本发明涉及甘蔗种植技术领域。更具体地说，本发明涉及甘蔗分蘖期自动观测方法。
背景技术
甘蔗是世界上最为重要的糖料蔗作物之一，在我国由甘蔗榨制的蔗糖占食糖产量的90％以上。发展精准化农业是实现甘蔗产业可持续发展的有效措施，实时准确获取甘蔗发育期信息是精准甘蔗产业实施的关键基础之一。通过准确的观测甘蔗发育的速度和进程等信息，可以科学指导如灌溉、施肥和病虫害防治等生产活动以增产，可以应用于甘蔗生长模型提高甘蔗产量预测的准确性，可以对甘蔗生长发育状况进行分析进而为高效和精准的甘蔗产业服务。长期以来，甘蔗发育期信息观测主要以传统的人工观测方式为主，观测人员野外工作量和劳动强度大、效率低、主观性强且停留在以目测或简单器测、手工记录、纸质存档等落后水平，人工观测不连续且缺乏定量化标准，已不能满足现代甘蔗生产和管理的需要，为此迫切需要改变和提升甘蔗生育期观测方法。甘蔗分蘖期是决定甘蔗有效茎数的重要时期，也是夺取甘蔗高产的关键时期，客观准确的识别这个时期，可以科学合理地在栽培上争取有效分蘖控制无效分蘖，对甘蔗生产的精细化管理具有重要意义。2012年钟楚等在《中国糖科》发表“甘蔗生理发育时间及生育期预测”中利用作物生理发育时间对甘蔗发芽期、幼苗期和茎伸长期进行预测，结果预测相对误差分别为7、3、6、15天，预测效果较好，有一定的实用性，但因为生育期为两天1次的人工巡视观测，造成了一定的误差，且没有对甘蔗分蘖期进行预测。在计算机视觉领域，尚未发现有甘蔗分蘖期识别技术的公开报道，现有的文献主要围绕卫星遥感图像开展甘蔗种植识别、甘蔗长势监测和甘蔗产量估算相关领域研究。如，2014年王久玲等在《农业工程学报》中发表《面向对象的多时相hj星影像甘蔗识别方法》中利用甘蔗在不同的时相影像上的光谱影像特征导出的局部一致性指数glcmhomogeneity,建立决策树逻辑的分类规则集提取甘蔗种植区，分类精度为91.3％。2015年陈燕丽等在《江苏农业科学》发表“基于gis的广西甘蔗萌芽分蘖期干旱等级空间分布”中基于gis技术，采用多元回归分析法对甘蔗萌芽分蘖期的甘蔗等级灾害频率与地理因子进行回归分析，建立了空间分布模型并分析了两个时期的干旱灾害等级空间分布特征。上述相关文献并没有给出实时检测甘蔗分蘖期的方法，且卫星遥感图像成像距离远、分辨率低，成像质量受天气影响大，不能主动监测变化，更适合大尺度下的作物整体生长状态分析，不适用于甘蔗分蘖期观测方法的选择。
技术实现要素：
本发明的目的是提供甘蔗分蘖期自动观测方法，利用图像识别技术，通过计算甘蔗植株绿色像素覆盖度、甘蔗植株顶点数量、甘蔗叶片和茎交叉点数量来完成甘蔗分蘖期自动观测，比传统的人工观测方法客观性高、时效性和实用性强，且降低了劳动强度和生产成本。
为了实现根据本发明的这些目的和其它优点，提供了甘蔗分蘖期自动观测方法，包括：
步骤一、实时获取甘蔗图像；
步骤二、对甘蔗图像进行预处理；
步骤三、对甘蔗图像进行分割，提取甘蔗植株图像；
步骤四、根据甘蔗植株图像计算甘蔗植株绿色像素覆盖度fvc；
步骤五、根据甘蔗植株图像计算甘蔗植株顶点数量；
步骤六、根据甘蔗植株图像计算甘蔗植株叶片和茎交叉点数量；
步骤七、若甘蔗植株绿色像素覆盖度fvc≥覆盖度阈值fvcg、甘蔗植株顶点数量≥甘蔗植株顶点数量阈值，甘蔗植株叶片和茎交叉点数量≥甘蔗植株叶片和茎交叉点数量阈值，则甘蔗图像中的甘蔗植株进入甘蔗分蘖期。
优选的是，所述的甘蔗分蘖期自动观测方法中，所述步骤一中实时获取甘蔗生长图像后，还包括对甘蔗图像进行质量检测的步骤。
优选的是，所述的甘蔗分蘖期自动观测方法中，所述步骤二具体为：对甘蔗图像进行噪声去除处理。
优选的是，所述的甘蔗分蘖期自动观测方法中，所述步骤三具体为：采用k-means聚类法对甘蔗图像进行分割，将杂草、土地和甘蔗植株分割开来，提取甘蔗植株颜色信息连通区域；根据甘蔗叶片和枝干的几何形状和轮廓特征，在连通区域提取甘蔗植株图像。
优选的是，所述的甘蔗分蘖期自动观测方法中，所述步骤四具体为：利用甘蔗植株图像rgb颜色空间计算甘蔗植株绿色像素覆盖度fvc。
优选的是，所述的甘蔗分蘖期自动观测方法中，所述步骤五具体为：利用harris算法将步骤三中分割后得到的彩色图像转化为灰度图像，提取甘蔗植株顶点数量。
优选的是，所述的甘蔗分蘖期自动观测方法中，所述步骤六具体为：将步骤三中分割后得到的彩色图像二值化，并利用细化算法细化，计算甘蔗植株叶片和茎交叉点数量。
本发明至少包括以下有益效果：
本发明利用图像识别技术，通过计算植株绿色像素覆盖度、甘蔗植株顶点数量、甘蔗叶片和茎交叉点数量来完成甘蔗分蘖期自动观测，比传统的人工观测方法客观性高、时效性和实用性强，且降低了劳动强度和生产成本。
本发明可用于甘蔗“双高”示范基地等甘蔗种植园区的甘蔗生产和管理，为精准甘蔗产业发展提供科学的第一手生产资料，具有广泛应用价值。
本发明克服了传统的人工观测甘蔗分蘖期方法的不足，可在参考现行的人工观测甘蔗分蘖期的基础上，以甘蔗田间实时采集的甘蔗生长图像为对象，利用甘蔗颜色特征、几何形状和轮廓特征，针对自然强光和杂草影响，采用k-means聚类分析法将甘蔗植株分割出来，提取甘蔗植株图像并计算甘蔗植株图像中绿色像素覆盖度；对甘蔗植株顶点特征进行分析并统计甘蔗植株顶点数量；对甘蔗叶片和茎交叉点特征进行分析，将彩色图像进行二值化并细化，计算甘蔗植株叶片和茎交叉点数量，最后以甘蔗植株绿色像素覆盖度、甘蔗植株顶点数量、甘蔗植株叶片和茎交叉点数量所达到的条件作为判断依据，综合3天内12时次图像平均达到的判定依据确定甘蔗进入分蘖期的时间，以提高观测的客观性和实用性，减少观测强度和降低观测成本，为精细化甘蔗生产和管理提供良好的决策支持。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1是根据本发明一个实施例的甘蔗分蘖期自动观测的流程框图；
图2是根据本发明一个实施例的对甘蔗图像进行质量检测的流程框图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是，在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
实施例1
如图1所示，本发明提供甘蔗分蘖期自动观测方法，包括：
步骤一、实时获取甘蔗图像；
步骤二、对甘蔗图像进行预处理；
步骤三、对甘蔗图像进行分割，在连通区域提取甘蔗植株图像；
步骤四、根据甘蔗植株图像计算甘蔗植株绿色像素覆盖度fvc；
步骤五、根据甘蔗植株图像计算甘蔗植株顶点数量；
步骤六、根据甘蔗植株图像计算甘蔗植株叶片和茎交叉点数量；
步骤七、根据甘蔗分蘖期历史图像，结合甘蔗分蘖期人工观测要素的图像特征，构建甘蔗图像特征数据库，统计甘蔗分蘖期甘蔗植株绿色像素覆盖度fvcg、甘蔗植株顶点数量和甘蔗叶片和茎交叉点数量。若甘蔗植株绿色像素覆盖度fvc≥覆盖度阈值fvcg、甘蔗植株顶点数量≥甘蔗植株顶点数量阈值，甘蔗叶片和茎交叉点数量≥甘蔗植株叶片和茎交叉点数量阈值，则甘蔗图像中的甘蔗植株进入甘蔗分蘖期。
所述的甘蔗分蘖期自动观测方法中，所述步骤一中实时获取甘蔗生长图像后，还包括对甘蔗图像进行质量检测的步骤，对甘蔗图像进行质量检测的流程框图如图2所示。
所述的甘蔗分蘖期自动观测方法中，所述步骤二具体为：对甘蔗图像进行噪声去除处理。
所述的甘蔗分蘖期自动观测方法中，所述步骤三具体为：采用k-means聚类法对甘蔗图像进行分割，将杂草、土地和甘蔗植株分割开来，提取甘蔗植株颜色信息连通区域；根据甘蔗叶片和枝干的几何形状和轮廓特征，在连通区域提取甘蔗植株图像。
所述的甘蔗分蘖期自动观测方法中，所述步骤四具体为：利用甘蔗植株图像rgb颜色空间计算甘蔗植株绿色像素覆盖度fvc。
所述的甘蔗分蘖期自动观测方法中，所述步骤五具体为：利用harris算法将步骤三中分割后得到的彩色图像转化为灰度图像，提取甘蔗植株顶点数量。
所述的甘蔗分蘖期自动观测方法中，所述步骤六具体为：将步骤三中分割后得到的彩色图像二值化，并利用细化算法细化，计算甘蔗植株叶片和茎交叉点数量。
上述方法中，计算甘蔗植株绿色像素覆盖度fvc、甘蔗植株顶点数量、甘蔗叶片和茎交叉点数量，均通过当天拍摄的一张甘蔗图像计算得到，为了防止误测，可通过一天内进行几次拍摄后对各次的结果取平均值得到，或者通过最近几天拍摄后对几天的结果取平均值得到，或者通过每天拍摄多次，经几天拍摄后对各次的拍摄结果取平均值得到。
实施例2
如图1所示，本发明提供甘蔗分蘖期自动观测方法，包括：
步骤一、实时获取甘蔗图像；
步骤二、对甘蔗图像进行预处理；
步骤三、对甘蔗图像进行分割，在连通区域提取甘蔗植株图像；
步骤四、根据甘蔗植株图像计算甘蔗植株绿色像素覆盖度fvc；为了提高甘蔗植株绿色像素覆盖度fvc的检测准确性，每天获取n’个时间点的甘蔗图像，n’＞1，并统计n天内所拍摄的所有甘蔗图像，n≥2，分别计算每张甘蔗图像对应的甘蔗植株绿色像素覆盖度fvc，并取平均值。
步骤五、根据甘蔗植株图像计算甘蔗植株顶点数量；为了提高甘蔗植株顶点数量的检测准确性，统计n天内所拍摄的所有甘蔗图像后，还分别计算每张甘蔗图像对应的甘蔗植株顶点数量，并取平均值。
步骤六、根据甘蔗植株图像计算甘蔗植株叶片和茎交叉点数量；为了提高甘蔗叶片和茎交叉点数量的检测准确性，统计n天内所拍摄的所有甘蔗图像后，还分别计算每张甘蔗图像对应的甘蔗叶片和茎交叉点数量，并取平均值。
步骤七、根据甘蔗分蘖期历史图像，结合甘蔗分蘖期人工观测要素的图像特征，构建甘蔗图像特征数据库，统计甘蔗分蘖期甘蔗植株绿色像素覆盖度fvcg、甘蔗植株顶点数量和甘蔗叶片和茎交叉点数量。以当天测试的甘蔗植株绿色像素覆盖度fvc≥覆盖度阈值fvcg，且n天内获得的甘蔗植株绿色像素覆盖度fvc的平均值≥覆盖度阈值fvcg，设为条件1；以当天测试的甘蔗植株顶点数量≥甘蔗植株顶点数量阈值、甘蔗植株叶片和茎交叉点数量≥甘蔗叶片和茎交叉点数量阈值，且n天内获得的甘蔗植株顶点数量的平均值≥甘蔗植株顶点数量阈值、n天内获得的甘蔗植株叶片和茎交叉点数量的平均值≥甘蔗植株叶片和茎交叉点数量阈值，设为条件2，若条件1和条件2同时满足，则表明最后1次获取的甘蔗图像中的甘蔗植株进入甘蔗分蘖期。
所述的甘蔗分蘖期自动观测方法中，所述步骤一中实时获取甘蔗生长图像后，还包括对甘蔗图像进行质量检测的步骤，对甘蔗图像进行质量检测的流程框图如图2所示。
所述的甘蔗分蘖期自动观测方法中，所述步骤二具体为：对甘蔗图像进行噪声去除处理。
所述的甘蔗分蘖期自动观测方法中，所述步骤三具体为：采用k-means聚类法对甘蔗图像进行分割，将杂草、土地和甘蔗植株分割开来，提取甘蔗植株颜色信息连通区域；根据甘蔗叶片和枝干的几何形状和轮廓特征，在连通区域提取甘蔗植株图像。
所述的甘蔗分蘖期自动观测方法中，所述步骤四具体为：利用甘蔗植株图像rgb颜色空间计算甘蔗植株绿色像素覆盖度fvc。
所述的甘蔗分蘖期自动观测方法中，所述步骤五具体为：利用harris算法将步骤三中分割后得到的彩色图像转化为灰度图像，提取甘蔗植株顶点数量。
所述的甘蔗分蘖期自动观测方法中，所述步骤六具体为：将步骤三中分割后得到的彩色图像二值化，并利用细化算法细化，计算甘蔗植株叶片和茎交叉点数量。
实施例3
如图1所示，本发明提供甘蔗分蘖期自动观测方法，包括：
步骤一、实时获取甘蔗图像；
步骤二、对甘蔗图像进行预处理；
步骤三、对甘蔗图像进行分割，在连通区域提取甘蔗植株图像；
步骤四、根据甘蔗植株图像计算甘蔗植株绿色像素覆盖度fvc；为了提高甘蔗植株绿色像素覆盖度fvc的检测准确性，每天获取4个时间点的甘蔗图像，如每天8:00、10:00、14:00、16:00拍摄甘蔗图像，并统计3天内所拍摄的12个时次的甘蔗图像，分别计算每张甘蔗图像对应的甘蔗植株绿色像素覆盖度fvc，并取平均值。
步骤五、根据甘蔗植株图像计算甘蔗植株顶点数量；为了提高甘蔗植株顶点数量的检测准确性，统计3天内所拍摄的12个时次的甘蔗图像后，还分别计算每张甘蔗图像对应的甘蔗植株顶点数量，并取平均值。
步骤六、根据甘蔗植株图像计算甘蔗植株叶片和茎交叉点数量；为了提高甘蔗植株叶片和茎交叉点数量的检测准确性，统计3天内所拍摄的12个时次的甘蔗图像后，还分别计算每张甘蔗图像对应的甘蔗植株叶片和茎交叉点数量，并取平均值。
步骤七、根据甘蔗分蘖期历史图像，结合甘蔗分蘖期人工观测要素的图像特征，构建甘蔗图像特征数据库，统计甘蔗分蘖期甘蔗植株绿色像素覆盖度fvcg、甘蔗植株顶点数量和甘蔗叶片和茎交叉点数量。以当天测试的甘蔗植株绿色像素覆盖度fvc≥覆盖度阈值fvcg，且3天内获得的甘蔗植株绿色像素覆盖度fvc的平均值≥覆盖度阈值fvcg，设为条件1；以当天测试的甘蔗植株顶点数量≥甘蔗植株顶点数量阈值、甘蔗植株叶片和茎交叉点数量≥甘蔗植株叶片和茎交叉点数量阈值，且3天内获得的甘蔗植株顶点数量的平均值≥甘蔗植株顶点数量阈值、3天内获得的甘蔗植株叶片和茎交叉点数量的平均值≥甘蔗植株叶片和茎交叉点数量阈值，设为条件2，若条件1和条件2同时满足，则表明最后1次获取的甘蔗图像中的甘蔗植株进入甘蔗分蘖期。
所述的甘蔗分蘖期自动观测方法中，所述步骤一中实时获取甘蔗生长图像后，还包括对甘蔗图像进行质量检测的步骤，对甘蔗图像进行质量检测的流程框图如图2所示。
所述的甘蔗分蘖期自动观测方法中，所述步骤二具体为：对甘蔗图像进行噪声去除处理。
所述的甘蔗分蘖期自动观测方法中，所述步骤三具体为：采用k-means聚类法对甘蔗图像进行分割，将杂草、土地和甘蔗植株分割开来，提取甘蔗植株颜色信息连通区域；根据甘蔗叶片和枝干的几何形状和轮廓特征，在连通区域提取甘蔗植株图像。
所述的甘蔗分蘖期自动观测方法中，所述步骤四具体为：利用甘蔗植株图像rgb颜色空间计算甘蔗植株绿色像素覆盖度fvc。
所述的甘蔗分蘖期自动观测方法中，所述步骤五具体为：利用harris算法将步骤三中分割后得到的彩色图像转化为灰度图像，提取甘蔗植株顶点数量。
所述的甘蔗分蘖期自动观测方法中，所述步骤六具体为：将步骤三中分割后得到的彩色图像二值化，并利用细化算法细化，计算甘蔗植株叶片和茎交叉点数量。
采用实施例3的方法，在多个样田进行试验，自动检测的结果显示，本发明所判断的甘蔗分蘖期时间与人工观测的时间一致，检测结果准确率高，观测强度和成本低。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。