(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利(22)申請日2025.05.06(43)申請公布日2025.06.03(73)專利權(quán)人楊凌優(yōu)美柯生物科技有限責(zé)任公司地址712100陜西省咸陽市楊凌示范區(qū)創(chuàng)有限公司16122(56)對比文件權(quán)利要求書1頁說明書6頁附圖1頁采集有機肥料堆肥過程中的多張圖像采集有機肥料堆肥過程中的多張圖像計算多張圖像中各像素點的秸稈點匹配度，將各像素點的秸稈點匹配度進(jìn)行區(qū)域生長以得到多個秸稈區(qū)域計算各秸稈區(qū)域的秸稈相似指數(shù)，將各區(qū)域的秸稈相似指數(shù)大于設(shè)定閾值的區(qū)域作為目標(biāo)區(qū)域，計算各圖像目標(biāo)區(qū)域的腐殖化指數(shù)利用曼-肯德爾趨勢檢驗法計算各圖像腐蝕化指數(shù)的p值，若所述p值小于設(shè)定p值閾值，則判定有機肥料堆肥過程已完成基于秸稈點匹配度進(jìn)行區(qū)域生長以提取多個秸稈區(qū)域；隨后獲取各秸稈區(qū)域的面積與灰度均值，計算秸稈相似指數(shù)，篩選出目標(biāo)區(qū)域；進(jìn)一步計算每張圖像目標(biāo)區(qū)域的腐殖化指數(shù)，并利用肥料堆肥過程已完成。本發(fā)明解決了對有機肥料2獲取所述多張圖像中各像素點的秸稈點匹配度，所述秸稈點匹配度表征各像素點屬于基于各像素點的秸稈點匹配度對各像素點進(jìn)行區(qū)域生長以得到多個秸稈區(qū)域，并獲取,V;為第j個秸稈區(qū)域內(nèi)像素點灰度值的均值，Sj為第j個秸稈區(qū)域的面將各秸稈區(qū)域的秸稈相似指數(shù)大于設(shè)定閾值的區(qū)域作為目標(biāo)區(qū)域；獲取各圖像目標(biāo)區(qū)域的腐殖化指數(shù)，所述腐殖化指數(shù)表征各圖像的腐殖化程度，第1張圖像的腐殖化指數(shù)Gv利用曼-肯德爾趨勢檢驗法計算各圖像腐殖化指數(shù)的p值，若所述p值小于設(shè)定p值閾2.根據(jù)權(quán)利要求1所述的一種用于肥料生產(chǎn)的圖像檢測方法，其特征在于，利用CCD相值閾值為0.9。3一種用于肥料生產(chǎn)的圖像檢測方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及圖像數(shù)據(jù)處理技術(shù)領(lǐng)域。更具體地，本發(fā)明涉及一種用于肥料生產(chǎn)的圖像檢測方法。背景技術(shù)[0002]在現(xiàn)代農(nóng)業(yè)生產(chǎn)中，有機肥料的生產(chǎn)過程越來越受到重視，尤其是在肥料生產(chǎn)中對堆肥過程的質(zhì)量監(jiān)控與優(yōu)化。堆肥作為有機廢棄物的處理方法，不僅可以減少環(huán)境污染，尤其是腐殖化程度的變化，成為了肥料生產(chǎn)領(lǐng)域中的一個重要研究方向。[0003]傳統(tǒng)的堆肥監(jiān)測方法大多依賴于人工取樣與實驗室分析，這種方法不僅耗時長、成本高，而且難以實時獲取堆肥過程中的動態(tài)數(shù)據(jù)，且受人為因素影響較大。隨著傳感器技術(shù)、圖像處理技術(shù)以及計算機視覺技術(shù)的發(fā)展，利用圖像檢測方法進(jìn)行堆肥過程監(jiān)控逐漸成為一種新的趨勢。通過高分辨率攝像頭定期拍攝堆肥區(qū)域的圖像，可以實時、全面地監(jiān)控堆肥過程中的各項變化，特別是堆肥過程中腐殖化指數(shù)的變化。[0004]此外，隨著堆肥過程的逐漸推進(jìn)，堆肥物料的形態(tài)、結(jié)構(gòu)以及化學(xué)組成都會發(fā)生變化，傳統(tǒng)方法無法實時反映出這些變化。因此，如何利用圖像檢測技術(shù)實時評估堆肥過程的每個階段，尤其是腐殖化指數(shù)的動態(tài)變化，成為了提高堆肥質(zhì)量、縮短堆肥周期和減少資源浪費的重要研究方向。采用圖像處理技術(shù)結(jié)合現(xiàn)代數(shù)據(jù)分析手段，不僅可以降低監(jiān)測成本，還能夠提供更加精確、實時的數(shù)據(jù)支持，從而促進(jìn)有機肥料生產(chǎn)過程的自動化和智能化。[0005]現(xiàn)有技術(shù)中，通常利用圖像處理技術(shù)從圖像中提取特征，分析堆肥物料的外觀變化。然而，這些方法大多集中在圖像的顏色、形態(tài)等表面特征的分析，而忽視了灰度信息和紋理信息的潛在作用。此外，圖像處理算法通常依賴于簡單的閾值分割或邊緣檢測技術(shù)，存在較高的噪聲敏感性和低效的問題，無法有效地提取出堆肥過程中細(xì)微的變化，導(dǎo)致對有機肥料堆肥過程判斷準(zhǔn)確性不高的問題。發(fā)明內(nèi)容[0006]為解決上述背景技術(shù)中提出的對有機肥料堆肥過程判斷準(zhǔn)確性不高的問題，本發(fā)明提供以下方案。[0007]本發(fā)明提供了一種用于肥料生產(chǎn)的圖像檢測方法，包括：采集有機肥料堆肥過程中的多張圖像；獲取所述多張圖像中各像素點的秸稈點匹配度，所述秸稈點匹配度表征各像素點屬于秸稈點區(qū)域的概率；基于各像素點的秸稈點匹配度對各像素點進(jìn)行區(qū)域生長以得到多個秸稈區(qū)域，并獲取各秸稈區(qū)域最小外接矩形的面積；獲取各秸稈區(qū)域的秸稈相似指數(shù)，所述秸稈相似指數(shù)與對應(yīng)秸稈區(qū)域內(nèi)像素點灰度值的均值、對應(yīng)秸稈區(qū)域的面積呈正相關(guān)，與對應(yīng)秸稈區(qū)域最小外接矩形的面積呈反相關(guān)；將各區(qū)域的秸稈相似指數(shù)大于設(shè)定閾值的區(qū)域作為目標(biāo)區(qū)域；獲取各圖像目標(biāo)區(qū)域的腐殖化指數(shù)，所述腐殖化指數(shù)表征各圖像的腐殖化程度；利用曼-肯德爾趨勢檢驗法計算各圖像腐殖化指數(shù)的p值，若所述p值4[0008]上述技術(shù)方案通過對有機肥料堆肥過程中圖像中秸稈點的匹配度進(jìn)行計算和區(qū)通過計算每個圖像的腐殖化指數(shù)并應(yīng)用曼-肯德爾趨勢檢驗法，可以客觀判斷堆肥過程是[0009]進(jìn)一步地，所述秸稈點匹配度，具體為：第i個像素點的秸稈點匹配度Pi,,式中，Xi,a為以第i個像素點為中心的設(shè)定鄰域內(nèi)第a個像素點鄰域內(nèi)像素點的數(shù)量。[0011]進(jìn)一步地，所述秸稈相似指數(shù)，具體為：第j個秸稈區(qū)域的秸稈相似指數(shù)Hj,[0013]進(jìn)一步地，所述腐殖化指數(shù)，具體為：第V張圖像的腐殖化指數(shù)Gv為，[0014]上述技術(shù)方案通過引入灰度共生矩陣的熵值以及目標(biāo)區(qū)域內(nèi)像素點的數(shù)量來計算圖像的腐殖化指數(shù)，從而實現(xiàn)了對堆肥過程腐殖化程度的更加全面和精確的評估5[0018]進(jìn)一步地，利用旋轉(zhuǎn)卡殼算法獲取各秸稈區(qū)域最小外接矩形的面積。[0019]上述技術(shù)方案通過利用旋轉(zhuǎn)卡殼算法獲取各秸稈區(qū)域最小外接矩形的面積，可以精確地確定秸稈區(qū)域的形態(tài)特征，克服了傳統(tǒng)方法在處理不規(guī)則形狀時的局限性。旋轉(zhuǎn)卡殼算法能夠準(zhǔn)確地擬合秸稈區(qū)域的外部邊界，并計算出最小外接矩形的面積，從而為后續(xù)的相似性分析和腐殖化程度評估提供更加精確的幾何特征。[0020]進(jìn)一步地，所述設(shè)定p值閾值為0.9。[0021]進(jìn)一步地，所述得到多個秸稈區(qū)域，包括：將目標(biāo)像素點作為種子點，目標(biāo)像素點為所述各像素點中的任一像素點，依次判斷所述目標(biāo)像素點的鄰域像素點的秸稈點匹配度是否大于預(yù)設(shè)生長閾值，將大于預(yù)設(shè)生長閾值的鄰域像素點并入當(dāng)前生長區(qū)域，最終得到多個秸稈區(qū)域。[0022]進(jìn)一步地，所述采集有機肥料堆肥過程中的多張圖像，圖像采集的時間間隔設(shè)定為每隔12小時進(jìn)行一次。[0023]上述技術(shù)方案通過將圖像采集時間間隔設(shè)定為每隔12小時進(jìn)行一次，可以在堆肥過程中定期監(jiān)測有機肥料的變化情況，捕捉堆肥進(jìn)程中的關(guān)鍵階段。這一時間間隔能夠平衡圖像采集的頻率與數(shù)據(jù)量，確保獲得足夠的時間跨度來觀察腐殖化過程，同時避免過于頻繁的圖像采集造成的數(shù)據(jù)冗余。通過定時采集圖像，可以有效跟蹤堆肥過程的動態(tài)變化，為后續(xù)的分析提供具有代表性的數(shù)據(jù)，進(jìn)一步提升腐殖化程度評估的準(zhǔn)確性和時效性。[0024]本發(fā)明的有益效果在于：[0025]本發(fā)明通過結(jié)合圖像采集、去噪處理、秸稈區(qū)域識別和腐殖化指數(shù)計算，實現(xiàn)了對有機肥料堆肥過程的精準(zhǔn)監(jiān)控。通過精確的秸稈點匹配度計算和區(qū)域生長算法，能夠高效地識別并分析秸稈區(qū)域，結(jié)合圖像的灰度共生矩陣和腐殖化指數(shù)評估堆肥的進(jìn)展。此外，應(yīng)用雙邊濾波去噪和旋轉(zhuǎn)卡殼算法，提高了圖像的質(zhì)量和形態(tài)識別精度。定期采集圖像和利用曼-肯德爾趨勢檢驗法為堆肥過程的完成提供了客觀的量化依據(jù)，從而使得肥料生產(chǎn)過附圖說明[0026]圖1是示意性示出根據(jù)本發(fā)明的實施例的一種用于肥料生產(chǎn)的圖像檢測方法的流[0027]圖2是示意性示出根據(jù)本發(fā)明的實施例的一種用于肥料生產(chǎn)的圖像檢測方法的秸稈堆肥過程灰度圖。具體實施方式[0028]一種用于肥料生產(chǎn)的圖像檢測方法實施例。[0029]如圖1所示，本發(fā)明的實施例的一種用于肥料生產(chǎn)的圖像檢測方法流程圖，包括以[0030]S1:采集有機肥料堆肥過程中的多張圖像。[0031]在一個實施例中，通過利用高分辨率CCD相機對有機肥料堆肥過程中的多個關(guān)鍵時刻進(jìn)行圖像采集，從而獲得一系列具有時序性的圖像數(shù)據(jù)。圖像采集的時間間隔可以設(shè)定為每隔12小時進(jìn)行一次，當(dāng)然也可以根據(jù)實際情況進(jìn)行設(shè)定；這些圖像數(shù)據(jù)反映了堆肥6[0034]如圖2所示，本發(fā)明的實施例的一種用于肥料生產(chǎn)的圖像檢測方法的秸稈堆肥過[0035]S2:計算多張圖像中各像素點的秸稈點匹配度，將各像素點的秸稈點匹配度進(jìn)行,式中，Xi,a為以第i個像素點為中心的設(shè)鄰域內(nèi)像素點的數(shù)量；[0038]所述設(shè)定鄰域可以為8鄰域，所述預(yù)設(shè)超參數(shù)可以為1,當(dāng)然也可以根據(jù)實際情況7[0042]S3:計算各秸稈區(qū)域的秸稈相似指數(shù)，將各區(qū)域的秸稈相似指數(shù)大于設(shè)定閾值的Bj為第j個秸稈區(qū)域最小外接矩形的面積，利用旋轉(zhuǎn)卡形的面積反映了第j個秸稈區(qū)域的秸稈結(jié)構(gòu)匹配程度，即秸稈的形狀結(jié)構(gòu)越接近矩形，內(nèi)像素點的數(shù)量會逐漸減少，即Mv,k會隨著時間變化會逐漸降低，對應(yīng)腐熟度會逐漸升[0048]S4:利用曼-肯德爾趨勢檢驗法計算各圖像腐殖化指數(shù)的P值，若所述p值小于設(shè)在評估有機肥料堆肥過程的完成度。首先，曼-肯德爾趨勢檢驗法作為一種非參數(shù)統(tǒng)計方[0050]通過將每張圖像所對應(yīng)的腐殖化指數(shù)與時間序列相結(jié)合，曼-肯德爾檢驗?zāi)軌蛟u8肥過程的進(jìn)展越為顯著。與此對應(yīng)的是，如果所計算出的p值小于預(yù)設(shè)的p值閾值，表明圖像中的腐殖化指數(shù)已經(jīng)發(fā)生了顯著變化，這通常意味著有機肥料的堆肥過程接近完成。[0051]具體而言，堆肥過程中的腐殖化指數(shù)隨著時間的推移而逐步增加，體現(xiàn)了秸稈逐漸分解、腐熟度逐漸提高的過程。當(dāng)腐殖化指數(shù)的變化趨勢達(dá)到統(tǒng)計顯著水平，即p值小于設(shè)定的閾值時，表明堆肥過程中物質(zhì)的分解已經(jīng)進(jìn)入最終階段，符合堆肥完成的標(biāo)準(zhǔn)。因此，通過曼-肯德爾趨勢檢驗法，可以精準(zhǔn)判斷堆肥過程是否已完成，從而為有機肥料的生產(chǎn)過程提供科學(xué)依據(jù)，確保堆肥效果達(dá)到預(yù)期目標(biāo)。[0052]本發(fā)明的方案通過精確計算圖像中秸稈點匹配度、利用區(qū)域生長算法識別秸稈區(qū)域并評估其相似性，有效提升了堆肥過程中腐殖化程度的監(jiān)測精度。結(jié)合灰度共生矩陣熵值和腐殖化指數(shù)的計算，能夠定量反映堆肥進(jìn)程的變化，為生產(chǎn)過程提供科學(xué)依據(jù)。使用雙邊濾波去噪算法和旋轉(zhuǎn)卡殼算法，確保圖像質(zhì)量和形態(tài)分析的準(zhǔn)確性，避免噪聲影響，并能夠精準(zhǔn)擬合秸稈區(qū)域的外部邊界。通過設(shè)定合適的時間間隔進(jìn)行圖像采集，實時跟蹤堆肥過程中的動態(tài)變化，進(jìn)一步提高了腐殖化過程評估的時效性和可靠性，為肥料生產(chǎn)過程的自動化監(jiān)控和優(yōu)化提供了強有力的技術(shù)支持。[0054]雖然本說明書已經(jīng)示出和描述了本發(fā)明的多個實施例，但對于本領(lǐng)域技術(shù)人員顯而易見的