小麥產(chǎn)量評估需人工獲取田間單位面積的麥穗數(shù)和麥穗小穗數(shù),往往耗時耗力。為了實現(xiàn)高效、自動地麥穗小穗計數(shù),提出一種基于改進Bayes摳圖算法的麥穗小穗自動計數(shù)方法。該方法首先利用改進Bayes摳圖算法對獲取地自然生長條件下的麥穗圖像進行摳圖,將麥穗從自然背景中分割出來。然后對該圖像進行平滑濾波和二值化,運用迭代極限腐蝕運算對二值化圖像進行腐蝕處理,去除麥穗圖像中的麥芒,分離出麥穗上每個單獨的麥穗小穗。再運用面積濾波濾除掉面積過小的區(qū)域,對剩余區(qū)域的黑洞進行填充,由此每個單獨的麥穗小穗形成一個單獨的連通區(qū)域,最后對連通區(qū)域進行標記和計數(shù),完成麥穗小穗的自動計數(shù)。使用4個小麥品種的麥穗圖像對麥穗上的小穗進行計數(shù)驗證,結(jié)果表明,該方法在識別4個品種田間麥穗單幅圖像中小穗數(shù)量的平均計數(shù)精度達到94.53%,平均相對誤差為5.47%,對比已有麥穗小穗自動計數(shù)方法,計數(shù)精度顯著提高,這對于小麥在線產(chǎn)量預估具有重要意義。 

【文章來源】：中國農(nóng)業(yè)科技導報. 2020,22(08)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

麥穗原始圖像

分別從西農(nóng)529、西農(nóng)511、西農(nóng)583、陜農(nóng)33小麥樣本中各選取40個,進行人工實測計數(shù)和本文算法計數(shù)的統(tǒng)計分析比較,結(jié)果如表1所示。由表1可以看出,與人工實測計數(shù)相比, 西農(nóng)529統(tǒng)計誤差是4.92%,統(tǒng)計精度95.08%;西農(nóng)511統(tǒng)計誤差是5.33%,統(tǒng)計精度94.67%;西農(nóng)583統(tǒng)計誤差5.79%,統(tǒng)計精度是94.21%,陜農(nóng)33統(tǒng)計誤差是5.84%,統(tǒng)計精度是94.16%。對于4種小麥品種的麥穗小穗計數(shù),其平均統(tǒng)計誤差是5.47%,平均統(tǒng)計精度是94.53%。圖3 4個品種小麥圖像預麥穗小穗數(shù)與實測麥穗小穗數(shù)的線性相關(guān)關(guān)系

圖2 麥穗圖像處理結(jié)果表1 人工計數(shù)與算法計數(shù)統(tǒng)計比較Table 1 Statistical comparison between manual counting and algorithm counting 小麥品種Wheat variety 人工統(tǒng)計Manual statistics 算法統(tǒng)計Algorithm statistics 統(tǒng)計誤差Statistical error/% 統(tǒng)計精度Statistical accuracy/% 西農(nóng)529 Xinong 529 1 341 1 275 4.92 95.08 西農(nóng)511 Xinong 511 1 332 1 261 5.33 94.67 西農(nóng)583 Xinong 583 1 365 1 283 5.79 94.21 陜農(nóng)33 Shaannong 33 1 353 1 274 5.84 94.16 平均 Average - - 5.47 94.53

【參考文獻】：
期刊論文
[1]冬小麥產(chǎn)量結(jié)構(gòu)要素預報方法[J]. 張佩,陳鄭盟,劉春偉,王福政,江海東,高蘋.  農(nóng)業(yè)工程學報. 2020(08)
[2]小麥生物量及產(chǎn)量與無人機圖像特征參數(shù)的相關(guān)性[J]. 楊俊,丁峰,陳晨,劉濤,孫成明,丁大偉,霍中洋.  農(nóng)業(yè)工程學報. 2019(23)
[3]基于混合群智能算法優(yōu)化BP神經(jīng)網(wǎng)絡的糧食產(chǎn)量預測[J]. 莊星,韓飛.  江蘇大學學報(自然科學版). 2019(02)
[4]基于改進K-means聚類算法的大田麥穗自動計數(shù)[J]. 劉哲,黃文準,王利平.  農(nóng)業(yè)工程學報. 2019(03)
[5]基于卷積神經(jīng)網(wǎng)絡的冬小麥麥穗檢測計數(shù)系統(tǒng)[J]. 張領(lǐng)先,陳運強,李云霞,馬浚誠,杜克明.  農(nóng)業(yè)機械學報. 2019(03)
[6]基于小麥群體圖像的田間麥穗計數(shù)及產(chǎn)量預測方法[J]. 李毅念,杜世偉,姚敏,易應武,楊建峰,丁啟朔,何瑞銀.  農(nóng)業(yè)工程學報. 2018(21)
[7]基于改進全卷積網(wǎng)絡的棉田冠層圖像分割方法[J]. 劉立波,程曉龍,賴軍臣.  農(nóng)業(yè)工程學報. 2018(12)
[8]基于無人機遙感植被指數(shù)優(yōu)選的田塊尺度冬小麥估產(chǎn)[J]. 朱婉雪,李仕冀,張旭博,李洋,孫志剛.  農(nóng)業(yè)工程學報. 2018(11)
[9]基于GRA&BPNN的廣西糧食產(chǎn)量預測研究[J]. 戎陸慶,陳飛,歐陽浩.  中國農(nóng)業(yè)資源與區(qū)劃. 2017(02)
[10]小麥田間測產(chǎn)和實際產(chǎn)量轉(zhuǎn)換系數(shù)實證研究[J]. 李向東,呂風榮,張德奇,楊程,王漢芳,邵運輝,方保停,岳俊芹,馬富舉,秦峰.  麥類作物學報. 2016(01)



本文編號：3431268