彩的可见光侧视图；
将所述全彩的可见光侧视图转化成灰度的可见光侧视图，通过二值化处理所述灰度的可见光侧视图，以及调节阈值获得所述带穗植株的黑白图像；
利用中值滤波过滤所述带穗植株的黑白图像中的干扰噪声，提取带穗植株信息，通过前景整合从所述带穗植株信息中提取出所述带穗植株的轮廓信息，以生成所述带穗植株的轮廓图。
3.根据权利要求1所述自动识别植株穗数的方法，其特征在于，所述对所述带穗植株的红外成像侧视图进行降噪预处理，生成一级红外成像侧视图，包括步骤：
业务激活通过对所述带穗植株的红外成像侧视图进行小波变换；
分离所述带穗植株的红外成像侧视图中的信号与噪声，以完成所述降噪预处理，获得所述一级红外成像侧视图；
其中，所述一级红外成像侧视图包括灰度的红外成像侧视图。
4.根据权利要求1所述自动识别植株穗数的方法，其特征在于，所述将所述带穗植株的轮廓图匹配融合至所述一级红外成像侧视图，生成二级红外成像侧视图，包括步骤：
玻璃瓶盖
将所述带穗植株的轮廓图复制到所述一级红外成像侧视图中；
通过调节所述带穗植株的轮廓图，以使所述轮廓图融合至所述一级红外成像侧视图；
其中，所述调节的方式包括移位、缩放。
甘汞电极5.根据权利要求1所述自动识别植株穗数的方法，其特征在于，所述通过深度处理所述二级红外成像侧视图提取麦穗信息，以识别植株穗数，包括步骤：
将所述二级处理成像侧视图转换为伪彩图像形式的二级处理成像侧视图；
利用伪彩图像形式的所述二级红外成像侧视图中所述带穗植株各部位的温度差异信息，映射出所述麦穗的颜信息，以识别植株穗数。
6.根据权利要求1所述自动识别植株穗数的方法，其特征在于，所述将所述二级处理成像侧视图转换为伪彩图像形式的二级处理成像侧视图，具体包括步骤：
对所述二级红外成像侧视图进行直方图均衡化处理，增强所述二级红外成像侧视图灰度对比度；
调整所述二级红外成像侧视图的灰度阈值，分离所述二级红外成像侧视图的亮部和暗部；
对所述二级红外成像侧视图进行灰度分级处理；
将灰度分级处理后的所述二级红外成像侧视图转换为伪彩图像形式的所述二级红外成像侧视图。
7.根据权利要求1～6中任一项所述自动识别植株穗数的方法，其特征在于，在所述利用带穗植株的可见光侧视图提取所述带穗植株的轮廓图之前，还包括步骤：
从预设角度采集带穗植株的可见光侧视图和所述带穗植株的红外成像侧视图。
8.一种自动识别植株穗数的装置，其特征在于，应用于权利要求1～7中任一项所述自动识别植株穗数的方法，包括：
abs-210轮廓提取模块，用于利用带穗植株的可见光侧视图提取所述带穗植株的轮廓图；
预处理模块，用于对所述带穗植株的红外成像侧视图进行降噪预处理，生成一级红外成像侧视图；
匹配模块，用于将所述带穗植株的轮廓图匹配融合至所述一级红外成像侧视图，生成二级红外成像侧视图；
识别模块，用于通过深度处理所述二级红外成像侧视图提取麦穗信息，以识别植株穗数。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；以及，存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1～7中任一项所述自动识别植株穗数的方法。
10.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1～7中任一项所述自动识别植株穗数的方法所执行的操作。
技术说明书
一种自动识别植株穗数的方法、装置、电子设备和存储介质
技术领域
煤气化炉本技术涉及植株穗数的检测技术领域，尤指一种自动识别植株穗数的方法、装置、电子设备和存储介质。
背景技术
穗密度是小麦最重要的农艺产量构成之一，其数量多少直接反应了小麦的生长状况和产量信息，同时
也是育种和新品种鉴定的重要指标。目前麦穗计数主要采用人工计数法和可见光成像识别法，人工计数法主要靠人眼去观察计数，费时耗力，受统计人员的主观影响较大，缺乏统一的计数标准，总体客观性和准确性都比较差；可见光成像识别法，主要是基于带穗植株的RGB侧视图像，运用图像处理算法进行处理分析，识别出植株穗数，但由于小麦穗部不可避免会受到叶片的遮挡，往往会使分析结果出现误差，降低了实验数据的可信度。
红外热成像是常用的成像技术之一，可以检测物体热辐射出的红外线功率信号并将其转化为电信号，于仪器中得到热成像图像。目前，红外热成像技术以其对温度的高敏感性和在线检测的可行性，已经在农业生产的诸多领域广泛应用。然而由于红外热成像的分辨率较低，边缘检测处理算法尚不成熟，常导致目标物提取不精准，造成小麦穗部的误判。
技术内容
针对麦穗计数过程中遇到的问题，本技术提供一种自动识别植株穗数的方法、装置、电子设备和存储介质，能够通过小麦热成像图自动识别小麦穗数，提高小麦穗数的统计效率、准确性和可靠性。
一方面，本技术提供一种自动识别植株穗数的方法，包括以下步骤：
利用带穗植株的可见光侧视图提取所述带穗植株的轮廓图；
对所述带穗植株的红外成像侧视图进行降噪预处理，生成一级红外成像侧视图；
将所述带穗植株的轮廓图匹配融合至所述一级红外成像侧视图，生成二级红外成像侧视图；
通过深度处理所述二级红外成像侧视图提取麦穗信息，以识别植株穗数。
进一步优选地，所述利用带穗植株的可见光侧视图提取所述带穗植株的轮廓图，包括步骤：
对所述可见光侧视图进行去马赛克处理以及对所述可见光侧视图的图像像素和颜通道的数值进行插补处理，重建全彩的可见光侧视图；
将所述全彩的可见光侧视图转化成灰度的可见光侧视图，通过二值化处理所述灰度的可见光侧视图，以及调节阈值获得所述带穗植株的黑白图像；
利用中值滤波过滤所述带穗植株的黑白图像中的干扰噪声，提取带穗植株信息，通过前景整合从所述带穗植株信息中提取出所述带穗植株的轮廓信息，以生成所述带穗植株的轮廓图。
进一步优选地，所述对所述带穗植株的红外成像侧视图进行降噪预处理，生成一级红外成像侧视图，包括步骤：
通过对所述带穗植株的红外成像侧视图进行小波变换；
分离所述带穗植株的红外成像侧视图中的信号与噪声，以完成所述降噪预处理，获得所述一级红外成像侧视图；
其中，所述一级红外成像侧视图包括灰度的红外成像侧视图。
进一步优选地，所述将所述带穗植株的轮廓图匹配融合至所述一级红外成像侧视图，生成二级红外成像侧视图，包括步骤：
将所述带穗植株的轮廓图复制到所述一级红外成像侧视图中；
通过调节所述带穗植株的轮廓图，以使所述轮廓图融合至所述一级红外成像侧视图；
其中，所述调节的方式包括移位、缩放。
进一步优选地，所述通过深度处理所述二级红外成像侧视图提取麦穗信息，以识别植株穗数，包括步骤：
将所述二级处理成像侧视图转换为伪彩图像形式的二级处理成像侧视图；
利用伪彩图像形式的所述二级红外成像侧视图中所述带穗植株各部位的温度差异信息，映射出所述麦穗的颜信息，以识别植株穗数。
进一步优选地，所述将所述二级处理成像侧视图转换为伪彩图像形式的二级处理成像侧视图，具体包括步骤：
对所述二级红外成像侧视图进行直方图均衡化处理，增强所述二级红外成像侧视图灰度对比度；
调整所述二级红外成像侧视图的灰度阈值，分离所述二级红外成像侧视图的亮部和暗部；
对所述二级红外成像侧视图进行灰度分级处理；
将灰度分级处理后的所述二级红外成像侧视图转换为伪彩图像形式的所述二级红外成像侧视图。
进一步优选地，在所述利用带穗植株的可见光侧视图提取所述带穗植株的轮廓图之前，还包括步骤：
从预设角度采集带穗植株的可见光侧视图和所述带穗植株的红外成像侧视图。
另一方面，本技术还提供一种自动识别植株穗数的装置，应用于所述自动识别植株穗数的方法，包括：
轮廓提取模块，用于利用带穗植株的可见光侧视图提取所述带穗植株的轮廓图；
预处理模块，用于对所述带穗植株的红外成像侧视图进行降噪预处理，生成一级红外成像侧视图；
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议