CN104794442A - 整株苹果树生熟程度识别平台 - Google Patents
整株苹果树生熟程度识别平台 Download PDFInfo
- Publication number
- CN104794442A CN104794442A CN201510179508.7A CN201510179508A CN104794442A CN 104794442 A CN104794442 A CN 104794442A CN 201510179508 A CN201510179508 A CN 201510179508A CN 104794442 A CN104794442 A CN 104794442A
- Authority
- CN
- China
- Prior art keywords
- value
- image
- apple
- pixel
- haze
- 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.)
- Granted
Links
- 235000011430 Malus pumila Nutrition 0.000 title claims abstract description 140
- 235000015103 Malus silvestris Nutrition 0.000 title claims abstract description 140
- 244000141359 Malus pumila Species 0.000 title claims abstract description 71
- 241000220225 Malus Species 0.000 claims abstract description 71
- 238000010411 cooking Methods 0.000 claims description 83
- 230000005540 biological transmission Effects 0.000 claims description 22
- 230000008030 elimination Effects 0.000 claims description 22
- 238000003379 elimination reaction Methods 0.000 claims description 22
- 239000003595 mist Substances 0.000 claims description 22
- 230000003068 static effect Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000035800 maturation Effects 0.000 claims description 4
- 206010036590 Premature baby Diseases 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009313 farming Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 235000021016 apples Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 230000003698 anagen phase Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Abstract
本发明涉及一种整株苹果树生熟程度识别平台,包括高清摄像头、去雾霾处理器、图像处理器和64位的三星Exynos 7处理器,所述高清摄像头对一株苹果树进行图像采集,以获得苹果树图像,所述去雾霾处理器用于去除所述苹果树图像中的雾霾成分,以获得清晰化图像,所述图像处理器对所述清晰化图像进行图像处理,以获得所述苹果树的生熟程度数据,所述Exynos 7处理器与所述图像处理器连接,用于基于所述生熟程度数据识别出所述苹果树的整株苹果生熟程度等级。通过本发明,即使在雾霾严重的天气下,也能够实现对整株苹果成熟度的自动、准确判断。
Description
技术领域
本发明涉及电子检测领域,尤其涉及一种整株苹果树生熟程度识别平台。
背景技术
农林作物的生长具有周期性,因而有一定的规律可循,有经验的农作林人员能够通过观察农林作物的生长状态就能确定农林作物的生长阶段,尤其是农林产品的成熟度与颜色密切相关的品种,例如苹果。苹果颜色为青色发白时,苹果尚未成熟,颜色越红,成熟度等级越高。
现有的苹果成熟度检测手段,除了原有的人工检测模式以外,也有一些研制的检测仪器被应用,例如,拍摄的苹果图像的灰度值越大,说明苹果颜色越偏白,成熟度等级较低,反之,拍摄的苹果图像的灰度值越小,说明苹果颜色越偏紫红,成熟度等级较高。
不论是现有的人工检测模式,还是现有的仪器检测模式,都存在一定的缺陷,例如,前者因为过于依赖人工的历史经验,而每一个农作人员的经验不一,导致判断的结果也存在误差,而后者虽然没有考虑雾霾天气的影响,在雾霾严重的天气,雾霾对检测图像带来的干扰很可能会影响检测结果。
因此,在检测整株苹果成熟度时,需要一种新的成熟度检测方案,既能替代传统的人工检测模式,采用电子仪器自动完成检测,又能保证检测结果不受雾霾天气的影响,从而能够提供高精度的检测数据。
发明内容
为了解决上述问题,本发明提供了一种整株苹果树生熟程度识别平台,基于苹果图像和成熟度关键数据判断整株苹果的成熟度等级,更关键的是,根据大气衰减模型确定雾霾对图像的影响因素,并对多雾天气下采集的检测图像进行去雾霾化处理,提高了识别平台的可靠性。
根据本发明的一方面,提供了一种整株苹果树生熟程度识别平台,所述识别平台包括高清摄像头、去雾霾处理器、图像处理器和64位的三星Exynos 7处理器,所述高清摄像头对一株苹果树进行图像采集,以获得苹果树图像,所述去雾霾处理器用于去除所述苹果树图像中的雾霾成分,以获得清晰化图像,所述图像处理器对所述清晰化图像进行图像处理,以获得所述苹果树的生熟程度数据,所述Exynos 7处理器与所述图像处理器连接,用于基于所述生熟程度数据识别出所述苹果树的整株生熟程度等级。
更具体地,在所述整株苹果树生熟程度识别平台中,还包括:供电电源,包括太阳能供电器件、蓄电池、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述蓄电池分别连接,根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;静态存储器,用于预先存储成熟度阈值、判定数量阈值、苹果上限灰度阈值和苹果下限灰度阈值,所述苹果上限灰度阈值和所述苹果下限灰度阈值用于将图像中的每颗苹果和背景分离,所述静态存储器还预先存储了生熟程度等级对照表,所述生熟程度等级对照表以生熟程度等级为索引,保存了各个生熟程度等级对应的生熟程度数值范围;高清摄像头包括CMOS视觉传感器和辅助光源,所述CMOS视觉传感器用于对所述苹果树进行图像采集,以获得苹果树图像,所述苹果树图像的分辨率为3840×2160,所述辅助光源为所述CMOS视觉传感器的图像采集提供照明辅助光,所述照明辅助光的强度与所述辅助光源周围环境的光线亮度成反比;所述去雾霾处理器包括:雾霾浓度检测子器件,位于空气中,用于实时检测识别平台所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;整体大气光值获取子器件,与所述高清摄像头连接以获得所述苹果树图像,计算所述苹果树图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值;大气散射光值获取子器件,与所述高清摄像头和所述雾霾浓度检测子器件分别连接,对所述苹果树图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF(edge-preserving gaussian filter)对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;介质传输率获取子器件,与所述整体大气光值获取子器件和所述大气散射光值获取子器件分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;清晰化图像获取子设备,与所述高清摄像头、所述整体大气光值获取子器件和所述介质传输率获取子器件分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将所述苹果树图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,所述苹果树图像中每一个像素的像素值包括所述苹果树图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成所述清晰化图像;所述图像处理器与所述去雾霾处理器和所述静态存储器分别连接,所述图像处理器包括图像预处理子器件和生熟程度检测子器件,所述图像预处理子器件与所述去雾霾处理器连接,对所述清晰化图像依次进行对比度增强、小波滤波和灰度化处理,以获得灰度化图像,所述生熟程度检测子器件与所述图像预处理子器件和所述静态存储器分别连接,将所述灰度化图像中灰度值在所述苹果上限灰度阈值和所述苹果下限灰度阈值之间的像素识别并组成多个苹果图案,针对每一个苹果图案,统计像素灰度值小于等于所述成熟度阈值的像素数量,当统计的像素数量大于等于所述判定数量阈值时,确定所述苹果图案对应的苹果为成熟,当所述像素数量小于所述判定数量阈值时,确定所述苹果图案对应的苹果为未成熟,基于多个苹果图案的苹果的成熟确定结果统计并输出整株苹果的生熟程度数据;所述Exynos7处理器与所述图像处理器和所述静态存储器分别连接,基于所述整株苹果的生熟程度数据和所述生熟程度等级对照表,确定所述整株苹果的生熟程度数据所对应的生熟程度等级以作为整株生熟程度等级并输出;其中,所述图像预处理子器件和所述生熟程度检测子器件分别采用FPGA芯片实现,所述分别采用的FPGA芯片均为XILINX公司的XC3S1000FT256。
更具体地,在所述整株苹果树生熟程度识别平台中,将所述去雾霾处理器、所述图像处理器和所述Exynos 7处理器集成在一块集成电路板上。
更具体地,在所述整株苹果树生熟程度识别平台中,所述识别平台还包括:无线收发器,与所述Exynos 7处理器连接,用于无线发送所述整株生熟程度等级。
更具体地,在所述整株苹果树生熟程度识别平台中,替换分别采用FPGA芯片实现,将所述图像预处理子器件和所述生熟程度检测子器件集成在一块FPGA芯片中实现。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的整株苹果树生熟程度识别平台的结构方框图。
图2为根据本发明实施方案示出的整株苹果树生熟程度识别平台的高清摄像头的结构方框图。
具体实施方式
下面将参照附图对本发明的整株苹果树生熟程度识别平台的实施方案进行详细说明。
在农林业生产中,农林作物的生熟程度判断非常关键,如果生熟程度判断失误,可能造成不菲的经济损失,例如,对于尚未成熟的农作林物进行采摘,会导致采摘到的农林产品无法销售,同样,如果对于已经成熟的农林作物未能判断为成熟,则会耽误最佳的采摘时间段,甚至容易导致农林产品烂在农田里。因而,只有准确判断出农林作物是否成熟,以决定是否收获农林产品,才能保证农林经营部门和农林工作人员的经济利益。
然而,传统的农林作物成熟度判断主要依赖于农林工作人员的历史经验,即凭据肉眼基于所观测到的农林产品的颜色和状态来完成判断,例如成熟度与颜色关系密切的苹果,仅凭借苹果的颜色即可判断苹果是否成熟。但是这种方式过于依赖人工、判断效率和准确度不高。也有一些农业经营部门采用可视化仪器现场勘测农产品的生熟程度,但是往往忽略了雾霾天气对成像的干扰,导致生熟程度判断不够准确,仪器可靠性不高。
为了克服上述不足,本发明搭建了一种整株苹果树生熟程度识别平台,采用仪器的方式实现对苹果生熟程度的自动检测,而且在平台中增加了雾霾去除设备,以保障该平台可以适应任何雾霾天气。
图1为根据本发明实施方案示出的整株苹果树生熟程度识别平台的结构方框图,所述识别平台包括高清摄像头1、去雾霾处理器2、图像处理器3和64位的三星Exynos 7处理器4,所述高清摄像头1对一株苹果树进行图像采集,以获得苹果树图像,所述去雾霾处理器2用于去除所述苹果树图像中的雾霾成分,以获得清晰化图像,所述图像处理器3对所述清晰化图像进行图像处理,以获得所述苹果树的生熟程度数据,所述Exynos7处理器4与高清摄像头1、去雾霾处理器2、图像处理器3分别连接,用于基于所述生熟程度数据识别出所述苹果树的整株生熟程度等级。
接着,继续对本发明的整株苹果树生熟程度识别平台的具体结构进行进一步的说明。
所述识别平台还包括:供电电源,包括太阳能供电器件、蓄电池、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述蓄电池分别连接,根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压。
所述识别平台还包括:静态存储器,用于预先存储成熟度阈值、判定数量阈值、苹果上限灰度阈值和苹果下限灰度阈值,所述苹果上限灰度阈值和所述苹果下限灰度阈值用于将图像中的每颗苹果和背景分离,所述静态存储器还预先存储了生熟程度等级对照表,所述生熟程度等级对照表以生熟程度等级为索引,保存了各个生熟程度等级对应的生熟程度数值范围。
如图2所示,高清摄像头1包括CMOS视觉传感器11和辅助光源12,所述CMOS视觉传感器11用于对所述苹果树进行图像采集,以获得苹果树图像,所述苹果树图像的分辨率为3840×2160,所述辅助光源12为所述CMOS视觉传感器11的图像采集提供照明辅助光,所述照明辅助光的强度与所述辅助光源周围环境的光线亮度成反比。
所述去雾霾处理器2包括以下部件:
雾霾浓度检测子器件,位于空气中,用于实时检测识别平台所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;
整体大气光值获取子器件,与所述高清摄像头1连接以获得所述苹果树图像,计算所述苹果树图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值;
大气散射光值获取子器件,与所述高清摄像头1和所述雾霾浓度检测子器件分别连接,对所述苹果树图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF(edge-preserving gaussian filter)对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;
介质传输率获取子器件,与所述整体大气光值获取子器件和所述大气散射光值获取子器件分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;
清晰化图像获取子设备,与所述高清摄像头1、所述整体大气光值获取子器件和所述介质传输率获取子器件分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将所述苹果树图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,所述苹果树图像中每一个像素的像素值包括所述苹果树图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成所述清晰化图像;
所述图像处理器3与所述去雾霾处理器2和所述静态存储器分别连接,所述图像处理器3包括以下部件:
图像预处理子器,与所述去雾霾处理器连接,对所述清晰化图像依次进行对比度增强、小波滤波和灰度化处理,以获得灰度化图像;
生熟程度检测子器件,与所述图像预处理子器件和所述静态存储器分别连接,将所述灰度化图像中灰度值在所述苹果上限灰度阈值和所述苹果下限灰度阈值之间的像素识别并组成多个苹果图案,针对每一个苹果图案,统计像素灰度值小于等于所述成熟度阈值的像素数量,当统计的像素数量大于等于所述判定数量阈值时,确定所述苹果图案对应的苹果为成熟,当所述像素数量小于所述判定数量阈值时,确定所述苹果图案对应的苹果为未成熟,基于多个苹果图案的苹果的成熟确定结果统计并输出整株苹果的生熟程度数据。
所述Exynos 7处理器4与所述图像处理器3和所述静态存储器分别连接,基于所述整株苹果的生熟程度数据和所述生熟程度等级对照表,确定所述整株苹果的生熟程度数据所对应的生熟程度等级以作为整株生熟程度等级并输出。
其中,所述图像预处理子器件和所述生熟程度检测子器件分别采用FPGA芯片实现,所述分别采用的FPGA芯片均为XILINX公司的XC3S1000FT256。
可选地,在所述整株苹果树生熟程度识别平台中,将所述去雾霾处理器2、所述图像处理器3和所述Exynos 7处理器4集成在一块集成电路板上;所述识别平台还可以包括:无线收发器,与所述Exynos 7处理器4连接,用于无线发送所述整株生熟程度等级;以及,替换分别采用FPGA芯片实现,将所述图像预处理子器件和所述生熟程度检测子器件集成在一块FPGA芯片中实现。
另外,雾霾图像可以通过一系列图像处理设备实现图像的去雾霾化,以获得清晰化的图像,提高图像的能见度。这些图像处理设备分别执行不同的图像处理功能,基于雾霾形成的原理,达到去除雾霾的效果。雾霾图像的清晰化处理对于军用和民用领域都具有极大的应用价值,军用领域包括军事国防、遥感导航等,民用领域包括道路监测、目标跟踪和自动驾驶等。
雾霾图像形成的过程可以用大气衰减过程来描绘,在雾霾图像和实际图像即清晰化图像之间的关系可用整体大气光值和每一个像素的介质传输率来表述,即在已知雾霾图像的情况下,根据整体大气光值和每一个像素的介质传输率,可以求解出清晰化图像。
对于整体大气光值和每一个像素的介质传输率的求解都存在一些有效且经过验证的手段,例如,对于每一个像素的介质传输率,需要获得整体大气光值和每一个像素的大气散射光值,而每一个像素的大气散射光值可在对每一个像素在雾霾图像中的像素值进行两次保持边缘的高斯平滑滤波而获得,其间,雾霾去除的强度可调;而整体大气光值的获得方式有两种,一种方式是,可通过获取雾霾图像的黑色通道(即在雾霾图像中使得一些像素的黑色通道值非常低,黑色通道为R,G,B三颜色通道中的一种),在雾霾图像中,通过寻找黑色通道像素值偏大的多个像素中寻找灰度值最大的像素来获得,即将寻找到的、灰度值最大的像素的灰度值作为整体大气光值,参与雾霾图像中每一个像素的清晰化处理;另外,整体大气光值也可通过以下方式获得:计算雾霾图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值。
具体的雾霾图像和实际图像即清晰化图像之间的关系,以及各个参数之间的关系可参见以上内容。
通过对雾霾图像形成原理的探讨,搭建了雾霾图像和清晰化图像之间的关系,用多个参数表示这种关系,随后通过获得的多个参数值和雾霾图像即可还原获得清晰度较高的图像,由于参数的获得借用了一些统计手段和经验手段,因此所述清晰度较高的图像不可能完全等同于实际图像,但已经具有相当程度的去雾霾效果,为雾霾天气下的各个领域作业提供有效保障。
采用本发明的整株苹果树生熟程度识别平台,针对现有识别平台或偏人工或缺乏雾霾去除机制的技术问题,一方面,采用电子识别方式,通过高精度图像处理技术实现对整株苹果树的生熟程度的准确估算,另一方面,引入雾霾去除设备,以根据雾霾天气的雾霾程度确定检测图像的雾霾去除力度,从而避免识别结果受到天气的影响。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (5)
1.一种整株苹果树生熟程度识别平台,其特征在于,所述识别平台包括高清摄像头、去雾霾处理器、图像处理器和64位的三星Exynos 7处理器,所述高清摄像头对一株苹果树进行图像采集,以获得苹果树图像,所述去雾霾处理器用于去除所述苹果树图像中的雾霾成分,以获得清晰化图像,所述图像处理器对所述清晰化图像进行图像处理,以获得所述苹果树的生熟程度数据,所述Exynos 7处理器与所述图像处理器连接,用于基于所述生熟程度数据识别出所述苹果树的整株生熟程度等级。
2.如权利要求1所述的整株苹果树生熟程度识别平台,其特征在于,所述识别平台还包括:
供电电源,包括太阳能供电器件、蓄电池、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述蓄电池分别连接,根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;
静态存储器,用于预先存储成熟度阈值、判定数量阈值、苹果上限灰度阈值和苹果下限灰度阈值,所述苹果上限灰度阈值和所述苹果下限灰度阈值用于将图像中的每颗苹果和背景分离,所述静态存储器还预先存储了生熟程度等级对照表,所述生熟程度等级对照表以生熟程度等级为索引,保存了各个生熟程度等级对应的生熟程度数值范围;
高清摄像头包括CMOS视觉传感器和辅助光源,所述CMOS视觉传感器用于对所述苹果树进行图像采集,以获得苹果树图像,所述苹果树图像的分辨率为3840×2160,所述辅助光源为所述CMOS视觉传感器的图像采集提供照明辅助光,所述照明辅助光的强度与所述辅助光源周围环境的光线亮度成反比;
所述去雾霾处理器包括:
雾霾浓度检测子器件,位于空气中,用于实时检测识别平台所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;
整体大气光值获取子器件,与所述高清摄像头连接以获得所述苹果树图像,计算所述苹果树图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值;
大气散射光值获取子器件,与所述高清摄像头和所述雾霾浓度检测子器件分别连接,对所述苹果树图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;
介质传输率获取子器件,与所述整体大气光值获取子器件和所述大气散射光值获取子器件分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;
清晰化图像获取子设备,与所述高清摄像头、所述整体大气光值获取子器件和所述介质传输率获取子器件分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将所述苹果树图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,所述苹果树图像中每一个像素的像素值包括所述苹果树图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成所述清晰化图像;
所述图像处理器与所述去雾霾处理器和所述静态存储器分别连接,所述图像处理器包括图像预处理子器件和生熟程度检测子器件,所述图像预处理子器件与所述去雾霾处理器连接,对所述清晰化图像依次进行对比度增强、小波滤波和灰度化处理,以获得灰度化图像,所述生熟程度检测子器件与所述图像预处理子器件和所述静态存储器分别连接,将所述灰度化图像中灰度值在所述苹果上限灰度阈值和所述苹果下限灰度阈值之间的像素识别并组成多个苹果图案,针对每一个苹果图案,统计像素灰度值小于等于所述成熟度阈值的像素数量,当统计的像素数量大于等于所述判定数量阈值时,确定所述苹果图案对应的苹果为成熟,当所述像素数量小于所述判定数量阈值时,确定所述苹果图案对应的苹果为未成熟,基于多个苹果图案的苹果的成熟确定结果统计并输出整株苹果的生熟程度数据;
所述Exynos 7处理器与所述图像处理器和所述静态存储器分别连接,基于所述整株苹果的生熟程度数据和所述生熟程度等级对照表,确定所述整株苹果的生熟程度数据所对应的生熟程度等级以作为整株生熟程度等级并输出;
其中,所述图像预处理子器件和所述生熟程度检测子器件分别采用FPGA芯片实现,所述分别采用的FPGA芯片均为XILINX公司的XC3S1000FT256。
3.如权利要求2所述的整株苹果树生熟程度识别平台,其特征在于:
将所述去雾霾处理器、所述图像处理器和所述Exynos 7处理器集成在一块集成电路板上。
4.如权利要求2所述的整株苹果树生熟程度识别平台,其特征在于,所述识别平台还包括:
无线收发器,与所述Exynos 7处理器连接,用于无线发送所述整株生熟程度等级。
5.如权利要求2所述的整株苹果树生熟程度识别平台,其特征在于:
替换分别采用FPGA芯片实现,将所述图像预处理子器件和所述生熟程度检测子器件集成在一块FPGA芯片中实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510179508.7A CN104794442B (zh) | 2015-04-16 | 2015-04-16 | 整株苹果树生熟程度识别平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510179508.7A CN104794442B (zh) | 2015-04-16 | 2015-04-16 | 整株苹果树生熟程度识别平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794442A true CN104794442A (zh) | 2015-07-22 |
CN104794442B CN104794442B (zh) | 2017-11-14 |
Family
ID=53559230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510179508.7A Expired - Fee Related CN104794442B (zh) | 2015-04-16 | 2015-04-16 | 整株苹果树生熟程度识别平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794442B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651844A (zh) * | 2016-12-16 | 2017-05-10 | 山东锋士信息技术有限公司 | 一种基于图像分析的苹果生育期识别方法 |
CN108198176A (zh) * | 2017-12-29 | 2018-06-22 | 贵州省烟草公司毕节市公司 | 一种基于图像分析烟草成熟度的判别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1597960A1 (en) * | 2003-02-07 | 2005-11-23 | José Canela Segura | Integrated versatile equipment for harvesting and treatiment of fruit on trees |
CN101673344A (zh) * | 2009-10-09 | 2010-03-17 | 江苏大学 | 滤波片光谱图像技术识别自然场景成熟柑橘的装置及方法 |
CN102095797A (zh) * | 2010-10-29 | 2011-06-15 | 华南理工大学 | 一种基于比较法的超声无损检测水果成熟度的方法与系统 |
CN102818777A (zh) * | 2012-08-24 | 2012-12-12 | 北京农业智能装备技术研究中心 | 一种基于光谱和颜色测量的水果成熟度评价方法 |
CN103065285A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
-
2015
- 2015-04-16 CN CN201510179508.7A patent/CN104794442B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1597960A1 (en) * | 2003-02-07 | 2005-11-23 | José Canela Segura | Integrated versatile equipment for harvesting and treatiment of fruit on trees |
CN101673344A (zh) * | 2009-10-09 | 2010-03-17 | 江苏大学 | 滤波片光谱图像技术识别自然场景成熟柑橘的装置及方法 |
CN102095797A (zh) * | 2010-10-29 | 2011-06-15 | 华南理工大学 | 一种基于比较法的超声无损检测水果成熟度的方法与系统 |
CN102818777A (zh) * | 2012-08-24 | 2012-12-12 | 北京农业智能装备技术研究中心 | 一种基于光谱和颜色测量的水果成熟度评价方法 |
CN103065285A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651844A (zh) * | 2016-12-16 | 2017-05-10 | 山东锋士信息技术有限公司 | 一种基于图像分析的苹果生育期识别方法 |
CN106651844B (zh) * | 2016-12-16 | 2021-04-02 | 山东锋士信息技术有限公司 | 一种基于图像分析的苹果生育期识别方法 |
CN108198176A (zh) * | 2017-12-29 | 2018-06-22 | 贵州省烟草公司毕节市公司 | 一种基于图像分析烟草成熟度的判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104794442B (zh) | 2017-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aquino et al. | Automated early yield prediction in vineyards from on-the-go image acquisition | |
CN106971167B (zh) | 基于无人机平台的作物生长分析方法及其分析系统 | |
Shirzadifar | Automatic weed detection system and smart herbicide sprayer robot for corn fields | |
CN105352480B (zh) | 输电线路上异物种类检测方法 | |
CN103792235A (zh) | 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测方法与装置 | |
CN106778629B (zh) | 大棚识别方法及装置 | |
CN105300358A (zh) | 输电线路上异物种类检测平台 | |
Golzarian et al. | Evaluation of color indices for improved segmentation of plant images | |
CN104198325A (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
Syal et al. | A survey of computer vision methods for counting fruits and yield prediction | |
Chianucci et al. | Estimation of ground canopy cover in agricultural crops using downward-looking photography | |
Hu et al. | Information extraction of subsided cultivated land in high-groundwater-level coal mines based on unmanned aerial vehicle visible bands | |
Cruz et al. | Precise real-time detection of nonforested areas with UAVs | |
CN104794442A (zh) | 整株苹果树生熟程度识别平台 | |
CN102184389B (zh) | 用于心材与边材高色差树种的年轮自动识别方法 | |
Setyawan et al. | Comparison of hsv and lab color spaces for hydroponic monitoring system | |
Amirulah et al. | Starfruit color maturity classification using Cr as feature | |
CN107169940A (zh) | 基于电子识别的单株梨树产量获取方法 | |
Yao et al. | Study on detection method of external defects of potato image in visible light environment | |
Xing et al. | Smoke image segmentation based on color model | |
KR20180096966A (ko) | 형태적 연산과 연결 연산을 이용한 벼 모종 자동 개수 세는 방법 | |
Hou | Analysis of visual navigation extraction algorithm of farm robot based on dark primary colour. | |
CN112308024A (zh) | 一种水体信息提取方法 | |
CN104738015B (zh) | 一种农药喷洒速率控制方法 | |
CN104738014B (zh) | 农药喷洒速率控制平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Qin Zongyi Inventor before: Wang Aiyun |
|
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20171012 Address after: 541010 the Guangxi Zhuang Autonomous Region golden Guilin Qixing District Road No. 1 Applicant after: GUILIN University OF ELECTRONIC TECHNOLOGY Address before: 224200 Dongtai, Jiangsu, East Road, North Road, No. Applicant before: Wang Aiyun |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171114 |