[发明专利]一种基于视觉分析的水稻产量预测方法

权利要求书

1.一种基于视觉分析的水稻产量预测方法，其特征在于，包括以下步骤：

S1：利用无人机采集水稻田的视频，并识别视频中的作物种类，确定水稻生长图像；

S2：依次识别水稻生长图像中水稻的穗长和穗数；

S3：根据水稻的穗长、穗数和颜色，确定水稻田的水稻产量。

2.根据权利要求1所述的视觉分析的水稻产量预测方法，其特征在于，所述步骤S1包括以下子步骤：

S11：在水稻田的视频中确定存在作物的目标区域，并提取目标区域的初始影像；

S12：对初始影像中的不同波段进行处理，得到不同植被指数的初始指数影像；

S13：在目标区域中，根据不同植被指数的初始指数影像，确定不同植被指数的密度函数，并利用密度函数对初始指数影像进行滤波处理，确定不同植被指数的最终指数影像；

S14：根据不同植被指数的最终指数影像，计算不同植被指数的分类指数，将大于设定分类指数的植被指数对应的作物作为水稻，将水稻所处目标区域的图像作为水稻生长图像。

3.根据权利要求2所述的视觉分析的水稻产量预测方法，其特征在于，所述步骤S12中，植被指数NDVI的计算公式为：

NDVI＝(NIR-R)/(NIR+R)

其中，NIR表示初始影像的近红外波段，R表示初始影像的红波段；

所述步骤S14中，不同植被指数的分类指数的计算公式为：

其中，n表示植被指数的个数，G_i表示第i个植被指数的基尼系数，β_i表示第i个植被指数的最终指数影像的权重。

4.根据权利要求1所述的视觉分析的水稻产量预测方法，其特征在于，所述步骤S2中，识别水稻的穗长的具体方法为：

A21：剔除不含稻穗的水稻生长图像，并将水稻生长图像进行竖直旋转，得到水稻标准图像；

A22：对水稻标准图像依次进行灰度化处理和去噪处理，并对去噪处理后的水稻标准图像进行二值化处理，得到水稻二值图像；

A23：从水稻二值图像中提取水稻的稻穗面积，并利用细化算法从水稻二值图像中提取水稻的骨架；

A24：在稻穗面积内，将水稻的骨架中大于设定穗长路径的路径距离作为水稻的穗长。

5.根据权利要求4所述的视觉分析的水稻产量预测方法，其特征在于，所述步骤A21中，对水稻生长图像进行竖直旋转的具体方法为：对水稻生长图像进行形态学处理，得到水稻生长图像中的水稻倾斜角度，并将水稻生长图像按照水稻倾斜角度进行竖直旋转，得到水稻标准图像；

所述步骤A23中，提取水稻的稻穗面积的具体方法为：对水稻二值图像进行预处理，得到水稻的实粒数和瘪粒数，根据实粒数与瘪粒数的差值计算水稻的稻穗面积S，其计算公式为：

S＝(N_real-N_empty)·α·ra²

其中，N_real表示是水稻的实粒数，N_empty表示是水稻的瘪粒数，α表示水稻二值图像中前景像素点个数，ra表示水稻二值图像的分辨率；

所述步骤A24中，确定水稻的骨架中路径距离的具体方法为：在稻穗面积内，扫描水稻的骨架，确定骨架的边界端点，依次计算每两个边界端点之间的前景像素点个数，将前景像素点个数大于设定像素点个数的值作为骨架的路径距离。

6.根据权利要求5所述的视觉分析的水稻产量预测方法，其特征在于，所述步骤S2中，识别水稻的穗数的具体方法为：

B21：利用五点三次平滑滤波方法对水稻的骨架进行平滑滤波处理，并沿穗轴方向按行像素求和，得到像素曲线图；

B22：在像素曲线图中，分离水稻的稻穗和茎秆，并提出茎秆的像素曲线图；

B23：提取稻穗的像素曲线图的极值点，并确定像素曲线图中的极大值点个数；

B24：根据像素曲线图中的极大值点个数，计算水稻的穗数。