一种基于花果生长状态的农产品预期产量量化评估方法与流程
本发明涉及农产品产量预测,尤其涉及一种基于花果生长状态的农产品预期产量量化评估方法。
背景技术:
1、在果树等花果类农产品的生产管理中,提前、准确地预估预期产量对于农事调度、市场销售及供应链管理至关重要,然而,实际应用中无法动态反映作物从开花到成熟的整个发育过程中的生理落果、果实膨大等关键动态变化,无法直接识别和量化花朵、幼果等直接决定产量的生殖器官,缺乏对花果生长机理的反映,未能将对花果生长状态的真实、连续观测与产量形成的递进式因果逻辑深度融合,无法以数据驱动的方式,在从花期到采收的各个物候阶段,动态、量化地推算出可校准的预期产量。
2、中国专利申请公开号:cn120046809a,该发明通过图像处理技术判断农田各采样区域作物图像中作物的生长阶段,匹配得到作物生长阶段对应特定养分需求量,通过获取农田气象数据评估气象数据对作物养分需求的影响系数,通过空间插值技术生成土壤特定养分空间分布图,基于气象数据对作物养分需求的影响系数、作物生长阶段对应特定养分需求量生成变量施肥处方图,通过对历史各轮作物的作物成熟时间和产量构建时间序列模型,获取当前作物的成熟时间和产量预测结果并判断是否预警,能够提高农业生产效率,增强农业风险管理能力。
3、但是,现有技术中还存在以下问题:未考虑到监测作物生长状态,缺乏对花果从开花到成熟全过程的视觉特征量化和跨物候期数据耦合机制,导致产量预测与实际生长状态脱节,无法实现精准的产量量化评估。
技术实现思路
1、为此,本发明提供一种基于花果生长状态的农产品预期产量量化评估方法,用以克服现有技术中未考虑到监测作物生长状态,缺乏对花果从开花到成熟全过程的视觉特征量化和跨物候期数据耦合机制,导致产量预测与实际生长状态脱节,无法实现精准的产量量化评估的问题。
2、为实现上述目的,本发明提供一种基于花果生长状态的农产品预期产量量化评估方法,包括:
3、获取盛花期的果园图像并进行颜色空间分割处理以得到初始花基数和已授粉的花药数量,并确定花果树的采样策略;
4、获取幼果期的幼果图像并进行霍夫圆变换检测以确定竞争弱势果,对所述幼果图像进行灰度化处理以确定枝条末端果,基于幼果总数、所述竞争弱势果和所述枝条末端果确定有效果基数;
5、提取各幼果的像素特征以确定各幼果对应的次品概率,基于次品概率确定花果树的选取密度;
6、基于所述采样策略和所述选取密度在膨大期的果园选取若干花果树,采集各所述花果树上果实的横径和纵径以确定平均果重;
7、获取挂果期的挂果图像并进行纹理特征分析以确定各挂果是否为损伤果并确定挂果基数,根据所述有效果基数与挂果基数确定挂果的存留率;
8、基于所述初始花基数、所述有效果基数以及所述存留率确定修正因子,基于所述挂果基数和所述平均果重确定产品初始预估量;
9、基于所述修正因子修正所述产品初始预估量以得到预期产量。
10、进一步地,确定花果树的采样策略的过程包括:
11、基于若干花朵区域的连通域个数确定所述初始花基数,其中,基于所述果园图像的色调和饱和度与基准花色调范围内的像素区域进行比较分割以得到若干花朵区域;
12、在所述花朵区域中提取各花朵的几何中心区域作为花蕊区域,并计算红色通道与蓝色通道的像素比值;
13、将所述像素比值在花药褐变比值区间内的花朵确定为已授粉花朵,统计已授粉花朵数量与所述初始花基数的比值作为花药变色比例;
14、获取所述盛花期前后的气温数据并计算有效积温,以所述花药变色比例与所述有效积温对所述初始花基数进行修正,得到有效花基数;
15、基于所述有效花基数确定采样策略为历史标准选取数量的标准采样策略或缩减选取数量的减产预警策略。
16、进一步地,确定竞争弱势果的过程包括:
17、对所述幼果图像执行霍夫圆变换检测以得到所有的第一圆形目标,并将第一圆形目标作为候选幼果;
18、以各所述候选幼果为中心并根据预设半径构建空间区域,统计空间区域内的候选幼果数量,将候选幼果数量大于基准数量的空间区域标记为密集竞争簇;
19、对各所述密集竞争簇内的候选幼果按对应像素半径由大至小排序,确定排序小于预设末位排序的候选幼果为所述竞争弱势果并执行剔除操作。
20、进一步地,确定有效果基数的过程包括:
21、对所述幼果图像进行灰度化处理,采用边缘检测算法提取枝条边缘并转化为单像素骨架线,检测所述单像素骨架线的端点作为枝条末端位置,将中心位置与任一所述枝条末端位置的路径长度小于基准路径长度的候选幼果判定为枝条末端果;
22、确定所述候选幼果的总数减去所述竞争弱势果的数量和所述枝条末端果的数量后得到的差值为所述有效果基数。
23、进一步地,确定次品概率的过程包括:
24、对经霍夫圆变换检测后保留的各候选幼果,提取其像素直径、局部区域的枝叶比和局部区域的光照强度;
25、以所述像素直径、所述枝叶比以及所述光照强度构建各候选幼果的生长环境特征向量;
26、将所述生长环境特征向量输入预置的次品概率预测模型以输出对应幼果最终收获时被判定为次品的所述次品概率。
27、进一步地,确定花果树的选取密度的过程包括:
28、聚合果园所有候选幼果的所述次品概率,将果园按空间网格划分为若干样区,计算各样区内若干次品概率的平均值为预估次品率;
29、根据所述预估次品率的空间分布,将果园划分为若干风险等级区域,对不同风险等级区域设定差异化花果树的选取密度;
30、其中,所述预估次品率越高,对应风险等级区域内花果树的选取密度越大。
31、进一步地,确定平均果重的过程包括:
32、在膨大期以各风险等级区域中对应的选取数量选取花果树,对各花果树按树冠空间层次进行分层采样,从各树冠空间层次中选取若干果实;
33、分别采集各所述果实的横径和纵径,确定各果实的横径与纵径的乘积的平方根为等效直径;
34、基于所有果实的等效直径的平均值确定平均等效直径,将所述平均等效直径代入预置的果径-单果重标定模型,输出所述平均果重。
35、进一步地,确定各挂果是否为损伤果的过程包括:
36、将所述挂果图像转换至lab色彩空间,提取各挂果候选区域的局部二值模式纹理特征,以各挂果候选区域内所有像素的lbp特征值的统计直方图作为挂果的纹理描述子;
37、计算各挂果的所述纹理描述子与预置的健康果实纹理模板之间的卡方距离;
38、将所述卡方距离大于基准卡方距离的挂果标记为损伤果;
39、将所述卡方距离小于或等于基准卡方距离的挂果标记为非损伤果。
40、进一步地,确定存留率的过程包括:
41、对所述挂果图像执行霍夫圆变换检测以得到所有的第二圆形目标,并将第二圆形目标的总数确定为挂果总数;
42、统计所述挂果总数中非损伤果的数量确定为所述挂果基数;
43、基于所述有效果基数与所述挂果基数确定所述存留率。
44、进一步地,确定花果农产品的预期产量的过程包括:
45、确定所述有效果基数与所述初始花基数的比值为坐果率;
46、基于所述坐果率与基准坐果率确定坐果偏差率;
47、基于所述存留率与基准存留率确定存留偏差率;
48、基于所述坐果偏差率和所述存留偏差率确定所述修正因子;
49、基于所述挂果基数和所述平均果重计算得到产品初始预估量;
50、基于所述修正因子对所述产品初始预估量进行修正以得到所述预期产量。
51、与现有技术相比,本发明的有益效果在于,通过盛花期图像分析获取初始花基数与授粉状态,并结合有效积温修正得到有效花基数并确定采样策略,利用色调饱和度分割与花蕊区域红蓝通道像素比值识别已授粉花朵,能够客观量化花量和授粉比例,通过气温有效积温对花基数进行修正,使有效花基数更贴合实际坐果情况,基于有效花基数动态切换标准采样策略或减产预警策略,可在早期阶段主动识别产量风险,进而合理调配后续花果树的选取资源,从而进一步提高了基于花果生长状态的农产品预期产量量化评估方法的准确性。
52、进一步地,本发明通过霍夫圆变换检测幼果并构建密集竞争簇,以像素半径排序剔除竞争弱势果,同时利用骨架线端点检测剔除枝条末端发育受限果,获得有效果基数,从空间竞争与着生位置两个维度剔除自然淘汰的幼果,使保留的有效果基数能够更真实地反映最终挂果情况,通过提取保留幼果的像素直径、枝叶比和光照强度构建生长环境特征向量,由次品概率预测模型输出各幼果的次品概率以将果园划分为不同风险等级区域并差异化设定花果树的选取密度,使得采样密度与品质风险正向匹配,在控制调查成本的同时保证了不同品质区域评估的代表性,从而进一步提高了基于花果生长状态的农产品预期产量量化评估方法的准确性。
53、进一步地,本发明通过膨大期按照风险区域差异化密度进行分层采样,测量果实横纵径计算等效直径,并代入果径-单果重标定模型获得平均果重,实现了单果重量的客观量化,挂果期将图像转换至lab色彩空间并提取局部二值模式纹理特征,通过与健康果实模板的卡方距离比对标记损伤果以确定健康挂果基数,并结合有效果基数计算存留率,纹理特征分析提高了损伤果识别的一致性和准确率,为全生育期产量推断提供了可靠的挂果期的相关参数,从而进一步提高了基于花果生长状态的农产品预期产量量化评估方法的准确性。
54、进一步地,本发明通过初始花基数、有效果基数和存留率计算坐果偏差率与存留偏差率并生成修正因子,对由挂果基数和平均果重得到的初始预估量进行动态修正以得到预期产量,将花、幼果、挂果多阶段量化指标串联为完整的评估链条,利用坐果偏差率与存留偏差率调整产量预估,有效补偿了因落花落果、环境波动等导致的系统性偏差,使预期产量输出更为贴近实际收获水平,提升了评估方法的鲁棒性和实用性,从而进一步提高了基于花果生长状态的农产品预期产量量化评估方法的准确性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com