CN101324423A - 植物株高自动测量装置及方法 - Google Patents
植物株高自动测量装置及方法 Download PDFInfo
- Publication number
- CN101324423A CN101324423A CNA2008100486391A CN200810048639A CN101324423A CN 101324423 A CN101324423 A CN 101324423A CN A2008100486391 A CNA2008100486391 A CN A2008100486391A CN 200810048639 A CN200810048639 A CN 200810048639A CN 101324423 A CN101324423 A CN 101324423A
- Authority
- CN
- China
- Prior art keywords
- plant
- plant height
- image
- path
- blade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及植物株高自动测量装置及测量方法,本装置包括流水线系统、可见光CCD成像系统、电动旋转台、旋转台控制器、计算机、图像采集卡,电动旋转台依次与旋转台控制器和计算机相连,可见光CCD成像系统依次与图像采集卡和计算机相连,本发明由计算机控制,采用流水线系统,将待提取参数的样品送上电动旋转台,由CCD成像系统拍摄单个角度下的植株图像,由计算机将所得图像进行图像分割,从分割后二值图像经过骨架提取和叶片路径搜索可得到该角度下投影株高,最后求出所有角度下投影株高的最大值作为植株的高度。本发明利用CCD成像的方法,从图像中自动计算出株高,具有安全无损、测量结果准确可靠等优点。
Description
技术领域
本发明属于数字图像处理技术,具体涉及一种植物株高自动测量装置及方法,该装置能够自动计算植物的株高,适用于数字化农业领域。
背景技术
数字图像处理与模式识别技术在几十年内得到迅速发展并在工业自动化、智能交通、卫星遥感、军事侦察、生物医学等应用领域中得到广泛的应用。利用数字图像处理技术进行植物参数的自动提取是一种非常有前途的技术,尤其在数字化农业日益推广的今天。计算机视觉技术已经开始得到植物学等基础学科研究人员的关注,国外出现了一些成熟的产品,国内基本上还处在实验室阶段,而且从事的人员也很有限。
发明内容
本发明的目的在于提供一种植物株高自动测量装置及方法,该装置能够自动计算植物的株高。
本发明提供的植物株高自动测量装置,包括皮带1、调速电机2、气泵3、气动装置4、CCD相机5、背景幕布6、电动旋转台7、图像采集卡8、旋转台控制器9、计算机10,架设的皮带1与调速电机2相连,气泵3位于皮带外部并与皮带内侧边缘的气动装置4相连,在气动装置4旁的皮带中部装配一个电动旋转台7,电动旋转台7与旋转台控制器9相连,旋转台控制器9又通过串口与计算机10相连,CCD相机5利用三脚架支持并固定,其镜头正对电动旋转台7和背景幕布6,CCD相机5、电动旋转台7及背景幕布6的中心在同一条直线上,CCD相机5通过数据接口与图像采集卡8相连,图像采集卡8则通过PCI插槽与计算机10连接。其中,包括皮带1、调速电机2、气泵3、气动装置4构成流水线系统,CCD相机5和背景幕布6构成可见光CCD成像系统。
植物株高自动测量方法,按以下步骤进行:(1)将盆装植物放入皮带上输送至电动旋转台时,由气泵带动气动装置将水稻推上电动旋转台,计算机控制旋转台旋转,由CCD相机拍摄每个角度下植株的RGB彩色图片,再由数字传输线通过图像采集卡传送入计算机;(2)计算机通过株高提取算法后得植株高度。
株高为自土面至最长叶片顶点的长度,计算的基本步骤是:遍历全部角度的叶片图像,找出每个角度的最长叶片的投影长度记为每个角度的植株投影株高,这些投影株高的最大值就是这个植株的株高。这样做是因为最长叶片只有在其所在平面与拍摄平面垂直时,投影株高才为其真实株高,其余角度下投影长度都要比真实长度小,所以需要扫描每个角度下所有的投影株高。每个角度下的投影株高可以通过图像分割、骨架提取和叶片路径搜索来计算。最后求出所有角度下投影株高的最大值得到植株的株高。
由于在整个计算机的处理过程中不会利用到颜色信息,并需要将绿色和背景色(蓝色)区分出来,以分割出图像中植株的绿叶部分。在拍摄时背景是和叶片绿色很容易区分的蓝色,因此可以采用RGB彩色空间最为方便和直接。本发明采用比较绿色(G)和蓝色(B)光的强度作为是否为绿叶的判据,以达到将图像分割的目的。这样可以大大减小图片占有内存的空间,提高运算速度。骨架可以理解为图像的中轴,是描述图像几何拓扑性质的重要特征之一。因此,可通过检测图像的骨架特征来实现对植株叶片路径的识别。由骨架提取后的数据实现对叶片路径的搜索,搜索工作主要分为两步:1)寻找叶片的起始端;2)由起始端开始进行遍历。
本发明由预设的电脑程序控制,采用流水线,将待提取参数的样品送上电动旋转台,由CCD成像系统拍摄单个角度下的植株图像,由计算机将所得图像进行图像分割,从分割后二值图像经过骨架提取和叶片路径搜索计算得到该角度下投影株高。最后求出所有角度下投影株高的最大值作为植株的高度。
本发明利用CCD成像的方法,从图像中自动计算出株高,具有安全无损、测量结果准确可靠等优点。
附图说明
图1为本发明结构示意图;
图2为本发明的株高提取程序流程框图;
图3为本发明的骨架提取结果图
图4为本发明的路径搜索结果图;
图5为上三叶完整路径结果示意图;
图6a为遍历最高叶片所得株高结果图;
图6b为遍历所有叶片所得株高结果图。
具体实施方式
下面结合附图和实例对发明作进一步详细的说明。
如图1所示,本发明的装置包括皮带1、调速电机2、气泵3、气动装置4、CCD相机5、背景幕布6、电动旋转台7、图像采集卡8、旋转台控制器9、计算机10,架设的皮带1与调速电机2相连,气泵3位于皮带外部并与皮带内侧边缘的气动装置4相连,在气动装置4旁的皮带中部装配一个电动旋转台7,电动旋转台7与旋转台控制器9相连,旋转台控制器9又通过串口与计算机10相连,CCD相机5利用三脚架支持并固定,其镜头正对电动旋转台7和背景幕布6,CCD相机5、电动旋转台7及背景幕布6的中心在同一条直线上,CCD相机5通过数据接口与图像采集卡8相连,图像采集卡8则通过PCI插槽与计算机10连接。
其中,包括皮带1、调速电机2、气泵3、气动装置4构成流水线系统,CCD相机5和背景幕布6构成成像系统。
盆装水稻通过流水线系统运输。当水稻被运输到达皮带中部的电动旋转台7时,由气泵3带动气动装置4将水稻推上电动旋转台7。随后计算机控制旋转台旋转,可见光CCD成像系统进行拍摄。拍摄完毕后,气泵带动气动装置将水稻由旋转台重新放回皮带运走。由CCD相机5拍摄到的图片由数字传输线通过图像采集卡8传送入计算机10,计算机株高提取算法得到植株的株高。
如图2所示,遍历全部角度的叶片图像,找出每个角度的最长叶片的投影长度记为每个角度的植株投影株高,这些投影株高的最大值就是这个植株的株高。这样做是因为最长叶片只有在其所在平面与拍摄平面垂直时,投影株高才为其真实株高,其余角度下投影长度都要比真实长度小,所以需要扫描每个角度下所有的投影株高,然后求出株高的最大值即为为植株的株高。
单个角度下的RGB图像,采用比较绿色(G)和蓝色(B)光的强度作为是否为绿叶的判据,将绿叶从图像中分割出来,经图像分割后可得到只含有绿叶部分的二值图像,这样可以大大减小图片占有内存的空间,提高运算速度。然后对二值图经过骨架提取和路径搜索算法,即得该角度下植株投影株高,如图3所示。骨架提取属于基本的图像处理内容,在一般的图像处理的书籍上可以找到相关算法。因此在算法上,并不对其做详细的介绍,我们将重点介绍路径搜索算法。由骨架提取后的数据开始实现对叶片路径的搜索,搜索工作主要分为两步:
1)寻找叶片的起始端;
假定图像的规模为H×W,i、j分别代表图像的行、列坐标,P(i,j)为图像中坐标为(i,j)像素点的值(0或1)。当开始搜索叶片起始端时,用3×3模块遍历图像中(H-2)×(W-2)的区域,即i从2至H-1,j从2至W-1开始遍历。在对(i,j)点判别时,计算点P(i,j)领域3×3范围内二值图像像素总合,如公式1所示。如果Px(i,j)的值为2,则表明点(i,j)只与一个方向相联,并且该点不在叶片路径的中部;如果Px(i,j)的值为1,则表明点(i,j)为孤岛,可以不予理会或者将其删除;如果Px(i,j)的值大于2,则表明点(i,j)为路径中部或处于与其他叶片路径的交汇处,不是叶片起始端。
2)由起始端开始进行遍历。
将所有满足Px(i,j)==2的点标记为PLs,Index(i,j)(起始点时Index=1),Ls为搜索到叶片起始端的序号,Index为序号为Ls叶片遍历到点的序号。然后从PLs,1(i,j)开始与3×3模块作点乘运算,得到方向函数PD(如式2),并将原图像中当前位置P(i,j)清零。从方向函数PD中可以得到如下有用信息:1)如果∑PD的值等于1则表明应该继续往后遍历,假定此时在PD矩阵中(m,n)位置处为“1”,则这下一个路径点应为P(i+m-2,j+n-2),标记为PLp,Index+1(i+m-2,j+n-2);2)如果∑PD的值大于1,则到达了与其他叶片路径的交汇处,便停止对此叶片的路径搜索;3)如果∑PD的值等于0,则表明此路径是与植株分离的,不应该算作叶片,应撤销对此路径的标记。其搜索结果如图4所示。
上述标记的叶片路径的点PLs,Index(i,j)是叶片的一部分,需要将叶片路径延伸到地面,所以在水稻植株的底部坐标后追加到叶片路径点数组的最后。将得到的数组所有相邻两点间的长度累加起来便是序号为Ls的叶片从叶尖开始沿着叶片的路径到植株底部的长度。每个角度得到的最长的叶长就是植株投影株高,各个角度下所有投影株高中的最大值就是植株的株高。
如图5所示,图中给出了上三叶的遍历路径。拍摄到的叶片路径为叶片真实路径在拍摄面的投影,当叶片随植株一起旋转时,其投影路径的长度应该类似于余弦曲线(如图6a、图6b所示)。当叶片所在平面与拍摄平面垂直时,计算所得投影株高应为余弦曲线的波谷;当叶片所在平面与拍摄平面平行或重合时,计算所得投影株高应为余弦曲线的波峰,(如图6a、图6b所示)。图6a为只遍历最高的叶片时在各个角度下所得的株高值。因为水稻最高的叶片并不一定为最长的叶片,所以需要遍历所有的叶片,对每个叶片计算出到植株底部的路径长度,取其最大值作为在当前拍摄角度下的株高,图6b为遍历所有叶片在各个角度下所得的株高值,可以看出曲线更为平滑。从图6a、图6b中可以看出随着角度增加,株高值呈余弦曲线变化。
实例:实验生物材料:
试验为处于拔节期的籼稻,将植株收拢、拉直后用卷尺测量,测量值为53.9cm,试验时将水稻从田中移栽至盆中。通过本发明的方法进行株高自动测量结果为54.7cm。
Claims (5)
1、植物株高自动测量装置,包括皮带(1)、调速电机(2)、气泵(3)、气动装置(4)、CCD相机(5)、背景幕布(6)、电动旋转台(7)、图像采集卡(8)、旋转台控制器(9)、计算机(10),其特征在于:架设的皮带(1)与调速电机(2)相连,气泵(3)位于皮带外部并与皮带内侧边缘的气动装置(4)相连,在气动装置(4)旁的皮带中部装配一个电动旋转台(7),电动旋转台(7)与旋转台控制器(9)相连,旋转台控制器(9)又通过串口与计算机(10)相连,CCD相机(5)利用三脚架支持并固定,其镜头正对电动旋转台(7)和背景幕布(6),CCD相机(5)、电动旋转台(7)及背景幕布(6)的中心在同一条直线上,CCD相机(5)通过数据接口与图像采集卡(8)相连,图像采集卡(8)则通过PCI插槽与计算机(10)连接。
2、植物株高自动测量方法,按以下步骤进行:(1)将盆装植物放入皮带上输送至电动旋转台时,由气泵带动气动装置将水稻推上电动旋转台,计算机控制旋转台旋转,由CCD相机拍摄每个角度下植株的RGB彩色图片,再由数字传输线通过图像采集卡传送入计算机;(2)计算机通过株高提取算法后得植株高度。
3、根据权利要求2所述的植物株高自动测量方法,其特征在于:株高提取算法按以下步骤进行:遍历全部角度的叶片图像,找出每个角度的最长叶片的投影长度记为每个角度的植株投影株高,这些投影株高的最大值就是这个植株的株高。
4、根据权利要求2所述的植物株高自动测量方法,其特征在于:每个角度的植株投影株高按以下步骤进行得到:(1)将单个角度下的RGB图像,按绿色(G)和蓝色(B)光的强度进行分量提取,对植株图像的每个像素进行判断,如果该像素的绿色分量大于蓝色分量,则将该像素判定为绿色,反之如果蓝色分量大于绿色分量,则将像素定为蓝色,以此来对植株的绿叶部分进行提取,将绿叶从图像中分割出来,经图像分割后可得到只含有绿叶部分的二值图像;(2)然后对二值图经过骨架提取和路径搜索算法,得该角度下植株投影株高。
5、根据权利要求4所述的植物株高自动测量方法,其特征在于:所述路径搜索算法按以下两步进行:
(1)、寻找叶片的起始端:假定图像的规模为H×W,i、j分别代表图像的行、列坐标,P(i,j)为图像中坐标为(i,j)像素点的值为0或1,当开始搜索叶片起始端时,用3×3模块遍历图像中(H-2)×(W-2)的区域,i从2至H-1,j从2至W-1开始遍历,在对(i,j)点判别时,计算点P(i,j)领域3×3范围内二值图像像素总合按公式(5),如果Px(i,j)的值为2,则表明点(i,j)只与一个方向相联,并且该点不在叶片路径的中部;如果Px(i,j)的值为1,则表明点(i,j)为孤岛,可以不予理会或者将其删除;如果Px(i,j)的值大于2,则表明点(i,j)为路径中部或处于与其他叶片路径的交汇处,不是叶片起始端;
(2)由起始端开始进行遍历:将所有满足Px(i,j)=2的点标记为PLs,起始点时Index=1,Index(i,j)、Ls为搜索到叶片起始端的序号,Index为序号,Ls为叶片遍历到点的序号,然后从PLs,1(i,j)开始与3×3模块作点乘运算,得到方向函数PD如式6,并将原图像中当前位置P(i,j)清零,从方向函数PD中可以得到如下有用信息:1)如果∑PD的值等于1则表明应该继续往后遍历,假定此时在PD矩阵中(m,n)位置处为“1”,则这下一个路径点应为P(i+m-2,j+n-2),标记为PLp,Index+1(i+m-2,j+n-2);2)如果∑PD的值大于1,则到达了与其他叶片路径的交汇处,便停止对此叶片的路径搜索;3)如果∑PD的值等于0,则表明此路径是与植株分离的,不应该算作叶片,应撤销对此路径的标记,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100486391A CN101324423A (zh) | 2008-07-31 | 2008-07-31 | 植物株高自动测量装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100486391A CN101324423A (zh) | 2008-07-31 | 2008-07-31 | 植物株高自动测量装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101324423A true CN101324423A (zh) | 2008-12-17 |
Family
ID=40188056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100486391A Pending CN101324423A (zh) | 2008-07-31 | 2008-07-31 | 植物株高自动测量装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101324423A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799427A (zh) * | 2010-04-16 | 2010-08-11 | 陕西科技大学 | 基于图像处理的植物愈伤组织繁殖量在线观测方法及系统 |
CN101964108A (zh) * | 2010-09-10 | 2011-02-02 | 中国农业大学 | 基于实时在线系统的叶片田间图像边缘提取方法及其系统 |
CN102175156A (zh) * | 2011-01-18 | 2011-09-07 | 华中科技大学 | 作物自动测高装置 |
CN102589441A (zh) * | 2012-01-11 | 2012-07-18 | 华中科技大学 | 盆栽水稻表型参数的全自动无损测量系统及测量方法 |
CN102621075A (zh) * | 2012-03-09 | 2012-08-01 | 华中科技大学 | 一种水稻抽穗期自动检测的方法 |
CN103148834A (zh) * | 2013-02-07 | 2013-06-12 | 石河子大学 | 手持式植物叶片运动方位角度电子测量仪 |
CN103148786A (zh) * | 2013-01-15 | 2013-06-12 | 南京林业大学 | 一种物体高度测量仪及其测量方法 |
WO2015061750A1 (en) * | 2013-10-24 | 2015-04-30 | Ali Kord | Motion capture system |
CN107976444A (zh) * | 2017-12-09 | 2018-05-01 | 武汉谷丰光电科技有限公司 | 一种基于可见光相机的大菊菊花花朵信息自动检测装置 |
CN109240025A (zh) * | 2018-08-15 | 2019-01-18 | 海盐昆植生物技术有限公司 | 树冠表型数据标准化辅助测量幕布 |
CN111738159A (zh) * | 2020-06-23 | 2020-10-02 | 桂林市思奇通信设备有限公司 | 一种基于矢量标定的棉花顶芽定位方法 |
CN114698479A (zh) * | 2022-04-15 | 2022-07-05 | 合肥佳富特机器人科技有限责任公司 | 一种基于图像处理的砧木叶展方向识别方法 |
-
2008
- 2008-07-31 CN CNA2008100486391A patent/CN101324423A/zh active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799427B (zh) * | 2010-04-16 | 2012-05-23 | 陕西科技大学 | 基于图像处理的植物愈伤组织繁殖量在线观测方法及系统 |
CN101799427A (zh) * | 2010-04-16 | 2010-08-11 | 陕西科技大学 | 基于图像处理的植物愈伤组织繁殖量在线观测方法及系统 |
CN101964108A (zh) * | 2010-09-10 | 2011-02-02 | 中国农业大学 | 基于实时在线系统的叶片田间图像边缘提取方法及其系统 |
CN101964108B (zh) * | 2010-09-10 | 2013-01-23 | 中国农业大学 | 基于实时在线系统的叶片田间图像边缘提取方法及其系统 |
CN102175156A (zh) * | 2011-01-18 | 2011-09-07 | 华中科技大学 | 作物自动测高装置 |
CN102175156B (zh) * | 2011-01-18 | 2012-08-15 | 华中科技大学 | 作物自动测高装置 |
CN102589441A (zh) * | 2012-01-11 | 2012-07-18 | 华中科技大学 | 盆栽水稻表型参数的全自动无损测量系统及测量方法 |
CN102621075B (zh) * | 2012-03-09 | 2014-07-09 | 华中科技大学 | 一种水稻抽穗期自动检测的方法 |
CN102621075A (zh) * | 2012-03-09 | 2012-08-01 | 华中科技大学 | 一种水稻抽穗期自动检测的方法 |
CN103148786A (zh) * | 2013-01-15 | 2013-06-12 | 南京林业大学 | 一种物体高度测量仪及其测量方法 |
CN103148834A (zh) * | 2013-02-07 | 2013-06-12 | 石河子大学 | 手持式植物叶片运动方位角度电子测量仪 |
CN103148834B (zh) * | 2013-02-07 | 2015-09-09 | 石河子大学 | 手持式植物叶片运动方位角度电子测量仪 |
WO2015061750A1 (en) * | 2013-10-24 | 2015-04-30 | Ali Kord | Motion capture system |
CN107976444A (zh) * | 2017-12-09 | 2018-05-01 | 武汉谷丰光电科技有限公司 | 一种基于可见光相机的大菊菊花花朵信息自动检测装置 |
CN109240025A (zh) * | 2018-08-15 | 2019-01-18 | 海盐昆植生物技术有限公司 | 树冠表型数据标准化辅助测量幕布 |
CN111738159A (zh) * | 2020-06-23 | 2020-10-02 | 桂林市思奇通信设备有限公司 | 一种基于矢量标定的棉花顶芽定位方法 |
CN114698479A (zh) * | 2022-04-15 | 2022-07-05 | 合肥佳富特机器人科技有限责任公司 | 一种基于图像处理的砧木叶展方向识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101324423A (zh) | 植物株高自动测量装置及方法 | |
CN102135236B (zh) | 双目视觉管道内壁自动无损检测方法 | |
CN101324427A (zh) | 绿叶面积自动测量装置及方法 | |
CN111178148B (zh) | 一种基于无人机视觉系统的地面目标地理坐标定位方法 | |
CN111047566B (zh) | 无人机和多光谱卫星影像进行水生植被年变化统计的方法 | |
CN103033169A (zh) | 图像获取设备和图像获取系统 | |
CN104132897B (zh) | 一种基于手持设备的植物叶片含氮量测量方法和装置 | |
CN107507174A (zh) | 基于手持智能巡检的电厂仪表设备图像识别方法及系统 | |
CN101424514A (zh) | 基于图像处理的卷尺刻度在线自动检测系统及方法 | |
CN102901444A (zh) | 一种基于mp小波滤波的零件尺寸检测方法及其检测系统 | |
CN115035327B (zh) | 一种植物流水线表型采集平台及植物表型融合解析方法 | |
CN103994786A (zh) | 圆弧标尺线指针式仪表刻度的图像检测方法 | |
CN112147078B (zh) | 一种农作物表型信息多源遥感监测方法 | |
US20160091297A1 (en) | Operating device, operating method, and program therefor | |
CN107607091A (zh) | 一种测量无人机飞行航迹的方法 | |
CN114638909A (zh) | 基于激光slam和视觉融合的变电站语义地图构建方法 | |
CN104992446A (zh) | 非线性光照自适应的图像拼接方法及其实现系统 | |
CN115240089A (zh) | 一种航空遥感图像的车辆检测方法 | |
CN111141741B (zh) | 一种可识别打印机标签缺陷的检测装置 | |
CN207730323U (zh) | 一种基于光谱的车载360度全景目标识别系统 | |
He et al. | Visual recognition and location algorithm based on optimized YOLOv3 detector and RGB depth camera | |
CN110533670A (zh) | 一种基于分区域K-means算法的光条分割方法 | |
CN215865741U (zh) | 基于光学衍射的薄膜均匀性检测系统 | |
CN116385477A (zh) | 一种基于图像分割的杆塔图像配准方法 | |
CN115661446A (zh) | 基于深度学习的指针式仪表示数自动读取系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20081217 |