本发明涉及图像处理，尤其涉及一种禾本科植株叶片参数获取方法。
背景技术：
1、玉米作为全球第一大粮食作物，其产量的提高是解决粮食安全问题的有效手段之一，是育种家一直追求的重要育种目标之一，也是作物遗传改良研究领域的重点和难点之一。玉米穗型和株型对于提高产量和环境适应性至关重要，解析玉米株型和穗型的遗传结构对于指导育种工作、优化杂交组合、加速育种进程以及提高玉米品种的适应性和产量具有重要意义。
2、对玉米株型和穗形的表型数据的获取是解析遗传结构的前提，而玉米株型的叶片的参数(如，玉米植株中叶片的数量和高度)是玉米的尤其重要的表型数据，因而有必要对其获得方法进行研究。
3、传统的获取方法是采用人工方式测量叶片高度和叶片的数量，显而易见地，这种方法的效率极低。
4、当前，在获取禾本科植株的表型数据方面(如，获取叶片高度、数量方面)，现有技术中提供一些效率较高的方法，例如，一些技术人员，基于侧视飞行(time-of-flight,tof)时间相机获取的点云数据，开发了一种算法来提取植株的3d骨架。通过分析骨架的图形结构与3d线条的关系，将点云划分为具有分离的茎和叶的植株实例，进而提取叶片参数等表型数据。再例如，还有一些技术人员，使用一种配备了相机的机器人车辆,来捕捉玉米植株的侧面图像,使用卷积神经网络来检测二维图像中的每个叶片角度，并用三维建模的方法从模型中提取叶片参数等表型数据。
5、然而，上述方法却存在如下缺陷：1、所获取的植株的叶片参数等表型数据不准确，例如，经常将其他植株的叶片记入目标植株的叶片。2、相关数据的计算、分析耗时较长。
技术实现思路
1、针对现有技术中存在的上述技术问题，本发明的实施例提供了一种禾本科植株叶片参数获取方法。
2、为解决上述技术问题，本发明的实施例采用的技术方案是：
3、一种禾本科植株叶片参数获取方法，所述叶片参数包括叶片的高度，所述方法包括以下步骤：
4、s10：利用摄录设备按照自上而下或自下而上移动顺序对禾本科植株进行摄录，以获取禾本科植株的视频图像；
5、s20：从组成视频图像的m帧图片中顺序截取n帧图片；
6、s30：利用深度实例分割模型对每帧图片中的茎秆和叶片进行识别，并针对每帧图片的识别结果生成数据表，若深度实例分割模型识别出图片中存在茎秆和叶片，所对应生成的数据表则记录茎秆的轮廓坐标点数据和叶片的轮廓坐标点数据；
7、s40:遍历针对每帧图片所生成的数据表内的数据，若数据表中同时存在茎秆的轮廓坐标点数据和叶片的轮廓坐标点数据，基于叶片的轮廓坐标点数据以及茎秆的轮廓坐标点数据判断叶片相对于茎秆的横向上的位置；
8、s50：若判断叶片位于茎秆的右侧，则将叶片的轮廓坐标点数据中的最左侧坐标点作为叶片与茎秆的节点；若判断叶片位于茎秆的左侧，则将叶片的轮廓坐标点数据中的最右侧坐标点作为叶片与茎秆的节点；
9、s60：从具有同一叶片的节点的数据表中获取距离图片的竖向上的中线最近的节点所对应的目标数据表。
10、s70：基于目标数据表确定所对应的叶片的高度。
11、优选地，
12、在步骤s40中：
13、若数据表中同时存在茎秆的轮廓坐标点数据和叶片的轮廓坐标点数据，首先判断叶片是否存与中点p2所在的竖向直线距离小于预设值q的轮廓坐标点，若存在，则基于叶片的轮廓坐标点数据以及茎秆的轮廓坐标点数据判断叶片相对于茎秆的横向上的位置；其中：
14、中点p2为茎秆的最左侧的轮廓坐标点与最右侧的轮廓坐标点的连线的中点。
15、优选地，预设值q的设定规则为：q＝αw/2；其中：
16、w为茎秆的最左侧的轮廓坐标点与最右侧的轮廓坐标点之间的横向距离；α为系数，1＜α＜2。
17、4、根据权利要求3所述的禾本科植株叶片参数获取方法，其特征在于，叶片的轮廓坐标点的标记规则为：
18、v＝βw；其中：
19、v为叶片的每相邻的轮廓坐标点之间的横向距离，β为系数，β＜0.5。
20、优选地，所述的基于叶片的轮廓坐标点数据以及茎秆的轮廓坐标点数据判断叶片相对于茎秆的横向上的位置包括：
21、若同一叶片的最左侧的轮廓坐标点与最右侧的轮廓坐标点的连线的中点p1位于茎秆的左侧，则判断叶片位于茎秆的左侧；
22、若同一叶片的最左侧的轮廓坐标点与最右侧的轮廓坐标点的连线的中点p1位于茎秆的右侧，则判断叶片位于茎秆的右侧。
23、优选地，
24、若同一叶片的最左侧的轮廓坐标点与最右侧的轮廓坐标点的连线的中点p1位于茎秆的最左侧的轮廓坐标点与最右侧的轮廓坐标点的连线的中点p2的左侧，则判断叶片位于茎秆的左侧；
25、若同一叶片的最左侧的轮廓坐标点与最右侧的轮廓坐标点的连线的中点位于茎秆的最左侧的轮廓坐标点与最右侧的轮廓坐标点的连线的中点p2的右侧，则判断叶片位于茎秆的右侧。
26、优选地，所述叶片参数还包括叶片的数量；
27、步骤s30还包括：
28、若深度实例分割模型识别出图片中存在茎秆和叶片，所对应生成的数据表不但记录茎秆的轮廓坐标点数据和叶片的轮廓坐标点数据，数据表还记录用于区分不同叶片的叶片的身份id；不同数据表中，同一叶片的身份id相同；
29、步骤s60还包括：
30、基于所有数据表中叶片的身份id确定植株上叶片的数量。
31、优选地，
32、在步骤10中：
33、在对植株进行摄录时，为已生成视频图像的每帧图片配置高度信息；
34、步骤s30还包括：
35、所生成的数据表中记录有所对应的图片的高度信息；
36、在步骤s70中：
37、目标数据表中的高度信息为所对应的叶片的高度。
38、优选地，在利用深度实例分割模型对视频图像的图片进行识别前，对深度实例分隔模型进行训练，训练方法为：
39、获取同时显示有叶片和茎秆的训练图片；
40、对训练图片中的存在节点的叶片与茎秆的轮廓进行标记；
41、将标记有叶片与茎秆的轮廓的训练图片供深度实例分隔模型观看以对其进行训练。
42、优选地，
43、在步骤s10中：
44、使得摄录设备以匀速竖直运动方式对植株进行摄录；
45、在步骤s20中：
46、从组成视频图像的m帧图片中按照时间间隔相同的方式顺序截取n帧图片。
47、与现有技术相比，本发明公开的禾本科植株叶片参数获取方法的有益效果是：
48、本发明所公开的方法能够准确获取植株的叶片的高度和数量，且所处理的数据较少，无需过高的算力。
49、本发明中描述的技术的各种实现或示例的概述，并不是所公开技术的全部范围或所有特征的全面公开。
1.一种禾本科植株叶片参数获取方法，其特征在于，所述叶片参数包括叶片的高度，所述方法包括以下步骤：
2.根据权利要求1所述的禾本科植株叶片参数获取方法，其特征在于，
3.根据权利要求2所述的禾本科植株叶片参数获取方法，其特征在于，预设值q的设定规则为：q＝αw/2；其中：
4.根据权利要求3所述的禾本科植株叶片参数获取方法，其特征在于，叶片的轮廓坐标点的标记规则为：
5.根据权利要求3所述的禾本科植株叶片参数获取方法，其特征在于，所述的基于叶片的轮廓坐标点数据以及茎秆的轮廓坐标点数据判断叶片相对于茎秆的横向上的位置包括：
6.根据权利要求5所述的禾本科植株叶片参数获取方法，其特征在于，
7.根据权利要求1所述的禾本科植株叶片参数获取方法，其特征在于，所述叶片参数还包括叶片的数量；
8.根据权利要求1所述的禾本科植株叶片参数获取方法，其特征在于，
9.根据权利要求1所述的禾本科植株叶片参数获取方法，其特征在于，在利用深度实例分割模型对视频图像的图片进行识别前，对深度实例分隔模型进行训练，训练方法为：
10.根据权利要求1所述的禾本科植株叶片参数获取方法，其特征在于，
