(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 202210238057.X (22)申请日 2022.03.10 (71)申请人 广州大学 地址 510006 广东省广州市番禺区大 学城 外环西路23 0号 (72)发明人 梁忠伟　冯文康　邹涛　张宇鹏　 刘晓初　萧金瑞　陈俊武　龙胜　 (74)专利代理 机构 北京八月瓜知识产权代理有 限公司 1 1543 专利代理师 秦莹 (51)Int.Cl. G06Q 10/04(2012.01) G06K 9/62(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/25(2022.01) G06V 10/56(2022.01) G06V 10/54(2022.01) G06V 10/42(2022.01) G06T 7/40(2017.01) (54)发明名称 基于图像处 理的土壤质地预测方法及装置 (57)摘要 本发明提供了一种基于图像处理的土壤质 地预测方法及装置， 其中， 方法包括： 通过图像采 集装置采集土壤样本图像， 并对土壤样本图像进 行预处理； 基于训练好的土壤质地预测模型对预 处理后的土壤样本图像进行土壤质地预测， 通过 土壤样本图像提取局部特征、 颜色特征以及纹理 特征； 基于局部特征、 颜色特征 以及纹理特征创 建土壤质地随机森林， 对样本集合基于随机森 林 进行模型训练获取训练好的土壤质地预测模型， 通过练好的土 壤质地预测模型来预测土 壤质地。 权利要求书2页 说明书5页 附图3页 CN 114580767 A 2022.06.03 CN 114580767 A 1.一种基于图像处 理的土壤质地预测方法， 其特 征在于， 具体包括： 通过图像采集装置采集土壤样本图像， 并对所述土壤样本图像进行 预处理； 基于训练好的土壤质地预测模型对所述预处理后的所述土壤样本图像进行土壤质地 预测。 2.根据权利要求1所述的方法， 其特征在于， 所述通过图像采集装置采集土壤样本图像 具体包括： 通过所述图像采集装置对每个图像样本分别在第 一光照强度、 第 二光照强度以及第 三 光照强度下进行拍照。 3.根据权利要求1所述的方法， 其特征在于， 所述基于训练好的土壤质地预测模型对所 述测试集进行土壤质地预测具体包括： 通过图像采集装置采集特定个数的土壤样本图像， 基于所述特定个数的土壤样本图像 构成样本集 合， 并对所述样本集 合中的土壤样本图像进行 预处理； 对所述预处理后的样本集合中的土壤样本图像提取局部特征、 颜色特征以及纹理特 征； 基于所述局部特征、 颜色特征以及纹理特征创建土壤质地随机森林， 对所述样本集合 基于所述随机森林进行模型训练， 获取训练好的土壤质地预测模型。 4.根据权利要求1所述的方法， 其特征在于， 所述对所述土壤样本图像进行预处理具体 包括： 在距离所述土壤样本图像特定中心水平和特定垂直分辨 率的方形区域中选择ROI。 5.根据权利要求3所述的方法， 其特征在于， 所述对所述预处理后的样本集合中的土壤 样本图像提取局部特 征、 颜色特 征以及纹 理特征具体包括： 提取局部特征， 具体包括： 对所述样本集合中的土壤样本图像通过SIFT ‑BoVW模型获取 所述样本图像的SIFT直方图局部特 征； 提取纹理特征， 具体包括： 对所述样本集合中的土壤样本图像使用纹理产生LBP直方图 值， 获取第一数量个纹 理特征， 使用Haral ick特征计算出第二数量个纹 理特征； 提取颜色特征， 具体包括： 将所述样本集合中的土壤样本图像的RGB颜色空间转换为 HSV分量， 利用图像 变换的常量中心 距计算出Hu距， 所述Hu距为 一组特定维数的特 征向量。 6.根据权利要求3所述的方法， 其特征在于， 所述基于所述局部特征、 颜色特征以及纹 理特征创建土壤质地随机森林 具体包括： 将所述颜色特征和所述纹理特征进行累积 获取第一全局特征， 然后将所述第 一全局特 征与所述局部特 征相结合， 产生第一全特 征空间特 征； 基于所述全特 征空间为 黏土、 粉土和砂土创建随机森林。 7.一种基于图像处 理的土壤质地预测装置， 其特 征在于， 包括： 土壤图像采集装置， 用于对每个图像样本分别在第一光照强度、 第二光照强度以及第 三光照强度下进行拍照， 获取土壤样本图像； 图像预处理装置， 用于在距离所述土壤样本图像特定 中心水平和特定垂直分辨率的方 形区域中选择ROI； 预测装置， 用于基于预测好的土壤质地预测模型对所述测试集进行土壤质地预测。 8.根据权利要求7所述的装置， 其特征在于， 所述土壤图像采集装置具体包括： 盒体、 相权　利　要　求　书 1/2 页 2 CN 114580767 A 2机、 方形支架、 直流电源适配器、 照明LED灯泡以及变光开关控制器； 所述盒体为长方体， 顶 部有圆形窗口， 所述圆形窗口用于放置所述相机， 所述盒体内壁均涂为黑色； 所述相机放置 在所述盒体的圆形窗口上， 用于为土壤样本进行拍照； 所述方形支架 位于盒体底部， 用于固 定土壤样本； 所述照明LED灯泡位于盒体内部， 所述照明灯由白色 的LED条组成， 所述LED条 水平粘贴与所述盒体的内壁， 用于为土壤样本进行拍照时提供补光； 所述变光开关控制器 位于盒体外侧， 与所述照明LED灯泡电连， 用于控制所述照明LED灯泡的亮度， 在 对所述土壤 样本进行拍照时提供不同光照强度的光； 所述直流电源适配器与所述LED灯泡连接， 位于盒 体外部， 用于为所述照明LED灯泡供电。 9.根据权利要求7所述的装置， 其特征在于， 所述装置进一步包括预测模型模块， 用于 获取预测好的土壤质地预测模型， 所述预测模型模块具体包括： 样本构建模块， 通过图像采集装置采集特定个数的土壤样本 图像， 基于所述特定个数 的土壤样本图像构成样本集 合， 并对所述样本集 合中的土壤样本图像进行 预处理； 特征提取模块， 对所述预处理后的样本集合中的土壤样本 图像提取局部特征、 颜色特 征以及纹 理特征； 模型训练模块， 基于所述局部特征、 颜色特征以及纹理特征创建土壤质地随机森林， 对 所述样本集 合基于所述随机森林进行模型训练， 获取训练好的土壤质地预测模型。 10.根据权利要求9所述的装置， 其特 征在于， 所述特 征提取模块具体用于： 提取局部特征， 具体包括： 对所述样本集合中的土壤样本图像通过SIFT ‑BoVW模型获取 所述样本图像的SIFT直方图局部特 征； 提取纹理特征， 具体包括： 对所述样本集合中的土壤样本图像使用纹理产生LBP直方图 值， 获取第一数量个纹 理特征， 使用Haral ick特征计算出第二数量个纹 理特征； 提取颜色特征， 具体包括： 将所述样本集合中的土壤样本图像的RGB颜色空间转换为 HSV分量， 利用图像 变换的常量中心 距计算出Hu距， 所述Hu距为 一组特定维数的特 征向量； 所述模型训练模块具体用于： 将所述颜色特征和所述纹理特征进行累积 获取第一全局特征， 然后将所述第 一全局特 征与所述局部特 征相结合， 产生第一全特 征空间特 征； 基于所述全特 征空间为 黏土、 粉土和砂土创建随机森林。权　利　要　求　书 2/2 页 3 CN 114580767 A 3