CN106384116A - 一种基于太赫兹成像的植株叶脉识别方法及装置 - Google Patents
一种基于太赫兹成像的植株叶脉识别方法及装置 Download PDFInfo
- Publication number
- CN106384116A CN106384116A CN201610757380.2A CN201610757380A CN106384116A CN 106384116 A CN106384116 A CN 106384116A CN 201610757380 A CN201610757380 A CN 201610757380A CN 106384116 A CN106384116 A CN 106384116A
- Authority
- CN
- China
- Prior art keywords
- blade
- identified
- vein
- terahertz
- image
- 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
- 210000003462 vein Anatomy 0.000 title claims abstract description 146
- 238000003384 imaging method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001228 spectrum Methods 0.000 claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 41
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 230000003595 spectral effect Effects 0.000 claims abstract description 7
- 230000000149 penetrating effect Effects 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 20
- 238000009499 grossing Methods 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000005684 electric field Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000009738 saturating Methods 0.000 claims 2
- 230000011218 segmentation Effects 0.000 abstract description 3
- 241000196324 Embryophyta Species 0.000 description 47
- 229920003266 Leaf® Polymers 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 12
- 238000010521 absorption reaction Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000010903 husk Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000218922 Magnoliophyta Species 0.000 description 1
- 238000005411 Van der Waals force Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 description 1
- 239000005425 throughfall Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
- G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Toxicology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种基于太赫兹成像的植株叶脉识别方法及装置,所述方法包括:利用太赫兹波对待识别叶片进行穿透,获取所述待识别叶片的太赫兹光谱透射图;根据所述待识别叶片的太赫兹光谱透射图,对所述待识别叶片上的叶脉结构进行分割和提取。所述装置包括依次设置的太赫兹波发射发生器、光线汇聚及导向系统、XY移动平台、太赫兹探测器和图像还原及显示装置。本发明利用太赫兹光谱对水分敏感性特征,使得富含水分的叶脉区域能够从叶片成像中脱颖而出,提高了叶脉识别的准确性。
Description
技术领域
本发明涉及农业生产技术领域,具体涉及一种基于太赫兹成像的植株叶脉识别方法及装置。
背景技术
植物的识别与分类对于区分植物种类,探索植物间的亲缘关系,阐明植物系统的进化规律具有重要意义。从植物学分类的角度看,植株叶片是识别类别的最直接、简单的方法。叶子的外轮廓、颜色和脉络分布都可以作为分类依据,但是许多植株叶片的形状和颜色非常相似,采用这些特征无法对对植株进行准确识别。而叶子的脉络分布含有更多的信息,主脉与二级脉的分布通常与整株植物的结构相似。植物叶片脉络分析成为了农业生产经营和植物学研究中具有非常重要意义的基础性工作。
目前叶脉识别主要有两类方法:
(1)人工完成叶脉识别和分类。然而地球上仅为人所知的有花植物就有大约25万种,面对如此庞大的植物世界,任何一个植物学家都不可能知道所有的物种和名称;而且植物学家人数有限,在某些场合无法实时进行叶脉识别,这就给进一步的研究带来了困难。
(2)基于计算机的叶脉图像识别。随着计算机和图像处理技术的发展,人们开始探索建立计算机化的植物叶脉识别系统,即通过图像采集设备,进行叶脉图像采集,并利用计算机及相关技术对植物叶脉图像进行处理,达到识别的目的,这种方式直观,适应性强。例如某文献采用边缘梯度、局部对比度和邻域统计特征等10个参数来描述像素的邻域特征,并将其作为神经网络的输入层进行叶脉提取。此外还有文献根据植物叶图像在HSI颜色空间中色度H的分布,把植物叶分为单色叶和对比色叶两类,然后利用色度分量H提取对比色叶的叶脉信息。此外,还发现相关文献将改进的Sobel算子用于基本叶脉轮廓的提取,色调信息用于主叶脉提取,然后将两者提取的图像融合得到最终的叶脉图像。然而在以往的基于计算机的叶脉图像识别研究中,都是采用可见光进行植株叶片图像采集,但是可见光图像易受光照不均、叶片水滴和杂物反光等影响,导致图像处理与分割误差较大,无法准确地提取出叶脉信息,从而影响植物叶脉识别结果。
发明内容
针对现有技术中的缺陷,本发明提供一种植株叶脉识别装置及方法,本发明利用太赫兹光谱对水分敏感性特征,使得富含水分的叶脉区域能够从叶片成像中脱颖而出,提高了叶脉识别的准确性。
为解决上述问题,本发明提供了以下技术方案:
第一方面,本发明提供了一种基于太赫兹成像的植株叶脉识别方法,包括:
利用太赫兹波对待识别叶片进行穿透,获取所述待识别叶片的太赫兹光谱透射图;
根据所述待识别叶片的太赫兹光谱透射图,对所述待识别叶片上的叶脉结构进行分割和提取。
进一步地,所述根据所述待识别叶片的太赫兹光谱透射图,对所述待识别叶片上的叶脉结构进行分割和提取,包括:
将所述太赫兹光谱透射图转换为RGB图像;
利用叶脉与叶片其他区域含水量不同导致的成像差异,对R、G和B分量值进行分析,获取所述RGB图像的二值化图像;
将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域;
通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理;
对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
第二方面,本发明还提供了一种基于太赫兹成像的植株叶脉识别装置,包括:依次设置的太赫兹波发射发生器、光线汇聚及导向系统、太赫兹探测器和图像还原及显示装置;
其中,所述光线汇聚及导向系统包括四个上下左右方位依次设置的第一抛物面镜、第二抛物面镜、第三抛物面镜和第四抛物面镜;
其中,第一抛物面镜和第二抛物面镜处于同一竖直方向上且相对设置,第二抛物面镜和第三抛物面镜处于同一水平方向上且相对设置,第三抛物面镜和第四抛物面镜处于同一竖直方向上且相对设置;
其中,在第二抛物面镜和第三抛物面镜之间还设置有XY移动平台,所述XY移动平台用于承载竖直放置的待识别叶片,所述XY移动平台在控制部件的控制下可沿水平、竖直方向进行移动;
其中,所述太赫兹波发射发生器与所述第一抛物面镜位于同一水平面上,且由所述太赫兹波发射发生器产生的太赫兹脉冲直接入射至第一抛物面镜,并经第一抛物面镜汇聚反射后进入第二抛物面镜,以及经第二抛物面镜汇聚反射后穿过所述XY移动平台上的待识别叶片后进入第三抛物面镜,并经第三抛物面镜汇聚反射后进入第四抛物面镜,以及经第四抛物面镜汇聚反射后水平射出并进入所述太赫兹探测器;
其中,在成像过程中每隔预设时间间隔控制所述XY移动平台进行相应的移动以改变所述待识别叶片的方位,使得太赫兹脉冲穿过待识别叶片的全部位置点;
其中,所述太赫兹探测器与所述图像还原及显示装置连接,所述图像还原及显示装置用于对所述太赫兹探测器获取的数据信息进行处理,得到所述待识别叶片的太赫兹光谱透射图。
进一步地,所述基于太赫兹成像的植株叶脉识别装置还包括:图像处理器;
所述图像处理器与所述图像还原及显示装置连接,用于对所述待识别叶片的太赫兹光谱透射图进行分割和提取处理,获取所述待识别叶片的叶脉结构。
进一步地,所述图像处理器具体用于:
将所述太赫兹光谱透射图转换为RGB图像;
利用叶脉与叶片其他区域含水量不同导致的成像差异,对R、G和B分量值进行分析,获取所述RGB图像的二值化图像;
将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域;
通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理;
对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
进一步地,所述太赫兹探测器用于根据接收到的太赫兹脉冲的强度,获得与所述待识别叶片对应的太赫兹电场强度的变化量;
相应地,所述图像还原及显示装置还用于根据所述太赫兹电场强度的变化量,通过傅里叶变换,获得所述待识别叶片在频域上幅度和相位的变化量,得到所述待识别叶片的太赫兹光谱透射图。
进一步地,所述XY移动平台上设置有夹持单元,用于夹持所述待识别叶片。
第三方面,本发明还提供了一种利用如上面所述的基于太赫兹成像的植株叶脉识别装置进行植株叶脉识别的方法,包括:
S1.将待识别叶片放置在XY移动平台上;
S2.启动太赫兹波发射发生器发射太赫兹脉冲;
S3.在成像过程中,每隔预设时间间隔控制所述XY移动平台进行相应的移动以改变所述待识别叶片的方位,使得太赫兹脉冲穿过待识别叶片的全部位置点;
S4.待成像结束后,从图像还原及显示装置中获取所述待识别叶片的太赫兹光谱透射图。
进一步地,所述方法还包括:
利用图像处理器对所述待识别叶片的太赫兹光谱透射图进行分割和提取处理,以获取所述待识别叶片的叶脉结构。
进一步地,所述利用图像处理器对所述待识别叶片的太赫兹光谱透射图进行分割和提取处理,以获取所述待识别叶片的叶脉结构,包括:
将所述太赫兹光谱透射图转换为RGB图像;
利用叶脉与叶片其他区域含水量不同导致的成像差异,对R、G和B分量值进行分析,获取所述RGB图像的二值化图像;
将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域;
通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理;
对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
由上述技术方案可知,本发明所述的基于太赫兹成像的植株叶脉识别方法及装置,利用太赫兹光谱对水分敏感的特性,使得富含水分的叶脉区域能够从叶片成像中脱颖而出,可以提高后续叶脉识别的准确性。
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是本发明实施例一提供的基于太赫兹成像的植株叶脉识别方法流程图;
图2是本发明实施例二提供的基于太赫兹成像的植株叶脉识别装置的结构示意图;
图3是图像处理器9a的处理流程示意图;
图4a是待识别叶片的太赫兹透射图;
图4b是图4a中四个采样点(1、2、3和4)的频域谱示意图;
图5是本发明实施例三提供的植株叶脉识别方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整的描述,显然,所描述的实施例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作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。
太赫兹波指的是频率0.1~10THz(波长为0.03~3mm)范围内的电磁辐射的统称。太赫兹时域光谱技术(terahertz time-domain spectroscopy,THz-TDS)是一种非接触测量技术,超快激光技术的迅速发展为THz脉冲的产生提供了稳定、可靠的激光光源,使THz谱具有较高的信噪比。THz谱图响应表征分子间弱的相互作用如氢键、范德华力、偶极的旋转和振动跃迁以及晶格的低频振动吸收等,能够对样品成分的细微变化做出分析和鉴别,并且能够对被测材料的物理信息进行测量。THz波能够穿透大多数干燥的介电材料(木材、脂肪、各种粉末等),其透视技术能够获得比X射线技术更好的对比度,但却无法穿透水,因水是极性分子,对太赫兹有着强烈的吸收,利用这一特征,太赫兹光谱可用于水分含量探测和含水量微弱变化的动态观测。
因此,本发明的目的在于针对现有技术的不足和缺陷,利用植株叶片中叶脉具有较高含水量,非叶脉部分含水量相对较低,叶片本身干物质又对太赫兹波没有明显吸收特性,基于这种对太赫兹波吸收的空间布局差异性,提供一种采用太赫兹波谱分析的自动化、高鲁棒性和高准确性的植株叶脉识别装置与方法。下面将通过实施例一和实施例三对本发明提供植株叶脉识别装置及方法进行详细解释和说明。
本实施例一提供了一种基于太赫兹成像的植株叶脉识别方法,参见图1,该方法包括如下步骤:
步骤101:利用太赫兹波对待识别叶片进行穿透,获取所述待识别叶片的太赫兹光谱透射图。
步骤102:根据所述待识别叶片的太赫兹光谱透射图,对所述待识别叶片上的叶脉结构进行分割和提取。
本实施例提供的基于太赫兹成像的植株叶脉识别方法,利用太赫兹光谱对水分敏感的特性,使得富含水分的叶脉区域能够从叶片成像中脱颖而出,可以提高后续叶脉识别的准确性。
进一步地,下面给出上述步骤102的一种实现方式。
上述步骤102具体包括:
将所述太赫兹光谱透射图转换为RGB图像;
利用叶脉与叶片其他区域含水量不同导致的成像差异,对R、G和B分量值进行分析,获取所述RGB图像的二值化图像;
将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域;
通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理;
对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
可见,本实施例自动对太赫兹成像图像进行图像二值化、滤波与形态学操作,去除图像中的噪声和增强叶脉目标,通过特征提取自动完成叶脉的数字化及识别,进一步提高了识别精度。
本发明实施例二提供了一种基于太赫兹成像的植株叶脉识别装置,参见图2,包括:依次设置的太赫兹波发射发生器1a、光线汇聚及导向系统、太赫兹探测器7a和图像还原及显示装置8a;
其中,所述光线汇聚及导向系统包括四个上下左右方位依次设置的第一抛物面镜2a、第二抛物面镜3a、第三抛物面镜5a和第四抛物面镜6a;
其中,第一抛物面镜2a和第二抛物面镜3a处于同一竖直方向上且相对设置,第二抛物面镜3a和第三抛物面镜5a处于同一水平方向上且相对设置,第三抛物面镜5a和第四抛物面镜6a处于同一竖直方向上且相对设置;
其中,在第二抛物面镜3a和第三抛物面镜5a之间还设置有XY移动平台4a,所述XY移动平台4a用于承载竖直放置的待识别叶片,所述XY移动平台4a在控制部件的控制下可沿水平、竖直方向进行移动;
其中,所述太赫兹波发射发生器1a与所述第一抛物面镜2a位于同一水平面上,且由所述太赫兹波发射发生器1a产生的太赫兹脉冲直接入射至第一抛物面镜2a,并经第一抛物面镜2a汇聚反射后进入第二抛物面镜3a,以及经第二抛物面镜3a汇聚反射后穿过所述XY移动平台4a上的待识别叶片后进入第三抛物面镜5a,并经第三抛物面镜5a汇聚反射后进入第四抛物面镜6a,以及经第四抛物面镜6a汇聚反射后水平射出并进入所述太赫兹探测器7a;
其中,在所述待识别叶片的成像过程中,每隔预设时间间隔控制所述XY移动平台4a进行相应的移动以改变所述待识别叶片的方位,使得太赫兹脉冲穿过待识别叶片的全部位置点;
其中,所述太赫兹探测器7a与所述图像还原及显示装置8a连接,所述图像还原及显示装置8a用于对所述太赫兹探测器7a获取的数据信息进行处理,得到所述待识别叶片的太赫兹光谱透射图。
从上面描述可知,本发明实施例提供的植株叶脉识别装置,基于太赫兹光谱技术透射成像原理,使得获得的所述待识别叶片的太赫兹图像不受光照、外界干扰物和环境因素的影响,为后续叶脉识别提供了良好基础,提高了后续叶脉识别的鲁棒性。由于太赫兹光谱对水分敏感性特征,使得富含水分的叶脉区域能够从叶片成像中脱颖而出,可以提高后续叶脉识别的准确性。
另外,本实施例自动对整个叶片进行逐行扫描,对叶片上每个点都进行成像处理,提高了后续叶脉识别的自动化程度和识别精度。
可见,采用本发明实施例提供的植株叶脉识别装置获取的待识别叶片的太赫兹光谱图像,能够大幅提高后续植株叶脉识别的准确度,且该植株叶脉识别装置结构简单、成本较低,便于使用。
为了使得所述植株叶脉识别装置能够直接获得待识别叶片的叶脉结构,进一步地,参见图2,所述植株叶脉识别装置还包括:图像处理器9a;
所述图像处理器9a与所述图像还原及显示装置8a连接,用于对所述待识别叶片的太赫兹光谱透射图进行处理,获取所述待识别叶片的叶脉结构。
在本实施例中,优选地,所述图像处理器9a具体用于执行如下操作以获取所述待识别叶片的叶脉结构:
步骤A:将所述待识别叶片的太赫兹光谱透射图转换为RGB图像。
步骤B:利用叶脉与叶片其他区域含水量不同导致的成像差异,通过对R、G和B分量值进行分析,得到所述RGB图像的二值化图像。
步骤C:将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域。
步骤D:通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理。
步骤E:对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
可见,本实施例自动对太赫兹成像图像进行图像二值化、滤波与形态学操作,去除图像中的噪声和增强叶脉目标,通过特征提取自动完成叶脉的数字化及识别,进一步提高了识别精度。
优选地,所述太赫兹探测器用于根据接收到的太赫兹脉冲的强度,获得与所述待识别叶片对应的太赫兹电场强度的变化量;
相应地,所述图像还原及显示装置还用于根据所述太赫兹电场强度的变化量,通过傅里叶变换,获得所述待识别叶片在频域上幅度和相位的变化量。
优选地,所述XY移动平台上设置有夹持单元,用于夹持所述待识别叶片,这样可以保持所述待识别叶片处于竖直状态,以便太赫兹脉冲穿过所述待识别叶片。
由于太赫兹波对水这种极性分子极为敏感,水分与太赫兹的相互作用造成了其对太赫兹辐射的强烈吸收,不同含水量的物体呈现的太赫兹透射光谱特性曲线不同,因此可以据此区分植株叶片上高含水量和低含水量的部分,呈现空间布局的吸收差异性。
对于植物叶片的单点测量可获取该点的太赫兹吸收特性谱,本发明实施例通过加置XY移动平台,在平面内移动待识别叶片进行扫描,实现所述待识别叶片的逐点扫描,获取整个叶片的二维太赫兹吸收图像。如图2所示的基于太赫兹成像技术的植株叶脉识别装置的示意图,它包括太赫兹波发射发生器1a;由抛物面镜2a、3a、5a和6a构成的光线汇聚及导向系统;XY移动平台4a;太赫兹探测器7a;图像还原及显示装置8a;图像处理器9a。
该植株叶脉识别装置的具体处理流程为:太赫兹波发射发生器1a受激光脉冲的入射后产生太赫兹脉冲,此脉冲被第一抛物面镜2a和第二抛物面镜3a聚焦到待识别叶片上,透射待识别叶片的脉冲再次经过第三抛物面镜5a和第四抛物面镜6a后,被太赫兹探测器7a接收,利用不同的探测光的强度,测量太赫兹电场强度的变化量,再通过傅里叶变换,获得频域上幅度和相位的变化量,并在图像还原及显示装置8a上进行显示,同时相应的数据输入到图像处理器9a进行图像处理。成像过程中被测样品(待识别叶片)被放置在XY移动平台4a上,可以随时改变样品方位,使太赫兹射线通过物体的不同点,可记录下待识别叶片不同位置的透射信息,包括振幅信息和相位信息等。
本发明实施例提供的植株叶脉识别装置的工作原理:首先将待识别叶片置于XY移动平台4a上,通过行扫描进行待识别叶片的太赫兹成像,将获取的太赫兹图像发生至图像处理器9a,图像处理器9a的处理流程如图3所示,具体为:首先将获取的太赫兹技术成像图像转换为标准的RGB图像,并保存至内存中;然后利用叶脉与叶片其他区域含水量不同导致的成像差异,通过对R、G和B分量值进行分析,实现图像的二值化操作,将整个叶片图像分成:叶脉为目标区域,叶片其他区域为背景区域;接着通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉区域进行边缘平滑处理,准确得到叶脉区域图像;最后,通过叶脉特征提取对叶脉进行识别与分析。
图4a为待识别叶片的太赫兹透射图,由于叶片叶脉具有更多含水量,从图4a中可以看出叶脉区域图像与叶片其他区域具有很强的差异性;图4b为图4a中四个采样点(1、2、3和4)的频域谱示意图,四个采样点中,1表示XY移动平台,2表示夹持单元,3表示叶片非叶脉部分,含细小纹路,4表示叶脉。从图4b中可以看出不同采样点具有不同的吸收波峰值,进一步验证了本发明实施例中的太赫兹成像方式能够很好地提取出叶脉区域。
从上面描述可知,本发明的技术关键点在于:
1、基于太赫兹光谱技术透射成像原理,避免了光照、外界干扰物和环境因素的影响,提高了叶脉识别的鲁棒性;
2、太赫兹光谱对水分敏感性特征,使得富含水分的叶脉区域能够从叶片成像中脱颖而出,提高了叶脉识别的准确性;
3、自动对整个叶片进行逐行扫描,对叶片上每个点都进行成像处理,提高了叶脉识别的自动化程度和识别精度;
4、自动对太赫兹成像图像进行图像二值化、滤波与形态学操作,去除图像中的噪声和增强叶脉目标,通过特征提取自动完成叶脉的数字化及识别,进一步提高了识别精度。
与现有的技术比较,本发明的优点是:
1、通过透射模式及对水分敏感特征,从另外一种成像方式使叶脉从叶片图像中脱颖而出,不受光照和环境参数的影响,提高了识别效率和精度。
2、降低了图像预处理的难度,提高了叶脉图像边缘提取和特征提取的精度。
本发明实施例三提供了一种利用上面实施例所述的基于太赫兹植株叶脉识别装置进行植株叶脉识别的方法,参见图5,该方法包括如下步骤:
步骤201:将待识别叶片放置在XY移动平台上。
步骤202:启动太赫兹波发射发生器发射太赫兹脉冲。
步骤203:在成像过程中,每隔预设时间间隔控制所述XY移动平台进行相应的移动以改变所述待识别叶片的方位,使得太赫兹脉冲穿过待识别叶片的全部位置点。
步骤204:待成像结束后,从图像还原及显示装置中获取所述待识别叶片的太赫兹光谱透射图。
进一步地,所述方法还包括:
利用图像处理器对所述待识别叶片的太赫兹光谱透射图进行处理,以获取所述待识别叶片的叶脉结构。
优选地,所述利用图像处理器对所述待识别叶片的成像结果进行处理,以获取所述待识别叶片的叶脉结构,包括:
将所述待识别叶片的太赫兹光谱透射图转换为RGB图像;
利用叶脉与叶片其他区域含水量不同导致的成像差异,通过对R、G和B分量值进行分析,得到所述RGB图像的二值化图像;
将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域;
通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理;
对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
优选地,所述太赫兹探测器用于根据接收到的太赫兹脉冲的强度,获得与所述待识别叶片对应的太赫兹电场强度的变化量;
相应地,所述图像还原及显示装置还用于根据所述太赫兹电场强度的变化量,通过傅里叶变换,获得所述待识别叶片在频域上幅度和相位的变化量,得到所述待识别叶片的太赫兹光谱透射图。
优选地,所述XY移动平台上设置有夹持单元,用于夹持所述待识别叶片。
本实施例提供的植株叶脉识别方法具有和上述实施例类似的技术效果和技术原理,故此处不再详述。
在本发明的描述中,需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用于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 (10)
1.一种基于太赫兹成像的植株叶脉识别方法,其特征在于,包括:
利用太赫兹波对待识别叶片进行穿透,获取所述待识别叶片的太赫兹光谱透射图;
根据所述待识别叶片的太赫兹光谱透射图,对所述待识别叶片上的叶脉结构进行分割和提取。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待识别叶片的太赫兹光谱透射图,对所述待识别叶片上的叶脉结构进行分割和提取,包括:
将所述太赫兹光谱透射图转换为RGB图像;
利用叶脉与叶片其他区域含水量不同导致的成像差异,对R、G和B分量值进行分析,获取所述RGB图像的二值化图像;
将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域;
通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理;
对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
3.一种基于太赫兹成像的植株叶脉识别装置,其特征在于,包括:依次设置的太赫兹波发射发生器、光线汇聚及导向系统、太赫兹探测器和图像还原及显示装置;
其中,所述光线汇聚及导向系统包括四个上下左右方位依次设置的第一抛物面镜、第二抛物面镜、第三抛物面镜和第四抛物面镜;
其中,第一抛物面镜和第二抛物面镜处于同一竖直方向上且相对设置,第二抛物面镜和第三抛物面镜处于同一水平方向上且相对设置,第三抛物面镜和第四抛物面镜处于同一竖直方向上且相对设置;
其中,在第二抛物面镜和第三抛物面镜之间还设置有XY移动平台,所述XY移动平台用于承载竖直放置的待识别叶片,所述XY移动平台在控制部件的控制下可沿水平、竖直方向进行移动;
其中,所述太赫兹波发射发生器与所述第一抛物面镜位于同一水平面上,且由所述太赫兹波发射发生器产生的太赫兹脉冲直接入射至第一抛物面镜,并经第一抛物面镜汇聚反射后进入第二抛物面镜,以及经第二抛物面镜汇聚反射后穿过所述XY移动平台上的待识别叶片后进入第三抛物面镜,并经第三抛物面镜汇聚反射后进入第四抛物面镜,以及经第四抛物面镜汇聚反射后水平射出并进入所述太赫兹探测器;
其中,在成像过程中每隔预设时间间隔控制所述XY移动平台进行相应的移动以改变所述待识别叶片的方位,使得太赫兹脉冲穿过待识别叶片的全部位置点;
其中,所述太赫兹探测器与所述图像还原及显示装置连接,所述图像还原及显示装置用于对所述太赫兹探测器获取的数据信息进行处理,得到所述待识别叶片的太赫兹光谱透射图。
4.根据权利要求3所述的基于太赫兹成像的植株叶脉识别装置,其特征在于,还包括:图像处理器;
所述图像处理器与所述图像还原及显示装置连接,用于对所述待识别叶片的太赫兹光谱透射图进行分割和提取处理,获取所述待识别叶片的叶脉结构。
5.根据权利要求4所述的基于太赫兹成像的植株叶脉识别装置,其特征在于,所述图像处理器具体用于:
将所述太赫兹光谱透射图转换为RGB图像;
利用叶脉与叶片其他区域含水量不同导致的成像差异,对R、G和B分量值进行分析,获取所述RGB图像的二值化图像;
将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域;
通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理;
对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
6.根据权利要求3所述的基于太赫兹成像的植株叶脉识别装置,其特征在于,所述太赫兹探测器用于根据接收到的太赫兹脉冲的强度,获得与所述待识别叶片对应的太赫兹电场强度的变化量;
相应地,所述图像还原及显示装置还用于根据所述太赫兹电场强度的变化量,通过傅里叶变换,获得所述待识别叶片在频域上幅度和相位的变化量,得到所述待识别叶片的太赫兹光谱透射图。
7.根据权利要求3所述的基于太赫兹成像的植株叶脉识别装置,其特征在于,所述XY移动平台上设置有夹持单元,用于夹持所述待识别叶片。
8.一种利用如权利要求3~7任一项所述的基于太赫兹成像的植株叶脉识别装置进行植株叶脉识别的方法,其特征在于,包括:
S1.将待识别叶片放置在XY移动平台上;
S2.启动太赫兹波发射发生器发射太赫兹脉冲;
S3.在成像过程中,每隔预设时间间隔控制所述XY移动平台进行相应的移动以改变所述待识别叶片的方位,使得太赫兹脉冲穿过待识别叶片的全部位置点;
S4.待成像结束后,从图像还原及显示装置中获取所述待识别叶片的太赫兹光谱透射图。
9.根据权利要求8所述的方法,其特征在于,还包括:
利用图像处理器对所述待识别叶片的太赫兹光谱透射图进行分割和提取处理,以获取所述待识别叶片的叶脉结构。
10.根据权利要求9所述的方法,其特征在于,所述利用图像处理器对所述待识别叶片的太赫兹光谱透射图进行分割和提取处理,以获取所述待识别叶片的叶脉结构,包括:
将所述太赫兹光谱透射图转换为RGB图像;
利用叶脉与叶片其他区域含水量不同导致的成像差异,对R、G和B分量值进行分析,获取所述RGB图像的二值化图像;
将所述二值化图像分成目标区域和背景区域,其中叶脉所在区域为目标区域,剩余区域为背景区域;
通过滤波操作滤除叶片上的噪声点,并通过形态学闭开操作对叶脉所在的目标区域进行边缘平滑处理;
对边缘平滑处理后的目标区域进行特征提取,获取所述待识别叶片的叶脉结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610757380.2A CN106384116A (zh) | 2016-08-29 | 2016-08-29 | 一种基于太赫兹成像的植株叶脉识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610757380.2A CN106384116A (zh) | 2016-08-29 | 2016-08-29 | 一种基于太赫兹成像的植株叶脉识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106384116A true CN106384116A (zh) | 2017-02-08 |
Family
ID=57916073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610757380.2A Pending CN106384116A (zh) | 2016-08-29 | 2016-08-29 | 一种基于太赫兹成像的植株叶脉识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106384116A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392920A (zh) * | 2017-06-30 | 2017-11-24 | 北京农业信息技术研究中心 | 一种基于可见光‑太赫兹光的植株健康辨别方法和装置 |
CN107389594A (zh) * | 2017-06-30 | 2017-11-24 | 北京农业信息技术研究中心 | 一种基于太赫兹光的主茎秆顶芽识别定位方法和装置 |
CN107898436A (zh) * | 2017-11-22 | 2018-04-13 | 广州优理氏生物科技有限公司 | 智能皮肤检测方法 |
CN108491812A (zh) * | 2018-03-29 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 人脸识别模型的生成方法和装置 |
CN107330898B (zh) * | 2017-06-20 | 2020-04-28 | 中国科学院遥感与数字地球研究所 | 植被垂直带定量刻划计算方法和系统 |
CN112184607A (zh) * | 2020-09-27 | 2021-01-05 | 清华大学 | 毫米波太赫兹成像质量提升方法及成像系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894263A (zh) * | 2010-05-24 | 2010-11-24 | 中国科学院合肥物质科学研究院 | 基于水平集和局部敏感判别映射的植物物种计算机辅助分类系统及分类方法 |
CN103207989A (zh) * | 2013-03-18 | 2013-07-17 | 浙江科技学院 | 一种基于主成分分析的轻度虫害叶片的叶脉识别方法 |
CN103714616A (zh) * | 2012-10-04 | 2014-04-09 | 起山电子株式会社 | 利用太赫兹电磁波的纸币识别方法及其装置 |
-
2016
- 2016-08-29 CN CN201610757380.2A patent/CN106384116A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894263A (zh) * | 2010-05-24 | 2010-11-24 | 中国科学院合肥物质科学研究院 | 基于水平集和局部敏感判别映射的植物物种计算机辅助分类系统及分类方法 |
CN103714616A (zh) * | 2012-10-04 | 2014-04-09 | 起山电子株式会社 | 利用太赫兹电磁波的纸币识别方法及其装置 |
CN103207989A (zh) * | 2013-03-18 | 2013-07-17 | 浙江科技学院 | 一种基于主成分分析的轻度虫害叶片的叶脉识别方法 |
Non-Patent Citations (2)
Title |
---|
褚小立等: "《现代过程分析技术交叉学科发展前沿与展望》", 31 July 2016, 北京:机械工业出版社 * |
迟欣: "太赫兹激光透射成像技术初步研究", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊 )》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330898B (zh) * | 2017-06-20 | 2020-04-28 | 中国科学院遥感与数字地球研究所 | 植被垂直带定量刻划计算方法和系统 |
CN107392920A (zh) * | 2017-06-30 | 2017-11-24 | 北京农业信息技术研究中心 | 一种基于可见光‑太赫兹光的植株健康辨别方法和装置 |
CN107389594A (zh) * | 2017-06-30 | 2017-11-24 | 北京农业信息技术研究中心 | 一种基于太赫兹光的主茎秆顶芽识别定位方法和装置 |
CN107898436A (zh) * | 2017-11-22 | 2018-04-13 | 广州优理氏生物科技有限公司 | 智能皮肤检测方法 |
CN108491812A (zh) * | 2018-03-29 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 人脸识别模型的生成方法和装置 |
CN108491812B (zh) * | 2018-03-29 | 2022-05-03 | 百度在线网络技术(北京)有限公司 | 人脸识别模型的生成方法和装置 |
CN112184607A (zh) * | 2020-09-27 | 2021-01-05 | 清华大学 | 毫米波太赫兹成像质量提升方法及成像系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384116A (zh) | 一种基于太赫兹成像的植株叶脉识别方法及装置 | |
Delalieux et al. | Hyperspectral indices to diagnose leaf biotic stress of apple plants, considering leaf phenology | |
CN104251839B (zh) | 南疆红枣建模用南疆红枣样品成分的光谱分离检测方法 | |
CN102253016B (zh) | 油气包裹体的芳烃组份显微荧光鉴别方法 | |
Sun et al. | Measurement of plumpness for intact sunflower seed using terahertz transmittance imaging | |
Cheng et al. | Infrared spectroscopic studies of Chinese medicines | |
CN107589094B (zh) | 基于光谱特征的鞍山式铁矿石类型确定方法 | |
Mateen et al. | The role of hyperspectral imaging: A literature review | |
CN109993155A (zh) | 针对低信噪比紫外拉曼光谱的特征峰提取方法 | |
CN100357725C (zh) | 近红外技术快速检测牛肉嫩度的方法和装置 | |
CN107036968A (zh) | 一种土壤湿度实时监测方法 | |
CN110188716B (zh) | 一种矿化信息提取方法及系统 | |
CN115761038B (zh) | 一种基于图像光谱技术的隧道掌子面地质素描方法及系统 | |
Li et al. | Seasonal change of leaf and woody area profiles in a midlatitude deciduous forest canopy from classified dual-wavelength terrestrial lidar point clouds | |
CN107328735A (zh) | 基于太赫兹光谱技术的油菜种类鉴别方法 | |
CN102841063B (zh) | 一种基于光谱技术的生物炭溯源鉴别方法 | |
CN106950186A (zh) | 基于光纤光谱的土鸡蛋或洋鸡蛋品种检测装置及其方法 | |
CN107229910A (zh) | 一种遥感图像结冰湖泊检测方法及其系统 | |
CN103353443A (zh) | 一种基于近红外光谱的中宁枸杞子判别方法 | |
KR102045079B1 (ko) | 테라헤르츠파를 이용한 검사 장치 | |
CN118430014A (zh) | 基于太赫兹成像的人体安检方法及系统 | |
Hong et al. | Improving spectral estimation of soil inorganic carbon in urban and suburban areas by coupling continuous wavelet transform with geographical stratification | |
Cai et al. | Detection of early decayed oranges by structured-illumination reflectance imaging coupling with texture feature classification models | |
Yang et al. | Early apple bruise recognition based on near-infrared imaging and grayscale gradient images | |
Zhang et al. | Development of a hyperspectral imaging system for the early detection of apple rottenness caused by P enicillium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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: 20170208 |