[发明专利]一种水稻乳熟期自动检测的方法

说明书

技术领域

本发明属于数字图像处理和农业气象观测交叉的领域，具体涉及到一种水稻乳熟期的自动检测方法，即以田间实时拍摄的水稻图像序列为对象，从图像特征上实时自动检测水稻足否进入乳熟期的方法。

背景技术

水稻是我国主要的粮食作物之一，在我国南方广泛种植。一直以来，对于水稻各个发育期的观测主要是通过人工观测，受观测员主观因素的影响较大；同时由于水稻种植地域广、生长周期长，利用人工观测显然不够经济。因此，通过每天所拍摄的稻田图像，借助图像处理的手段，对其生长发育进行检测显得十分必要。水稻乳熟期检测是田间水稻生长期自动检测的一个重要环节，水稻乳熟期是水稻的第二个水分临界期，此时期水稻对水分非常敏感，如果乳熟期水稻受旱，会严重影响籽粒灌浆，造成秕粒增多，千粒重下降进而影响产量。准确识别水稻乳熟期，可以便与水稻后期相关的田间作业，它是水稻农业气象观测的一个重要内容。

2003年孟亚利在《中国农业科学》发表论文“基于生长过程的水稻阶段发育与物候期模拟模型”构建了预测水稻顶端发育阶段与物候期的模拟模型。每日热效应和光周期效应分别选用Beta函数和二次曲线函数来描述，并引入5个遗传参数调节水稻发育的遗传差异，使不同类型品种到达特定发育阶段所需的生理发育时间保持恒定。利用不同环境下的播期试验数据对不同类型品种的出苗期、穗分化期、抽穗期和成熟期进行了预测，不同类型品种4个生育期的预测误差RMSE(根均方差)平均分别为1.47、5.10、4.58和3.37d。2008年孙华生在博士学位论文“利用多时相MODIS数据提取中国水稻种植面积和长势信息”和2009年在《遥感学报》上发表的论文“利用MODIS数据识别水稻关键生长发育期”中研究利用EOS-MODIS数据空间中覆盖中国范围的数据，对全国范围水稻种植面积和生长信息进行提取，同时利用时间序列对水稻的主要生长期进行了识别，生长期识别误差的时间在±16天左右；2009年赵永林在硕士论文“基于MODIS数据的双季稻实时监测研究”中于2007年4月至2008年10月，在江西省南昌设定了4个双季水稻观测样点，每8天对双季稻进行一次观测，并记录水稻的干鲜重、株高、叶面积指数LAI、稻田灌水深度的变化以及水稻管理措施等。分析了MODIS植被指数与实地采样数据之间的关系，建立了水稻实时监测模型和双季晚稻的估产模型。结果表明：(1)MODIS-EVI(增强型植被指数)在水稻分蘖孕穗期和灌浆乳熟期与LAI有很强的相关关系，相关系数分别为0.90，0.89，拥有很强的稳定性和抗干扰能力，更适合研究区高温、高湿、高植被覆盖率的实际状况。(2)LSWI在抽穗扬花期与LAI的相关系数达到0.8以上，将MODIS-EVI和LSWI相结合可以实现研究区双季稻从分蘖期到乳熟期的实施监测。以上方法中孟亚利构建了预测水稻顶端发育阶段与物候期的模拟模型，对水稻的四个生长期进行了预测，但没有给出水稻乳熟期的具体预测方法，且从其他四个生长期的预测结果来看，其模型预测误差较大，此种方法不适合水稻乳熟期的实时自动检测；孙华生和赵永林是利用遥感数据对水稻的种植面积进行确定，利用时间序列中水稻的叶面积指数，但由于遥感图像分辨率低，且容易受到云层、云阴影和气溶胶等影响的原因，MODIS不太适合研究区早稻的实时监测。然而，在农业气象观测领域，主要通过利用稻田的水稻图像实时的对水稻种植密度进行较准确的计算，以便及时指导后期给水灌溉、估产等农事活动，通过分析上述利用遥感图像等方法都不可行。

发明内容

本发明目的在于提供一种水稻乳熟期的自动检测方法，能够利用田间实时获取的水稻数字图像准确地检测出水稻是否进入乳熟期。

一种水稻乳熟期的自动检测方法，首先根据水稻历史图像序列离线训练得到稻穗像素点的水稻稻穗颜色信息表，水稻稻穗颜色信息表包含信息有稻穗像素点在各亮度i＝1，…，255下对应的(a，b)颜色值的分布情况，然后按照如下方式在线判断水稻是否进入水稻乳熟期：

(1)将当前水稻图像t转化到L-a-b颜色空间，将图像t中各像素点的L-a-b颜色空间色彩分量与所述水稻稻穗颜色信息表进行比对，确定满足颜色值分布情况的色彩分量对应的像素点为稻穗像素点；

(2)从由稻穗像素点构成的稻穗区域截取最能表征稻穗完整形态结构的子区域作为稻穗角度检测区域；

(3)计算稻穗角度检测区域的稻穗弯曲角度；

(4)依据稻穗弯曲角度判断水稻是否进入乳熟期。

进一步地，所述根据水稻穗像历史图像序列离线训练得到稻穗像素点的水稻稻穗颜色信息表的具体实现方式为：