一种作物冠层覆盖率评价方法及系统

技术领域

本发明涉及农业技术领域，具体涉及一种作物冠层覆盖率评价方法及系统。

背景技术

作物冠层覆盖率，又称为植被覆盖率，是指某一地域植物垂直投影面积与该地域面积之比，用百分数表示。森林覆盖率，亦称森林覆被率指一个国家或地区森林面积占土地面积的百分比，是反映一个国家或地区森林面积占有情况或森林资源丰富程度及实现绿化程度的指标，又是确定森林经营和开发利用方针的重要依据之一。

作物在生长阶段的状态严格影响着其最终产量，为提升作物的产量、保障作物在生长阶段始终处于高标准状态，精准掌控田块中各个方位的作物生长状态尤为重要。

同一田块中通常生长着同一品种的作物，但同一块田地种植相同的作物的生长密集程度时常大小不一，这种情况的发生不仅使得土地利用率降低，同时也会导致作物产量锐减，不利于农业的良好发展。

同一田地同一作物生长密度不同的原因较多，诸如田地各方位施肥量参差不齐、未全方位灌溉等。因此，在作物的生长阶段精准的判断出田地的某个部位作物生长质量差尤为重要，不仅可以及时进行施肥、灌溉，保障作物的健康成长并提高产量，对农业信息化建设具有重要意义。

作物冠层覆盖率是影响其产量的直接因素，同时也是评判作物生长质量的重要指标。常见的作物冠层覆盖率评价方法是通过人为的经验性观察，该方法需要定期的观察，且受人为主观随意性、田块面积巨大等因素导致评价效果不理想，最终导致作物产量锐减。

因此，需要对现有的方案进行改进，用以提升作物的产量、保障作物在生长阶段始终处于高标准状态，精准掌控田块中各个方位的作物生长状态。

发明内容

基于以上问题，本发明提出一种基于OpenCV的作物冠层覆盖率评价方法。该方法适用于所有种植在田地的作物，包括但不限于水稻、玉米、小麦等。本发明以水稻为例展开研究，详细的阐述技术方案。

为实现上述目的，本发明采取的技术方案如下：一种作物冠层覆盖率评价方法，该方法包括以下步骤：

步骤S1：通过摄像设备构建可见光进行数据采集，采集待分析田地的可见光图像数据；

步骤S2：对待分析的图像数据通过Retinex单尺度图像处理方法进行去雾处理；

步骤S3：对待分析田块进行分块处理，均分成N块单元田块；

步骤S4：采用OpenCV图像处理提取各个单元田块的图像，获取图像的有r、g和b三个通道数据值，采用cv2.split(r)、cv2.split(g)、cv2.split(b)将三通道转化为浮点数，并采用以下公式计算最大值和最小值：

(min,max)＝cv2.minMaxlov(2.4*g-b-r)

其中Z是植被指数，g、b、r分别对应的是G、B、R三个通道的数值；min是绿色像素最小值，max是绿色像素最大值；

步骤S5：将图像的所有像素点转化为unit8数据结构类型，并进行二值化处理将像素点与绿色像素最小值min和最大值max进行比较，若处于区间范围之内，则判定为该像素点属于绿色像素区域，认定为绿色像素点；

步骤S6：计算绿色像素点占该田块所有像素点的总值，即为该田块的冠层覆盖率指数P。

优选地，还包括不确定性分析步骤s7：采用random方法随机输出random的随机数值，并按以下公式计算作为该田块的作物冠层覆盖率指数：

pro＝p*(1+random)

其中P是物冠层覆盖率指数；random是随机数；pro是不确定性分析方法下的物冠层覆盖率指数。

优选地，所述random的随时数值的取值范围是-10％至10％。

优选地，重复步骤S7,对N块单元田块依次进行计算不确定性分析下的作物冠层覆盖率计算，并根据计算的数值从高到低的排序。

优选地，Retinex单尺度图像处理方法步骤如下：

步骤S1-1:将一种采集的图像分解为反射图像和亮度图像，其中反射图像的函数为R(x,y)，其中x和y为反射图像的像素点；亮度图像为L(x,y)，x和y为反射图像的像素点；

步骤S1-2:通过OpenCV图像框架将图像数据的每个颜色分类进行处理，将每个分量的像素值转化为浮点数，并转换到对数域中，处理公式如下：

S(x,y)＝R(x,y)*L(x,y)

r(x,y)＝logS(x,y)-log[F(x,y)*S(x,y)]

其中，F(x,y)为中心环绕函数，其中C是高斯环绕尺度通常取值为80至100；γ是尺度参数，其取值满足∫∫F(x,y)dxdy＝1。

优选地，所述摄像设备采用无人机。

一种作物冠层覆盖率评价系统，包括数据采集模块、去雾模块、分块模块、图像处理模块、数据转化模块及计算模块，其中：

数据采集模块：用于通过摄像设备构建可见光进行数据采集，采集待分析田地的可见光图像数据；

去雾模块：用于对待分析的图像数据通过Retinex单尺度图像处理方法进行去雾处理；

分块模块：用于对待分析田块进行分块处理，均分成N块单元田块；

图像处理模块：用于采用OpenCV图像处理提取各个单元田块的图像，获取图像的有r、g和b三个通道数据值，采用cv2.split(r)、cv2.split(g)、cv2.split(b)将三通道转化为浮点数，并采用以下公式计算最大值和最小值：

(min,max)＝cv2.minMaxlov(2.4*g-b-r)

其中Z是植被指数，r、g、b分别对应的是R、G、B三个通道的数值；min是绿色像素最小值，max是绿色像素最大值；

数据转化模块：用于将图像的所有像素点转化为unit8数据结构类型，并进行二值化处理将像素点与绿色像素最小值min和最大值max进行比较，若处于区间范围之内，则判定为该像素点属于绿色像素区域，认定为绿色像素点；

计算模块：用于计算绿色像素点占该田块所有像素点的总值，即为该田块的冠层覆盖率指数P

一种存储装置，该存储装置中存储有多条指令，所述指令适用于由处理器加载并执行如上述所述的一种作物冠层覆盖率评价方法的步骤操作。

一种智能终端，包括用于执行各指令的处理器和用于存储多条指令的存储装置，所述指令适用于由所述处理器加载并如上述所述的一种作物冠层覆盖率评价方法的步骤操作。

本发明有益的技术效果：本发明通过摄像采集设备采集数据，通过OpenCV人工智能技术手段构建图像算法模型，自动输出作物冠层覆盖率较差的方位信息，实现了智能化评价，提高了评价的准确性及效率；

同时作物冠层覆盖率指数计算过程中增加了不确定性分析方法，进一步提高了模型的精准性。

附图说明

图1为本发明一种作物冠层覆盖率评价方法的步骤流程图；

图2为本发明中采用Retinex单尺度图像处理方法对图像的分解图；

图3是本发明OpenCV图像处理的原理示意图；

图4是本发明采集的待分析田块的实际图片；

图5是对数据待分析田块经常OpenCV及分块处理后的图片。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明，但本发明要求保护的范围并不局限于下述具体实施例。

本发明提出的作物冠层覆盖率评价方法，用于田块的作物长势质量评价，筛选出田块中作物长势较差的部分。

在进行评价之前，先要做好算法环境的搭建，在评价系统中安装Anconda3.0，以Python3.7为底层开发语言，安装OpenCV等开发包，用以保证算法模型的稳定性；以Pycharm为算法模型运行IDE。

如图1所示，一种作物冠层覆盖率评价方法，该方法包括以下步骤：

步骤S1：通过摄像设备构建可见光进行数据采集，采集待分析田地的可见光图像数据；

具体地，本实施例中采用通过无人机搭建可见光进行数据采集，采集带分析田地的可见光数据，以保证田地的区域覆盖完整。

步骤S2：对待分析的图像数据通过Retinex单尺度图像处理方法进行去雾处理；

受天气、雾霾等天气的影响，采用Retinex单尺度图像处理方法进行去雾处理，以保证图像的清晰度，避免环境因素导致色彩信息获取不完整，影响作物冠层覆盖率的计算。

Retinex单尺度图像处理方法的基本原理是一张图像可以分解为两个不同的图像，分别为反射图像和亮度图像，示意图如图2所示。

其中反射图像的函数为R(x,y)，x和y为反射图像的像素点；亮度图像为L(x,y)，x和y为反射图像的像素点。

无人机拍摄的可见光图像为彩色图，包含三个通道，通过OpenCV图像框架将数据的每个颜色分类进行处理，将每个分量的像素值转化为浮点数，并转换到对数域中，其示意图如图3所示。

S(x,y)＝R(x,y)*L(x,y)

r(x,y)＝logS(x,y)-log[F(x,y)*S(x,y)]

F(x,y)为中心环绕函数，其中C是高斯环绕尺度通常取值为80至100，本发明中取中位数90；γ是尺度参数，其取值满足∫∫F(x,y)dxdy＝1。

通过Retinex图像增强可起到较好的图像增强作用，避免雾化等因素导致图像像素点缺失。

步骤S3：对待分析田块进行分块处理，均分成N块单元田块；

作物耕种通常是有块状的田地构成的，为最大程度定位作物冠层覆盖率较差的田块方位，本实施例中，需对田地进行分块处理。其中田地分的块数与作物冠层覆盖率的方位定位精准度成正比，但田地块数过多不利于现场的农事作业。

因此，田地的每块面积约为0.25亩，或同一数值均可，并相应的进行1、2、3...n进行编号处理。

田块编号示意如下表所示。实际编号过程中可根据田块的形状适当调整，用以保证每个编号的田块面积约为0.25亩。

表1

步骤S4：采用OpenCV图像处理提取各个单元田块的图像，获取图像的有r、g和b三个通道数据值，采用cv2.split(r)、cv2.split(g)、cv2.split(b)，分别提取三个通道的图像数据值，并将三通道转化为浮点数(浮点数是属于有理数中某特定子集的数的数字表示，在计算机中用以近似表示任意某个实数)，并采用以下公式计算最大值和最小值：

(min,max)＝cv2.minMaxlov(2.4*g-b-r)

其中Z是植被指数，g、b、r分别对应的是G、B、R三个通道的数值；min是绿色像素最小值，max是绿色像素最大值；

步骤S5：将图像的所有像素点转化为unit8数据结构类型，并进行二值化处理将像素点与绿色像素最小值min和最大值max进行比较，若处于区间范围之内，则判定为该像素点属于绿色像素区域，认定为绿色像素点；

步骤S6：计算绿色像素点占该田块所有像素点的总值，即为该田块的冠层覆盖率指数P(也叫覆盖率百分比)。

基于可见光的作物冠层覆盖率指数的计算方法可通过RGB可见光的形式计算田块的冠层覆盖率，避免了多光谱等复杂图像处理方法，且适用于全部绿色作物的冠层覆盖率计算。不仅图像获取方式便捷，且避免了单种作物的多光谱波段需要单独采集的方法。

另外，在无人机采集可见光的数据过程当中，受天气影响、物联网设备误差等各方面的影响，采集的高清图像会具有一定的误差。为解决这类误差，需加入不确定性分析方法。

可靠性是衡量产品的质量是否合格的重要指标，可靠性研究在工业生产等领域具有非常重要的指导意义。

可靠度的定义是“产品在规定的条件和规定的时间内完成规定功能的概率”，其中可靠度关于时间的函数可表示为：

0≤R(t)≤1

式中，R(t)为可靠度；t为时间，单位为s。

在工业界，以产品的实际使用性能对设计性能的满足程度为基准，判定该产品在实际的运行过程当中的性能是否合格。根据随机模糊理论，产品在实际运行过程中会出现不可避免的一定量的误差，通常允许相对误差在10％范围定义为合格。

基于以上可靠性原理，采用不确定性分性方法对计算的物冠层覆盖率指数进一步进行计算。

其中不确定性分性方法步骤s7为：采用random方法随机输出random的随机数值，并按以下公式计算作为该田块的作物冠层覆盖率指数：

pro＝p*(1+random)

其中P是物冠层覆盖率指数；random是随机数；pro是不确定性分析方法下的物冠层覆盖率指数。

random的随时数值的取值范围是-10％至10％。

接着重复步骤S7,对N块单元田块依次进行计算不确定性分析下的作物冠层覆盖率计算，并根据计算的数值从高到低的排序。

根据数值的排序，可直观的得出田块中长势较差的部分，并及时进行农事作业维护，保证作物的产量。

以下以我国南方某种植地为实验基地种植水稻为采集对象来说明冠层覆盖率评价方法。

首先，采用无人机搭载可见光拍摄镜头进行航拍，拍摄时保证全部田块的区域性覆盖，以及保证拍摄的垂直性。

拍摄的图像如图4所示，图4为水稻的种植地，从认为主观性的查看可得知，整块田地的作物长势情况参差不齐，但通过人为的直观感觉获取较差的田块较为困难。

通过对田块图像进行分块处理，保证每块田地的面积约为0.25亩，或同一数值均可，可知该田块一共分为了48个小田块，如图5所示。

采用OpenCV读取图像，获取其三通道的数值，并转化为unit8字符类型，将其绿色图像进行分离，并计算小田块的绿色像素所占的比例为该田块的冠层覆盖率指数。计算得到每块田地的冠层覆盖率指数如表2所示。

表2

由表2可知：该田块中的1、2、3、9、17、31、33、35、35、41、47田块的作物冠层覆盖率指数偏低，及时上报并采取相应的农事措施。

本发明通过无人机采集数据，通过OpenCV等人工智能技术手段构建图像算法模型，可直接输出作物冠层覆盖率较差的方位信息，并及时反馈信息，解决了人为的经验性观察、田块面积巨大耗时久、评价精度低等问题。

本发明的另外两个方案为：

一种作物冠层覆盖率评价系统，以上一种作物冠层覆盖率评价方法，该系统包括数据采集模块、去雾模块、分块模块、图像处理模块、数据转化模块及计算模块，其中：

数据采集模块：用于通过摄像设备构建可见光进行数据采集，采集待分析田地的可见光图像数据；

去雾模块：用于对待分析的图像数据通过Retinex单尺度图像处理方法进行去雾处理；

分块模块：用于对待分析田块进行分块处理，均分成N块单元田块；

图像处理模块：用于采用OpenCV图像处理提取各个单元田块的图像，获取图像的有r、g和b三个通道数据值，采用cv2.split(r)、cv2.split(g)、cv2.split(b)将三通道转化为浮点数，并采用以下公式计算最大值和最小值：

(min,max)＝cv2.minMaxlov(2.4*g-b-r)

其中Z是植被指数，r、g、b分别对应的是R、G、B三个通道的数值；min是绿色像素最小值，max是绿色像素最大值；

数据转化模块：用于将图像的所有像素点转化为unit8数据结构类型，并进行二值化处理将像素点与绿色像素最小值min和最大值max进行比较，若处于区间范围之内，则判定为该像素点属于绿色像素区域，认定为绿色像素点；

计算模块：用于计算绿色像素点占该田块所有像素点的总值，即为该田块的冠层覆盖率指数P

一种存储装置，该存储装置中存储有多条指令，所述指令适用于由处理器加载并执行如上述所述的一种作物冠层覆盖率评价方法的步骤操作。

一种智能终端，包括用于执行各指令的处理器和用于存储多条指令的存储装置，所述指令适用于由所述处理器加载并执行如上述所述的一种作物冠层覆盖率评价方法的步骤操作。

根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对发明构成任何限制。