基于大豆叶平铺化图像生成模型的叶子表型参数计算方法

本发明涉及大豆叶表型参数计算，具体为一种基于大豆叶平铺化图像生成模型的叶子表型参数计算方法。

背景技术：

1、为提高大豆育种效率，提升大豆自给自足能力，离不开农作物表型技术对大豆育种工作的支持。农作物的表型参数是加快农作物育种速度以及提升其产量等方面的重要数据支撑，其中农作物光合作用效率重要影响因素之一的叶面积指数(leaf area index,lai)与大豆叶叶型的长宽比(即大豆叶长宽比)等叶型表型参数(即叶子表型参数、表型参数)息息相关，因不同的大豆叶长宽比会影响大豆叶之间相互遮挡的状态，进而影响大豆叶接受光照的能力。

2、因此，大豆叶长宽比的测算对于大豆育种工作十分重要，由于自然生长状态下的大豆叶都会存在不同程度的自然弯曲，传统的大豆叶长宽比测算方法一般需要接触大豆叶将其展平再进行测量，因而每次接触式测算前都需要手动将大豆叶展平再进行测量，该接触式的测算方法因需要接触到大豆叶，这导致了对大豆植株的大豆叶造成损伤的可能性不可避免地提高，同时也需要更多人力以及时间成本投入到大豆叶叶型的长宽比测算工作中而导致测算效率不高。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，能够解决上述技术问题。

3、(二)技术方案

4、为解决上述技术问题，本发明提供如下技术方案：基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，包括以下步骤：

5、s1、通过非接触式的方式对处于自然弯曲状态下的大豆叶进行拍摄，以得到大豆叶自然状态图像；

6、s2、将大豆叶自然状态图像输入预先训练好的大豆叶平铺化图像生成模型中，以得到大豆叶平铺化图像；

7、s3、利用大豆叶平铺化图像计算大豆叶的叶型表型参数，其中，叶型表型参数包括大豆叶叶型的长宽比。

8、优选地，大豆叶平铺化图像生成模型为改进型swimir模型。

9、优选地，改进型swimir模型包括数据预处理模块、浅层特征提取模块、深层特征优化模块、辅助风格保持模块以及高质量图像重构模块。

10、优选地，步骤s2包括子步骤s21：数据预处理模块将大豆叶自然状态图像进行旋转处理，以使得大豆叶自然状态图像的叶尖与叶梗之间的连线保持水平居中并且叶尖向右、叶梗向左。

11、优选地，步骤s2进一步包括子步骤s22：将旋转处理后的大豆叶自然状态图像输入浅层特征提取模块中，以初步提取大豆叶自然状态图像的浅层特征信息。

12、优选地，步骤s2进一步包括子步骤s23：将浅层特征提取模块的输出进一步输入深层特征优化模块中，以对大豆叶自然状态图像的浅层特征信息进行深层优化处理。

13、优选地，步骤s2进一步包括子步骤s24：将浅层特征提取模块、深层特征优化模块两者的输出进一步输入辅助风格保持模块中进行自适应实例归一化处理。

14、优选地，步骤s2进一步包括子步骤s25：将辅助风格保持模块的输出进一步输入高质量图像重构模块中进行图像重构，以输出大豆叶平铺化图像。

15、优选地，步骤s3包括：将大豆叶平铺化图像输入图像分割模型sam中，以获取大豆叶平铺化图像的掩码图；进一步地，通过横向、纵向在掩码图遍历计算以获取大豆叶的相对叶长、相对叶宽；最后利用相对叶长、相对叶宽计算大豆叶叶型的长宽比。

16、优选地，叶型表型参数还包括大豆叶叶型的叶面积；步骤s3还包括：利用大豆叶平铺化图像计算大豆叶叶型的叶面积。

17、(三)有益效果

18、与现有技术相比，本发明提供了一种基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，具备以下有益效果：本发明通过非接触式的方式对处于自然弯曲状态下的大豆叶进行拍摄以得到大豆叶自然状态图像，进一步将大豆叶自然状态图像输入预先训练好的大豆叶平铺化图像生成模型中以得到大豆叶平铺化图像，最后利用大豆叶平铺化图像计算大豆叶叶型的长宽比；与传统的人工直接测算大豆叶长宽比的方法相比，本发明通过生成大豆叶平铺化图像的深度学习技术的介入可以大大提高大豆叶叶型的长宽比的测算效率，同时降低损伤大豆植株的风险。

技术特征：

1.基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于：所述大豆叶平铺化图像生成模型为改进型swimir模型。

3.根据权利要求2所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于：所述改进型swimir模型包括数据预处理模块、浅层特征提取模块、深层特征优化模块、辅助风格保持模块以及高质量图像重构模块。

4.根据权利要求3所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，所述步骤s2包括子步骤s21：所述数据预处理模块将所述大豆叶自然状态图像进行旋转处理，以使得所述大豆叶自然状态图像的叶尖与叶梗之间的连线保持水平居中并且叶尖向右、叶梗向左。

5.根据权利要求4所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，所述步骤s2进一步包括子步骤s22：将旋转处理后的所述大豆叶自然状态图像输入所述浅层特征提取模块中，以初步提取所述大豆叶自然状态图像的浅层特征信息。

6.根据权利要求5所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，所述步骤s2进一步包括子步骤s23：将所述浅层特征提取模块的输出进一步输入所述深层特征优化模块中，以对所述大豆叶自然状态图像的浅层特征信息进行深层优化处理。

7.根据权利要求6所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，所述步骤s2进一步包括子步骤s24：将所述浅层特征提取模块、所述深层特征优化模块两者的输出进一步输入所述辅助风格保持模块中进行自适应实例归一化处理。

8.根据权利要求7所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，所述步骤s2进一步包括子步骤s25：将所述辅助风格保持模块的输出进一步输入所述高质量图像重构模块中进行图像重构，以输出所述大豆叶平铺化图像。

9.根据权利要求1所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，所述步骤s3包括：将所述大豆叶平铺化图像输入图像分割模型sam中，以获取所述大豆叶平铺化图像的掩码图；进一步地，通过横向、纵向在所述掩码图遍历计算以获取大豆叶的相对叶长、相对叶宽；最后利用所述相对叶长、所述相对叶宽计算大豆叶叶型的长宽比。

10.根据权利要求1所述的基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，所述叶型表型参数还包括大豆叶叶型的叶面积；所述步骤s3还包括：利用所述大豆叶平铺化图像计算大豆叶叶型的叶面积。

技术总结本发明公开了一种基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，本发明通过非接触式的方式对处于自然弯曲状态下的大豆叶进行拍摄，进一步对大豆叶自然状态图像进行平铺化处理，最后利用大豆叶平铺化图像计算大豆叶的叶型表型参数，与人工直接测算大豆叶长宽比的方法相比，本发明通过生成大豆叶平铺化图像的深度学习技术的介入可以大大提高大豆叶叶型长宽比的测算效率，同时降低损伤大豆植株的风险；本发明在SwimIR模型的基础上进行改进，不仅实现了对自然弯曲状态下的大豆叶图像的平铺化处理，并且在模型训练数据集中拍摄图像与扫描图像之间存在色彩风格差异的情况下使得模型也可以保持输出的大豆叶平铺图像与输入的拍摄图像色彩风格一致。技术研发人员：王栋,黄镇洲,康耀文,黄琼,杨存义受保护的技术使用者：华南农业大学技术研发日：技术公布日：2024/11/18