CN103673931B - 一种测量水稻剑叶角度的方法、装置及系统 - Google Patents

一种测量水稻剑叶角度的方法、装置及系统 Download PDF

Info

Publication number
CN103673931B
CN103673931B CN201310633761.6A CN201310633761A CN103673931B CN 103673931 B CN103673931 B CN 103673931B CN 201310633761 A CN201310633761 A CN 201310633761A CN 103673931 B CN103673931 B CN 103673931B
Authority
CN
China
Prior art keywords
image
angle
carried out
rice
flag leaf
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.)
Active
Application number
CN201310633761.6A
Other languages
English (en)
Other versions
CN103673931A (zh
Inventor
路文超
朱大洲
赵勇
于春花
罗斌
高权
王成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Center for Information Technology in Agriculture
Original Assignee
Beijing Research Center for Information Technology in Agriculture
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Center for Information Technology in Agriculture filed Critical Beijing Research Center for Information Technology in Agriculture
Priority to CN201310633761.6A priority Critical patent/CN103673931B/zh
Publication of CN103673931A publication Critical patent/CN103673931A/zh
Application granted granted Critical
Publication of CN103673931B publication Critical patent/CN103673931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明提供一种用于水稻剑叶角度测量的方法,该方法的步骤如下:采集水稻剑叶基部图像并进行预处理;对预处理后的图像进行前景提取,获取水稻剑叶和主茎图像;对前景图像二值化并进行形态学处理;对形态学处理后的图像进行细化处理;对细化后的图像进行直线检测,并对检测出的直线倾角进行聚类分析;根据聚类分析后得到的聚类中心的角度值,计算剑叶角度,本发明的方法能够实现对水稻剑叶角度的快速、准确、无损测量。本发明还提供了一种测量水稻剑叶角度的装置,包括背景板、支架、夹持单元和图像采集处理单元,用于采集和处理水稻剑叶基部的图像。

Description

一种测量水稻剑叶角度的方法、装置及系统
技术领域
本发明涉及农业技术领域,具体涉及一种测量水稻剑叶角度的方法、装置及系统。
背景技术
水稻育种实践表明,水稻株型与产量潜力密切相关,因此,如何选育水稻理想株型成为当前水稻超高产育种的重要研究内容之一。叶片是株型构成的重要因素,直接关系到叶片的光合面积和光能利用率。其中,剑叶对水稻产量的形成更具突出作用,是光合产物输向穗部的主要供应者。因此,剑叶作为光合作用产物的主要形成源之一,直接决定水稻穗部及其产量的相关性状。水稻剑叶角度是指水稻植株主茎和剑叶之间的夹角,它是构成水稻株型的重要指标之一,同时也是影响水稻产量的重要因素。因此,实现对水稻剑叶角度的快速无损测量对超高产育种有着重要的意义,也是水稻育种家亟待解决的问题之一。
目前测量水稻剑叶角度一般采用直接测量法和作图法。直接测量法是人工用量角器直接测量叶尖与叶耳连线和叶着生茎秆的夹角;作图法是将叶枕和叶尖位置画在纸上,然后用量角器测定。
徐正进等提供了一种新的水稻剑叶角度测量方法(参见非专利文献:水稻叶片基角、开张角和披垂度的同时测定方法,沈阳农业大学学报,22(2):185-187,1991)。其测量过程为:制作一块角度测定板,测定板由长70cm、宽50cm左右的白纸固定在同样大小的薄木板上组成,白纸上用大型量角器画出了0-90度刻度,并用圆规以不同半径画出弧线刻度。进行角度测定时,将欲测的主茎和剑叶从基部剪下,立即放在直立的测定板上,使茎秆与0度线重合,叶枕正对圆心,叶片保持自然状态,从而读出对应的角度数。
直接测量法虽然操作方便,人工拿着量角器放在主茎和剑叶之间即可测量,但是由于在测量过程中受主观因素影响较大,因此,测量准确性较差、误差较大;作图法能够测量的相对比较准确,但是测量速度慢,且将叶枕和叶尖位置画在纸上的过程操作不方便,不适合于大量测定;徐正进等人的方法虽然能够较精确、快捷的测量出夹角大小,但是在测量过程中需要将欲测的主茎和剑叶从植株上剪下,对植株造成了永久性的破坏。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于图像处理技术的水稻剑叶角度测量方法及装置,能够实现对水稻剑叶角度的快速、准确、无损测量。
(二)技术方案
为了实现以上目的,本发明通过以下技术方案予以实现:
一种用于水稻剑叶角度测量的方法,其特征在于,该方法包括:
采集水稻剑叶基部图像并进行预处理;
对预处理后的图像进行前景提取,获取水稻剑叶和主茎图像;
对前景图像二值化并进行形态学处理;
对形态学处理后的图像进行细化处理;
对细化后的图像进行直线检测,并对检测出的直线倾角进行聚类分析;
根据聚类后得到的聚类中心的角度值,计算剑叶角度。
其中,所述采集水稻剑叶基部图像并进行预处理,包括:对采集到的图像进行5*5中值滤波,从而去除图像中的椒盐噪声。
其中,所述对预处理后的图像进行前景提取,包括:
对中值滤波后的图像进行颜色空间变换,图像由RGB空间(R-红、G-绿、B-蓝)转换成HSL空间(H-色调、S-饱和度、L-亮度);
获取所述的HSL空间图像的H、S、L三个分量的直方图,综合根据三个分量的直方图设置门限值范围,将门限值范围之外的背景像素值置零,门限值范围之内的前景像素值保持不变,实现前景图像与背景图像分离,获得前景图像;
将图像由HSL空间转换为RGB空间彩色图像。
其中,所述对前景图像二值化并进行形态学处理,包括:
对前景图像进行5*5中值滤波,去除前景图像中的椒盐噪声;
对前景图像进行灰度化,采用最佳阈值法,选取阈值对所述灰度化图像进行二值化处理,得到二值图像;
对所述二值图像采用膨胀、腐蚀及膨胀与腐蚀相结合的形态学处理方法进行处理,使得图像中主茎部分和剑叶部分形成一个完整的连通区域;
由所述连通区域,找出主茎和剑叶所在的最大联通区域的最小外接矩形,利用最小外接矩形法得到单一的主茎和剑叶的连通区域图像。
其中,所述对形态学处理后的图像进行细化处理,包括:
对所述连通区域进行距离变换,确定骨架点和候选点;
对所述候选点进行规则约束,通过骨架生长得到单像素宽度骨架。
其中,所述对细化后的图像进行直线检测,并对检测出的直线倾角进行聚类分析,包括:
对细化后的图像应用霍夫变换进行直线检测,得到检测后单像素宽度的直线的图像;
根据检测到的直线,求出每一条直线与正向x轴的夹角θ1,θ2,……θn,应用K-means聚类算法对检测出的直线夹角进行聚类分析。
其中,所述聚类后得到的聚类中心的角度值,计算剑叶角度,包括:剑叶角度θ即为两个聚类中心的角度θ11和θ22之差的绝对值,即θ=|θ11-θ22|,θ即为水稻剑叶角度。
一种用于水稻剑叶角度测量的装置,包括:图像采集单元、预处理单元、前景提取单元、形态学处理单元、细化单元、聚类分析单元、角度计算单元;
所述图像采集单元用于采集水稻剑叶基部图像;
所述预处理单元用于对所述采集的图像进行5*5中值滤波,从而去除图像中的椒盐噪声
所述前景提取单元用于将所述预处理后的图像的前景图像和背景图像分离,获得前景图像;
所述形态学处理单元用于对所述前景图像二值化并进行形态学处理,得到单一的主茎和剑叶的连通区域图像;
所述细化单元用于对所述连通区域图像进行细化处理,得到单像素宽度骨架;
所述聚类分析单元用于对所述细化后的图像进行直线检测,并对检测出的直线进行聚类分析;
所述角度计算单元用于根据所述聚类分析后得到的聚类中心的角度值,计算得到剑叶角度。
一种用于水稻剑叶角度测量的系统,包括:背景板、支架、夹持单元和上述的用于水稻剑叶角度测量的装置;
所述背景板用于平行放置于待测的主茎和剑叶的正后方且尽量贴近主茎和剑叶;
所述支架用于支撑、固定夹持单元,并且使得所述用于水稻剑叶角度测量的装置和背景板之间形成固定的距离;
所述夹持单元是用于夹持、固定所述用于水稻剑叶角度测量的装置;
其中,所述用于水稻剑叶角度测量的装置为智能终端。
其中,所述用于水稻剑叶角度测量的装置为智能手机。
其中,所述夹持单元包括:底托、夹板、调节按钮、托脚和转动轴;
所述底托用于支撑智能手机和其他零部件,保持智能手机摄像头与背景板保持平行;
所述夹板用于夹紧智能手机;
调节按钮用于调节所述夹板,从而调节所述夹板夹紧手机的程度;
所述托脚用于托住智能手机底部,防止智能手机掉落;
所述转动轴用于调节所述托脚的伸缩。
(三)有益效果
本发明至少具有如下有益效果:
1、本发明的方法通过对采集的水稻剑叶图像进行预处理、前景提取、形态学处理、细化、直线检测、聚类等步骤进行分析,相对于传统的水稻剑叶角度测量方法,在效率和准确度上有了较大提高,实现了水稻剑叶角度的快速、准确、无损地测量。
2、本发明的装置为便携式设计,且采用了市面上主流的智能手机作为图像采集、处理、显示平台,采用轻质亚克力型材作为装置的支架和背景板,大大减小了装置的重量和体积,使用起来十分方便。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
附图1是本发明一个实施例提供的一种测量水稻剑叶角度方法的流程图;
图2是本发明一个较佳实施例提供的一种测量水稻剑叶角度方法的流程图;
图3是本发明一个实施例提供的一种测量水稻剑叶角度的装置图;
图4是本发明一个实施例提供的一种测量水稻剑叶角度的系统图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,本发明实施例提供了一种用于水稻剑叶角度测量的方法,包括如下步骤:
步骤101:采集水稻剑叶基部图像并进行预处理;
步骤102:对预处理后的图像进行前景提前,获取水稻剑叶和主茎图像;
步骤103:对前景图像二值化并进行形态学处理;
步骤104:对形态学处理后的图像进行细化处理;
步骤105:对细化处理后的图像进行直线检测,并对检测出的直线倾角进行聚类分析;
步骤106:根据聚类分析后得到的聚类中心的角度值,计算得到剑叶角度。
本方法通过对采集的水稻剑叶图像进行预处理、前景提取、形态学处理、细化、直线检测、聚类等步骤进行分析,相对于传统的水稻剑叶角度测量方法,在效率和准确度上有了较大提高,实现了水稻剑叶角度的快速、准确、无损地测量。
下面,通过一个具体的例子,来更为详细的说明本发明一个较佳实施例的实现过程。参见图2,该过程包括如下步骤:
步骤201:采集水稻剑叶基部图像,并对采集到图像进行5*5中值滤波。
本步骤中,采集水稻剑叶基部图像需用到本发明另一个实施例提供的一种水稻剑叶角度测量的装置,以及智能手机。用智能手机的摄像头拍照,获取到背景为黑色、前景为水稻剑叶及主茎基部的彩色图像。而对图像进行中值滤波的目的是为了去除椒盐噪声。
步骤202:将中值滤波后的图像由RGB空间转换为HSL空间。
步骤203:获取HSL空间图像的H、S、L三个分量,根据三个分量设置门限值范围,将门限值范围之外的背景像素值设为零,门限值范围之内的像素值保持不变,得到前景图像。
本步骤中,综合根据三个分量的直方图设置门限值Th、Ts、Tl的范围,将门限值范围之外的背景像素值置为零,门限值范围之内的前景像素值保持不变,实现前景图像与背景图像分离,获得前景图像。门限值处理后的图像g(x,y)为:
g ( x , y ) = f ( x , y ) f ( x , y ) ∈ ( Th ∩ Ts ∩ Tl ) 0 f ( x , y ) ∉ ( Th ∩ Ts ∩ Tl )
其中,f(x,y)表示门限值处理之前的图像矩阵。
步骤204:将图像由HSL空间转换为RGB彩色空间彩色图像。
步骤205:对前景图像进行5*5中值滤波。
本步骤中,对前景图像进行5*5中值滤波,是为了去除图像中的椒盐噪声。
步骤206:将前景图像灰度化,采用最佳阈值法,选取阈值对图像进行二值化处理,得到二值图像。
步骤207:对二值图像采用膨胀、腐蚀以及膨胀与腐蚀相结合的形态学处理方法进行处理,使得主茎和剑叶形成一个连通区域。
步骤208:找出主茎和剑叶所在最大连通区域的最小外接矩形,利用最小外接矩形法得到单一的主茎和剑叶的连通区域图像。
本步骤中,所使用的方法是:首先求出最小外接矩形的左上角顶点的坐标(x1,y1),因此,最小外接矩形右下角顶点的坐标为(x2,y2)为:
x 2 = x 1 + w y 2 = y 1 + h
其中w为最小外接矩形的宽度,h为最小外接矩形的高度。
然后把最小外接矩形四个顶点坐标所包围的区域之外像素点的像素置为零,区域之内像素点的像素值保持不变,得到单一的主茎和剑叶的连通区域g(x,y)为:
其中,f(x,y)表示处理之前的图像矩阵。
步骤209:对所述连通区域进行距离变换,确定骨架点的候选点。
步骤210:对所述候选点进行规则约束,通过骨架生长得到单像素宽度骨架。
步骤211:对细化后的图像应用霍夫变换进行直线检测,得到检测后的单像素宽度的直线图像;
步骤212:根据检测到的直线,求每一条直线与正向x轴的夹角,并应用K-means聚类算法对夹角进行聚类分析。
本步骤中,K-means聚类算法具体步骤包括:
(1)分配聚类类别个数k,也就是将θ1,θ2,……θn划分成k类,其中k=2。
(2)对k个聚类中心进行初始化,选取初始聚类中心θ1,θ2。
(3)求其他直线倾角与两个初始聚类中心的距离,将每个倾角值放入离它最近的类别中心点的集合。
(4)按照平均值,重复计算每个聚类的聚类中心,直到聚类中心不变,得到两类聚类的聚类中心θ11和θ22,θ11和θ22即为水稻主茎和剑叶在图像上所对应直线的倾角。
步骤213:计算两个聚类中心的角度的之差的绝对值,结果即为剑叶角度。
参见图3,本发明一个实施例提供了一种测量水稻剑叶角度的装置,其包括:图像采集单元301、预处理单元302、前景提取单元303、形态学处理单元304、细化单元305、聚类分析单元306、角度计算单元307。
其中,所述图像采集单元301用于采集水稻剑叶基部图像;所述预处理单元302用于对所述采集的图像进行5*5中值滤波,从而去除图像中的椒盐噪声;所述前景提取单元303用于将所述预处理后的图像的前景图像和背景图像分离,获得前景图像;所述形态学处理单元304用于对所述前景图像二值化并进行形态学处理,得到单一的主茎和剑叶的联通区域图像;所述细化单元305用于对所述联通区域图像进行细化处理,得到单像素宽带骨架;所述聚类分析单元306用于对所述细化后的图像进行直线检测,并对检测出的直线进行聚类分析;所述角度计算单元307用于根据所述聚类分析后得到的聚类中心的角度值,计算得到剑叶角度。
本发明的另一个实施例还提供了一种测量水稻剑叶角度的系统,参见图4,该装置包括:背景板1、支架2、底托3、夹板4、托脚5、调节按钮6、放置板7和转动轴8。
背景板1是一块厚3mm、长16cm、宽9cm的长方形黑色细磨砂亚克力板,用于平行放置与待测的主茎和剑叶的正后方且尽量贴近主茎和剑叶。
支架2是一个厚5mm、宽5cm的黑色细磨砂亚克力“匚”型支架,其下边沿通过螺钉固定在背景板上,上边沿通过螺钉固定于在夹持单元上;支架用于支撑、固定夹持单元,并且使得智能手机和背景板之间形成固定的距离。
底托3、夹板4、托脚5、调节按钮6和转动轴8构成夹持单元,用于夹持、固定用于智能手机。其中底托(3)是整个夹持单元的主要部件,用来支撑智能手机和其他零部件,位于夹持单元的底部,并使得智能手机摄像头和背景板保持平行,底托底部通过十字槽螺钉和“匚”型支架上端紧固;夹板(4)用来夹紧智能手机,确保手机不脱落,并且夹板(4)可以在调节按钮(6)的调节下进行伸缩,能够根据智能手机大小来调节夹紧程度,防止手机脱落;托脚(5)可以绕转动轴(8)进行转动,当手机竖直放置时,将托脚(5)打开,用来托住手机的底部,进一步固定手机,防止其脱落。使用者可以根据需要将托脚进行折叠,当不需要托脚来托住手机时,托脚可以折叠到底托中的凹槽中。
本发明的装置为便携式设计,且采用了市面上主流的智能手机作为图像采集、处理、显示平台,采用轻质亚克力型材作为装置的支架和背景板,大大减小了装置的重量和体积,使用起来十分方便。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (12)

1.一种用于水稻剑叶角度测量的方法,其特征在于,该方法包括:
采集水稻剑叶基部图像并进行预处理;
对预处理后的图像进行前景提取,获取水稻剑叶和主茎图像;
对前景图像二值化并进行形态学处理;
对形态学处理后的图像进行细化处理;
对细化后的图像进行直线检测,并对检测出的直线倾角进行聚类分析;
根据聚类分析后得到的聚类中心的角度值,计算剑叶角度。
2.根据权利要求1所述的方法,其特征在于,所述采集水稻剑叶基部图像并进行预处理,包括:对采集到的图像进行5*5中值滤波,从而去除图像中的椒盐噪声。
3.根据权利要求1所述的方法,其特征在于,所述对预处理后的图像进行前景提取,包括:
对中值滤波后的图像进行颜色空间变换,图像由RGB空间转换成HSL空间;
获取所述的HSL空间图像的H、S、L三个分量的直方图,综合根据三个分量的直方图设置门限值范围,将门限值范围之外的背景像素值置零,门限值范围之内的前景像素值保持不变,实现前景图像与背景图像分离,获得前景图像;
将获得的所述前景图像由HSL空间转换为RGB空间彩色图像。
4.根据权利要求1所述的方法,其特征在于,所述对前景图像二值化并进行形态学处理,包括:
对前景图像进行5*5中值滤波,去除前景图像中的椒盐噪声;
对前景图像进行灰度化,采用最佳阈值法,选取阈值对所述灰度化图像进行二值化处理,得到二值图像;
对所述二值图像采用膨胀、腐蚀及膨胀与腐蚀相结合的形态学处理方法进行处理,使得图像中主茎部分和剑叶部分形成一个完整的连通区域;
由所述连通区域,找出主茎和剑叶所在的最大联通区域的最小外接矩形,利用最小外接矩形法得到单一的主茎和剑叶的连通区域图像。
5.根据权利要求4所述的方法,其特征在于,所述对形态学处理后的图像进行细化处理,包括:
对所述连通区域进行距离变换,确定骨架点和候选点;
对所述候选点进行规则约束,通过骨架生长得到单像素宽度骨架。
6.根据权利要求1所述的方法,其特征在于,所述对细化后的图像进行直线检测,并对检测出的直线倾角进行聚类分析,包括:
对细化后的图像应用霍夫变换进行直线检测,得到检测后单像素宽度的直线的图像;
根据检测到的直线,求出每一条直线与正向x轴的夹角θ1,θ2,……θn,应用K-means聚类算法对检测出的直线夹角进行聚类分析。
7.根据权利要求1所述的方法,其特征在于,所述聚类后得到的聚类中心的角度值,计算剑叶角度,包括:剑叶角度θ即为两个聚类中心的角度θ11和θ22之差的绝对值,即θ=|θ11-θ22|,θ即为水稻剑叶角度。
8.一种用于水稻剑叶角度测量的装置,其特征在于,包括:图像采集单元、预处理单元、前景提取单元、形态学处理单元、细化单元、聚类分析单元、角度计算单元;
所述图像采集单元用于采集水稻剑叶基部图像;
所述预处理单元用于对所述采集的图像进行5*5中值滤波,从而去除图像中的椒盐噪声;
所述前景提取单元用于将所述预处理后的图像的前景图像和背景图像分离,获得前景图像;
所述形态学处理单元用于对所述前景图像二值化并进行形态学处理,得到单一的主茎和剑叶的连通区域图像;
所述细化单元用于对所述连通区域图像进行细化处理,得到单像素宽度骨架;
所述聚类分析单元用于对所述细化后的图像进行直线检测,并对检测出的直线进行聚类分析;
所述角度计算单元用于根据所述聚类分析后得到的聚类中心的角度值,计算得到剑叶角度。
9.一种用于水稻剑叶角度测量的系统,其特征在于,包括:背景板、支架、夹持单元和如权利要求8所述的用于水稻剑叶角度测量的装置;
所述背景板用于平行放置于待测的主茎和剑叶的正后方且尽量贴近主茎和剑叶;
所述支架用于支撑、固定夹持单元,并且使得所述用于水稻剑叶角度测量的装置和背景板之间形成固定的距离;
所述夹持单元是用于夹持、固定所述用于水稻剑叶角度测量的装置。
10.如权利要求9所述的系统,其特征在于,所述用于水稻剑叶角度测量的装置为智能终端。
11.如权利要求9所述的系统,其特征在于,所述用于水稻剑叶角度测量的装置为智能手机。
12.根据权利要求9所述的系统,其特征在于,所述夹持单元包括:底托、夹板、调节按钮、托脚和转动轴;
所述底托用于支撑智能手机和其他零部件,保持智能手机摄像头与背景板保持平行;
所述夹板用于夹紧智能手机;
调节按钮用于调节所述夹板,从而调节所述夹板夹紧手机的程度;
所述托脚用于托住智能手机底部,防止智能手机掉落;
所述转动轴用于调节所述托脚的伸缩。
CN201310633761.6A 2013-12-02 2013-12-02 一种测量水稻剑叶角度的方法、装置及系统 Active CN103673931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310633761.6A CN103673931B (zh) 2013-12-02 2013-12-02 一种测量水稻剑叶角度的方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310633761.6A CN103673931B (zh) 2013-12-02 2013-12-02 一种测量水稻剑叶角度的方法、装置及系统

Publications (2)

Publication Number Publication Date
CN103673931A CN103673931A (zh) 2014-03-26
CN103673931B true CN103673931B (zh) 2016-06-08

Family

ID=50312210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310633761.6A Active CN103673931B (zh) 2013-12-02 2013-12-02 一种测量水稻剑叶角度的方法、装置及系统

Country Status (1)

Country Link
CN (1) CN103673931B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104484870B (zh) * 2014-11-25 2018-01-12 北京航空航天大学 校验飞机定位方法
CN104776814B (zh) * 2015-04-20 2018-05-11 湖南农业大学 水稻叶形采集装置及稻叶形态参数提取方法
CN104776800B (zh) * 2015-04-22 2017-12-08 湖南农业大学 水稻单蘖图像采集装置及形态参数提取方法
CN105466361A (zh) * 2015-11-23 2016-04-06 西南大学 测量植物叶基叶裂间夹角的方法
CN106056665B (zh) * 2016-05-25 2019-03-05 湖南农业大学 水稻群体三维形态结构数字化与可视化重构方法
CN106097372A (zh) * 2016-06-23 2016-11-09 北京农业信息技术研究中心 基于图像处理的农作物植株水分胁迫表型检测方法
CN107507192B (zh) * 2017-07-31 2021-05-25 上海交通大学 一种水稻剑叶夹角在体测量便携装置及在体测量方法
CN107886497A (zh) * 2017-10-05 2018-04-06 北京林业大学 一种基于图像的小麦旗叶无损自动检测及测量方法
CN107941802B (zh) * 2017-10-31 2020-05-08 华中农业大学 基于机器视觉的盆栽水稻卷叶程度测量方法
CN110530375B (zh) * 2019-10-10 2021-08-27 上海钛米机器人科技有限公司 机器人自适应定位方法、定位装置、机器人及存储介质
CN110542422B (zh) * 2019-10-10 2021-03-23 上海钛米机器人科技有限公司 机器人定位方法、装置、机器人及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1288302A1 (en) * 2001-08-28 2003-03-05 Monsanto UK Ltd. Rice regulatory sequences for gene expression in defined wheat tissue
CN103344602A (zh) * 2013-07-04 2013-10-09 中国科学院合肥物质科学研究院 一种基于近红外光谱的水稻种质真伪无损检测方法
CN203337105U (zh) * 2013-05-28 2013-12-11 江苏大学 一种基于机器视觉的透明玻璃瓶口内外径测量装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1288302A1 (en) * 2001-08-28 2003-03-05 Monsanto UK Ltd. Rice regulatory sequences for gene expression in defined wheat tissue
CN203337105U (zh) * 2013-05-28 2013-12-11 江苏大学 一种基于机器视觉的透明玻璃瓶口内外径测量装置
CN103344602A (zh) * 2013-07-04 2013-10-09 中国科学院合肥物质科学研究院 一种基于近红外光谱的水稻种质真伪无损检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
水稻叶面积指数的多光谱遥感估算模型研究;王秀珍等;《遥感技术与应用》;20030430;第18卷(第2期);57-65页 *

Also Published As

Publication number Publication date
CN103673931A (zh) 2014-03-26

Similar Documents

Publication Publication Date Title
CN103673931B (zh) 一种测量水稻剑叶角度的方法、装置及系统
CN104132613B (zh) 一种复杂表面和不规则物体体积的非接触光学测量方法
CN103164692B (zh) 一种基于计算机视觉的特种车辆仪表自动识别系统及方法
CN202956060U (zh) 一种植物形态测定装置
CN103630091B (zh) 一种基于激光与图像处理技术的叶面积测量方法
CN103727876A (zh) 基于平行激光线的带材宽度及中心测量系统和方法
CN204405501U (zh) 一种水泥基材料孔结构的测试分析系统
CN101793840A (zh) 钻石切工参数测量方法及测量装置
CN103245296A (zh) 一种基于图像测量与处理的丝杠螺纹参数测量方法
CN107084671A (zh) 一种基于三线结构光的凹球直径测量系统及测量方法
CN203758619U (zh) 一种合成革色差检查设备
CN110009678A (zh) 正畸用弓丝弯制检测方法及系统
CN203857977U (zh) 一种指针式仪表的自动校准系统
CN103900499A (zh) 基于计算机视觉技术的卷烟包装警语区域面积测定方法
CN203687884U (zh) 基于机器视觉的气浮式乒乓球直径和偏心检测装置
CN108303427B (zh) 基于图像处理的家居破损程度检测系统
CN107507192B (zh) 一种水稻剑叶夹角在体测量便携装置及在体测量方法
CN205301075U (zh) 一种测定冲击试样断口纤维断面率系统
CN208458704U (zh) 一种立杆外径测量装置
CN204902837U (zh) 新型冠幅测量仪
CN105078404B (zh) 基于激光算法的全自动眼动追踪测距定标仪及其使用方法
CN106441037A (zh) 一种树木枝干夹角测量装置
CN103267516A (zh) 一种以数码相机为工具的样地计测技术
CN203396645U (zh) 一种电子显微镜维氏硬度计
CN203216487U (zh) 一种易调节的测绘装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant