(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211322966.8 (22)申请日 2022.10.27 (71)申请人 浙江托普云农科技股份有限公司 地址 310015 浙江省杭州市拱 墅区祥园路 88号3幢1101室 (72)发明人 朱旭华　陈渝阳　刘荣利　谢朝明　 梁飞　赵飞　周希杰　袁娜朵　 (74)专利代理 机构 杭州汇和信专利代理有限公 司 33475 专利代理师 董超 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/70(2017.01) G06T 7/80(2017.01)G06T 7/90(2017.01) G06T 5/00(2006.01) (54)发明名称 便捷式的基于图像识别的水稻整穗测量方 法及其应用 (57)摘要 本申请提出了便捷式的基于图像识别的水 稻整穗测量方法及其应用， 包括以下步骤： S100、 分别获取水稻的整穗图像以及水稻分离一次枝 梗和二次枝梗后的枝梗图像； S200、 分别对整穗 图像和枝梗图像进行图像校正， 以得到整穗校正 图和枝梗校正图， 以及换算比例尺； S300、 对整 穗 校正图做分割得到二值图， 以获取水稻整穗长及 路径点集； S400、 对水稻穗粒识别定位； S500、 获 取并区分水稻一次枝梗和二次枝梗的轮廓信息； S600、 计算得到水稻一次枝梗和二次枝梗的表型 信息以得到整体参数。 本申请可 以获得长度、 穗 粒数等的高精度测量、 计数， 极大地提高了使用 的便捷性， 满足了用户的高精度要求。 权利要求书2页 说明书11页 附图4页 CN 115375694 A 2022.11.22 CN 115375694 A 1.便捷式的基于图像识别的水稻整穗测量方法， 其特 征在于， 包括以下步骤： S100、 分别获取 水稻的整穗图像以及水稻分离一次枝梗和二次枝梗后的枝梗图像； S200、 分别对所述整穗图像和所述枝梗图像进行图像校正， 以得到整穗校正图和枝梗 校正图， 以及换算比例尺； S300、 对所述整穗校正图做分割得到二值图， 并对该二值图进行骨架分析及最短路径 分析， 以获取 水稻整穗长及路径点 集； S400、 基于所述枝梗校正图对水稻穗粒识别定位； S500、 基于所述枝梗校正图获取并区分水稻一次枝梗和二次枝梗的轮廓信息； S600、 计算得到水稻一次枝梗和二次枝梗的表型信息以得到整体参数和每个枝梗参 数。 2.如权利要求1所述的便捷式的基于图像识别的水稻整穗测量方法， 其特征在于， 步骤 S100中， 水稻分离一次枝梗和二次枝梗后的枝梗图像的具体步骤为： S110、 依次分离整穗中所有的一次枝梗和二次枝梗； S120、 将一次枝梗和二次枝梗分别放置于特定背景板的对应区域， 保持每个枝梗上下 朝向进行拍摄得到枝梗图像。 3.如权利要求1所述的便捷式的基于图像识别的水稻整穗测量方法， 其特征在于， 步骤 S200的具体步骤为： S210、 分别从所述整穗图像和所述枝梗图像中获取 所有可能的候选圆； S220、 分别对所有可能候选圆进行筛 选， 每个图像保留至少四个候选圆； S230、 根据保留的候选圆分别计算对应的透 视变换矩阵； S240、 将透视变换矩阵作用于对应的RGB彩色图像上以获取变换图， 并微调图像长宽比 例， 使得矫 正后的矩形区域的宽高比例与真实比例一 致， 同时记录真实尺寸的比例尺。 4.如权利要求1所述的便捷式的基于图像识别的水稻整穗测量方法， 其特征在于， 步骤 S400的具体步骤为： S410、 基于特定背景板， 放置不同水稻枝梗， 进行不同高度、 不同角度、 不同光照拍 摄， 以此收集包 含水稻穗粒的数据， 整理并标定形成数据库； S420、 对数据库做不同程度的线下 数据扩展， 以增 加数据的多样性； S430、 基于数据库进行模型训练并转换成指定格式； S440、 将所述枝梗校正图划分为多个有重叠的子图像， 由前向推理获取所有穗粒的矩 形框位置， 包括中心坐标、 长、 宽； S450、 将每个子图像的矩形框位置映射到所述枝梗校正图上， 通过后处理去除冗余的 检测矩形框， 得到所有的预测框 。 5.如权利要求1所述的便捷式的基于图像识别的水稻整穗测量方法， 其特征在于， 步骤 S500的具体步骤为： S510、 对所述枝梗校正图进行图像分割， 得到枝梗分割图； S520、 对所述枝梗分割图利用轮廓查找法获取所有轮廓， 进而采用设定规则过滤， 得到 有效的轮廓集； S530、 按位置对所述轮廓集 合分类， 分别得到一次枝梗和二次枝梗的轮廓集 合； S540、 分别对一次枝梗轮廓集和二次枝梗轮廓集 排序。权　利　要　求　书 1/2 页 2 CN 115375694 A 26.如权利要求5所述的便捷式的基于图像识别的水稻整穗测量方法， 其特征在于， 步骤 S600的具体步骤为： S610、 对每个枝梗进行骨架分析及最短路径分析， 以获取其长度参数以及对应路径点 集； S620、 获取每 个枝梗的最小外 接矩形的四个顶点； S630、 计算每 个枝梗的穗粒 数以及对应的所有穗粒中心坐标； S640、 计算每 个枝梗的着粒密度， 其中该着粒密度为枝梗的穗粒 数与枝梗长度的比值； S650、 计算表型信息以得到整体参数和每个枝梗参数， 其中每个枝梗参数包括每个枝 梗长度及路径点集， 每个枝梗的最小外接矩形， 每个枝梗的穗粒数及对应的所有穗粒 的定 位中心坐标及每个枝梗着粒密度； 整体参数包括： 总穗粒数、 枝梗总长度、 枝梗总数目、 一次 枝梗数目、 一次枝梗总长度、 一次枝梗总穗粒数、 一次枝梗长度平均值， 一次枝梗穗粒数平 均值、 一次枝梗穗粒数贡献率、 二次枝梗 数目、 二次枝梗总长、 二次枝梗总穗粒数、 二次枝梗 长度平均值、 二次枝梗穗粒 数平均值及二次枝梗穗粒 数贡献率。 7.如权利要求1所述的便捷式的基于图像识别的水稻整穗测量方法， 其特征在于， 步骤 S600中， 一次枝梗穗粒数贡献率为一次枝梗总穗粒数在总穗粒数中的占比， 二次枝梗穗粒 数贡献率 为二次枝梗总穗粒 数在总穗粒 数中的占比。 8.一种基于图像识别的水稻整穗测量装置， 其特 征在于， 包括： 采集模块， 用于分别获取水稻的整穗图像以及水稻分离一 次枝梗和二 次枝梗后的枝梗 图像； 校正模块， 用于分别对所述整穗图像和所述枝梗图像进行图像校正， 以得到整穗校正 图和枝梗校正图， 以及换算比例尺； 整穗分析模块， 用于对所述整穗校正图做分割得到二值图， 并对该二值图进行骨架分 析及最短路径分析， 以获取 水稻整穗长及路径点 集； 枝梗分析模块， 用于对枝梗校正图像做分析， 通过穗粒检测定位、 分割、 一次枝梗和二 次枝梗轮廓检测筛 选， 计算每 个枝梗局部的表型信息， 进 而计算整体参数； 输出模块， 用于输出水稻的整体参数， 该整体参数包括： 总穗粒数、 枝梗总长度、 枝梗总 数目、 一次枝梗 数目、 一次枝梗总长度、 一次枝梗总穗粒数、 一次枝梗长度 平均值， 一次枝梗 穗粒数平均值、 一次枝梗穗粒数贡献率、 二次枝梗 数目、 二次枝梗总长、 二次枝梗总穗粒数、 二次枝梗长度平均值、 二次枝梗穗粒 数平均值及二次枝梗穗粒 数贡献率。 9.一种电子装置， 包括存储器和处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行权利要求1至7任一项所述的便捷式的 基于图像识别的水稻整穗测量方法。 10.一种可读存储介质， 其特征在于， 所述可读存储介质中存储有计算机程序， 所述计 算机程序包括用于控制过程以执行过程的程序代码， 所述过程包括根据权利要求1至7任一 项所述的便捷式的基于图像识别的水稻整穗测量方法。权　利　要　求　书 2/2 页 3 CN 115375694 A 3