CN102246205B - 用于测量植物的叶盘生长的方法 - Google Patents

Abstract

本发明涉及用于测量叶盘的生长的方法及装置。该方法的特征在于以下步骤：a)拍摄系统的校准；b)叶盘的至少两个图像的图像拍摄；c)图像数据的处理，其包括i)通过阈值分割来分割叶盘，ii)多倍的形态学的侵蚀步骤，iii)边缘清理以移除存储容器的边缘；d)3D重建：借助于立体算法建立差异图，根据先前所确定的校准参数从差异图计算3D表面模型；e)平滑先前所获得的表面模型；f)从面积的时间序列求得生长率。该装置包括至少一个摄像机、照明单元、用于摄像机及(红外线)照明的在X-/Y-平面中的移动平台、用于叶盘的存储容器以及电子的评估及控制单元。

Description

用于测量植物的叶盘生长的方法

技术领域

本发明涉及用于测量叶盘(Blattscheibe)的生长(Wachstum)的方法以及对此适合的装置。 

背景技术

植物生长是重要的栽培特征(Zuechtungsmerkmal)，并且在新陈代谢过程(Stoffwechselvorgang)和有效物质(Wirkstoff)对生长的影响的研究中具有同样大的意义。 

完整的植物的应用引起高的面积需求。此外，仅确定的生长形式(Wuchsformen)(特别是蔷薇植物(Rosettenpflanzen)；Walter et al.2007)适用于测量完整的叶。随着植物年龄的增加，增加的遮盖(Verdeckung)限制这种方法于植物的相当年轻的阶段。 

根据现有技术，代替完整的植物，也使用裁剪(ausgestanzt)的叶盘。裁剪的叶盘在合适的液体营养液 中生长数日(Walter2000)。由此，节约空间地在高通量(Hochdurchsatz)中测量大量植物的生长是可行的。此外，叶盘允许有效物质的简单的应用。 

用于光学测量叶片生长的传统的方法通常(i.d.R.)使用完整的植物。以光学方式确定单个植物的表面，或者以2维方式、即通过测量所投影的叶片面积(Granier et al.2006；Walter et al.2007)，或者以3维方式、即在利用激光扫描仪(Laserscanner)或立体摄像机(Stereokamera)获得的表面模型上(Kaminuma et al.2004)实现。此外，存在用于测量叶盘的面积的商业上可供使用的系统，叶盘位于固定的基底上(例如，LemnaTec GmbH)。后者例如用于量化通过草食动物(Herbivore)引起的虫害(Fraβschaden)或通过真菌病引起的损害。 

对于生长实验，叶盘必须在溶液中自由漂浮，这是因为固定的基底强烈地妨碍生长。在实验过程中的液面(Flüssigkeitsspiegel)的下降导致投影面积的减少，实际的面积增加与此叠加(überlagern)。因此，2D的传统的光学测量方法不能确定实际的生长率(Wuchsrate)。对于具有高生长率的叶盘，液面的下降只是导致低估实际的生长率。对于具有低生长率(具有通过下降而测得的表面上为负的生长在数量级上的数值(Betrag))的叶盘，可能是根本无意义的测量。因为许多植物具有生长的显著的日阶段(Tagesgang)，所以实际生长率的测量意义重大。 

在倾斜放置的或拱形的叶盘(后者例如在植物激素的作用下发生)中，产生较小的投影面积。因此，利用非立体方法(Nicht-Stereo-Verfahren)测量生长同样是不可能的。 

发明内容

因此，本发明的目的是，提供一种方法，利用该方法能够精确测量生长(即叶盘的面积增长)和分辨 

生长的日间(tageszeitlich)的动态(Dynamik)。此外，本发明的目的是，能够在植物种类的宽的范围(Palette)处执行标准化的生长测量。 

根据本发明，基于权利要求1的前序部分的目的利用在权利要求1的特征部分中给出的特征而实现。此外，根据本发明，基于权利要求7的前序部分的目的利用在权利要求7的特征部分中给出的特征而实现。 

已证明，利用根据本发明的方法和装置能够在带有例如约500个叶盘的样本量的高通量中执行生长测量并且在此以约1至1.5小时的间隔检测或分辨生长和生长的日间的动态。根据本发明的方法和装置使得叶盘生长的与时间相关的高分辨的分析成为可能。该方法和装置可在调节和校准后在没有另外的维护和没有人力投入的情况下自动运行超过2-5天直到约2周。 

通过根据本发明的方法和装置能够使植物在叶盘的基部(Basis)上的实际的(在光学检测方面)生长率成为可能。迄今为止，这利用根据现有技术已知的光学测量方法是不可能的。 

本发明涉及用于测量叶盘的生长的方法，其特征在于以下方法步骤： 

1.拍摄系统的校准： 

摄像机的校准可利用根据例如Bouguet 2005的标准方法实现。然而，其它的根据现有技术已知的方法同样可行。单独的立体校准是不必要的，这是因为预设摄像机位置的相对位置。校准参数的了解(Kenntnis)对后续的3D重建是必要的。在该步骤中确定的参数为：焦距，主点(Hauptpunkt)(＝光学轴线与投影面(Bildebene)的交点)，径向和切向失真(Verzerrung)。 

2.图像拍摄： 

根据所选择的立体方法(Stereoverfahren)，可每个叶盘地拍摄a)用于基于关系(korrelationsbasiert)的方法的两个图像(Faugeras et al.1996)或者b)用于借助于导出式过滤器(Ableitungsfilter)拍摄光学流的方法的＞2个图像(Scharr et al.，2007)。在方法中图像的更大的数目允许系统误差的显著减少(Scharr，2004)。通过利用第三移动平台移动相同的摄像机，实现足够小的立体基线(Stereo-Grundlinie)。代替第三移动平台，可使用两个摄像机。例如可使用工业摄像机(Industriekamera)或立体摄像机(Stereokamera)作为摄像机。 

3.图像数据的处理： 

对于图像数据的评估，在培养基中自由漂浮的叶盘必须与背景分离，或者叶盘的图像数据被分割。因为使用红外线过滤器，所以仅灰度级图像(Graustufenbild)可供分割使用。 

首先执行a)阈值分割(例如Jaehne，2002)。 

用于阈值分割的其它根据现有技术已知的方法也是适合的。在此，根据背景-叶盘逐一选取像素并且进行挑选。 

紧接着，通过边缘区域(例如脉管壁 

在液体表面上的反映(Reflexionen))首先通过b)多倍的形态学的侵蚀步骤被移除并且然后挑选所保留的带有最小值(以像素)的对象，识别潜在的叶盘。 

紧接着进行c)边缘清理(Randbereinigung)，在其中叶盘所位于其中的脉管的边缘被淘汰(ausselektionieren)。(见图9) 

4.3D重建： 

借助于立体算法(Stereo-Algorithmus)(例如Biskup et al 2007)建立差异图 

与立体摄像机、立体观察(Stereosehen)、深度图像评估(Tiefenbildauswertung)有关的是在位置中的移动(Offset)的差异 

或偏差(Deviation)，在两个不同的图像平面上的图(Abbildung)中的相同的对象进行该移动。在此，属于图像平面的焦点(Brennpunkt)通过基值b在空间上彼此分开。然后，利用两个镜头(Linse)的焦距f，得出以下关系：r＝bflD，其中，D代表差异。人们即可通过测量在立体图中的差异而求得到对象的距离r。 

差异图的后处理 

非特征点(Ausreiβer)，即远离周围的点的单个3D点，通过中间过滤器(Medianfilter)(例如Jaehne，2002)而被去除。由于例如太小的反差(Kontrast)而不可能进行差异估计的区域借助于标准化的折叠(Faltung)(Knutson&Westin，1993)被封闭。紧接着根据之前确定的校准参数从差异图计算3D表面模型(例如Jeness，2004)。 

5.表面的平滑和测量： 

之前获得的表面模型通过Z图像的高斯过滤(Gauβ-Filterung)进行平滑(例如Jaehne，2002)，以便通过噪声防止面积测量的过高估计 

6.生长率： 

相对生长率由面积的时间序列(Zeitreihe)确定。在数据库中提供测得的生长率以进行进一步的评估。 

本发明的核心为立体成像(Stereo-Bildgebung)的应用，借助于该立体成像获得叶盘的3D表面模型，这允许面积的精确测量。 

例如，叶盘支承于在水平面上的微量滴定盘(Microtiter-Platte)或皮氏培养皿(Petrischale)中。借助于由至少一个摄像机、LED阵列(LED-Array)和移动平台组成的拍摄系统，实现叶盘的光学检测。利用X-Y移动平台，摄像机系统可定位在各自的叶盘上。摄像机系统例如由多个红外线LED照明组组成，该红外线LED照明组均匀地照亮所拍摄的植物。照明的位置保持固定，而不同的摄像机位置借助于第三移动平台而移动。用于图像拍摄的照明优选地实现在红外线区域中，以便避免对植物产生生理学的影响。相应地，摄像机装备有红外线过滤器，以便不取决于外部照明(Auβenbeleuchtung)来确保尽可能恒定的照明强度。光合作用(photosynthetisch)活跃的照明可以通过荧光管 

或发出光合作用上可使用的波长的其它光源在限定的日夜周期(Tag-Nacht-Zyklus)中实现。该方法可在气候室(Klimakammer)中实施，以便确保限定的温度和空气湿度。 

根据本发明的方法使例如大约500个叶盘的同时测量成为可能。利用不同有效物质的实验表明，在较小的生长率的情况中，在除草效果(Herbizidwirkung)下根据本发明的方法确定正确的(即，不通过投影效果而弄错的)生长率。与此相反，在应用投影面积时，在除草效果下，得出虚假的负生长率。 

借助于运输带，可提高例如周期性测量的微量滴定盘的数目。 

借助于用于微量滴定盘的存储装置和机器人臂，可提高例如周期性测量的微量滴定盘的数目。 

代替大的和昂贵的模拟气候室，根据本发明的装置例如可安装在空气调节的(klimatisiert)罩壳中。由此，根据本发明的方法和装置可很大程度上自给自足地使用在例如非空气调节的实验室中。 

此外，本发明涉及适合于上面所描述的方法的装置。 

该装置包括至少一个摄像机，其带有红外线过滤器、红外线照明装置(Infrarotbeleuchtung)、用于摄像机及红外线照明装置的在X-/Y-平面中的移动平台、用于叶盘的存储容器以及电子的评估及控制单元。 

有利的改进方案在从属权利要求中给出。 

附图说明

附图示例性显示根据本发明的方法和装置的实施例形式以及生长测量的结果。 

图1显示了拍摄系统的示意性结构。X、Y和X2＝移动平台；X移动平台装配在该结构处。箭头＝移动平台的运动方向；L＝红外线灯；C＝摄像机。 

图2显示了由四个LED阵列所环绕的摄像机，其布置在带有叶盘的微量滴定盘上方，叶盘位于微量滴定盘中。 

图3显示了在红外线照明中被拍摄的395个单独图像的概要图。 

图4显示了漂浮在溶液上的烟草的叶盘。表面略微弯曲。 

图5显示了带有叶片号码(从植物的基部开始计数，包括子叶(Keimblatt))和沿中脉(Mittelrippe)的穿孔位置(Ausstechposition)(B：基部；M：中部；T：顶部)的叶片。 

图6显示了由多个单张图组合而成的概要图的区段以及对各个叶盘的叠加的信息(植物识别号码、处理方式、叶片号码、穿孔位置)。 

图7显示了在不同的液面中恒定大小的叶盘的面积测量。x：液面(mm)，y：相对面积(关于在水位0mm时的面积)。水位在0mm(微量滴定盘的凹腔(Mulde)的底部)与10mm之间变化。A_p(空心正方形(offene Quadrate))和A_3D(实心圆(geschlossene Kreise))的平均值±标准差(Standardfehler)；n＝24。 

图8显示了带有叶盘的微量滴定盘。左半边：带有培养基的处理方式。右半边：带有除草剂草甘磷(Glyphosat)的处理方式(在实验开始后的72h拍摄的图像)， 

图9显示了通过灰度级图像(白色：前景(Vordergrund)，黑色：背景；灰色：叶盘)的阈值分割产生的、通过 

的计算识别的二元遮片M_t。最终的切割遮片(Segmentierungsmaske)M_s从M_t获得的这样的像素，其位于围绕识别出的叶盘的重心r的圆周(Umkreis)中并且在M_t中具有值1。 

图10显示了随着离重心的距离增大的面积增长。x： 

(像素)，y：r(像素)。十字：所测量的增长，虚线：具有增大的r、2πr的实心圆的理论增长。 

图11显示了后处理的差异图，在差异图中背景(非植物部分)示出为黑色。比例尺：视差区域[610:620]像素。 

图12显示了所重建的叶盘的3D视图。 

图13显示了根据本发明的方法的分布图。吉比特网络(Gigabit-Netzwerk)连接主站(MASTER)(带有图像拍摄，数据库系统和工作流程引擎(Workflow-Engine))、客户端计算机、数据服务器、备用系统(Backup-System)以及Linux集群(Linux-Cluster)。长方形盒子：拍摄程序(Screening-Programme)。 

图14显示了根据UML(统一建模语言(Unified Modeling Language))标记法(Notation)的基本工作流程步骤的流程图 

工作流程规则(Workflow-Regeln)以一定的惯例(rules)存储在数据库表格中。存在两种不同类型的工作流程规则：(1)基于状态的规则，其被激活 

用于工作的步骤和状态的确定的组合，以及(2)基于代码(Code-basiert)的规则，在其中执行程序代码，以便确认是否必须产生新的工作(示例：在结束图像拍摄过程(Bildaufnahme-Durchlauf)之后产生概要图)。 

图15显示了比例特性(Skalierbarkeit)，即，在输入量(Eingabemenge)增长时在资源需求方面的程序的特性，在此尤其为时间需求。x：所使用的CPU的数目；y：％实施速度(以连续处理为标准。空心正方形：空的工作(Leere Jobs)；空心圆：CPU受限工作(CPU BOUND_Jobs)；实心正方形：IO受限工作(IO_BOUND Jobs)；实心圆：混合工作(MIXED Jobs)。误差带(Fehlerbalken)显示标准差(n＝3)。 

具体实施方式

在下文应给出实施例，其进一步说明根据本发明的方法和根据本发明的装置。 

●实施例 

●根据本发明的方法的精确度 

作为确定所投影的叶片面积A_p(叶片面积被投影)的精确度的测试，凿制(ausstechen)烟草的24个叶盘并且立即利用平板扫描仪(Flachbrettscanner)(Epson Perfection 2480 Photo，Epson，Suwa，Japan)在400dpi的分辨率中在白色背景前予以扫描。由扫描仪所产生的RGB图像转换成HSV(色度、饱和度、明亮度)色彩模型(Farbraum)。紧接着，通过阈值(最小值/最大值)的使用叶片材料在叶基(Blattgrund)和背景中被分割成H、S和V通道。该方法最适用于鉴定叶绿素(Blattgrün)，这是因为总的颜色信息供使用(Russ，2002；Walter et al.，2007；Biskup et al.，2007)。以该方式所确定的A_p的变化系数(Variationskoeffizient)(CV)为3.8％，即，利用木穿孔器(Korkbohrer)所凿制的叶盘的面积变化约3.8％。与此相反，在24个叶盘中利用根据本发明的方法所测量的面积A_p的CV为3.2％，而CV A_3D(借助于根据本发明的三维测量方法所重建的叶面的面积)为3.8％。通常，CV(A_3D)应呈现比CV(A_p)更大的值，这是因为木穿孔器以近似完美的圆边(Kreisrand)剪切(ausschneiden)叶盘，然而表面可隆起或起皱。精确度确定(Genauigkeitsbestimmung)使得，尽管缺乏颜色信息，根据本发明的方 法提供与传统的图像处理方法差不多好的(如果不是更好的)分割结果。 

为了研究摄像机和对象之间的距离对面积确定的精确度的影响，拍摄在不同的液体状态中漂浮的叶盘的图像(图7)。所投影的叶片面积A_p显著地取决于距离 

在摄像机距离减小10mm的情况下，叶片面积提高14％。与此相比，A_3D保持几乎恒定、带有2％的最大变化量。这显著地表明这里介绍的根据本发明的3D重建方法对当测量时间段如此长使得蒸发使液面显著降低时，精确的生长测量的必要性。 

生长分析 

烟草的总共458个叶盘用于对生长测量的案例研究(Fallstudie)。在尽可能快速的图像拍摄中，每个叶盘在1.5h中拍摄一次(每个叶盘的图像对)。这对应于包括摄像机定位(Kamerapositionierung)的每个叶盘11.8s的平均拍摄时间。实验在72h后结束。总共拍摄大约22000个图像。 

图像处理系统 

硬件结构(图1和2)以2D拍摄系统GROWSCREEN(Walter et al.，2007)为基础。根据本发明的系统包括58cmx58cm的矩形的测量面。图像借助于Point Grey Scorpion SCOR-20SOM摄像机(Point Grey Research，温哥华，BC，加拿大)拍摄(2百万像素；最大分辨率1600x1200像素)，以及借助于FireWire 400接口(Anschluss)传输到控制计算器(Steuerrechner)处(IEEE 1394a；最大传输速率：400MBits)。图像通过带有红外线(IR)过滤器(型号27093；Schneider-Kreuznach，Bad-Kreuznach，德国；在波长超过800nm时穿透 

)的C-Mount-镜头(Objektiv)(15mm；Rodenstock，慕尼黑，德国)拍摄。摄像机竖直向下取向。为了照明，四个IR-LED阵列用于图像拍摄，每个IR-LED阵列带有18个LED(λ_max＝800nm；Conrad Electronic， Hirschau，德国)。生理学上，IR照明不活跃和具有附加的优点，即，可使植物材料显得反差更明显。 

LED照明装置在整个实验期间保持接通，以便防止照明强度的取决于温度的变化(Drift)。所使用的LED阵列在超过20min后才接近稳定的强度的1％。为了减少图像干扰，每个拍摄位置拍摄5个图像，并且形成它们的平均值。图像在1280x960像素的分辨率下拍摄并且利用无损失的PackBits压缩法以TIFF格式存储。 

摄像机和红外线照明单元借助于两个高精度的移动平台(′X′和′Y′；Pico-Maxi，型号FMD-LPT80.550.1205-SM，Laser 2000 GmbH，慕尼黑，德国；微型步进马达：MDrive 23 Plus；智能运动系统(Intelligent Motion Systems)，Marlbo-rough，USA)在水平面中运动。第三移动平台(′X₂′)用于在拍摄立体图像对或立体图像系列时在X方向上移动摄像机，然而红外线照明单元不改变其位置。这是必要的，因为恒定的照明是立体拍摄的前提。所有的拍摄和定位系统装配在由X-95型材元件(X-95-Profilelement)组成的稳定的支架(Linos Photonics， 

德国)处。 

所研究的叶盘保存在带有24个凹腔的微量滴定盘中(Fig.8；Nunc，Roskilde 

)。凹腔均匀地布置并且分别具有2.5ml的体积。在实验期间，板的盖子被移除，以便使得不受限制的气体交换成为可能并且防止起雾(Beschlagen)。试验对象支承在升降台(Hebebühne)(Swiss BOY 110，Rudolf Grauer AG，De-gersheim，瑞士)上，借助于该升降台可调整对于图像拍摄的合适的距离。借助于水平仪(Wasserwaage)确保，不仅定位系统而且试验对象水平地定向。为了提高对比度(以及由此为了简化分割)，底座以黑色的塑料薄膜遮盖。 

计算机系统 

图13示意性显示了根据本发明的硬件构件和在单个计数器系统上运行的软件构件。图像拍摄以在个人电脑(PC)上执行的MASTER标明；Intel

Pentium

4 DualCore，2 GB DDR400 RAM(Intel，Santa  Clara，USA)，SuSE Linux 10.2；SuSE，2006。在该PC上运行多用户数据库(详见下文)。多个另外的PC(集群节点(Cluster-Knoten)；1 GB DDR400 RAM，SuSE Linux 10.2(Novell，Provo，USA))可供拍摄系统(Screening-System)用于自动图像评估。所有使用的计算器通过吉比特网络相连接，以便完成高的数据支持(Datenaufkommen)。 

数据管理 

在MySQL数据库(MySQL AB，Uppsala，瑞典)中且在数据服务器上管理所累积的数据。拍摄系统的基本数据和动态数据存储在数据库中并且可通过网络下载。数据库形成核心应用和集群节点之间的通讯的主接口(Hauptschnittstelle)。 

图像和其它的大量数据存放在数据服务器上。对MASTER和所有的节点，可通过共同互联网文件系统(Common internet file system(CIFS))接近该服务器。在该服务器上的数据根据其路径名(Pfadname)被引用(referenzieren)。数据库储存元信息(Meta-Informationen)(数据类型、生成日期、来源)至大量数据(Massendaten)。 

对比和工作流程方案 

所拍摄的图像的处理根据工作流程范例(Ellis，1999)执行。在此，总任务被分成分开的工作流程步骤的系列。以该方式，1.)处理步骤可在其它的工作流程中再次使用，2.)评估可容易地对比，以及3.)单个步骤例如在改变结构参数后可容易地重新实施。图14显示了计算叶盘的3D面积的各个步骤。 

1.)拍摄系统的校准 

a)摄像机校准 

在实施实验前，借助于所建立的方法校准摄像机(Zhang，1999；Zhang，2000)：从不同的方向拍摄棋盘式样品(Schachbrettmuster)的至少30个图像。利用J.Y.Bouguet(Intel，Santa Clara，CA，USA)的摄像机校准工具箱(Camera Calibration Toolbox)的Open CV执行(Open  CV-Implementierung)来评价摄像机的固有参数(焦距、主点、径向和切向失真)。 

b)立体校准 

立体系统的参数(右边的摄像机系统相对于左边的摄像机系统的旋转和平移(Translation))以如下方式确定：立体基线(Stereo-Grundlinie)因为所使用的高精度的移动平台而已知。然而因为摄像机的CCD传感器由于对着移动方向的装配而可以容易地旋转，所以修正可为必要。假如旋转存在，则该旋转线性地取决于移动距离。该旋转可能损害立体匹配搜寻(Stereo-Korrespondenz-suche)的质量，这是因为所使用的算法基于，摄像机移动沿着摄像机传感器的排列(Zeile)(在X方向上)发生并且因此同样仅能够在排列中期待匹配搜寻(Korrespondenzsuch)。因此，为了修正，利用全景拼接软件(Panorama-Stitching-Software)Hugin确定至少40个匹配(Korrespondenz)，并且紧接着评价旋转。然后，右边的图像旋转成使得图像排列(Bildzeile)和移动方向再次相一致。在安装摄像机后必须仅执行一次该程序。备选地，可以例如也利用之前提及的J.Y.Bouguet(Intel，Santa Clara，CA，USA)的摄像机校准工具箱执行立体校准。 

2.)图像拍摄 

预定的图像拍摄位置(图3)以最佳的次序(根据Dijkstra算法；Dijkstra，1959)探访，以便使定位持续时间(Positionierungsdauer)最小化。在每个拍摄位置中，拍摄带有基值(摄像机中心之间的距离)b＝20mm的两个图像。所值得期望的是，b选取得尽可能地大，这是因为由此所引起的更大的差异允许更好的深度分辨 

另一方面，通过视野(Sichtfeld)和叶盘的尺寸限制b。在所选择的基值b＝20mm时确保，叶盘在左边的和在右边的图像中在实验的持续时间可见。 

3.)叶盘的分割/识别 

在图像拍摄时使用红外线照明代替白光照明这生物学的必要性使分割困难：彩色图像可简单地且精确地被分割(Russ，2002；Walter et  al.，2007)。与此相反，因为受限的光谱(Spektrums)，在IR照明下仅可拍摄灰度图像(Grauwertbild)。使用暗色的背景是有优点的，但是微量滴定盘的凹腔壁不能够只根据叶盘的灰度而分开。所以，使用如下的分割程序： 

●在所拍摄的图像中的强度波动I_acq(由于不均匀的照明)借助于参考背景图像被修正(Jaehne，2002)。 

●阈值分割：所拍摄图像的二元遮片(M_t)通过使用最小和最大阈值而产生。根据叶盘的照明强度和亮度，该值通过逐步的改变和所产生的遮片与叶盘的视觉可识别的边界的比较而确定。 

●形态学的侵蚀：遮片的边缘被形态学地侵蚀(Erosion)(Jaehne，2002)。由此，消除对象结构的不均匀性。然后，每个潜在的叶盘的重心c_j从所保留的像素计算。 

●边缘清理：随着与c_i的距离r的增加，使用增加的像素数目(像素面积) 

以便识别叶盘的边缘。在 

低于盘的理论增长的0.6倍时，半径r_max，为2πr，用作用于分割的边缘标准(图9和10)。以该方式，产生最终的分割遮片M_s。由图像对的两个图像组成的潜在的叶盘根据实际的和所期待的差异而取得一致。 

如果之前在所给出的位置处没有检测到叶盘，则将带有植物识别号码的明确标记的新叶盘计入数据库中。 

所投影的叶片面积A_p在所给出的位置中计算为在图像对的第一图像的M_s中的非零像素的总和。 

为了减少数据量(Datenvolumen)，对于另外的处理步骤，仅使用图区段(Bildausschnitt)，叶盘位于图区段中。 

4.)立体匹配搜索和3D重建 

使用来自之前的处理步骤的叶盘的图像对，以便借助于2摄像机立体系统(2-Kamera-Stereo)计算深度图。 

●图像被调整，即被调直(begradigen)。在此，如此地调直或修正图像的方向，使得移动(差异)仅在x方向上出现。由此，摄像机传感 器的扫描排列(Scan-Zeile)与摄像机的运动方向取得一致(见立体校准)。 

●基于关系的立体算法(Faugeras et al.，1993；Biskup et al.，2007)应用在调整的图像对上。该算法尝试，对在图像中的每个图像点确定在另外的图像中对应的点的移位(＝匹配搜寻)。使用关系函数(Korrelationsfunktion)c₂例如来自Faugeras et al.，(1993)，以便比较矩形的图像区域。根据所使用的立体几何图形(Stereogeometrie)和之前所执行的调整，可能仅出现水平的移动。因此，代替2D问题，匹配搜寻仅显示1D问题，(Hartley and Zisserman，2004；Trucco and Verri，1998)。匹配搜寻的结果为差异图D。 

●后处理：借助于中间过滤器(径向：25像素)去除D中的非特征点(Klette und Zamperoni，1995)。非特征点隐含地是这样的像素，其与周围相比为相当小或相当大。在周围中的所有像素根据其值分类并且取成在清单中部的值。因此产生级别(Rang)。 

因为在处理步骤的结束处应计算面积，所以最终存在的孔(Loch)必须封闭在重建的叶盘中。 

这通过点的插值(Interpolation)发生，对于这些点不可能进行差异评价，通过标准化的折叠(Knutson and Westin，1993)。后处理提供平滑的差异图D_geg。 

●根据立体系统的固有的和外部的参数，对在D_geg中的所有点的3D位置进行三角测量(triangulieren)。以该方式，产生坐标网格(Koordinatengitter)W，在该坐标网格中存储欧式(euklidisch)坐标X、Y和Z。 

5.)表面模型的平滑 

所重建的3D散点图(Punktwolke)的深度Z利用盘状的中值过滤器(Mittelwertfilter)(Jaehne，2002)(径向：15像素)进行平滑，以便消除表面的小规模的(kleinskalig)不平(Unebenheit)。 

●3D模型进行次级采样(unterabtasteten)(在X和Y方向上各7个点)并且叶盘的3D面积A_3D根据各个点在表面上的已知的邻近关系(Nachbarschaftsbeziehung)来确定： 

$A_{3D}=\underset{y=1}{\overset{h}{\mathrm{\Σ}}}\underset{x=1}{\overset{w}{\mathrm{\Σ}}}{A}_{\mathrm{\Δ}}(W_{x,y},W_{x-1,y},W_{x-1,y-1})$

其中： 

h＝图像的高度 

w＝图像的宽度 

A_Δ＝三角面 

W＝坐标网格 

W_xy＝网格位置 

带有通过3个矢量所限定的三角面A_Δ。 

6.)生长率的确定 

在假设形式 

的指数生长率情况下，叶组织的相对增长率(relative growth rates; RGR)通过

而定义，该公式带有对于两个连续时间点t₂或t₁的所投影的或3D叶片面积A(t₂)和A(t₁)和d^-1 =每天(例如Walter and Schurr, 1999)。 

软件架构(Software-Architektur) 

根据本发明的方法主要使用开源软件(Open Source Software)。客户端软件(Client-Software)(程序CLIENT)以C++/Qt(Trolltech，Oslo，Norwegen)执行。CLIENT程序的主要目的在于：1.)使新的测量行为(Messkampagne)(测量间隔等)参数化(parametrieren)；2.)调整摄像机和移动平台；3.)产生总的工作区域的概要图，借助于该概要图然后可选出待拍摄的叶盘；4.)监控运行的系统(评估的状态、系统负载等)。程序CLIENT运行在Linux和Win32操作系统上。 

性能特点(Leistungseigenschaften) 

为了测量分布式系统的性能特点，分析不同的、人工的评估工作的平均执行时间(表1)。以集群节点的不同的数目进行重复测量，以便 确定比例特性。用于性能测试(Performancetest)的分布式系统由带有MySQL数据库和拍摄软件(Aufnahmesoftware)的64位2.6GHz双核(DualCore)计算机及用于评估(集群节点)的五个32位Intel

Pentium

4双核计算机组成。在最高配置(Maximalkonfiguration)中，在每个集群节点上并行地执行两个用户进程(Consumer-Prozess)。 

图15示出在执行不同人工工作时的比例特性。空的和CPU受限的工作具有相似的特征。它们在1-10个所使用的CPU的区域上几乎线性成比例。IO受限的工作以较差的方式成比例。在使用10个CPU时，相对于所使用的CPU仅达到200％的通过量增长(Durchsatzsteigerung)。典型的评估工作更易表现成CPU受限的工作，这是因为仅来自和通向数据服务器的数据传输(Datenverkehr)而不是当地的数据传输损害其它节点的执行速度。 

服务器程序(Serverprogramme) 

服务器程序以编程语言Python(Van Rossum，2006)执行。性能关键(Performancekritisch)部分以C++执行。对于C和C++库的Python连接利用SWIG Wrapper Generator而产生。 

程序WORKFLOW根据工作(nach Jobs)定期检查数据库表格job，这些工作已到时间或者对这些工作该执行返回错误(状态ERROR)，并且程序允许这些被重新执行。此外，应用工作流程规则(Workflow-Regel)，由此，必要时产生新的工作。 

程序CONSUMER运行在每个集群节点上，并且在此在状态NEW中执行工作。在多核机器(Mehrkern-Maschine)上，每个现有的处理器核心(Prozessorkern)起动一次CONSUMER。 

程序WATCHDOG定期检查数据库和数据系统的问题(功能失效，缺乏存储位置)并且必要时通过E-mail通知系统管理员。 

参考文献 

Biskup B.，Scharr H.，Schurr U.&Rascher U.(2007)A Stereo imaging System for measuring structural parameters of plant canopies.Plant，Cell and Environ.30，1299-1308. 

Dijkstra E.W.(1959)A note on two problems in connexion with graphs.Numer.Math.1：269-271 

Ellis CA.(1999)Workflow technology.In：Beaudouin-Lafon，M.(Ed.)，Computer Supported Co-operative Work Trends in Software 7，29-54.John Wiley&Sons Ltd.，Chichester，UK 

Faugeras O.，Hotz B.，Mathieu H.，Viéville T.，Zhang Z.，Fua P.，Théron E.，Moll L.，Berry G.，Vuillemin J.，Bertin P.，Proy C.(1993)Real time correlation-based Stereo：algorithm implementations and applications.Technical Report 2013，INRIA Sophia Antipolis 

Granier C，Aguirrezabal L.，Chenu K.，Cookson S.J.，Dauzat M.，Hamard P.，Thioux J.，Rolland G.，Bouchier-Combaud S.，Lebaudy A.，Muller B.，Simonneau T.&Tardieu F.(2006)PHENOPSIS，an automated platform for reproducible phenotyping of plant responses to soil water deficit in Arabidopsis thaliana permitted the identification of an accession with low sensitivity to soil water deficit.New Phytol.169，623-635. 

B.(2002)Digital Image Processing(3rd ed.)：Concepts，algorithms，and scientific applications.Springer-Verlag，London，UK 

Jenness JS(2004)Calculating landscape surface area from digital elevation models.Wildlife Society Bulletin 32，829-839 

Kaminuma E.，Heida N.，Tsumoto Y.，Yamamoto N.，Goto N.，Okamoto N.，Konagaya A.，Matsui M.，and Toyoda T.(2004)Automatic quantification of morphological traits via three-dimensional measurement of Arabidopsis.Plant J.38，358-65. 

Klette R.，Zamperoni P.，(1995)Handbuch der Operatoren für die Bildverarbeitung.Braunschweig-Vieweg，2.Aufl. 

Scharr H.(2004).Optimal filters for extended optical flow.In International Workshop on Complex Motion(IWCM)14-29. 

Russ J.C.(2002)The image processing handbook.CRC Press，Inc.，Boca Raton，FL 

Walter A，Schurr U(1999)The modular character of growth in Nicotiana tabacum plants under steady-state nutrition.J.Exp.Bot.50：1169-1177 

Walter A.(2000) 

und zeitliche Wachstumsmuster in Wurzelnund 

dikotyler Pflanzen.Dissertation，Univ.Heidelberg. 

Walter A.，Scharr H.，Gilmer F.，Zierer R.，Nagel K.A.，Ernst M.，Wiese A.，Vimich O.，Christ M.M.，Uhlig B.，Jünger S.&Schurr U.(2007)Dynamics of seedling growth acclimation towards altered light conditions can be quantified via GROWSCREEN：a setup and procedure designed for rapid optical phenotyping of different plant species.New Phytol.174，447-55. 

Zhang Z.(1999)Flexible camera calibration by viewing a plane from unknown orientations.In：Int.J.Comput.Vision 666-673. 

Zhang Z.(2000)A flexible new technique for camera calibration.IEEE T.Pattern Anal.22：1330-1334. 

Claims (6)

1.一种用于测量植物的叶盘的生长的方法，其特征在于以下步骤：

a)校准拍摄系统和确定拍摄系统的校准参数；

b)利用校准的拍摄系统进行叶盘的至少一个立体图像对的图像拍摄；

c)每个拍摄的图像的处理，其包括

i)通过阈值分割来分割所述叶盘，

ii)在被分割的所述图像上执行形态学的侵蚀步骤，

iii)在被形态学侵蚀的所述图像上执行边缘清理以移除用于叶盘的存储容器的边缘和识别所述叶盘的边缘；

d)从被边缘清理的所述图像求得所述叶盘的投影的叶片面积A_p；

e) 执行3D重建，其包括：借助于立体算法从所拍摄的所述至少一个立体图像对建立差异图D，根据先前所确定的所述校准参数从所述差异图计算3D表面模型；

f)平滑先前所获得的所述3D表面模型；

g)从被平滑的所述表面模型求得所述叶盘的3D面积A_3D；

h)对不同的时间点重复根据步骤b)的所述图像拍摄；

i)通过根据所述步骤c)-g)评估所述图像拍摄建立求得的投影的叶片面积A_p或所述叶盘的3D面积A_3D的时间序列，所述图像拍摄在不同的时间点进行；

j) 从求得的所述面积的时间序列求得所述叶盘的相对生长率。

2.根据权利要求1所述的方法，其特征在于，在校准拍摄系统时，从不同的方向拍摄棋盘式样品的至少30个图像，并且确定摄像机参数，即焦距、光学轴线与投影面的交点以及径向的和切向的失真。

3.根据权利要求1至2中的任一项所述的方法，其特征在于，在图像拍摄时，在每个拍摄位置拍摄两张图像，其中，基值b选取成如此大，使得所述叶盘在左边的和在右边的图像中可见，其中基值b表示摄像机中心之间的距离。

4.根据权利要求1至2中的任一项所述的方法，其特征在于，在阈值分割时，二元遮片M_t通过使用最小和最大阈值而产生，其中，这些值通过逐步的改变以及所产生的所述二元遮片与所述叶盘的视觉可识别的边界的比较而被确定。

5.根据权利要求1至2中的任一项所述的方法，其特征在于，在边缘清理时，随着离所述叶盘的重心c_i的距离r的增加, 使用增加的像素数目或像素面积                                               

，以便识别所述叶盘的边缘。

6.根据权利要求1至2中的任一项所述的方法，其特征在于，在借助于所述立体算法建立所述差异图D时，对于图像中的每个图像点确定在另外的图像中的一致的点的移动。

Images