CN103190224A - 基于计算机视觉技术的玉米果穗考种方法、系统和装置 - Google Patents

Abstract

本发明公开了基于计算机视觉技术的玉米果穗考种方法、系统和装置，采集多个任意摆放的玉米果穗原始二维彩色图像，提取玉米单果穗轮廓图像和除去禿尖信息的玉米果穗结实部分轮廓图像，并根据玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像计算得到玉米果穗的禿尖长度、穗行数和行粒数。本发明通过增强果穗秃尖和籽粒间的灰度差，使分割算法能适用于多种颜色（紫、白）秃尖的分离提取；研究基于二维果穗图像还原三维图像信息方法，计算果穗穗行数。本发明可以实现快速、精确测量玉米果穗的秃尖长度、穗行数和行粒数等表型性状，可以大大提高玉米新品种的选育效率。

Description

基于计算机视觉技术的玉米果穗考种方法、系统和装置

技术领域

本发明涉及玉米果穗考种技术领域，尤其涉及基于计算机视觉技术的玉米果穗考种方法、系统和装置。

背景技术

玉米果穗考种是玉米作物遗传育种过程中一个重要的环节，对于玉米生产、科研中有着重要的意义。目前，玉米果穗考种一般选择人工考种的方式，人力成本大，考种周期长、主观测量误差大等问题。应用计算机视觉对玉米果穗进行自动考种具有高效、快速、精确等特点，对于实现精确育种和高效商业化育种有着重要意义。此外，便携式自动考种装置更可适应不同的野外考种环境。

在玉米果穗考种过程中，果穗的秃尖长度、穗行数以及行粒数是最常见也是较为重要的育种性状。

公开号为CN101933417A的中国专利申请公开了一种基于机器视觉的玉米考种装置，可以测量玉米果穗的穗长、穗行数、行粒数、秃尖长度、秃尖率等多个外观参数。然而，其设计的装置单次只能测量一穗果穗，通量低。公开号为CN202160400U的中国专利申请公开了一种基于立体视觉的玉米果穗外在形态记录与测量装置，其设计成本较高，且单次也只能测量一穗果穗，无法满足高通量测量的实际需求。

公开号为CN102425992A的中国专利申请公开了一种玉米果穗性状测量装置和测量玉米穗行数、穗行倾角以及穗缘角的方法，然而此方法需要通过穗横断面进行计算，无法实现无损测量，且操作过程较为复杂。

综上所述，现有技术中没有实现基于计算机视觉技术的多个玉米果穗的自动快速考种测量方法。

发明内容

（一）要解决的技术问题

针对上述缺陷，本发明要解决的技术问题是如何通过计算机视觉技术来实现对任意摆放的多个玉米果穗的秃尖长度、穗行数和行粒数的精确测量。

（二）技术方案

为解决上述问题，本发明提供了基于计算机视觉技术的玉米果穗考种方法，所述方法具体包括：

S1：获取采集到的多个任意摆放的玉米果穗原始二维彩色图像；

S2：根据所述原始二维彩色图像提取玉米单果穗轮廓图像和除去禿尖信息的玉米果穗结实部分轮廓图像；

S3：根据所述玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像计算禿尖长度、穗行数和行粒数。

进一步地，根据所述原始二维彩色图像提取出玉米单果穗轮廓图像具体包括：

S21：对所述原始二维彩色图像进行超蓝特征提取；

S22:对所述步骤S21得到的果穗图像进行反色处理，并进行二值化，根据算法提取到每一个玉米果穗的轮廓得到所述玉米单果穗轮廓图像，所述玉米单果穗轮廓图像的目标为白色、背景为黑色。

进一步地，所述提取出除去禿尖信息的玉米果穗结实部分轮廓图像具体包括：

S23：对所述原始二维彩色图像进行反色处理；

S24：对所述步骤S23得到的图像进行超蓝特征提取，并进行中值滤波降噪处理；

S25：对所述步骤S24得到的图像进行二值化，获取所述玉米果穗的外围轮廓信息；

S26：对所述玉米单果穗轮廓图像和所述玉米果穗的外围轮廓信息进行计算，得到除去秃尖部分的玉米果穗结实部分轮廓图像。

进一步地，所述步骤S3中根据所述玉米果穗结实部分轮廓图像得到所述玉米果穗的禿尖长度具体包括：

S31：分别求所述玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像的正外接矩形，并获取两个正外接矩形的左上角坐标距离和右下角坐标距离；

S32：取两组左上角坐标距离与右下角坐标距离中长的内外接矩形顶点为扫描起始点，计算较长顶角坐标距离的横坐标分量长和纵坐标分量长；

S33：以所述横坐标分量长和纵坐标分量长两者中短的分量方向为扫描方向，对所述玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像进行扫描，直到出现白色像素点，扫描至玉米果穗边缘为止，并记录其坐标；

S34：将所述步骤S33中记录的坐标投影到所述玉米果穗的中轴线上得到投影，计算得到所述玉米果穗的禿尖长度。

进一步地，所述步骤S3中根据所述玉米果穗结实部分轮廓图像得到所述玉米果穗的穗行数具体包括：

S35：对所述原始二维彩色图像进行预处理，得到预处理果穗图像；

S36：将所述预处理果穗图像旋转呈竖直摆放状态；

S37：以旋转后的果穗图像的外接矩形中点向上扫描，直到出现白色像素点的籽粒停止扫描并提取籽粒信息，确定其为中心籽粒；

S38：从所述中心籽粒向左、右相反的两个方向进行扫描，并计算得到所述玉米果穗的穗行数。

进一步地，所述步骤S38具体包括以下步骤：

S381：以所述中心籽粒为中点向x轴负方向扫描，扫描到左一行的籽粒时，根据虫随法确定左一行籽粒轮廓；

S382：以左一行籽粒轮廓的中心点为起点，再次进行扫描直到扫描到左二行籽粒时，计算两个籽粒之间缝隙的中点坐标，标记为左位点；

S383：重复运用步骤S381～S382向x轴正方向扫描，确定右一行籽粒和右二行籽粒之间缝隙的中点坐标，标记为右位点；

S384：以中心籽粒为扫描起点，对所述玉米果穗结实部分轮廓图像进行扫描，检测x轴负方向上和x轴正方向上的果穗边界，分别标记为左截点和右截点；

S385：根据所述左位点、右位点、左截点和右截点计算弦长分别为

$\left\{\begin{array}{c}{S}_a=\sqrt{a^2+a(b+c)}\\ S_b=\sqrt{b^2+{(\sqrt{a(b+c)}-\sqrt{(a+b)c})}^2}\\ S_c=\sqrt{c^2+(a+b)c}\end{array}\right.$

其中，S_a为所述左截点和所述左位点之间的欧氏距离对应的弦长，S_b为所述左位点和所述右位点之间的欧氏距离对应的弦长，S_c为所述右位点和所述右截点之间的欧氏距离对应的弦长，a为所述左截点和所述左位点之间的欧氏距离，b为所述左位点和所述右位点之间的欧氏距离，c为所述右位点和所述右截点之间的欧氏距离；

并进一步计算半径为

S386：根据所述弦长和半径计算得到所述玉米果穗的穗行数，计算公式为：

$R=2\left(\right[\frac{3\arcsin \frac{S_a}{2r}}{\arcsin \frac{S_b}{2r}}]+3+[\frac{3\arcsin \frac{S_c}{2r}}{\arcsin \frac{S_b}{2r}}\left]\right)$

其中R为所述玉米果穗的穗行数，r为步骤S385中的半径。

为解决上述问题，本发明还提供了基于计算机视觉技术的玉米果穗考种系统，所述系统包括：

图像采集单元、图像处理单元和数据计算单元；

其中所述图像采集单元用于采集多个任意摆放的玉米果穗原始二维彩色图像；

所述图像处理单元用于根据所述原始二维彩色图像提取玉米单果穗轮廓图像和玉米果穗结实部分轮廓图像；

所述数据计算单元用于根据所述玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像计算得到所述玉米果穗的禿尖长度、穗行数和行粒数。

进一步地，所述图像处理单元包括玉米单果穗轮廓提取单元和玉米果穗结实部分轮廓提取单元；

其中所述玉米单果穗轮廓提取单元对所述原始二维彩色图像进行超蓝特征提取、反色处理和二值化处理，得到所述玉米单果穗轮廓图像；

所述玉米果穗结实部分轮廓提取单元对所述原始二维彩色图像进行反色处理、超蓝特征提取、中值滤波和二值化处理，得到所述玉米果穗结实部分轮廓图像。

进一步地，所述数据计算单元利用所述玉米单果穗轮廓图像和所述果穗结实部分轮廓图像进行计算，得到玉米果穗的秃尖长度、穗行数、行粒数，具体包括禿尖长度计算单元、穗行数计算单元和行粒数计算单元。

为解决上述问题，本发明还提供了基于计算机视觉技术的玉米果穗考种装置，所述装置具体包括：

载物底座、图像采集单元、图像处理单元和支架；

所述载物底座用于承载多个玉米果穗，所述玉米果穗的个数为N，N≥1，且所述玉米果穗的摆放角度随意；

所述图像采集单元用于采集所述载物底座上摆放的多个玉米果穗图像，并将所述果穗图像传送给所述图像处理单元；

所述图像处理单元对接收的多个果穗图像进行提取处理得到玉米单果穗轮廓图像和玉米果穗结实部分轮廓图像，计算得到所述玉米单果穗的禿尖长度、穗行数和行粒数；

所述支架用于支撑所述载物底座和所述图像采集单元。

优选地，所述装置还包括：照明光源和移动电源，所述移动电源为装置在野外工作时提供能源。

（三）有益效果

本发明提供了基于计算机视觉技术的玉米果穗考种方法、系统和装置，通过强调籽粒部分的颜色信息从而增强秃尖和籽粒之间的灰度差，能够适用于多种颜色（紫、白色）的秃尖分离，根据主三行籽粒的疏密程度以及穗粗的关系求解穗行数，这不但实现了无损测量，同时也避免了对玉米果穗进行三维信息采集，在保证精度的前提下降低了设备成本，简化了测量过程，提高了测量速度和测量通量，根据扫描到的籽粒位置不断自适应修正扫描起始点，而不是简单地进行线性扫描，有效地避免了籽粒的形状和排列形式的干扰，同时可以对籽粒排列形式进行简单跟踪，进一步增加了方法的适用性，该方法不仅测量速度快，且测量结果精确，设备成本低，能很好地代替人工考种方法，应用于农业玉米新品种选育生产与科研领域，可有效地提高育种效率。

附图说明

图1为本发明实施例一中的基于计算机视觉技术的玉米果穗考种方法的步骤流程图；

图2为本发明实施例一中的基于计算机视觉技术的玉米果穗考种方法中步骤S2的具体步骤流程图；

图3为本发明实施例一中的基于计算机视觉技术的玉米果穗考种方法得到的穗长、穗粗、秃尖长度、穗行数、行粒数的检测示意图；

图4为本发明实施例一中的基于计算机视觉技术的玉米果穗考种方法的步骤S3中禿尖长度测量的具体步骤流程图；

图5为本发明实施例一中的基于计算机视觉技术的玉米果穗考种方法的步骤S3中穗行数测量的具体步骤流程图；

图6为本发明实施例一中的基于计算机视觉技术的玉米果穗考种方法的步骤S38的具体步骤流程图；

图7为本发明实施例一中的基于计算机视觉技术的玉米果穗考种方法的步骤S3中行粒数测量的具体步骤流程图；

图8为本发明实施例二中的基于计算机视觉技术的玉米果穗考种系统的组成示意图；

图9为本发明实施例三中的基于计算机视觉技术的玉米果穗考种装置的整体结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例一

本发明实施例一中提供了基于计算机视觉技术的玉米果穗考种方法，其中本实施例中的多个任意摆放玉米果穗考种包括禿尖长度测量、穗行数测量和行粒数测量三个方面，具体包括以下步骤：

步骤S1：获取采集到的多个任意摆放的玉米果穗原始二维彩色图像。

在本实施例中为了实现快速考种，一次采集多个任意摆放的玉米果穗原始二维彩色图像进行处理。

步骤S2：根据原始二维彩色图像提取玉米单果穗外围轮廓图像和除去禿尖信息的玉米果穗结实部分轮廓图像。

步骤S2的具体流程如图2所示，具体地，提取出玉米单果穗轮廓图像包括：

步骤S21：对多个原始二维彩色图像进行超蓝特征提取。

步骤S22:对步骤S21得到的果穗图像进行反色处理，并进行OTSU自动阈值二值化，根据算法提取到每一个玉米果穗的轮廓得到玉米单果穗轮廓图像M，玉米单果穗轮廓图像的目标为白色、背景为黑色。

而提取出除去秃尖部分的玉米果穗结实部分轮廓图像具体包括：

步骤S23：对多个任意摆放的原始二维彩色图像进行反色处理。

步骤S24:对步骤S23得到的图像进行超蓝特征提取，进行ROI设置并进行中值滤波降噪处理。

步骤S25：对步骤S24得到的图像进行OTSU自动阈值二值化，获取玉米果穗的外围轮廓信息。

步骤S26：对玉米单果穗轮廓图像M和玉米果穗的外围轮廓信息进行合并，并进行形态学开运算，利用面积筛分法计算得到除去秃尖部分的玉米果穗结实部分轮廓图像G。

步骤S3：根据玉米单果穗轮廓图像M和除去秃尖部分的玉米果穗结实部分轮廓图像G计算，得到玉米果穗的禿尖长度、穗行数和行粒数。

其中玉米果穗的穗长、穗粗、秃尖长度、穗行数、行粒数的检测示意图如图3所示。

具体的，根据玉米单果穗轮廓图像M和除去秃尖部分的玉米果穗结实部分轮廓图像G计算，得到玉米果穗的禿尖长度的步骤流程如图4所示，具体包括：

步骤S31：分别求玉米单果穗轮廓图像M和玉米果穗结实部分轮廓图像G的正外接矩形，并获取两个正外接矩形的左上角坐标距离和右下角坐标距离。

步骤S32：取两组左上角坐标距离与右下角坐标距离中长的内外接矩形顶点为扫描起始点，计算较长顶角坐标距离的横坐标分量长（即x坐标分量长）和纵坐标分量长（即y坐标分量长）。

步骤S33：以横坐标分量长和纵坐标分量长两者中短的分量方向为扫描方向，对玉米单果穗轮廓图像M和玉米果穗结实部分轮廓图像G进行扫描，直到出现白色像素点（也就是玉米果穗的籽粒对应像素点）为止，扫描至玉米果穗边缘为止，并记录其坐标。

S34：将步骤S33中记录的坐标投影到玉米果穗的中轴线上得到投影，计算得到玉米果穗的禿尖长度。

其中计算之前还包括：从投影图像中获取秃尖的像素长度，并进行摄像机投影变换，再对变换后的投影进行计算。

具体的，根据除去秃尖部分的玉米果穗结实部分轮廓图像得到玉米果穗的穗行数的步骤流程如图5所示，具体包括：

步骤S35：对原始多个任意摆放的二维彩色果穗图像进行预处理，得到预处理果穗图像。

其中预处理包括：对原始图像进行G色彩通道分离后与玉米果穗结实部分轮廓图像G进行相乘，提取玉米果穗内部信息，并进行OTSU自动阈值二值化。本实施例中的原始图像背景为纯蓝色，进行绿色色彩通道分离有助于增加色彩对比度，因而能使玉米果穗的籽粒与籽粒间的缝隙更容易区别开。

步骤S36：将预处理果穗图像旋转呈竖直摆放状态。

步骤S37：以旋转后的果穗图像的外接矩形中点向上扫描，直到出现白色像素点的籽粒停止扫描并提取籽粒信息，并确定其为中心籽粒。

步骤S38：从中心籽粒向左、右相反的两个方向进行扫描，并计算得到玉米果穗的穗行数。

具体的，步骤S38的步骤流程如图6所示，具体包括以下步骤：

步骤S381：以中心籽粒为中点向x轴负方向扫描，扫描到左一行的籽粒时，根据虫随法确定左一行籽粒轮廓。

步骤S382：以左一行籽粒轮廓的中心点为起点，再次进行扫描，直到扫描到左二行籽粒时，计算两个籽粒之间缝隙的中点坐标，标记为左位点。

步骤S383：重复运用步骤S381～S382向x轴正方向扫描，确定右一行籽粒和右二行籽粒之间缝隙的中点坐标，标记为右位点。

步骤S384：以中心籽粒为扫描起点，对玉米果穗结实部分轮廓图像进行扫描，检测x轴负方向上和x轴正方向上的果穗边界，分别标记为左截点和右截点。

步骤S385：根据左位点、右位点、左截点和右截点计算弦长分别为

$\left\{\begin{array}{c}{S}_a=\sqrt{a^2+a(b+c)}\\ S_b=\sqrt{b^2+(\sqrt{a(b+c)}-\sqrt{(a+b)c})}\\ S_c=\sqrt{c^2+(a+b)c}\end{array}\right.$

其中，S_a为左截点和左位点之间的欧氏距离对应的弦长，S_b为左位点和右位点之间的欧氏距离对应的弦长，S_c为右位点和右截点之间的欧氏距离对应的弦长，a为左截点和左位点之间的欧氏距离，b为左位点和右位点之间的欧氏距离，c为右位点和右截点之间的欧氏距离；

并进一步计算半径为

步骤S386：根据弦长和半径计算得到玉米果穗的穗行数，计算公式为：

$R=2\left(\right[\frac{3\arcsin \frac{S_a}{2r}}{\arcsin \frac{S_b}{2r}}]+3+[\frac{3\arcsin \frac{S_c}{2r}}{\arcsin \frac{S_b}{2r}}\left]\right)$

其中R为玉米果穗的穗行数，r为步骤S385中半径。

通过上述算法可以有效地克服采集到玉米果穗平面图像中果穗边缘不完整信息带来的误差。

具体的，根据玉米果穗结实部分轮廓图像得到玉米果穗的行粒数的步骤流程如图7所示，具体包括：

步骤S39：同步骤S35～S37确定中心籽粒，并记行粒数为1。

步骤S310：以中心籽粒为起点，沿y轴负方向进行扫描，直到扫描到下一个籽粒为止。

步骤S311：通过虫随法找到步骤S310中扫描到的籽粒轮廓信息，行粒数自加1，并以扫描到的籽粒为新的起点继续沿着y轴负方向进行扫描，直至扫描超过了除去秃尖的玉米果穗结实部分轮廓图像的范围，得到y轴负方向行粒数C₁。

步骤S312：重新以中心籽粒为起点，沿y轴正方向进行扫描，不断重复步骤S311～S312，直至扫描超过了除去秃尖的玉米果穗结实部分轮廓图像的范围，得到y轴正方向行粒数C₂。

步骤S313：根据y轴负方向行粒数C₁和y轴正方向行粒数C₂计算得到玉米果穗的行粒数C＝C₁＋C₂。

通过上述玉米果穗考种方法，通过增强籽粒部分的颜色信息从而增强秃尖和籽粒间的灰度差，能够适用于更多种颜色的秃尖（紫、白色）分离，根据主三行籽粒的疏密程度以及穗粗的关系求解穗行数，这不但实现了无损测量，同时也避免了对玉米果穗进行三维信息采集，在保证精度的前提下降低了设备成本，简化的测量过程，提高了测量速度和测量通量。根据扫描到的籽粒位置不断修正扫描起始点，而不是简单地进行线性扫描，有效地避免了籽粒的形状和排列形式的干扰，同时对籽粒排列形式进行简单跟踪，进一步增加方法的可用性，该方法不仅测量速度快，而且测量结果更加精确，设备成本低，能很好地代替手工测量方法，该方法应用于农业玉米新品种选育生产与科研领域，有效地提高育种效率。

实施例二

本发明的实施例二提供了基于计算机视觉技术的玉米果穗考种系统，组成示意图如图8所示，所述系统包括：

图像采集单元81、图像处理单元82和数据计算单元83。

其中图像采集单元81用于采集多个玉米果穗的原始二维彩色图像，每个玉米果穗的摆放角度随意。

图像处理单元82用于根据原始二维彩色图像提取玉米单果穗轮廓图像M和玉米果穗结实部分轮廓图像G。

图像处理单元82包括玉米单果穗轮廓提取单元821和玉米果穗结实部分轮廓提取单元822。

其中玉米单果穗轮廓提取单元821对原始二维彩色图像进行超蓝特征提取、反色处理和二值化处理，根据算法得到玉米单果穗轮廓图像M。

玉米果穗结实部分轮廓提取单元822对原始二维彩色图像进行反色处理、超蓝特征提取、中值滤波和二值化处理，提取去除禿尖后的信息，再对玉米单果穗轮廓图像M和去禿尖后的信息进行计算得到玉米果穗结实部分轮廓图像G。

数据计算单元83用于根据玉米单果穗轮廓图像M和果穗结实部分轮廓图像G进行计算，得到玉米果穗的禿尖长度、穗行数和行粒数。具体的，数据计算单元83包括禿尖长度计算单元831、穗行数计算单元832和行粒数计算单元833。

通过使用上述玉米果穗考种系统，通过增强籽粒部分的颜色信息从而增强秃尖和籽粒间的灰度差，能够适用于更多种颜色（紫、白色）的秃尖分离，根据主三行籽粒的疏密程度以及穗粗的关系求解穗行数，这不但实现了无损测量，同时也避免了对玉米果穗进行三维信息采集，在保证精度的前提下降低了设备成本，简化测量过程，提高了测量速度和测量通量，根据扫描到的籽粒位置不断修正扫描起始点，而不是简单地进行线性扫描，有效地避免了籽粒的形状和排列形式的干扰，甚至可以对籽粒排列形式进行简单的跟踪，进一步增加了方法的可用性，不仅测量速度快，而且测量结果更加精确，设备成本低，能很好地代替手工测量方法，应用于农业玉米新品种选育生产与科研领域，有效地提高了育种效率。

实施例三

本发明的实施例三提供了基于计算机视觉技术的玉米果穗考种装置，装置的整体结构示意图如图9所示，所述装置包括：

载物底座1、图像采集单元2、图像处理单元6和支架4。

载物底座1用于承载多个任意摆放的玉米果穗，玉米果穗的个数为N，N≥1，且玉米果穗的摆放角度随意。本实施例中的载物底座1为纯蓝色背景。

图像采集单元2用于采集载物底座1上摆放的玉米果穗的二维彩色图像，并将图像传送给图像处理单元6。本实施例中的图像采集单元2为具有500万像素CMOS摄像头，正面载物底座，图像采集平面与载物底座1平面平行，用于采集待测玉米果穗的图像并将采集到的图像传送至控制处理模块图像处理单元6。

图像处理单元6对接收到的果穗图像进行处理，计算得到玉米果穗的禿尖长度、穗行数和行粒数，其中禿尖长度、穗行数和行粒数为表型参数。

支架4用于支撑载物底座1和图像采集单元2。

装置还包括：照明光源3和移动电源5，其中照明光源3为大功率条形LED白色光源，位于载物底座的正上方，垂直照射载物底座。移动电源5为装置在野外工作时提供能源。

本实施例提供的玉米果穗考种装置还可以设计成便携式的，即部分结构可折叠，便于携带。

本装置的使用方法为：首先，打开照明光源3，使画面光线充足，照明均匀。然后将待测的多个玉米果穗平放在载物底座1上。待调整所有玉米果穗位于拍摄视野内之后，向计算机发出采集图像命令，随后计算机将自动采集图像并进行图像处理和数据测量，随后将测量后的数据显示并保存。操作过程简单，测量精确，速度快，多个玉米果穗可摆放随意，便携度高，实现无损测量。

通过使用上述装置，增强籽粒部分的颜色信息，从而增强了秃尖和籽粒间的灰度差，能够适用于更多种颜色（紫、白色）的秃尖分离，根据主三行籽粒的疏密程度以及穗粗的关系求解穗行数，这不但实现了无损测量，同时也避免了对玉米果穗进行三维信息采集，在保证精度的前提下降低了设备成本，简化测量过程，提高了测量速度和测量通量，根据扫描到的籽粒位置不断修正扫描起始点，而不是简单地进行线性扫描，有效地避免了籽粒的形状和排列形式的干扰，对籽粒排列形式进行简单跟踪，可进一步增加方法的可用性，不仅测量速度快，而且测量结果更加精确，设备成本低，能很好地代替手工测量方法，应用于农业玉米新品种选育生产与科研领域，有效地提高了育种效率。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (14)

1.基于计算机视觉技术的玉米果穗考种方法，其特征在于，所述方法具体包括：

S1：获取采集到的多个任意摆放的玉米果穗原始二维彩色图像；

S2：根据所述原始二维彩色图像提取玉米单果穗轮廓图像和除去禿尖信息的玉米果穗结实部分轮廓图像；

S3：根据所述玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像计算禿尖长度、穗行数和行粒数。

2.如权利要求1所述的方法，其特征在于，根据所述原始二维彩色图像提取出玉米单果穗轮廓图像具体包括：

S21：对所述原始二维彩色图像进行超蓝特征提取；

S22:对所述步骤S21得到的果穗图像进行反色处理，并进行二值化，根据算法提取到每一个玉米果穗的轮廓得到所述玉米单果穗轮廓图像，所述玉米单果穗轮廓图像的目标为白色、背景为黑色。

3.如权利要求1所述的方法，其特征在于，所述提取出除去禿尖信息的玉米果穗结实部分轮廓图像具体包括：

S23：对所述原始二维彩色图像进行反色处理；

S24:对所述步骤S23得到的图像进行超蓝特征提取，并进行中值滤波降噪处理；

S25：对所述步骤S24得到的图像进行二值化，获取所述玉米果穗的外围轮廓信息；

S26：对所述玉米单果穗轮廓图像和所述玉米果穗的外围轮廓信息进行计算，得到除去秃尖信息的玉米果穗结实部分轮廓图像。

4.如权利要求1所述的方法，其特征在于，所述步骤S3中根据所述玉米果穗结实部分轮廓图像得到所述玉米果穗的禿尖长度具体包括：

S31：分别求所述玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像的正外接矩形，并获取两个正外接矩形的左上角坐标距离和右下角坐标距离；

S32：取两组左上角坐标距离与右下角坐标距离中长的内外接矩形顶点为扫描起始点，计算较长顶角坐标距离的横坐标分量长和纵坐标分量长；

S33：以所述横坐标分量长和纵坐标分量长两者中短的分量方向为扫描方向，对所述玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像进行扫描，直到出现白色像素点，扫描至玉米果穗边缘为止，并记录其坐标；

S34：将所述步骤S33中记录的坐标投影到所述玉米果穗的中轴线上得到投影，计算得到所述玉米果穗的禿尖长度。

5.如权利要求4所述的方法，其特征在于，所述步骤S34中计算得到所述玉米果穗的禿尖长度之前还包括：从所述投影中获取秃尖的像素长度，进行摄像机投影变换，计算出实际的秃尖长度。

6.如权利要求1所述的方法，其特征在于，所述步骤S3中根据所述玉米果穗结实部分轮廓图像得到所述玉米果穗的穗行数具体包括：

S35：对所述原始二维彩色图像进行预处理，得到预处理果穗图像；

S36：将所述预处理果穗图像旋转呈竖直摆放状态；

S37：以旋转后的果穗图像的外接矩形中点向上扫描，直到出现白色像素点的籽粒停止扫描并提取籽粒信息，确定其为中心籽粒；

S38：从所述中心籽粒向左、右相反的两个方向进行扫描，并计算得到所述玉米果穗的穗行数。

7.如权利要求6所述的方法，其特征在于，所述预处理包括：对所述原始二维彩色图像进行G色彩通道分离后与所述玉米果穗结实部分轮廓图像进行相乘，提取所述玉米果穗的内部信息，并进行二值化。

8.如权利要求6所述的方法，其特征在于，所述步骤S38具体包括以下步骤：

S381：以所述中心籽粒为中点向x轴负方向扫描，扫描到左一行的籽粒时，根据虫随法确定左一行籽粒轮廓；

S382：以左一行籽粒轮廓的中心点为起点，再次进行扫描直到扫描到左二行籽粒时，计算两个籽粒之间缝隙的中点坐标，标记为左位点；

S383：重复运用步骤S381～S382向x轴正方向扫描，确定右一行籽粒和右二行籽粒之间缝隙的中点坐标，标记为右位点；

S384：以中心籽粒为扫描起点，对所述玉米果穗结实部分轮廓图像进行扫描，检测x轴负方向上和x轴正方向上的果穗边界，分别标记为左截点和右截点；

S385：根据所述左位点、右位点、左截点和右截点计算弦长分别为

$\left\{\begin{array}{c}{S}_a=\sqrt{a^2+a(b+c)}\\ S_b=\sqrt{b^2+{(\sqrt{a(b+c)}-\sqrt{(a+b)c})}^2}\\ S_c=\sqrt{c^2+(a+b)c}\end{array}\right.$

其中，S_a为所述左截点和所述左位点之间的欧氏距离对应的弦长，S_b为所述左位点和所述右位点之间的欧氏距离对应的弦长，S_c为所述右位点和所述右截点之间的欧氏距离对应的弦长，a为所述左截点和所述左位点之间的欧氏距离，b为所述左位点和所述右位点之间的欧氏距离，c为所述右位点和所述右截点之间的欧氏距离；

并进一步计算半径为

S386：根据所述弦长和半径计算得到所述玉米果穗的穗行数，计算公式为：

$R=2\left(\right[\frac{3\arcsin \frac{S_a}{2r}}{\arcsin \frac{S_b}{2r}}]+3+[\frac{3\arcsin \frac{S_c}{2r}}{\arcsin \frac{S_b}{2r}}\left]\right)$

其中R为所述玉米果穗的穗行数，r为步骤S385中的半径。

9.如权利要求1或6所述的方法，其特征在于，所述步骤S3中根据所述玉米果穗结实部分轮廓图像得到所述玉米果穗的行粒数具体包括：

S39：同步骤S35～S37确定中心籽粒，并记行粒数为1；

S310：以所述中心籽粒为起点，沿y轴负方向进行扫描，直到扫描到下一个籽粒为止；

S311：通过虫随法找到所述步骤S310中扫描到的籽粒轮廓信息，所述行粒数自加1，并以所述扫描到的籽粒为新的起点继续沿着y轴负方向进行扫描，直至扫描超过了所述玉米果穗结实部分轮廓图像的范围，得到y轴负方向籽粒数；

S312：重新以所述中心籽粒为起点，沿y轴正方向进行扫描，不断重复步骤S311～S312，直至扫描超过了所述玉米果穗结实部分轮廓图像的范围，得到y轴正方向籽粒数；

S313：根据所述y轴负方向籽粒数和y轴正方向籽粒数计算得到所述玉米果穗的行粒数。

10.基于计算机视觉技术的玉米果穗考种系统，其特征在于，所述系统包括：

图像采集单元、图像处理单元和数据计算单元；

其中所述图像采集单元用于采集多个任意摆放的玉米果穗原始二维彩色图像；

所述图像处理单元用于根据所述原始二维彩色图像提取玉米单果穗轮廓图像和玉米果穗结实部分轮廓图像；

所述数据计算单元用于根据所述玉米单果穗轮廓图像和所述玉米果穗结实部分轮廓图像计算得到所述玉米果穗的禿尖长度、穗行数和行粒数。

11.如权利要求10所述的系统，其特征在于，所述图像处理单元包括玉米单果穗轮廓提取单元和玉米果穗结实部分轮廓提取单元；

其中所述玉米单果穗轮廓提取单元对所述原始二维彩色图像进行超蓝特征提取、反色处理和二值化处理，得到所述玉米单果穗轮廓图像；

所述玉米果穗结实部分轮廓提取单元对所述原始二维彩色图像进行反色处理、超蓝特征提取、中值滤波和二值化处理，得到所述玉米果穗结实部分轮廓图像。

12.如权利要求10所述的系统，其特征在于，所述数据计算单元利用所述玉米单果穗轮廓图像和所述果穗结实部分轮廓图像进行计算，得到玉米果穗的秃尖长度、穗行数、行粒数，具体包括禿尖长度计算单元、穗行数计算单元和行粒数计算单元。

13.基于计算机视觉技术的玉米果穗考种装置，其特征在于，所述装置具体包括：

载物底座、图像采集单元、图像处理单元和支架；

所述载物底座用于承载玉米果穗，所述玉米果穗的个数为N，N≥1，且所述玉米果穗的摆放角度随意；

所述图像采集单元用于采集所述载物底座上摆放的多个玉米的果穗图像，并将所述果穗图像传送给所述图像处理单元；

所述图像处理单元对接收的多个果穗图像进行提取处理得到玉米单果穗轮廓图像和玉米果穗结实部分轮廓图像，计算得到所述玉米单果穗的禿尖长度、穗行数和行粒数；

所述支架用于支撑所述载物底座和所述图像采集单元。

14.如权利要求13所述的装置，其特征在于，所述装置还包括：照明光源和移动电源，所述移动电源为装置在野外工作时提供能源。

Images