[发明专利]一种基于视觉分析的水稻产量预测方法

说明书

本发明公开了一种基于视觉分析的水稻产量预测方法，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。本发明通过无人机获取水稻图像，依次建立回归模型和水稻产量预测模型，从而进行水稻产量预测，充分考虑水稻颜色、穗长以及穗数对产量的影响，并剔除了水稻瘪粒和水稻倾斜对水稻产量预测的影响，保证预测结果准确。

技术领域

本发明属于作物产量预测技术领域，具体涉及一种基于视觉分析的水稻产量预测方法。

背景技术

农作物的产量预测对制订农产品收购计划具有非常重要的参考价值，农作物预测产量是在农作物收获前采取一定方法预先测定的产量。目前，对粮食产量的预测模型总体上分为三大类：时间序列模型和人工神经网络模型回归模型。每个模型都有其优缺点，其中神经网络综合性能更优，但是存在计算复杂度大的问题。目前基于神经网络模型的产量预测方法，由于高计算复杂度导致局限性大，预测速度较慢。

发明内容

本发明的目的是为了解决水稻产量预测的问题，提出了一种基于视觉分析的水稻产量预测方法。

本发明的技术方案是：一种基于视觉分析的水稻产量预测方法包括以下步骤：

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。

进一步地，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。

进一步地，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；

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。

进一步地，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。