CN106296644A - 一种基于图像处理的玉米籽粒考种分析方法 - Google Patents
一种基于图像处理的玉米籽粒考种分析方法 Download PDFInfo
- Publication number
- CN106296644A CN106296644A CN201510323540.8A CN201510323540A CN106296644A CN 106296644 A CN106296644 A CN 106296644A CN 201510323540 A CN201510323540 A CN 201510323540A CN 106296644 A CN106296644 A CN 106296644A
- Authority
- CN
- China
- Prior art keywords
- seed
- image
- recorded
- result
- acquisition
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理的玉米籽粒考种分析方法,其涉及计算机图像处理技术领域。本发明是为了更好的将图像处理技术应用于玉米籽粒的考种分析,并克服了在图像分割时的速度慢,易出错,取图设备和图片质量要求高等缺点。该发明的方案要点是:第一步,利用灰度化、滤波去噪、二值化及开运算对图像进行预处理,得到理想的二值图;第二步,利用距离变换法查找出籽粒中心位置;第三步,利用籽粒中心位置特征和面积特征对籽粒连通域进行分类分割;第四步,查找籽粒外轮廓参数等。该发明可应用于玉米籽粒考种分析,并已投入应用,具有便捷性和准确性等优点,因此为玉米考种提供了有力的技术支持。
Description
技术领域
本发明涉及计算机图像处理技术领域,具体涉及一种基于图像处理的玉米籽粒考种分析方法。
背景技术
考种也叫选种,是指对某一物种亲缘关系、遗传特性进行溯源的活动,以达到选出优良动植物品种的技术,对种植业的发展具有非常重要的意义。为了进行种子考种等科研实验,对作物籽粒分析是不可或缺的步骤,而且籽粒分析的精度对考种结果有着极大的影响。国内在把数字图像技术用于农业方面起步较晚,近些年,中国农业发展的重要性越来越突出,其中把数字图像技术用于考种技术慢慢受到了一些研究人员的关注与研究,同时在作物种子图像的分割检测方面取得了一定的研究成果。常见的分割检测方法有距离变换和分水岭相结合的方法,还有基于椭圆曲线拟合的分割方法,基于利用籽粒轮廓曲率的分割方法等等。目前,科研人员提出的图像分割算法可分为边缘检测、门限化、像素分类和综合使用的人工神经网络、模糊集论等类型。但是分割效果差强人意,对设备要求和图片质量要求较高等;因而其方便性,准确性,快捷性都有待提高,难以广泛地推广应用。将图像处理技术应用于考种中的籽粒分析,有很大的发展空间,不仅能克服传统人工籽粒分析效率低、容易出错,劳动力大等缺点,同时也可以克服机电一体化设备存在的误差大、制造复杂、价格昂贵等问题。综上所述,为了解决上述现有技术的不足,提供一种便捷准确的作物籽粒分析方法,本发明专注于研究如何将图像处理技术应用于玉米籽粒分析,并提供一种基于图像处理的玉米籽粒考种分析方法,此发明已应用于玉米 籽粒考种分析,结果证明此发明方法能够快速便捷的对考种中的玉米籽粒进行分析。
发明内容
(一)要解决的技术问题
本发明的主要目的在于提供一种基于图像处理的玉米籽粒考种分析方法,可以在不破坏图像中籽粒外形的情况下对玉米籽粒进行分割。克服传统人工籽粒分析的效率低、容易出错,劳动力大和机电化设备的误差大、制造复杂、价格昂贵等问题,也克服了图像分割技术应用于籽粒分割时的分割效果差,速度慢,对设备要求和图片质量要求高等不足。将图像处理技术更好应用于考种领域,为玉米考种提供了有力的技术支持。
(二)技术方案
本发明技术方案如下:
一种基于图像处理的玉米籽粒考种分析方法,包括步骤:
S0、获取玉米籽粒图像,图像记录为bmp0;
S1、图像预处理,图像是S0处理结果bmp0,主要利用图像灰度化、平滑滤波、二值化和形态学开运算等方法对图像进行了预处理,预处理后的图像记录为bmp1;
S2、查找籽粒中心,查找的图像是S1的处理结果bmp1,利用距离变换方法使图像中的籽粒中心形成高亮区,在利用图像分割和形态学结合的方法提取出籽粒中心的高亮区,记录下每个高亮区的位置坐标,以此作为图像中各个籽粒的中心位置;
S3、图像分类分割,图像是S1处理结果bmp1,利用S2中得到的籽粒位置特征和籽粒的面积特征对图像中的籽粒进行分类分割,分割结果记录为dstimg;
S4、图像后处理,处理的图像是S3分割的结果dstimg,查找籽粒的连通域的轮廓作为籽粒轮廓,以及计算籽粒个数、面积、周长、长、宽、以、长宽比等。
优先的所述步骤S1包括:
S1.1、取得S0处理结果图bmp0,对其进行灰度化处理,在利用高斯滤波和中值滤波进行平滑处理,处理结果图记录为img11;
S1.2、获取S1.1处理后的图img11,利用最大类间方差法对图像进行全局二值化或者人工设定阈值法进行全局二值化,处理结果图记录为img12;
S1.3、获取S1.2处理后的图img12,利用形态学开运算方法去除椒盐噪声,处理后图像记录为bmp1,并将图像传递给下一步S2。
优先的,所述步骤S2包括:
S2.1、获取S1处理后的图bmp1,对其进行3次形态学腐蚀运算,两次形态学膨胀运算,结果图记录为img21;
S2.2、获取S2.1处理后的图img21,利用距离变换算法使各个籽粒中心形成高亮区,结果图记录为img22;
S2.3、获取S2.2处理后的图img22,在利用图像分割和形态学结合的方法提取出籽粒中心的高亮区,将高亮区记录在图img23;
S2.4、获取S2.3处理后的图img23,利用形态学闭运算结合相近的高亮区,结果记录为图img24;
S2.5、获取S2.4处理后的图img24,查找和记录每个高亮区的位置坐标,以此作为图像中各个籽粒的中心位置特征。
优先的,所述步骤S3包括:
S3.1、获取S1处理后的图bmp1,根据籽粒中心位置特征进行扫描分 割,分割结果记录为图img31;
S3.2、获取S3.1处理后的图img31,根据面积特征对img31中的籽粒连通域进行分类,第一类是一个连通域只包含一个籽粒的连通域类,将一类连通域记录于图img321,第二类是一个连通域包含两个及以上籽粒的连通域类,将二类连通域记录于图img322;
S3.3、获取S3.2处理后的图img322,根据图像中籽粒连通域的凹点特征进行分割,分割结果记录为图img33;
S3.4、获取S3.3处理后的图img33,根据面积特征对img33中的籽粒连通域进行分类,第一类是一个连通域只包含一个籽粒的连通域类,将一类连通域记录于图img341,第二类是一个连通域包含两个及以上籽粒的连通域类,将二类连通域记录于图img342;
S3.5、获取3.4处理后的图img342,根据籽粒中心位置特征进行平分分割,分割结果记录于图img35;
S3.6、获取S3.2处理后的图img321,3.4处理后的图img341,3.5处理后的图img35,将三图相加,即:img321+img341+img35,并将结果记录于图dstimg,将图dstimg传递给下一步S4。
(三)有益效果
(1)本发明将数字图像处理技术应用于考种领域的玉米籽粒分析,取代人工考种中的籽粒分析和机械计数,节省了人力成本和设备成本,大幅度地提高工作效率;
(2)本发明克服了一般图像分割技术应用于籽粒分割时处理速度慢,准确度低等缺点,达到了速度快,准确度高,稳定性强,可重复批量处理等优点;
(3)本发明在玉米考种中的玉米籽粒分析上进行了测试和应用,并 且达到了满意的效果,此发明同样可以推广到其他农作物的考种当中,为考种提供了有力的技术支持。
具体实施方式
下面结合附图,对发明的具体实施方式做进一步描述。参见图1,本发明对籽粒图像的处理主要分为四个模块,第一模块是图像处理模块,主要运用的方法有平滑滤波法,最大类间方差法及形态学运算等等;第二模块是图像中籽粒中心查找模块,主要应用了形态学和距离变换方法等;第三模块是粘连籽粒的分割模块,主要是利用籽粒中心点特征和凹点特征对粘连籽粒进行分割,利用面积特征对图像进行分类等;第四模块是图像后处理模块,主要是查找分割后籽粒的外轮廓及计算面积、周长、长宽比等参数;下面分别对这四部分及玉米颗粒图像获取等进行详细描述。
玉米颗粒图像获取介绍:
玉米颗粒图像获取为模块S0,获取的图像记录为bmp0。玉米颗粒图像获取有一定的限制,可以用扫描仪或者相机进行获取,图像背景要为白色和黑色,玉米籽粒需平铺,不能重叠,可粘连,数量依据种子大小而定,数量在100-1500之间最佳,照片要清晰,图像均为彩图;此外,相机取图时要正立,像素为800万最佳,相机拍照取图时需加背景灯,扫描仪取图时,像素为400dpi最佳。
(一)玉米籽粒图像预处理
玉米籽粒图像预处理为模块S1,主要对图像bmp0,进行灰度化、平滑滤波、二值化和形态学开运算等处理,预处理后的图像记录为bmp1,bmp1效果见图2。
预处理详细步骤如下:
S1.1、取得S0处理结果图bmp0,对其进行灰度化处理,在利用高斯 滤波和中值滤波进行平滑处理,处理结果图记录为img11。
灰度化即是把彩色图像的R、G、B通道亮度值转化为单通道亮度值表征每个像素点构成的图像,转化公式为:
Gray(x,y)=0.299*R(x,y)+0.587*G(x,y)+0.114*B(x,y) (1)
其中(x,y)表示像素点的位置,Gray(x,y)灰度图对应像素点亮度,R(x,y),G(x,y),B(x,y)分别代表彩图对应像素点的每个通道亮度值。
平滑处理就是模糊处理,这里主要用到了平均值滤波和中值滤波;平均值滤波器输出图像的每一个像素是窗口中输入图像对应像素值的简单平均值,是很常用的去噪滤波器,而对镜头噪声(亮度值很大的孤立点)较为敏感;中值滤波器将中心像素的正方形领域内的每个像素值用中间像素值替换,而且对镜头噪声有很好的处理效果;这里使用的滤波器的内核大小均为3×3。
S1.2、获取S1.1处理后的图img11,利用最大类间方差法对图像进行全局二值化或者人工设定阈值法进行全局二值化,处理结果图记录为img12。
S1.3、获取S1.2处理后的图img12,利用形态学开运算方法去除椒盐噪声,处理后图像记录为bmp1,并将图像传递给下一步S2。
形态学开运算方法进行一次开运算处理,内核大小是3×3;开运算目的是为了消除椒盐噪声和分开弱粘连的种子连通域;此开运算之后,图片中会有部分颗粒连通域会出现空洞现象,本发明根据孔洞的面积特征(像素数)进行了简单的填充,可以使最终分割效果略微提升。
(二)查找籽粒中心
查找籽粒中心为模块S2,即在玉米籽粒图像中查找籽粒中心。对二值图bmp1进行处理,主要利用距离变换方法使图像中的籽粒中心形成高亮区,记录下每个高亮区的位置坐标,以此作为图像中各个籽粒的中心位置;结果图像记录为bmp2,结果效果见图3。查找籽粒中心的详细步骤如下:
S2.1、获取S1处理后的图bmp1,对其进行3次形态学腐蚀运算,2次形态学膨胀运算,结果图记录为img21;
腐蚀是为了消除小颗粒噪声和消除连通域边界;由于腐蚀过于严重,会对距离变换产生影响,所以需要用膨胀的进行形状恢复,形态学运算的内核大小为3×3;
S2.2、获取S2.1处理后的图img21,利用距离变换算法使各个籽粒中心形成高亮区,结果图记录为img22;
S2.3、获取S2.2处理后的图img22,在利用图像分割和形态学结合的方法提取出籽粒中心的高亮区,将高亮区记录在图img23;
S2.4、获取S2.3处理后的图img23,利用形态学闭运算结合相近的高亮区,结果记录为图img24;
S2.5、获取S2.4处理后的图img24,查找和记录每个高亮区的位置坐标,以此作为图像中各个籽粒的中心位置特征;
高亮区已提取存放在图img24上,先查找出其外轮廓,在外轮廓的基础上计数出其最小外接矩形,利用其最小外接矩形的中心作为玉米籽粒的中心,最后将玉米籽粒中心位置坐标作为籽粒中心特征保存,在玉米籽粒图像切割时使用。
(三)图像分类分割
图像分类分割为模块S3,获取S1处理结果图像bmp1,利用S2中得到的籽粒位置特征结合籽粒的面积特征对图像中的籽粒进行分类分割,分割结果记录为dstimg。图像分类分割的详细步骤如下:
S3.1、获取S1处理后的图bmp1,根据籽粒中心位置特征进行扫描分割,分割结果记录为图img31;
1)如图4,以两颗籽粒中心为参考点作矩形ABDC,矩形需满足条件:(1)E、F点为两颗籽粒的中心点,AB、CD为矩形的宽,E、F为中其中点,(2)AC、BD为矩形长,即矩形长度值为两籽粒中心点连线EF长度值;(3)矩形宽度值为两颗相连籽粒中心点距离的平均值,这里采用的计数方式是:获取所有两两籽粒的距离,取出距离最小的前50个距离值,计数其平均值,记录averagelength;
2)扫描方式,如图,M为AB上一点,N为CD上一点,并且M、N两点对应(即M、N关于AC和BD中点连线对称);扫描过程就是连结MN,M点从A点移动到B点,N点对应移动,连结出所有的MN线段,扫描效果见图5;
3)切割方式
(1)若MN线段中有一条线段没有经过背景点,即两颗籽粒相连,进行切分,否则不切分;切分方法是,首先找到线段两边的最凹点,查找范围在矩形ABDC中,连结两个最凹点进行切割;将两颗籽粒之间的切割扩展到整张玉米籽粒图像中,切割效果如图6;
扫描切割到此结束,由图6可见,扫描切割能切割出大部分粘连籽粒,但是并不能切割开所有的粘连籽粒,需要进一步进行切割处理。
S3.2、获取S3.1处理后的图img31,根据面积特征对img31中的籽粒连通域进行分类,第一类是一个连通
域只包含一个籽粒的连通域类,将一类连通域记录于图img321,第二类是一个连通域包含两个及以上籽粒的连通域类,将二类连通域记录于图img322;
(1)面积特征,是指单个连通域所包含的像素点个数,计数出每个连通域面积并记录下来;同时计算出平均面积,平均面积为averarea,第i个连通域面积为area[i],连通域个数n,平均面积为:
计数平均面积的注意事项:为了提高准确度,计数平均面积时,要将最大面积和最小面积去除;
(2)分类是用的阈值是,若area[i]小于阈值,则第i个连通域记录于图img321,否则记录于图img322,直到最后记录下所有连通域;
S3.3、获取S3.2处理后的图img322,根据图像中籽粒连通域的凹点特征进行分割,分割结果记录为图img33。
对图像中每个籽粒连通域进行凹点检测,根据凹点特征对各个连通域进行切分,并将切分后的连通域腐蚀一次后,记录在图img33上;这里利用形态学腐蚀方法是为了去除切割后的小噪点,腐蚀方法的内核大小是3*3的。
S3.4、获取S3.3处理后的图img33,根据面积特征对img33中的籽粒连通域进行分类,第一类是一个连通域只包含一个籽粒的连通域类,将一类连通域记录于图img341,第二类是一个连通域包含两个及以上籽粒的连通域类,将二类连通域记录于图img342。
S3.5、获取3.4处理后的图img342,根据籽粒中心位置特征进行平分分割,分割结果记录于图img35;
参见图4,矩形ABDC是步骤S3.1中描述的图形,切割方法是连结AB和CD的中点,其作为切割线;对img342整张图像进行此操作,切割后的图像记录为img35;
到此所有切割已经完成,只要将各个阶段切割图像进行合并就可以得到最终切割结果
S3.6、获取S3.2处理后的图img321,3.4处理后的图img341,3.5处理后的图img35,将三图相加,即:img321+img341+img35,并将结果记录于图dstimg,最终效果见图7。将图dstimg传递给下一步S4。
(四)后处理
后处理为模块S4,获取S3处理结果图像dstimg,查找籽粒的连通域的外轮廓,以此作为籽粒外轮廓,以及计算籽粒个数、面积、周长、长、宽、以、长宽比等。详细步骤如下:
S4.1、获取S3处理结果图像dstimg,去除图像中噪点;
切分后图像会留下一些噪声,干扰籽粒分析,这是利用连通域面积特征(一个连通域中的像素点个数),即当面积小于某一阈值时此连通域进行去除;
S4.2、获取S4.1处理后的图像,查找籽粒的连通域的外轮廓,以此作为籽粒外轮廓,以及计算籽粒个数、面积、周长、长、宽、及长宽比等,最后显示结果,显示效果见图8;
1)各个参数概念,籽粒面积为其对应连通域的像素个数;周长为其连通域外围一周的像素点个数;长、宽为其连通域的最小外接矩形的长、宽;
2)映射成实际籽粒参数,这里映射方式很简单,主要是根据像素比等于面积比原理,只要确定像素的单位长度代表的实际长度即可,例如, 图像的长是X像素,其对应的实际长度为Y厘米;则周长L个像素的实际大小为L*Y/X;在实际应用中,可以根据扫描仪的像素密度确定玉米颗粒的实际值,若是相机获取图像可以用人工标定的方式;此发明已在玉米考种分析中进行了应用,其利用的是扫描仪标记像素密度的方式,界面见图8。
附图说明
图1算法处理流程图
说明:图中展示了图像处理过程中的五个模块以及各个模块的处理结构;
图2预处理结果图
说明:图中展示了经过灰度化和平滑滤波后的结果图;
图3查找籽粒中心结果图
说明:图中展示了经过查找籽粒中心所确定的籽粒中心位置;
图4相连两颗籽粒的扫描切割图
说明:图中展示了在扫描切割中对两颗相连籽粒的处理方式;
图5扫描切割过程效果图
说明:图中展示了部分两两相邻籽粒的分割设计和扫描效果;
图6扫描切割结果图
说明:图中展示了经过扫描切割的结果,图中可见,扫描切割能切割出大部分粘连籽粒,但是并不能切割出所有粘连籽粒;
图7最终切割结果图
说明:经过图像的分类分割,分割完成后的最后结果图;
图8玉米考种分析界面图
说明:此图是玉米籽粒考种分析时的界面图,图中同时展示了玉米籽粒分析结果。
Claims (4)
1.一种基于图像处理的玉米籽粒考种分析方法,其特征在于,包括步骤:
S0、获取玉米籽粒图像,图像记录为bmp0;
S1、图像预处理,获取S0处理的结果图bmp0,主要利用了图像灰度化、平滑滤波、二值化和形态学开运算等方法对图像进行了预处理,预处理结果图记录为bmp1;
S2、查找籽粒中心,查找的图像是S1的处理结果bmp1,利用距离变换方法使图像中的籽粒中心形成高亮区,在利用图像分割和形态学结合的方法提取出籽粒中心的高亮区,记录下每个高亮区的位置坐标,以此作为图像中各个籽粒的中心位置;
S3、图像分类分割,图像是S1处理结果bmp1,利用S2中得到的籽粒位置特征结合籽粒的面积特征对图像中的籽粒进行分类分割,分割结果记录为dstimg;
S4、图像后处理,处理的图像是S3分割的结果dstimg,查找籽粒的连通域的轮廓作为籽粒轮廓并计算籽粒个数、面积、周长、长、宽、以、长宽比等。
2.根据权利要求1所述的一种基于图像处理的玉米籽粒考种分析方法,其特征在于,所述步骤S1包括:
S1.1、获取S0处理结果图bmp0,对进行灰度化处理,再利用高斯滤波和中值滤波进行平滑处理,处理结果图记录为img11;
S1.2、获取S1.1处理后的图img11,利用最大类间方差法对图像进行全局二值化或者人工设定阈值法进行全局二值化,处理结果图记录为img12;
S1.3、获取S1.2处理后的图img12,利用形态学开运算方法去除椒盐噪声,处理后图像记录为bmp1,并将图像传递给下一步S2。
3.根据权利要求1所述的一种基于图像处理的玉米籽粒考种分析方法,其特征在于,所述步骤S2包括:S2.1、获取S1处理后的图bmp1,对其进行3次形态学腐蚀运算,两次形态学膨胀运算,结果图记录为img21;
S2.2、获取S2.1处理后的图img21,利用距离变换算法使各个籽粒中心形成高亮区,结果图记录为img22;
S2.3、获取S2.2处理后的图img22,在利用图像分割和形态学结合的方法提取出籽粒中心的高亮区,将高亮区记录在图img23;
S2.4、获取S2.3处理后的图img23,利用形态学闭运算结合相近的高亮区,结果记录为图img24;
S2.5、获取S2.4处理后的图img24,查找和记录每个高亮区的位置坐标,以此作为图像中各个籽粒的中心位置特征。
4.根据权利要求1所述的一种基于图像处理的玉米籽粒考种分析方法,其特征在于,所述步骤S3包括:
S3.1、获取S1处理后的图bmp1,根据籽粒中心位置特征进行扫描分割,分割结果记录为图img31;
S3.2、获取S3.1处理后的图img31,根据面积特征对img31中的籽粒连通域进行分类,第一类是一个连通域只包含一个籽粒的连通域类,将一类连通域记录于图img321,第二类是一个连通域包含两个及以上籽粒的连通域类,将二类连通域记录于图img322;
S3.3、获取S3.2处理后的图img322,根据图像中籽粒连通域的凹点特征进行分割,分割结果记录为图img33;
S3.4、获取S3.3处理后的图img33,根据面积特征对img33中的籽粒连通域进行分类,第一类是一个连通域只包含一个籽粒的连通域类,将一类连通域记录于图img341,第二类是一个连通域包含两个及以上籽粒的连通域类,将二类连通域记录于图img342;
S3.5、获取3.4处理后的图img342,根据籽粒中心位置特征进行平分分割,分割结果记录于图img35;
S3.6、获取S3.2处理后的图img321,3.4处理后的图img341,3.5处理后的图img35,将三图相加,即:img321+img341+img35,并将结果记录于图dstimg,将图dstimg传递给下一步S4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510323540.8A CN106296644A (zh) | 2015-06-10 | 2015-06-10 | 一种基于图像处理的玉米籽粒考种分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510323540.8A CN106296644A (zh) | 2015-06-10 | 2015-06-10 | 一种基于图像处理的玉米籽粒考种分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106296644A true CN106296644A (zh) | 2017-01-04 |
Family
ID=57650694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510323540.8A Pending CN106296644A (zh) | 2015-06-10 | 2015-06-10 | 一种基于图像处理的玉米籽粒考种分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106296644A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971393A (zh) * | 2017-02-23 | 2017-07-21 | 北京农业信息技术研究中心 | 一种玉米籽粒的表型测量方法及系统 |
CN107016701A (zh) * | 2017-02-23 | 2017-08-04 | 北京农业信息技术研究中心 | 一种玉米籽粒灌浆速率的测量方法和装置 |
CN107516311A (zh) * | 2017-08-08 | 2017-12-26 | 中国科学技术大学 | 一种基于gpu嵌入式平台的玉米破损率检测方法 |
CN109492654A (zh) * | 2018-12-25 | 2019-03-19 | 中国科学院长春光学精密机械与物理研究所 | 一种室内窥视摄像头的检测方法及装置 |
CN110782440A (zh) * | 2019-10-22 | 2020-02-11 | 华中农业大学 | 一种作物籽粒性状测量方法 |
CN111742641A (zh) * | 2020-07-28 | 2020-10-09 | 上海市农业科学院 | 一种高通量考种的装置与方法 |
CN112233107A (zh) * | 2020-11-04 | 2021-01-15 | 安徽大学 | 基于图像处理技术的葵花籽品级分类方法 |
CN113063704A (zh) * | 2020-12-04 | 2021-07-02 | 泰州市朗嘉馨网络科技有限公司 | 颗粒饱满程度解析平台及方法 |
CN114998664A (zh) * | 2022-07-18 | 2022-09-02 | 中国科学院烟台海岸带研究所 | 一种多光学平台的海水中微塑料快速检测方法及检测装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750584A (zh) * | 2012-04-18 | 2012-10-24 | 中国农业大学 | 玉米粒在穗计数方法 |
CN103020970A (zh) * | 2012-12-25 | 2013-04-03 | 北京农业信息技术研究中心 | 玉米果穗图像籽粒分割方法 |
US20140050364A1 (en) * | 2011-09-19 | 2014-02-20 | Peter Brueckner | Method And Arrangement For The Optical Evaluation Of Harvested Crop In A Harvesting Machine |
-
2015
- 2015-06-10 CN CN201510323540.8A patent/CN106296644A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140050364A1 (en) * | 2011-09-19 | 2014-02-20 | Peter Brueckner | Method And Arrangement For The Optical Evaluation Of Harvested Crop In A Harvesting Machine |
CN102750584A (zh) * | 2012-04-18 | 2012-10-24 | 中国农业大学 | 玉米粒在穗计数方法 |
CN103020970A (zh) * | 2012-12-25 | 2013-04-03 | 北京农业信息技术研究中心 | 玉米果穗图像籽粒分割方法 |
Non-Patent Citations (1)
Title |
---|
张亚秋 等: "《基于逐步改变阈值方法的玉米种子图像分割》", 《农业工程学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971393B (zh) * | 2017-02-23 | 2019-09-10 | 北京农业信息技术研究中心 | 一种玉米籽粒的表型测量方法及系统 |
CN107016701A (zh) * | 2017-02-23 | 2017-08-04 | 北京农业信息技术研究中心 | 一种玉米籽粒灌浆速率的测量方法和装置 |
CN106971393A (zh) * | 2017-02-23 | 2017-07-21 | 北京农业信息技术研究中心 | 一种玉米籽粒的表型测量方法及系统 |
CN107016701B (zh) * | 2017-02-23 | 2019-08-13 | 北京农业信息技术研究中心 | 一种玉米籽粒灌浆速率的测量方法和装置 |
CN107516311A (zh) * | 2017-08-08 | 2017-12-26 | 中国科学技术大学 | 一种基于gpu嵌入式平台的玉米破损率检测方法 |
CN109492654B (zh) * | 2018-12-25 | 2021-02-12 | 中国科学院长春光学精密机械与物理研究所 | 一种室内窥视摄像头的检测方法及装置 |
CN109492654A (zh) * | 2018-12-25 | 2019-03-19 | 中国科学院长春光学精密机械与物理研究所 | 一种室内窥视摄像头的检测方法及装置 |
CN110782440A (zh) * | 2019-10-22 | 2020-02-11 | 华中农业大学 | 一种作物籽粒性状测量方法 |
CN111742641A (zh) * | 2020-07-28 | 2020-10-09 | 上海市农业科学院 | 一种高通量考种的装置与方法 |
CN111742641B (zh) * | 2020-07-28 | 2021-11-09 | 上海市农业科学院 | 一种高通量考种的装置与方法 |
CN112233107A (zh) * | 2020-11-04 | 2021-01-15 | 安徽大学 | 基于图像处理技术的葵花籽品级分类方法 |
CN112233107B (zh) * | 2020-11-04 | 2022-10-25 | 安徽大学 | 基于图像处理技术的葵花籽品级分类方法 |
CN113063704A (zh) * | 2020-12-04 | 2021-07-02 | 泰州市朗嘉馨网络科技有限公司 | 颗粒饱满程度解析平台及方法 |
CN113063704B (zh) * | 2020-12-04 | 2022-03-11 | 湖北沛丰生物科技股份有限公司 | 颗粒饱满程度解析平台及方法 |
CN114998664A (zh) * | 2022-07-18 | 2022-09-02 | 中国科学院烟台海岸带研究所 | 一种多光学平台的海水中微塑料快速检测方法及检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106296644A (zh) | 一种基于图像处理的玉米籽粒考种分析方法 | |
CN111753577B (zh) | 自动采摘机器人中的苹果识别与定位方法 | |
CN106295789A (zh) | 一种基于图像处理的作物种子计数方法 | |
CN103455991B (zh) | 一种多聚焦图像融合方法 | |
CN102324019B (zh) | 一种视频序列中自动提取手势候选区域的方法及系统 | |
CN105389581B (zh) | 一种胚芽米胚芽完整度智能识别系统及其识别方法 | |
CN104732215A (zh) | 一种基于信息向量机的遥感影像海岸线提取方法 | |
CN105740758A (zh) | 基于深度学习的互联网视频人脸识别方法 | |
CN104778481A (zh) | 一种大规模人脸模式分析样本库的构建方法和装置 | |
CN112580748B (zh) | 一种对染色图像的分类细胞计数的方法 | |
CN103761743A (zh) | 一种基于图像融合分割的实木地板表面缺陷检测方法 | |
CN110490895B (zh) | 一种基于高光谱图像处理的提高肉源真伪鉴别正确率方法 | |
CN104036521A (zh) | 一种新的视网膜眼底图像分割方法 | |
Sheng et al. | Recognition of Chinese artists via windowed and entropy balanced fusion in classification of their authored ink and wash paintings (IWPs) | |
CN110428450A (zh) | 应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法 | |
CN106157266A (zh) | 一种果园果实图像获取方法 | |
Maniyath et al. | Soil color detection using Knn classifier | |
CN109190456A (zh) | 基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法 | |
CN108710862A (zh) | 一种高分辨率遥感影像水体提取方法 | |
CN1204531C (zh) | 基于GaborEye模型的人眼定位方法 | |
Umapathy Eaganathan et al. | Identification of sugarcane leaf scorch disease using K-means clustering segmentation and KNN based classification | |
CN102509308A (zh) | 基于混合动态纹理空时显著性检测的运动分割方法 | |
CN104778683B (zh) | 一种基于泛函映射的多模态图像分割方法 | |
CN103136518A (zh) | 指纹图像自动识别系统预处理算法 | |
CN105631451A (zh) | 一种基于安卓系统的植物叶片识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170104 |
|
WD01 | Invention patent application deemed withdrawn after publication |