CN106483130A - 一种水稻病害的检测方法及其自动检测装置 - Google Patents

一种水稻病害的检测方法及其自动检测装置 Download PDF

Info

Publication number
CN106483130A
CN106483130A CN201610890222.4A CN201610890222A CN106483130A CN 106483130 A CN106483130 A CN 106483130A CN 201610890222 A CN201610890222 A CN 201610890222A CN 106483130 A CN106483130 A CN 106483130A
Authority
CN
China
Prior art keywords
area
image
rice
red
green
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
Application number
CN201610890222.4A
Other languages
English (en)
Other versions
CN106483130B (zh
Inventor
袁小昊
颜文豪
刘金龙
陈卓拓
张懿
徐钰姣
沈殿晶
杨琪
田宁
郭志波
刘芳
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.)
Yangzhou University
Original Assignee
Yangzhou University
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 Yangzhou University filed Critical Yangzhou University
Priority to CN201610890222.4A priority Critical patent/CN106483130B/zh
Publication of CN106483130A publication Critical patent/CN106483130A/zh
Application granted granted Critical
Publication of CN106483130B publication Critical patent/CN106483130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N21/84—Systems specially adapted for particular applications
    • 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)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

一种水稻病害的检测方法及其自动检测装置，涉及农作物，特别是水稻病害的检测技术领域。自动检测装置包括图像扫描及传感器、嵌入式计算机和水稻病害综合分析系统；图像扫描及传感器用于获取水稻叶片的正、反面图像；嵌入式计算机用于将扫描获取的图像信息进行处理；水稻病害综合分析系统将嵌入式计算机处理后的图像进行分析和比较处理，获得叶片病害的种类和病级。本发明可以集合制成一个小装置，便于携带，方便各现场使用，为及时了解、分析病害种类和病害等级提供了方便，也更及为及时防治各种病害提出了有效保障。

Description

一种水稻病害的检测方法及其自动检测装置
技术领域
本发明涉及农作物，特别是水稻病害的检测的技术领域。
背景技术
当前，在农作物病害的智能检测中，机器视觉技术已发挥了举足轻重的作用，但生产实践中还没有检测几种水稻重要病害并确定病级的装置。这对于及时、有效了解水稻的各种病害，提出控制方针及为不利。
发明内容
本发明的目的是提供一种水稻病害的检测方法，可以通过对水稻叶片图像的采样与分析，达到及时、准确获得水稻的各种病害信息的目的。
本发明包括如下步骤：
1）取水稻的一个叶片进行图像扫描，取得扫描图；
2）将扫描图进行图像二值化处理；
3）将二值化处理后的图像转变成纵向投影图；
4）找出投影图中的突变点作为叶片图像定义坐标；
5）定义出叶片的子图像；
6）根据光反射原理将整个叶片的子图像变换到Lab空间，并制成a空间灰度值直方图和b空间灰度值直方图；
7）通过b空间灰度值直方图分离出叶片；通过a空间灰度值直方图分离出斑纹；
8）以蓝色为背景，以绿色为叶片，以红色为斑纹，制成三种颜色处理图；
9）对三种颜色处理图中的各红色区域提取轮廓，并作对应标记；
10）对三种颜色处理图中的绿色区域进行像素统计，取得绿色区域总像素值；
对三种颜色处理图中的各红色区域分别进行像素统计，取得各红色区域的像素值，并作对应标记；
11）将单个像素点的面积与绿色区域总像素值相乘，取得绿色区域总面积；
将各红色区域的像素值相加，取得红色区域的总像素值；将单个像素点的面积与红色区域的总像素值相乘，取得红色区域总面积；
将红色区域总面积除以绿色区域总面积，取得红色区域总面积占绿色区域总面积的百分数，将红色区域总面积占绿色区域总面积的百分数与病变评价等级标准进行比较，确定病变等级；
将同一标记的红色区域的像素值和轮廓与病害种类标准进行比较，确定病害种类。
本发明以上方法解决了对单片叶子图像进行背景、叶片、斑纹分割并统计像素，并以获得叶片分割标志图片、叶片及病害面积数据、叶片类型及等级数据，并能过对叶片病斑颜色、病斑轮廓、病斑大小以及病斑总面积占整个叶片面积的比例的分析，最终取得病害种类和病害等级结果。本发明可广泛应用水稻叶片病害诊断、叶片病害预警、叶片病害大数据分析等领域的研究与实践过程，适用于农业院校、农业研究所、农业推广技术中心和田间现场使用。
本发明另一目的是提出采用以上方法的用于水稻病害检测的自动检测装置。
自动检测装置包括图像扫描及传感器、嵌入式计算机和水稻病害综合分析系统；所述图像扫描及传感器的信号输出端连接在嵌入式计算机的信号输入端，所述水稻病害综合分析系统与嵌入式计算机连接；图像扫描及传感器用于获取水稻叶片的正、反面图像；嵌入式计算机用于将扫描获取的图像信息进行处理；水稻病害综合分析系统将嵌入式计算机处理后的图像进行分析和比较处理，获得水稻叶片病害的种类和病级。
本发明可以集合制成一个小装置，便于携带，方便各现场使用，为及时了解、分析病害种类和病害等级提供了方便，也更及为及时防治水稻各种病害提出了有效保障。
进一步地，本发明所述图像扫描及传感器具有获取叶片图像的图像功能模块和将图像通过传感器传送至嵌入式计算机的功能模块。
所述嵌入式计算机具有接收自图像扫描及传感器发出的图像的模块，还具有对所接收的图像进行图像二值化处理、将扫描图进行图像二值化处理、将二值化处理后的图像转变成纵向投影图、找出投影图中的突变点作为叶片图像定义坐标、定义出叶片的子图像、将整个叶片子的图像变换到Lab空间，并制成a空间灰度值直方图和b空间灰度值直方图、通过b空间灰度值直方图分离出叶片、通过a空间灰度值直方图分离出斑纹、以蓝色为背景，以绿色为叶片，以红色为斑纹，制成三种颜色处理图、对三种颜色处理图中的各红色区域提取轮廓，并作对应标记、对三种颜色处理图中的绿色区域进行像素统计，取得绿色区域总像素值、对三种颜色处理图中的各红色区域分别进行像素统计，取得各红色区域的像素值，并作对应标记、将单个像素点的面积与绿色区域总像素值相乘，取得绿色区域总面积、将各红色区域的像素值相加，取得红色区域的总像素值、将单个像素点的面积与红色区域的总像素值相乘，取得红色区域总面积、将红色区域总面积除以绿色区域总面积，取得红色区域总面积占绿色区域总面积的百分数的各功能模块，还具有将红色区域总面积占绿色区域总面积的百分数值、标记的各红色区域的像素值和轮廓发送至水稻病害综合分析系统203的发送模块。
所述水稻病害综合分析系统包括将红色区域总面积占绿色区域总面积的百分数与水稻病变评价等级标准进行比较，确定水稻病变等级的模块；还包括将同一标记的红色区域的像素值和轮廓与水稻病害种类标准进行比较，确定水稻病害种类的模块。
为了方便远程存储、进一步分析等，本发明所述嵌入式计算机的一个信号输出端连接无线通信模块，用于将图像扫描及传感器取得的图像信息和水稻病害综合分析系统分析的信息通过无线以太网上传至大数据分析中心。
所述无线通信模块为GPRS系列MODEM高性能模块。
另外，为了能现场直观显示，本发明还在所述嵌入式计算机的一个信号输出端连接显示模块。以用于显示叶片分割标志图片、叶片及病害面积数据、叶片类型及等级数据或图像信息。
附图说明
图1为本发明装置的一种结构原理图。
图2为本发明的检测流程图。
图3为检测示例中的水稻叶片样本正面的扫描图。
图4为检测示例中的水稻叶片样本反面的扫描图。
图5为检测示例取得的三种颜色处理图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
一、如图1所示，本发明的自动检测装置包括：嵌入式计算机202、高速图像及扫描传感器201、无线通信模块204和水稻病害综合分析系统203。
图像扫描及传感器201的信号输出端连接在嵌入式计算机202的信号输入端，水稻病害综合分析系统203与嵌入式计算机202连接。嵌入式计算机202的一个信号输出端连接无线通信模块204，无线通信模块204为GPRS系列MODEM高性能模块。在嵌入式计算机202的一个信号输出端连接显示模块205。
图像扫描及传感器201具有获取叶片图像的图像功能模块和将图像通过传感器传送至嵌入式计算机202的功能模块。
嵌入式计算机202具有接收自图像扫描及传感器201发出的图像的模块，还具有对所接收的图像进行图像二值化处理、将扫描图进行图像二值化处理、将二值化处理后的图像转变成纵向投影图、找出投影图中的突变点作为叶片图像定义坐标、定义出叶片的子图像、将整个叶片子的图像变换到Lab空间，并制成a空间灰度值直方图和b空间灰度值直方图、通过b空间灰度值直方图分离出叶片、通过a空间灰度值直方图分离出斑纹、以蓝色为背景，以绿色为叶片，以红色为斑纹，制成三种颜色处理图、对三种颜色处理图中的各红色区域提取轮廓，并作对应标记、对三种颜色处理图中的绿色区域进行像素统计，取得绿色区域总像素值、对三种颜色处理图中的各红色区域分别进行像素统计，取得各红色区域的像素值，并作对应标记、将单个像素点的面积与绿色区域总像素值相乘，取得绿色区域总面积、将各红色区域的像素值相加，取得红色区域的总像素值、将单个像素点的面积与红色区域的总像素值相乘，取得红色区域总面积、将红色区域总面积除以绿色区域总面积，取得红色区域总面积占绿色区域总面积的百分数的各功能模块，还具有将红色区域总面积占绿色区域总面积的百分数值、标记的各红色区域的像素值和轮廓发送至水稻病害综合分析系统203的发送模块。
水稻病害综合分析系统203包括将红色区域总面积占绿色区域总面积的百分数与水稻病变评价等级标准进行比较，确定水稻病变等级的模块；还包括将同一标记的红色区域的像素值和轮廓与水稻病害种类标准进行比较，确定水稻病害种类的模块。
无线通信模块204用于将图像扫描及传感器201取得的图像信息和水稻病害综合分析系统203分析的信息通过无线以太网上传至大数据分析中心303。
二、检测示例：
1、取一带有病斑的水稻叶片样本，将以上水稻叶片样本经过塑封处理，形成待检测叶片1。
2、将待检测叶片1置于以上装置的高速图像扫描及传感器201中进行扫描后取得如图3、4所示的正反面图像，嵌入式计算机202即进入以下自动处理步骤：
1）获取扫描图像信息；
2）将扫描图进行图像二值化处理；
3）将二值化处理后的图像转变成纵向投影图；
4）找出投影图中的突变点作为叶片图像定义坐标；
5）定义出叶片的子图像；
6）根据光反射原理将整个叶片的子图像变换到Lab空间，并制成a空间灰度值直方图和b空间灰度值直方图；
7）通过b空间灰度值直方图分离出叶片；通过a空间灰度值直方图分离出斑纹；
8）以蓝色为背景，以绿色为叶片，以红色为斑纹，制成三种颜色处理图，如图5所示。图5在同一个背景下反映了水稻叶片样本（绿色）的正面和反面图，以及分别在正面和反面中的斑纹（红色）；
9）对三种颜色处理图中的各红色区域提取轮廓，并作对应标记；
10）对三种颜色处理图中的绿色区域进行像素统计，取得绿色区域总像素值；
对三种颜色处理图中的各红色区域分别进行像素统计，取得各红色区域的像素值，并作对应标记；
11）将单个像素点的面积与绿色区域总像素值相乘，取得绿色区域总面积；
将各红色区域的像素值相加，取得红色区域的总像素值；将单个像素点的面积与红色区域的总像素值相乘，取得红色区域总面积。
将红色区域总面积除以绿色区域总面积，取得红色区域总面积占绿色区域总面积的百分数，然后由水稻叶片病害检测子系统302将红色区域总面积占绿色区域总面积的百分数与病变评价等级标准进行比较，确定病变等级；将同一标记的红色区域的像素值和轮廓与病害种类标准进行比较，确定病害种类。
经过以上处理后，装置在显示模块205上显出的以上水稻叶片样本的病害种类为稻瘟病，病斑率为23.5%，病变等级为：中感（MS）。
同时，将以上水稻叶片按常规肉眼进行观察判断病害种类也是稻瘟病，病斑率为18%，病变等级为：中感（MS）。
经两种方法对比可见：本发明装置取得的结果是准确、方便的。
本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。

Claims (8)

1.一种水稻病害检测方法，其特征在于包括如下步骤：
1）取水稻的一个叶片进行图像扫描，取得扫描图；
2）将扫描图进行图像二值化处理；
3）将二值化处理后的图像转变成纵向投影图；
4）找出投影图中的突变点作为叶片图像定义坐标；
5）定义出叶片的子图像；
6）根据光反射原理将整个叶片的子图像变换到Lab空间，并制成a空间灰度值直方图和b空间灰度值直方图；
7）通过b空间灰度值直方图分离出叶片；通过a空间灰度值直方图分离出斑纹；
8）以蓝色为背景，以绿色为叶片，以红色为斑纹，制成三种颜色处理图；
9）对三种颜色处理图中的各红色区域提取轮廓，并作对应标记；
10）对三种颜色处理图中的绿色区域进行像素统计，取得绿色区域总像素值；
对三种颜色处理图中的各红色区域分别进行像素统计，取得各红色区域的像素值，并作对应标记；
11）将单个像素点的面积与绿色区域总像素值相乘，取得绿色区域总面积；
将各红色区域的像素值相加，取得红色区域的总像素值；将单个像素点的面积与红色区域的总像素值相乘，取得红色区域总面积；
将红色区域总面积除以绿色区域总面积，取得红色区域总面积占绿色区域总面积的百分数，将红色区域总面积占绿色区域总面积的百分数与病变评价等级标准进行比较，确定水稻病变等级；
将同一标记的红色区域的像素值和轮廓与病害种类标准进行比较，确定水稻病害种类。
2.一种用于水稻病害检测的自动检测装置，其特征在于包括图像扫描及传感器、嵌入式计算机和水稻病害综合分析系统；所述图像扫描及传感器的信号输出端连接在嵌入式计算机的信号输入端，所述水稻病害综合分析系统与嵌入式计算机连接；图像扫描及传感器用于获取水稻叶片的正、反面图像；嵌入式计算机用于将扫描获取的图像信息进行处理；水稻病害综合分析系统将嵌入式计算机处理后的图像进行分析和比较处理，获得水稻叶片病害的种类和病级。
3.根据权利要求2所述用于水稻病害检测的自动检测装置，其特征在于所述图像扫描及传感器具有获取叶片图像的图像功能模块和将图像通过传感器传送至嵌入式计算机的功能模块。
4.根据权利要求2所述用于水稻病害检测的自动检测装置，其特征在于所述嵌入式计算机具有接收自图像扫描及传感器发出的图像的模块，还具有对所接收的图像进行图像二值化处理、将扫描图进行图像二值化处理、将二值化处理后的图像转变成纵向投影图、找出投影图中的突变点作为叶片图像定义坐标、定义出叶片的子图像、将整个叶片的子图像变换到Lab空间，并制成a空间灰度值直方图和b空间灰度值直方图、通过b空间灰度值直方图分离出叶片、通过a空间灰度值直方图分离出斑纹、以蓝色为背景，以绿色为叶片，以红色为斑纹，制成三种颜色处理图、对三种颜色处理图中的各红色区域提取轮廓，并作对应标记、对三种颜色处理图中的绿色区域进行像素统计，取得绿色区域总像素值、对三种颜色处理图中的各红色区域分别进行像素统计，取得各红色区域的像素值，并作对应标记、将单个像素点的面积与绿色区域总像素值相乘，取得绿色区域总面积、将各红色区域的像素值相加，取得红色区域的总像素值、将单个像素点的面积与红色区域的总像素值相乘，取得红色区域总面积、将红色区域总面积除以绿色区域总面积，取得红色区域总面积占绿色区域总面积的百分数的各功能模块，还具有将红色区域总面积占绿色区域总面积的百分数值、标记的各红色区域的像素值和轮廓发送至水稻病害综合分析系统的发送模块。
5.根据权利要求2所述用于水稻病害检测的自动检测装置，其特征在于所述水稻病害综合分析系统包括将红色区域总面积占绿色区域总面积的百分数与水稻病变评价等级标准进行比较，确定水稻病变等级的模块；还包括将同一标记的红色区域的像素值和轮廓与水稻病害种类标准进行比较，确定水稻病害种类的模块。
6.根据权利要求2所述用于水稻病害检测的自动检测装置，其特征在于所述嵌入式计算机的一个信号输出端连接无线通信模块，用于将图像扫描及传感器取得的图像信息和水稻病害综合分析系统分析的信息通过无线以太网上传至大数据分析中心。
7.根据权利要求6所述用于水稻病害检测的自动检测装置，其特征在于所述无线通信模块为GPRS系列MODEM高性能模块。
8.根据权利要求6所述用于水稻病害检测的自动检测装置，其特征在于在所述嵌入式计算机的一个信号输出端连接显示模块。
CN201610890222.4A 2016-10-13 2016-10-13 一种水稻病害的检测方法及其自动检测装置 Active CN106483130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610890222.4A CN106483130B (zh) 2016-10-13 2016-10-13 一种水稻病害的检测方法及其自动检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610890222.4A CN106483130B (zh) 2016-10-13 2016-10-13 一种水稻病害的检测方法及其自动检测装置

Publications (2)

Publication Number Publication Date
CN106483130A true CN106483130A (zh) 2017-03-08
CN106483130B CN106483130B (zh) 2018-12-28

Family

ID=58270676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610890222.4A Active CN106483130B (zh) 2016-10-13 2016-10-13 一种水稻病害的检测方法及其自动检测装置

Country Status (1)

Country Link
CN (1) CN106483130B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766837A (zh) * 2017-11-07 2018-03-06 蔡璟 一种基于特征点比对的园林修护系统
CN108563979A (zh) * 2017-12-29 2018-09-21 南京农业大学 一种基于航拍农田图像判别水稻稻瘟病病情的方法
CN110211099A (zh) * 2019-05-18 2019-09-06 安徽大学 综合麦穗正反面病情的小麦赤霉病检测方法及装置
CN110895804A (zh) * 2018-09-10 2020-03-20 上海市农业科学院 模糊边缘病斑提取方法和装置
CN113109240A (zh) * 2021-04-08 2021-07-13 国家粮食和物资储备局标准质量中心 一种计算机实施的粮食不完善粒测定方法和系统
CN115082804A (zh) * 2022-08-22 2022-09-20 南通海扬食品有限公司 利用多特征数据处理分析的水稻病害识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5841883A (en) * 1994-10-27 1998-11-24 Yazaki Corporation Method of diagnosing a plant automatically and device for executing method thereof
CN101539531A (zh) * 2009-04-09 2009-09-23 浙江大学 基于多光谱图像处理的水稻稻叶瘟病检测分级方法
CN103077529A (zh) * 2013-02-27 2013-05-01 电子科技大学 基于图像扫描的植物叶片特征分析系统
CN105340504A (zh) * 2014-08-22 2016-02-24 隽加香 一种水稻病害的防治方法
CN105938564A (zh) * 2016-04-29 2016-09-14 无锡中科智能农业发展有限责任公司 基于主成分分析和神经网络的水稻病害识别方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5841883A (en) * 1994-10-27 1998-11-24 Yazaki Corporation Method of diagnosing a plant automatically and device for executing method thereof
CN101539531A (zh) * 2009-04-09 2009-09-23 浙江大学 基于多光谱图像处理的水稻稻叶瘟病检测分级方法
CN103077529A (zh) * 2013-02-27 2013-05-01 电子科技大学 基于图像扫描的植物叶片特征分析系统
CN105340504A (zh) * 2014-08-22 2016-02-24 隽加香 一种水稻病害的防治方法
CN105938564A (zh) * 2016-04-29 2016-09-14 无锡中科智能农业发展有限责任公司 基于主成分分析和神经网络的水稻病害识别方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘涛等: "基于计算机视觉的水稻叶部病害识别研究", 《中国农业科学》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766837A (zh) * 2017-11-07 2018-03-06 蔡璟 一种基于特征点比对的园林修护系统
CN108563979A (zh) * 2017-12-29 2018-09-21 南京农业大学 一种基于航拍农田图像判别水稻稻瘟病病情的方法
CN108563979B (zh) * 2017-12-29 2021-09-07 南京农业大学 一种基于航拍农田图像判别水稻稻瘟病病情的方法
CN110895804A (zh) * 2018-09-10 2020-03-20 上海市农业科学院 模糊边缘病斑提取方法和装置
CN110211099A (zh) * 2019-05-18 2019-09-06 安徽大学 综合麦穗正反面病情的小麦赤霉病检测方法及装置
CN113109240A (zh) * 2021-04-08 2021-07-13 国家粮食和物资储备局标准质量中心 一种计算机实施的粮食不完善粒测定方法和系统
CN115082804A (zh) * 2022-08-22 2022-09-20 南通海扬食品有限公司 利用多特征数据处理分析的水稻病害识别方法

Also Published As

Publication number Publication date
CN106483130B (zh) 2018-12-28

Similar Documents

Publication Publication Date Title
CN106483130A (zh) 一种水稻病害的检测方法及其自动检测装置
JP6999812B2 (ja) 骨年齢評価と身長予測モデルの確立方法、そのシステム及びその予測方法
CN110097034A (zh) 一种智能人脸健康程度的识别与评估方法
CN103177261B (zh) 一种基于图像识别技术的奶牛产奶量自动计量系统及其图像识别方法
CN105021529A (zh) 融合光谱和图像信息的作物病虫害识别和区分方法
CN109671068B (zh) 一种基于深度学习的腹部肌肉标注方法及装置
CN103263278B (zh) 一种从超声图像上自动测量胎儿颈背透明物厚度的图像处理方法
TWI684997B (zh) 骨齡評估與身高預測模型之建立方法、骨齡評估與身高預測系統及骨齡評估與身高預測方法
CN103745217A (zh) 基于图像检索的中医舌色苔色自动分析方法
CN104598908A (zh) 一种农作物叶部病害识别方法
CN104363815A (zh) 图像处理装置、图像处理方法以及图像处理程序
CN106886216A (zh) 基于rgbd人脸检测的机器人自动跟踪方法和系统
CN102855485B (zh) 一种小麦抽穗的自动检测方法
CN107945156A (zh) 一种自动评价数字病理扫描图像画质的方法
CN104732520A (zh) 一种胸部数字影像的心胸比测量算法及系统
CN103269439A (zh) 一种oct影像质量客观无参考型评价方法
CN105466921A (zh) 一种多样品同时检测的方法
CN115760858B (zh) 基于深度学习的肾脏病理切片细胞识别方法及系统
CN111259925A (zh) 基于k均值聚类和宽度突变算法的田间麦穗计数方法
CN104574411A (zh) 一种基于离体牙cbct的龋齿图像处理方法
CN111986157A (zh) 一种数字病理图像质量评价系统
CN107684439A (zh) 一种基于超声瞬时弹性成像技术的应变图识别方法
CN107240093B (zh) 一种癌变细胞的自动诊断方法
Guo et al. Region detection of lesion area of knee based on colour edge detection and bilateral projection
CN104573668A (zh) 基于光谱反射率的面部色泽适应性自动识别方法

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
GR01 Patent grant
GR01 Patent grant