CN106323182A - 植物茎杆直径测量方法及装置 - Google Patents
植物茎杆直径测量方法及装置 Download PDFInfo
- Publication number
- CN106323182A CN106323182A CN201610645261.8A CN201610645261A CN106323182A CN 106323182 A CN106323182 A CN 106323182A CN 201610645261 A CN201610645261 A CN 201610645261A CN 106323182 A CN106323182 A CN 106323182A
- Authority
- CN
- China
- Prior art keywords
- plant
- pixel
- diameter
- image
- length
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
Abstract
本发明公开了一种植物茎杆直径测量方法及装置,本发明首先利用激光测距技术获得拍摄点与植物植株之间的距离,并在拍摄点采集植物的图像,之后在图像中设定识别框,计算识别框中各个像素的灰度值,并计算列平均值数据,之后将列平均值数据分为预定个数的连续的识别区,计算识别区的分界点,并利用两个相邻的分界点的像素坐标,计算得到植物茎杆直径对应的像素的长度;最后利用像素的长度、拍摄点与植物植株之间的距离以及图像中的方位元素确定植物茎杆的直径。本发明克服了现有测量茎秆任意处直径方法效率低、准确度差,费时费力的情况,且克服了地形和种植密度较大的影响,从而使植株长势监测工作变得得心应手,可以无惧地形的问题。
Description
技术领域
本发明涉及农业领域,更具体涉及一种植物茎杆直径测量方法及装置。
背景技术
玉米种植密度对于单位面积上的最大产量有十分重要的影响。合理的密度能够充分有效地利用光、热、水、气、肥资源,协调个体间及群体与个体间的竞争,从而提高群体产量。宋碧、陈永欣等研究认为合理密植,建立高产群体结构,使之从苗期至成熟期都能形成高光能利用群体及其相应的产量结构。增大密度,降低个体生产力,但群体作用增加,而品种的最终产量取决于二者之间互相作用的结果。通常认为只有保持单株和群体效应之间的平衡,即在一定的密度下保持较高的单株生产力才能获得高产稳产。因此,要实现玉米的高产稳产,必须通过改进株型结构,创造有利于受光的株型,提高新株型相对应的种植密度,协调好个体和群体的矛盾,提高光合速率,进而达到高产的目的。由此可知,玉米形态。即株型测量工作对于改进株型结构是非常重要的。
到目前为止,现行的测量玉米茎秆直径的方法一般还是围尺测量或者卡尺测量。这种测量方法一般需要两人同时进行,一人测量一人记录,浪费了大量的人力物力。并且在测量的过程中会遇到很多恶劣的情况,比如种植密度较大的地块、梯田等人员作业困难的地方。在这些情况下,目前并没有比较好的办法来获取玉米茎秆任意处直径的准确值。
北京农业信息技术研究中心提出了一种玉米植株生长速率测量装置及方法(专利申请号:201110119731.4),其涉及计算机视觉技术领域,其装置由包括依次连接的双目摄像机、图像采集卡和计算机。在待测玉米植株上画标记,使用双目摄像机同时采集该待测玉米植株的两幅图像,之后分析和处理这两幅图像,计算得到标记的中心点的三维坐标,进而计算得到一段时间内待测玉米植株的平均生长速率。
现有的玉米形态测量技术通常是采用传统的工具测量或者是基于图像处理的方法,操作复杂、效率低、受地形等限制大、处理设备不易携带,并且耗时耗力,容易造成人为误差。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提高植物茎杆任意初直径的测量效率以及准确度,并且减少测量所受到的地形等的限制,同时减少人力物力的消耗。
(二)技术方案
为了解决上述技术问题,本发明提供了一种植物茎杆直径测量方法,所述方法包括如下步骤:
S1、测定拍摄点与植物植株之间的距离,并获取在该拍摄点的植物的图像;
S2、在所述图像的预定位置处形成预定宽度的矩形识别框,并根据所述图像区域的大小以及植物茎杆直径的范围调整所述识别框的长度;
S3、对所述识别框内的像素进行灰度化处理,得到所述识别框内各个像素的灰度值;
S4、计算所述识别框内,每一行像素的灰度值的平均值,形成列平均值数组,并将所述列平均值数据分为预定个数的连续的识别区,之后计算所述识别区的分界点;
S5、利用两个相邻的所述分界点的像素坐标,计算得到植物茎杆直径对应的像素的长度;
S6、利用所述步骤S5中确定的像素的长度、所述步骤S1中确定的拍摄点与植物植株之间的距离以及所述图像中的方位元素确定植物茎杆的直径。
优选地,所述方法利用激光测距仪测定拍摄点与植物植株之间的距离。
优选地,所述方法在执行步骤S1之前还包括如下步骤:
清除植物在拍摄方向上的遮挡物。
优选地,所述步骤S3中,利用灰度值浮点算法进行灰度化处理,具体地,利用如下公式确定各个像素的灰度值:
Gray=R*0.299+G*0.587+B*0.114
式中,Gray表示灰度值,R、G、B分别代表对应响度的RGB值;
所述步骤S4中,利用图像聚类分析算法计算所述识别区的分界点。
优选地,所述步骤S5中利用如下公式计算得到植物茎杆直径对应的像素的长度:
式中,L表示像素的长度,Δu表示两个相邻的所述分界点的横坐标之差,Δv表示两个相邻的所述分界点的纵坐标之差。
优选地,所述步骤S6中利用如下公式计算植物茎杆的直径:
D=L×S/f
式中,D表示植物茎杆的直径,L表示像素的长度,S表示拍摄点与植物植株之间的距离,f表示图像中的方位元素。
对应于上述方法,本发明还公开了一种植物茎杆直径测量装置,所述装置包括激光测距模块、图像采集模块以及采集处理模块;所述采集处理模块包括识别框设定子模块、灰度值计算子模块、分界点确定子模块、像素长度计算子模块以及植物茎杆直径计算子模块;
所述激光测距模块用于测定拍摄点与植物植株之间的距离;
所述图像采集模块用于获取在拍摄点的植物的图像;
所述识别框设定子模块用于在所述图像的预定位置处形成预定宽度的矩形识别框,并根据所述图像区域的大小以及植物茎杆直径的范围调整所述识别框的长度;
所述灰度值计算子模块用于对所述识别框内的像素进行灰度化处理,得到所述识别框内各个像素的灰度值;
所述分界点确定子模块用于计算所述识别框内,每一行像素的灰度值的平均值,形成列平均值数组,并将所述列平均值数据分为预定个数的连续的识别区,之后计算所述识别区的分界点;
所述像素长度计算子模块用于利用两个相邻的所述分界点的像素坐标,计算得到植物茎杆直径对应的像素的长度;
所述植物茎杆直径计算子模块用于利用所述像素长度计算子模块确定的像素的长度、所述激光测距模块确定的拍摄点与植物植株之间的距离以及所述图像中的方位元素确定植物茎杆的直径。
优选地,所述装置还包括LCD显示模块,所述LCD显示模块用于显示所述植物茎杆直径计算子模块确定的植物茎杆的直径。
优选地,所述激光测距模块包括DSP处理器,所述DSP处理器利用激光三角测距测定拍摄点与植物植株之间的距离。
优选地,所述灰度值计算子模块利用灰度值浮点算法进行灰度化处理,具体地,利用如下公式确定各个像素的灰度值:
Gray=R*0.299+G*0.587+B*0.114
式中,Gray表示灰度值,R、G、B分别代表对应响度的RGB值;
所述分界点确定子模块利用图像聚类分析算法计算所述识别区的分界点;
所述像素长度计算子模块利用如下公式计算得到植物茎杆直径对应的像素的长度:
式中,L表示像素的长度,Δu表示两个相邻的所述分界点的横坐标之差,Δv表示两个相邻的所述分界点的纵坐标之差;
所述植物茎杆直径计算子模块利用如下公式计算植物茎杆的直径:
D=L×S/f
式中,D表示植物茎杆的直径,L表示像素的长度,S表示拍摄点与植物植株之间的距离,f表示图像中的方位元素。
(三)有益效果
本发明提供了一种植物茎杆直径测量方法及装置,本发明首先利用激光测距技术获得拍摄点与植物植株之间的距离,并在拍摄点采集植物的图像,之后在图像中设定识别框,计算识别框内各个像素的灰度值,并计算列平均值数据,之后将列平均值数据分为预定个数的连续的识别区,计算识别区的分界点,并利用两个相邻的分界点的像素坐标,计算得到植物茎杆直径对应的像素的长度;最后利用像素的长度、拍摄点与植物植株之间的距离以及所述图像中的方位元素确定植物茎杆的直径。本发明克服了现有测量茎秆任意处直径方法效率低、准确度差,费时费力的情况,且克服了地形和种植密度较大的影响,从而使植株长势监测工作变得得心应手,可以无惧地形的问题,准确的得到测量数据,提高测量效率。
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,还可以根据这些附图获得其他的附图。
图1是本发明的植物茎杆直径测量方法的流程图;
图2是本发明的植物茎杆直径测量装置的结构示意图;
图3是本发明的一个较佳实施例的测量玉米植株直径的测量原理示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
一种植物茎杆直径测量方法,如图1、图3所示,所述方法包括如下步骤:
S1、测定拍摄点P与植物植株,即被测点T之间的距离S,并获取在该拍摄点的植物的图像;
此步骤中激光测距模块测定拍摄点与植物植株之间的距离,优选地采用激光测距仪测定拍摄点与植物植株之间的距离;
此步骤中利用图像采集模块获取在该拍摄点的植物的图像;
此步骤之前,确定要测量的玉米的周围环境,保证在测量方向上无遮挡,即需要清除植物在拍摄方向上的遮挡物,以提高测量精确度;
S2、在所述图像的预定位置,即T点处形成预定宽度的矩形识别框,并根据所述图像区域的大小以及植物茎杆直径的范围调整所述识别框的长度;
此步骤中,预定位置即需要测量茎秆直径的位置;
此步骤中,预定宽度可以根据实际植株的类别以及生长期进行灵活设置,例如将预定宽度设置为3像素;
此步骤由采集处理模块的识别框设定子模块执行;
S3、对所述识别框内的像素进行灰度化处理,得到所述识别框内各个像素的灰度值;
此步骤中,利用灰度值浮点算法进行灰度化处理;
此步骤由采集处理模块的灰度值计算子模块执行;
S4、计算所述识别框内,每一行像素的灰度值的平均值,形成列平均值数组,并将所述列平均值数组分为预定个数的连续的识别区,之后计算所述识别区的分界点;
此步骤中,利用图像聚类分析算法计算所述识别区的分界点;
此步骤中,预定个数优选地为3个;
此步骤由采集处理模块的分界点确定子模块执行;
S5、利用两个相邻的所述分界点的像素坐标,计算得到植物茎杆直径对应的像素的长度;
此步骤由采集处理模块的像素长度计算子模块执行;
S6、利用所述步骤S5中确定的像素的长度、所述步骤S1中确定的拍摄点与植物植株之间的距离以及所述图像中的方位元素确定植物茎杆的直径;
此步骤由采集处理模块的植物茎杆直径计算子模块执行。
上述方法克服了现有测量茎秆任意处直径方法效率低、准确度差,费时费力的情况,且克服了地形和种植密度较大的影响,从而使植株长势监测工作变得得心应手,可以无惧地形的问题,准确的得到测量数据,提高测量效率。
应当说明的是上述方法优选地用来测量玉米植株的茎杆直径,但是并不限于玉米,可以用来测量其他植物的茎秆直径。
进一步地,所述步骤S3中,利用灰度值浮点算法进行灰度化处理,具体地,利用如下公式确定各个像素的灰度值:
Gray=R*0.299+G*0.587+B*0.114
式中,Gray表示灰度值,R、G、B分别代表对应响度的RGB值;
所述步骤S5中利用如下公式计算得到植物茎杆直径对应的像素的长度:
式中,L表示像素的长度,Δu表示两个相邻的所述分界点的横坐标之差,Δv表示两个相邻的所述分界点的纵坐标之差。
所述步骤S6中利用如下公式计算植物茎杆的直径:
D=L×S/f
式中,D表示植物茎杆的直径,L表示像素的长度,S表示拍摄点与植物植株之间的距离,f表示图像中的方位元素,即激光测距模块的焦距。
上述方法首先用影像测距仪对被测植株进行激光扫描及摄影,开始获取直径,利用激光测距技术、摄影测量技术,配合高速的视觉采集处理机构,快速获取激光点云数据与影像数据,且点云数据与影像中的点一一对应,经视觉采集计算,从而可以快速获取玉米植株的茎秆直径信息,所得结果再由显示器(LCD)进行显示,其中通过点云数据可以获取深度信息,也就是拍摄点与植物植株之间的距离;通过影像数据对应于上述植物的图像,可以获取被测目标影像的像素长度。
本发明综合利用摄影测量技术、传感器技术、嵌入式技术、数字图像处理等方法和技术,实现一种影像测距仪获取茎秆任意处直径的方法,将摄影测量技术与激光测距技术相结合引入到植物形态测量中,利用影像测距仪体积小、携带方便、便于操作的优点,可以方便快速的获取植物植株形态结构,为植物长势监测提供了相关数据。提高了植物形态测量的工作效率,大大减少了测量人员的工作量和测量难度。
对应于上述方法本发明还公开了一种植物茎杆直径测量装置,如图2所示,所述装置包括激光测距模块、图像采集模块以及采集处理模块;所述采集处理模块包括识别框设定子模块、灰度值计算子模块、分界点确定子模块、像素长度计算子模块以及植物茎杆直径计算子模块。
所述激光测距模块用于测定拍摄点与植物植株之间的距离;所述图像采集模块用于获取在拍摄点的植物的图像;所述识别框设定子模块用于在所述图像的预定位置处形成预定宽度的矩形识别框,并根据所述图像区域的大小以及植物茎杆直径的范围调整所述识别框的长度;所述灰度值计算子模块用于对所述识别框内的像素进行灰度化处理,得到所述识别框内各个像素的灰度值;所述分界点确定子模块用于计算所述识别框内,每一行像素的灰度值的平均值,形成列平均值数组,并将所述列平均值数组分为预定个数的连续的识别区,之后计算所述识别区的分界点;所述像素长度计算子模块用于利用两个相邻的所述分界点的像素坐标,计算得到植物茎杆直径对应的像素的长度;所述植物茎杆直径计算子模块用于利用所述像素长度计算子模块确定的像素的长度、所述激光测距模块确定的拍摄点与植物植株之间的距离以及所述图像中的方位元素确定植物茎杆的直径。
上述装置同样能够克服现有测量茎秆任意处直径方法效率低、准确度差,费时费力的情况,且克服了地形和种植密度较大的影响,从而使植株长势监测工作变得得心应手,可以无惧地形的问题,准确的得到测量数据,提高测量效率。
进一步地,所述装置还包括LCD显示模块,所述LCD显示模块用于显示所述植物茎杆直径计算子模块确定的植物茎杆的直径。
所述激光测距模块包括DSP处理器,所述DSP处理器利用激光三角测距测定拍摄点与植物植株之间的距离。
进一步地,所述灰度值计算子模块利用灰度值浮点算法进行灰度化处理,具体地,利用如下公式确定各个像素的灰度值:
Gray=R*0.299+G*0.587+B*0.114
式中,Gray表示灰度值,R、G、B分别代表对应响度的RGB值;
所述分界点确定子模块利用图像聚类分析算法计算所述识别区的分界点;
所述像素长度计算子模块利用如下公式计算得到植物茎杆直径对应的像素的长度:
式中,L表示像素的长度,Δu表示两个相邻的所述分界点的横坐标之差,Δv表示两个相邻的所述分界点的纵坐标之差;
所述植物茎杆直径计算子模块利用如下公式计算植物茎杆的直径:
D=L×S/f
式中,D表示植物茎杆的直径,L表示像素的长度,S表示拍摄点与植物植株之间的距离,f表示图像中的方位元素。
上述装置的激光测距模块采用了激光三角测距技术,配合高速的视觉采集处理机构,可进行每秒高达2000次以上的测距动作。每次测距过程中,该装置将发射经过调制的红外激光信号,该激光信号在照射到目标物体后产生的反光将被装置中的视觉采集系统接收。经过嵌入在激光测距模块内部的DSP处理器实时解算,被照射到的目标物体与影像测距装置之间的距离值信息将从通讯接口中输出,从而可以快速获取玉米植株的形态信息,所得结果再由显示器(LCD)显示。
上述装置获取茎秆直径的步骤与上述方法的步骤一一对应,因此对于重复的部分,这里不再进行赘述。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种植物茎杆直径测量方法,其特征在于,所述方法包括如下步骤:
S1、测定拍摄点与植物植株之间的距离,并获取在该拍摄点的植物的图像;
S2、在所述图像的预定位置处形成预定宽度的矩形识别框,并根据所述图像区域的大小以及植物茎杆直径的范围调整所述识别框的长度;
S3、对所述识别框内的像素进行灰度化处理,得到所述识别框内各个像素的灰度值;
S4、计算所述识别框内,每一行像素的灰度值的平均值,形成列平均值数组,并将所述列平均值数组分为预定个数的连续的识别区,之后计算所述识别区的分界点;
S5、利用两个相邻的所述分界点的像素坐标,计算得到植物茎杆直径对应的像素的长度;
S6、利用所述步骤S5中确定的像素的长度、所述步骤S1中确定的拍摄点与植物植株之间的距离以及所述图像中的方位元素确定植物茎杆的直径。
2.根据权利要求1所述的方法,其特征在于,所述方法利用激光测距仪测定拍摄点与植物植株之间的距离。
3.根据权利要求1所述的方法,其特征在于,所述方法在执行步骤S1之前还包括如下步骤:
清除植物在拍摄方向上的遮挡物。
4.根据权利要求1所述的方法,其特征在于,所述步骤S3中,利用灰度值浮点算法进行灰度化处理,具体地,利用如下公式确定各个像素的灰度值:
Gray=R*0.299+G*0.587+B*0.114
式中,Gray表示灰度值,R、G、B分别代表对应响度的RGB值;
所述步骤S4中,利用图像聚类分析算法计算所述识别区的分界点。
5.根据权利要求1所述的方法,其特征在于,所述步骤S5中利用如下公式计算得到植物茎杆直径对应的像素的长度:
式中,L表示像素的长度,Δu表示两个相邻的所述分界点的横坐标之差,Δv表示两个相邻的所述分界点的纵坐标之差。
6.根据权利要求1所述的方法,其特征在于,所述步骤S6中利用如下公式计算植物茎杆的直径:
D=L×S/f
式中,D表示植物茎杆的直径,L表示像素的长度,S表示拍摄点与植物植株之间的距离,f表示图像中的方位元素。
7.一种植物茎杆直径测量装置,其特征在于,所述装置包括激光测距模块、图像采集模块以及采集处理模块;所述采集处理模块包括识别框设定子模块、灰度值计算子模块、分界点确定子模块、像素长度计算子模块以及植物茎杆直径计算子模块;
所述激光测距模块用于测定拍摄点与植物植株之间的距离;
所述图像采集模块用于获取在拍摄点的植物的图像;
所述识别框设定子模块用于在所述图像的预定位置处形成预定宽度的矩形识别框,并根据所述图像区域的大小以及植物茎杆直径的范围调整所述识别框的长度;
所述灰度值计算子模块用于对所述识别框内的像素进行灰度化处理,得到所述识别框内各个像素的灰度值;
所述分界点确定子模块用于计算所述识别框内,每一行像素的灰度值的平均值,形成列平均值数组,并将所述列平均值数组分为预定个数的连续的识别区,之后计算所述识别区的分界点;
所述像素长度计算子模块用于利用两个相邻的所述分界点的像素坐标,计算得到植物茎杆直径对应的像素的长度;
所述植物茎杆直径计算子模块用于利用所述像素长度计算子模块确定的像素的长度、所述激光测距模块确定的拍摄点与植物植株之间的距离以及所述图像中的方位元素确定植物茎杆的直径。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括LCD显示模块,所述LCD显示模块用于显示所述植物茎杆直径计算子模块确定的植物茎杆的直径。
9.根据权利要求7所述的装置,其特征在于,所述激光测距模块包括DSP处理器,所述DSP处理器利用激光三角测距测定拍摄点与植物植株之间的距离。
10.根据权利要求7所述的装置,其特征在于,所述灰度值计算子模块利用灰度值浮点算法进行灰度化处理,具体地,利用如下公式确定各个像素的灰度值:
Gray=R*0.299+G*0.587+B*0.114
式中,Gray表示灰度值,R、G、B分别代表对应响度的RGB值;
所述分界点确定子模块利用图像聚类分析算法计算所述识别区的分界点;
所述像素长度计算子模块利用如下公式计算得到植物茎杆直径对应的像素的长度:
式中,L表示像素的长度,Δu表示两个相邻的所述分界点的横坐标之差,Δv表示两个相邻的所述分界点的纵坐标之差;
所述植物茎杆直径计算子模块利用如下公式计算植物茎杆的直径:
D=L×S/f
式中,D表示植物茎杆的直径,L表示像素的长度,S表示拍摄点与植物植株之间的距离,f表示图像中的方位元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610645261.8A CN106323182A (zh) | 2016-08-08 | 2016-08-08 | 植物茎杆直径测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610645261.8A CN106323182A (zh) | 2016-08-08 | 2016-08-08 | 植物茎杆直径测量方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106323182A true CN106323182A (zh) | 2017-01-11 |
Family
ID=57740922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610645261.8A Pending CN106323182A (zh) | 2016-08-08 | 2016-08-08 | 植物茎杆直径测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106323182A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549441A (zh) * | 2018-05-17 | 2018-09-18 | 长沙修恒信息科技有限公司 | 一种基于物联网与智能作业车的综合农业监测方法 |
CN109444905A (zh) * | 2018-09-12 | 2019-03-08 | 深圳市杉川机器人有限公司 | 一种基于激光的动态物体检测方法、装置及终端设备 |
WO2019134453A1 (zh) * | 2018-01-03 | 2019-07-11 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
CN112509029A (zh) * | 2020-11-30 | 2021-03-16 | 广西慧云信息技术有限公司 | 一种远程分析葡萄长势的方法 |
CN113390355A (zh) * | 2021-06-25 | 2021-09-14 | 中国林业科学研究院林业新技术研究所 | 基于机器视觉的苗木直径测量系统及方法 |
US11465886B2 (en) | 2018-01-03 | 2022-10-11 | Jiangsu University | Suspension rail type greenhouse comprehensive information automatic cruise monitoring device |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103846539A (zh) * | 2012-11-29 | 2014-06-11 | 上海航天设备制造总厂 | 图像识别方法 |
CN105157586A (zh) * | 2015-04-24 | 2015-12-16 | 北京林业大学 | 一种摄影测距法测算任意处树干直径的方法 |
CN105674881A (zh) * | 2016-01-26 | 2016-06-15 | 上海乾菲诺农业科技有限公司 | 一种植物茎秆测量方法及装置 |
-
2016
- 2016-08-08 CN CN201610645261.8A patent/CN106323182A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103846539A (zh) * | 2012-11-29 | 2014-06-11 | 上海航天设备制造总厂 | 图像识别方法 |
CN105157586A (zh) * | 2015-04-24 | 2015-12-16 | 北京林业大学 | 一种摄影测距法测算任意处树干直径的方法 |
CN105674881A (zh) * | 2016-01-26 | 2016-06-15 | 上海乾菲诺农业科技有限公司 | 一种植物茎秆测量方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019134453A1 (zh) * | 2018-01-03 | 2019-07-11 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
US11397174B2 (en) | 2018-01-03 | 2022-07-26 | Jiangsu University | Suspension slide rail platform-based greenhouse information automatic monitoring method |
US11465886B2 (en) | 2018-01-03 | 2022-10-11 | Jiangsu University | Suspension rail type greenhouse comprehensive information automatic cruise monitoring device |
CN108549441A (zh) * | 2018-05-17 | 2018-09-18 | 长沙修恒信息科技有限公司 | 一种基于物联网与智能作业车的综合农业监测方法 |
CN109444905A (zh) * | 2018-09-12 | 2019-03-08 | 深圳市杉川机器人有限公司 | 一种基于激光的动态物体检测方法、装置及终端设备 |
CN112509029A (zh) * | 2020-11-30 | 2021-03-16 | 广西慧云信息技术有限公司 | 一种远程分析葡萄长势的方法 |
CN112509029B (zh) * | 2020-11-30 | 2024-01-19 | 广西慧云信息技术有限公司 | 一种远程分析葡萄长势的方法 |
CN113390355A (zh) * | 2021-06-25 | 2021-09-14 | 中国林业科学研究院林业新技术研究所 | 基于机器视觉的苗木直径测量系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106323182A (zh) | 植物茎杆直径测量方法及装置 | |
CN110378909B (zh) | 基于Faster R-CNN的面向激光点云的单木分割方法 | |
US20210056685A1 (en) | Method and device for monitoring comprehensive growth of potted lettuce | |
CN104700404B (zh) | 一种果实定位识别方法 | |
CN111815014B (zh) | 一种基于无人机低空遥感信息的作物产量预测方法及系统 | |
Liu et al. | Remote-sensing estimation of potato above-ground biomass based on spectral and spatial features extracted from high-definition digital camera images | |
CN104036488B (zh) | 一种基于双目视觉的人体姿态动作研究方法 | |
CN101430775B (zh) | 基于计算机视觉的鱼苗自动计数装置和方法 | |
CN107392956B (zh) | 作物根系表型检测方法和装置 | |
CN107397658B (zh) | 一种多尺度全卷积网络及视觉导盲方法和装置 | |
CN103630091B (zh) | 一种基于激光与图像处理技术的叶面积测量方法 | |
CN103632157B (zh) | 单株小麦穗部籽粒数计数方法 | |
CN102200433A (zh) | 一种基于计算机视觉的叶片面积测量装置和方法 | |
CN106643529A (zh) | 基于无人机影像的山区农作物生长高度快速测量的方法 | |
CN102542560B (zh) | 一种水稻移栽后密度自动检测的方法 | |
KR20140077513A (ko) | 영상을 통한 온실 작물 정보 관리 시스템 및 그 방법 | |
CN103440648B (zh) | 农作物冠层整齐度的自动测量方法及装置 | |
CN107798720A (zh) | 一种地图绘制方法及其装置、移动终端 | |
CN110032193A (zh) | 一种智能拖拉机田间避障控制系统及方法 | |
CN110969654A (zh) | 基于收割机的玉米高通量表型测量的方法及装置、收割机 | |
CN104089607A (zh) | 一种普通数码相机正直摄影森林计测方法 | |
CN112580671A (zh) | 一种基于深度学习的稻穗多发育期自动检测方法及系统 | |
CN107830891A (zh) | 水产养殖水质pH值多参量数据采集装置及数据处理方法 | |
CN114689038A (zh) | 基于机器视觉的果实检测定位与果园地图构建方法 | |
CN117197595A (zh) | 基于边缘计算的果树生育期识别方法、装置及管理平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |