CN106570898A - 基于hsv色彩空间快速进行草本植物绿叶率定量测量的方法 - Google Patents
基于hsv色彩空间快速进行草本植物绿叶率定量测量的方法 Download PDFInfo
- Publication number
- CN106570898A CN106570898A CN201610884991.3A CN201610884991A CN106570898A CN 106570898 A CN106570898 A CN 106570898A CN 201610884991 A CN201610884991 A CN 201610884991A CN 106570898 A CN106570898 A CN 106570898A
- Authority
- CN
- China
- Prior art keywords
- color
- photo
- interval
- picture
- greenery
- 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
Abstract
本发明涉及草本植物绿叶率测量方法,旨在提供一种基于HSV色彩空间快速进行草本植物绿叶率定量测量的方法。包括:采用数码相机获取样方照片;对样方照片进行预处理,截取图像中有代表性的部分并进行保存;在Matlab软件中保存的图像,并将其转换为HSV模式;定义照片中绿色叶片所在颜色区间为目标颜色区间,设置目标颜色区间的分量范围;遍历照片中所有像素点,判断其是否落在目标颜色区间;统计并进行计算以得到该样方照片所对应区域的绿叶率。本发明能节省大量的人力和物力,方法简便,结果可靠,能够快速准确获取草本植物绿叶率信息。克服了传统草本绿叶率测定方法的主观性、粗糙性、重复性差及利用专业软件进行数字图像处理测定时昂贵的成本。
Description
技术领域
本发明涉及草本植物绿叶率测量方法,具体地指一种利用数字图像技术,基于HSV色彩空间快速进行草本植物绿叶率定量测量方法。
背景技术
绿叶率是描述草本植物绿期的主要指标,而绿期则是衡量草本植物,特别是草坪草与地被植物观赏性状的重要标准之一。此外,绿叶率也是草本植物抗非生物胁迫评价中不可或缺的形态指标。近年来,涉及到观赏植物景观评价、抗非生物胁迫等各类研究不断深入,然而,绿叶率的基本内涵与测量方法却没有受到足够重视,存在着概念模糊、测定方法粗放等问题,由此直接导致相关研究结果常因绿叶率测量方法不同而出现较大偏差。
当前绿叶率的测定方法主要有:目测评分法、叶片统计法(每株绿色叶片数/总叶片数)、绿叶指数计算(每株的绿片部分的长度/每株叶片的总长度)、叶片比重测量法(每株去掉黄叶与萎蔫部分叶片鲜重/叶片总鲜重)等。在上述方法中,目测评分法受观测人员的主观影响较大,数据结果在小区和年份之间差异大。其他几种方法通常针对单株进行,很难反应植物群体绿叶率变化,且田间工作量,效率低,无法重复获取大量的数据。随着较高分辨率数码相机的普及和计算机软硬件在数字图像处理方面的快速发展,基于数码相机提取图像的数字影像处理技术在农林业领域应用日益广泛。目前在草坪草返青和枯黄动态观测方面,已经有研究逐渐开始使用Adobe photoshop软件或专业的Sigmascan Pro软件进行数字图像处理。使用Adobe photoshop进行图像处理,优点是便于操作,也比较直观,所见即所得。缺点是仅能显示最终的统计结果,缺乏直接证据,因此缺乏说服力,不利于科研应用。Sigmascan Pro软件作为专业的图像处理软件,可对数字化图像进行测量计算,为最终结果提供直接证据,但是该软件使用者较少,学习成本高且售价昂贵。因此,探索一种精确度高、操作简便且成本低的草本植物绿叶率测量方法具有很强的现实意义。
发明内容
本发明要解决的技术问题是,克服现有技术中草本植物绿叶率测量方法重复性差、效率低或成本昂贵的问题,提供一种基于HSV色彩空间快速进行草本植物绿叶率定量测量的方法。
为解决上述技术问题,本发明的解决方案是:
本发明利用Matlab软件实现基于HSV色彩空间的草本植物绿叶率定量测量方法,其特征是:
提供一种基于HSV色彩空间快速进行草本植物绿叶率定量测量的方法,包括以下步骤:
(1)采用数码相机获取样方照片;
(2)应用Adobe Photoshop软件对步骤(1)获得的样方照片进行预处理,截取图像中有代表性的部分并进行保存;
(3)在Matlab软件中读取步骤(2)中保存的图像,并将其转换为HSV模式;
(4)定义照片中绿色叶片所在颜色区间为目标颜色区间,设置目标颜色区间的色调H、饱和度S和明度V这三个分量的范围;
(5)遍历照片中所有像素点,判断其是否落在目标颜色区间;统计目标颜色区间内的像素点数目(selectPixCnt)和照片中所有像素数目(totalPix=w×h),然后计算前者在后者中的占比,即得到该样方照片所对应区域的绿叶率。
本发明中,所述步骤(1)中,获取样方照片的步骤为:将数码相机固定在相机架上,高度为1.1~1.3m,镜头朝下,通过遮光板尽量保证拍摄光线一致;每次拍摄时,数码相机的拍摄参数均保持一致,拍摄参数包括放大倍数、快门速度和像素大小。
本发明中,所述步骤(2)具体包括:
利用Adobe Photoshop软件,截取步骤(1)所得样方照片中植物生长致密、基本覆盖地表、没有杂草的部分,然后将截取的图像以bmp或psd格式保存。
本发明中,所述步骤(3)具体包括:
使用Matlab软件读取步骤(2)中截取的图像,使用[h,s,v]=rgb2hsv(C)函数将RGB彩色空间转换为HSV空间,并将H、S、V分别存放在二维数组h、s、v中;将RGB彩色空间转换为HSV空间时,所使用的公式为:
v=max
(r,g,b)是指一个颜色的红、绿和蓝坐标;其中,r、g、b的值是在0到1之间的实数;设定max等价于r,g和b中的最大者,min等价于r,g和b中的最小者;h的值定义为0到360°之间。
本发明中,所述步骤(4)具体包括:
定义照片中绿色叶片所在颜色区间为目标颜色区间,将其颜色设置为红色(为了便于观测);设置目标颜色区间色调H、饱和度S和明度V三个分量的范围,其中色调H用角度度量取值范围为60°~200°,饱和度S取值范围为10%~100%,明度V取值范围为10%~100%。
本发明中,还包括:重复步骤(2)至(5),在获取同一样地内其他样方的绿叶率数据后,进一步计算绿叶率的平均值。
与现有技术相比,本发明的有益效果在于:
1、本发明利用Matlab软件基于HSV色彩空间可快速对草本植物绿叶率进行定量测定,在具有图像检索功能的同时还能完成海量图像的检索,而且无需人工标注,计算机自动分析检索,节省大量的人力和物力,方法简便,结果可靠,能够快速准确获取草本植物绿叶率信息。
2、本发明基于HSV色彩空间模型,可有效避免RGB色彩模型中红色和蓝色对绿色的强烈干扰。克服了传统草本绿叶率测定方法的主观性、粗糙性、重复性差及利用专业软件进行数字图像处理测定时昂贵的成本。
3、该方法是一种草本植物绿叶率定量测量方法,可为植物景观评价及研究提供可靠的实验数据和支撑,具有很强的现实意义和利用价值。
附图说明
图1是本发明所述利用Matlab软件基于HSV色彩空间快速进行草本植物绿叶率定量测量的流程图;
图2是以萱草属植物常绿萱草为例,通过数码相机获得的待测照片;
图3是利用Adobe photoshop软件截取照片中有代表性的部分;
图4是利用Matlab软件,设置目标颜色区间范围后,获得的目标区间图像。
具体实施方式
下面结合实施例,对本发明作进一步阐释。实施例可以使本专业技术人员更全面地理解本发明,但不以任何方式限制本发明。
实施例1
(1)采用数码相机获取样方照片;
于2015年12月11日早上7:00,用日本Canon公司生产的型号为CANON EOS 60D,镜头为18-135mm的单反相机套机对常绿萱草样方进行拍摄,具体做法为:将数码相机固定在相机架上,高度调整为1.2m,镜头朝下,使用遮光板,保证图像拍摄的光线、高度基本一致。相机拍摄参数为:采用光圈优先拍摄,镜头调至18mm,拍摄方式为连拍,像素大小为5184×3456;
(2)应用Adobe Photoshop软件对步骤(1)获得的照片进行预处理,截取图像中有代表性的部分并进行保存,具体方法为:电脑运行环境为MAC OS X Yosemite,版本为10.10.5,在Adobe Photoshop cs6for mac软件中打开步骤(1)照片,选择其中有代表性的,植物生长致密、基本覆盖地表、没有杂草的部分,将截取的图像以bmp或psd方式保存;
(3)在Matlab R2016a(maci64)软件中读取步骤(2)中保存的照片,使用[h,s,v]=rgb2hsv(C)函数将RGB彩色空间转换为HSV空间,并将H、S、V分别存放在二维数组h、s、v中;
将RGB彩色空间转换为HSV空间时,所使用的公式为:
v=max
(r,g,b)是指一个颜色的红、绿和蓝坐标;其中,r、g、b的值是在0到1之间的实数;设定max等价于r,g和b中的最大者,min等价于r,g和b中的最小者;h的值定义为0到360°之间。s和v的值由上述公式计算获得。
(4)在Matlab R2016a(maci64)中定义照片中绿色叶片所在颜色区间为目标颜色区间,为了便于观测,将目标区间颜色设置为红色。设置目标颜色区间色调H、饱和度S和明度V三个分量的范围。经过调试,确定目标颜色区间色调H取值范围为60°~200°,饱和度S取值范围为10%~100%,V取值范围为10%~100;
(5)在Matlab R2016a(maci64)中遍历照片中所有像素点,判断其是否落在目标颜色区间,照片中所有像素数目为totalPix=w×h;
(6)统计目标颜色区间内的像素点数目selectPixCnt;
(7)计算其占所有像素点数目的比例,即该样方内绿叶率Green leaf ratio=selectPixCnt/totalPix;
(8)在Matlab R2016a(maci64)中读取同一样地内拍摄的其他照片,重复步骤(2)-(7),获得其他样方内绿叶率用于试验结果平均值的计算。
实施例2
(1)采用数码相机获取样方照片;
于2016年1月8日早上7:00,用日本Canon公司生产的型号为CANON EOS 60D,镜头为18-135mm的单反相机套机对常绿萱草样方进行拍摄,具体做法为:将数码相机固定在相机架上,高度调整为1.2m,镜头朝下,使用遮光板,保证图像拍摄的光线、高度基本一致。相机拍摄参数为:采用光圈优先拍摄,镜头调至18mm,拍摄方式为连拍,像素大小为5184×3456;
(2)应用Adobe Photoshop软件对步骤(1)获得的照片进行预处理,截取图像中有代表性的部分并进行保存,具体方法为:电脑运行环境为MAC OS X Yosemite,版本为10.10.5,在Adobe Photoshop cs6for mac软件中打开步骤(1)照片,选择其中有代表性的,植物生长致密、基本覆盖地表、没有杂草的部分,将截取的图像以bmp或psd方式保存;
(3)在Matlab R2016a(maci64)中读取步骤(2)中保存的照片,使用[h,s,v]=rgb2hsv(C)函数将RGB彩色空间转换为HSV空间,并将H、S、V分别存放在二维数组h、s、v中;将RGB彩色空间转换为HSV空间时,所使用的公式与实施例1相同。
(4)在Matlab R2016a(maci64)中定义照片中绿色叶片所在颜色区间为目标颜色区间,为了便于观测,将目标区间颜色设置为红色。设置目标颜色区间色调H、饱和度S和明度V三个分量的范围。经过调试,确定目标颜色区间色调H取值范围为60°~180°,饱和度S取值范围为15%~100%,V取值范围为20%~100%;
(5)在Matlab R2016a(maci64)中遍历照片中所有像素点,判断其是否落在目标颜色区间,照片中所有像素数目为totalPix=w×h;
(6)统计目标颜色区间内的像素点数目selectPixCnt;
(7)计算其占所有像素点数目的比例,即该样方内绿叶率Green leaf ratio=selectPixCnt/totalPix;
(8)在Matlab R2016a(maci64)中读取同一样地内拍摄的其他照片,重复步骤(2)-(7),获得其他样方内绿叶率用于试验结果平均值的计算。
实施例3
(1)采用数码相机获取样方照片;
于2016年2月3日早上7:00,用日本Canon公司生产的型号为CANON EOS 60D,镜头为18-135mm的单反相机套机对常绿萱草样方进行拍摄,具体做法为:将数码相机固定在相机架上,高度调整为1.2m,镜头朝下,使用遮光板,保证图像拍摄的光线、高度基本一致。相机拍摄参数为:采用光圈优先拍摄,镜头调至18mm,拍摄方式为连拍,像素大小为5184×3456;所获照片为图2。
(2)应用Adobe Photoshop软件对步骤(1)获得的照片进行预处理,截取图像中有代表性的部分并进行保存,具体方法为:电脑运行环境为MAC OS X Yosemite,版本为10.10.5,在Adobe Photoshop cs6for mac软件中打开步骤(1)照片,选择其中有代表性的,植物生长致密、基本覆盖地表、没有杂草的部分,将截取的图像以bmp或psd方式保存,即图3;
(3)在Matlab R2016a(maci64)中读取步骤(2)中保存的照片,使用[h,s,v]=rgb2hsv(C)函数将RGB彩色空间转换为HSV空间,并将H、S、V分别存放在二维数组h、s、v中;将RGB彩色空间转换为HSV空间时,所使用的公式与实施例1相同。
(4)在Matlab R2016a(maci64)中定义照片中绿色叶片所在颜色区间为目标颜色区间,为了便于观测,将目标区间颜色设置为红色。设置目标颜色区间色调H、饱和度S和明度V三个分量的范围。经过调试,确定目标颜色区间色调H取值范围为65°~180°,饱和度S取值范围为20%~100%,V取值范围为30%~100%;获得照片为图4。
(5)在Matlab R2016a(maci64)中遍历照片中所有像素点,判断其是否落在目标颜色区间,照片中所有像素数目为totalPix=w×h;
(6)统计目标颜色区间内的像素点数目selectPixCnt;
(7)计算其占所有像素点数目的比例,即该样方内绿叶率Green leaf ratio=selectPixCnt/totalPix;
(8)在Matlab R2016a(maci64)中读取同一样地内拍摄的其他照片,重复步骤(2)-(7),获得其他样方内绿叶率用于试验结果平均值的计算。
注意:同一时期同一样地内拍摄照片在HSV色彩模型中可使用相同的H、S、V取值范围,不同时期同一样地内拍摄照片需要调整H、S、V取值范围使目标颜色区域尽可能与照片中绿叶部分重合。
表1三个时期采用本发明方法常绿萱草绿叶率测定结果
测定日期 | 样方1 | 样方2 | 样方3 | 绿叶率平均值 | 变异系数 |
2015-12-11 | 87.84% | 85.70% | 89.29% | 87.61% | 2.06% |
2016-01-08 | 74.76% | 74.76% | 72.49% | 74.01% | 1.77% |
2016-02-03 | 29.23% | 25.21% | 27.06% | 27.17% | 7.41% |
对比例
目测评分法获得常绿萱草绿叶率的具体过程如下:
(1)确定常绿萱草生长一致性较好的区域为试验样方;
(2)借鉴草坪草目测评分标准,采用1~9级目测评分,评分标准为:休眠或枯黄1分;较多的枯叶,少量绿叶,1-3分;较多的绿色,少量枯叶,3-5分;浅绿到较深的绿色:5-7分;深绿到墨绿,7-9分;
(3)由3名有经验的评分者,于试验日早上7:00,按步骤(2)中的评分标准独立对样方内绿叶情况进行评分,取其平均值。
表2三个时期采用目测评分法常绿萱草绿叶率测定结果
测定日期 | 样方1 | 样方2 | 样方3 | 绿叶情况平均分值 | 变异系数 |
2015-12-11 | 8.5 | 9 | 7 | 8.2 | 12.74% |
2016-01-08 | 7 | 8.5 | 6.5 | 7.3 | 14.19% |
2016-02-03 | 1 | 2 | 1.5 | 1.5 | 33.33% |
由表1、表2可知,对同一时间、同一材料绿叶情况的变异系数进行比较发现,目测评分法得到的变异系数约为本发明方法的4.5-8倍。因此,可以看出本发明所述方法,获取的数据更为准确可靠,数据稳定性高。
最后,需要注意的是,以上列举的仅是本发明的具体实施例。显然,本发明不限于以上实施例,还可以有很多变形。本领域的普通技术人员能从本发明公开的内容中直接导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (6)
1.一种基于HSV色彩空间快速进行草本植物绿叶率定量测量的方法,其特征在于,包括以下步骤:
(1)采用数码相机获取样方照片;
(2)应用Adobe Photoshop软件对步骤(1)获得的样方照片进行预处理,截取图像中有代表性的部分并进行保存;
(3)在Matlab软件中读取步骤(2)中保存的图像,并将其转换为HSV模式;
(4)定义照片中绿色叶片所在颜色区间为目标颜色区间,设置目标颜色区间的色调H、饱和度S和明度V这三个分量的范围;
(5)遍历照片中所有像素点,判断其是否落在目标颜色区间;统计目标颜色区间内的像素点数目和照片中所有像素数目,然后计算前者在后者中的占比,即得到该样方照片所对应区域的绿叶率。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)中,获取样方照片的步骤为:将数码相机固定在相机架上,高度为1.1~1.3m,镜头朝下,通过遮光板尽量保证拍摄光线一致;每次拍摄时,数码相机的拍摄参数均保持一致,拍摄参数包括放大倍数、快门速度和像素大小。
3.根据权利要求1所述的方法,其特征在于,所述步骤(2)具体包括:
利用Adobe Photoshop软件,截取步骤(1)所得样方照片中植物生长致密、基本覆盖地表、没有杂草的部分,然后将截取的图像以bmp或psd格式保存。
4.根据权利要求1所述的方法,其特征在于,所述步骤(3)具体包括:
使用Matlab软件读取步骤(2)中截取的图像,使用[h,s,v]=rgb2hsv(C)函数将RGB彩色空间转换为HSV空间,并将H、S、V分别存放在二维数组h、s、v中;将RGB彩色空间转换为HSV空间时,所使用的公式为:
v=max
(r,g,b)是指一个颜色的红、绿和蓝坐标;其中,r、g、b的值是在0到1之间的实数;设定max等价于r,g和b中的最大者,min等价于r,g和b中的最小者;h的值定义为0到360°之间。
5.根据权利要求1所述的方法,其特征在于,所述步骤(4)具体包括:
定义照片中绿色叶片所在颜色区间为目标颜色区间,将其颜色设置为红色(为了便于观测);设置目标颜色区间色调H、饱和度S和明度V三个分量的范围,其中色调H用角度度量取值范围为60°~200°,饱和度S取值范围为10%~100%,明度V取值范围为10%~100%。
6.根据权利要求1所述的方法,其特征在于,还包括:重复步骤(2)至(5),在获取同一样地内其他样方的绿叶率数据后,进一步计算绿叶率的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610884991.3A CN106570898A (zh) | 2016-10-11 | 2016-10-11 | 基于hsv色彩空间快速进行草本植物绿叶率定量测量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610884991.3A CN106570898A (zh) | 2016-10-11 | 2016-10-11 | 基于hsv色彩空间快速进行草本植物绿叶率定量测量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570898A true CN106570898A (zh) | 2017-04-19 |
Family
ID=58532701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610884991.3A Pending CN106570898A (zh) | 2016-10-11 | 2016-10-11 | 基于hsv色彩空间快速进行草本植物绿叶率定量测量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570898A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324122A (zh) * | 2020-02-28 | 2020-06-23 | 苏州科瓴精密机械科技有限公司 | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 |
CN111353431A (zh) * | 2020-02-28 | 2020-06-30 | 苏州科瓴精密机械科技有限公司 | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 |
CN112330694A (zh) * | 2020-11-16 | 2021-02-05 | 新疆农业科学院粮食作物研究所 | 一种植物萎蔫程度计算方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130083016A1 (en) * | 2011-09-30 | 2013-04-04 | University of Clean Florida Research Foundation, Inc. | Generating Flower Images and Shapes with Compositional Pattern Producing Networks |
CN104296696A (zh) * | 2014-06-09 | 2015-01-21 | 北京师范大学 | 一种利用植被冠层阴影提取叶面积指数与平均叶倾角的方法 |
CN104680524A (zh) * | 2015-02-11 | 2015-06-03 | 中国农业大学 | 一种叶类蔬菜病害诊断方法 |
CN105956511A (zh) * | 2016-04-18 | 2016-09-21 | 江苏大学 | 一种基于Hough变换的车道直线检测与合并的方法 |
-
2016
- 2016-10-11 CN CN201610884991.3A patent/CN106570898A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130083016A1 (en) * | 2011-09-30 | 2013-04-04 | University of Clean Florida Research Foundation, Inc. | Generating Flower Images and Shapes with Compositional Pattern Producing Networks |
CN104296696A (zh) * | 2014-06-09 | 2015-01-21 | 北京师范大学 | 一种利用植被冠层阴影提取叶面积指数与平均叶倾角的方法 |
CN104680524A (zh) * | 2015-02-11 | 2015-06-03 | 中国农业大学 | 一种叶类蔬菜病害诊断方法 |
CN105956511A (zh) * | 2016-04-18 | 2016-09-21 | 江苏大学 | 一种基于Hough变换的车道直线检测与合并的方法 |
Non-Patent Citations (4)
Title |
---|
SASS, LASZLO等: "Leaf hue measurements: a high-throughput screening of chlorophyll content", 《METHODS IN MOLECULAR BIOLOGY》 * |
严深海: "脐橙溃疡病的一类数字图像识别算法的设计与应用", 《赣南师范学院学报》 * |
田少煦: "《数字色彩与环境设计应用》", 30 April 2004, 中国建筑工业出版社 * |
贾蕴琪: "结缕草绿期与抗寒性研究", 《中国优秀硕士学位论文全文数据库农业科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324122A (zh) * | 2020-02-28 | 2020-06-23 | 苏州科瓴精密机械科技有限公司 | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 |
CN111353431A (zh) * | 2020-02-28 | 2020-06-30 | 苏州科瓴精密机械科技有限公司 | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 |
CN111353431B (zh) * | 2020-02-28 | 2024-03-08 | 苏州科瓴精密机械科技有限公司 | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 |
CN112330694A (zh) * | 2020-11-16 | 2021-02-05 | 新疆农业科学院粮食作物研究所 | 一种植物萎蔫程度计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Roth et al. | Predicting cover crop biomass by lightweight UAS-based RGB and NIR photography: an applied photogrammetric approach | |
CN106468536B (zh) | 一种叶面积测量方法 | |
CN104132897B (zh) | 一种基于手持设备的植物叶片含氮量测量方法和装置 | |
Seidel et al. | Review of ground-based methods to measure the distribution of biomass in forest canopies | |
CN103808263B (zh) | 谷粒粒形参数的高通量检测方法 | |
CN112287892B (zh) | 基于无人机高光谱和机器学习算法的乔木生物量测算方法 | |
CN102331244B (zh) | 利用普通数码相机获取水稻冠层叶面积指数的方法 | |
CN108918820B (zh) | 获取耕地土壤盐渍化程度等级分布的方法和装置 | |
CN106570898A (zh) | 基于hsv色彩空间快速进行草本植物绿叶率定量测量的方法 | |
CN106971393B (zh) | 一种玉米籽粒的表型测量方法及系统 | |
CN108765433A (zh) | 一种用于提高精度的多叶面积测量方法 | |
CN108564021A (zh) | 一种基于数码相片提取荒漠植被盖度的方法 | |
CN109827957B (zh) | 一种基于计算机视觉的水稻叶片spad值估测方法及系统 | |
CN108120402A (zh) | 一种基于Photoshop软件测定植物叶面积的方法 | |
CN109271919A (zh) | 一种基于grb和网格模式的植被覆盖度测定方法 | |
CN110751362A (zh) | 一种基于人工智算法的城市景观评价指标计算方法 | |
CN114812418B (zh) | 一种便携式植株密度和株距测量系统 | |
CN206413117U (zh) | 图像测试色板 | |
CN110044485B (zh) | 一种图像式织物颜色测量方法 | |
CN114140691B (zh) | 基于无人机可见光图像预测作物倒伏角度和形态的方法 | |
CN109030488B (zh) | 藻类生物量检测方法及装置 | |
Brown et al. | Estimating tree crown dimensions using digital analysis of vertical photographs | |
CN106845554B (zh) | 一种檀香植株生长土壤铁元素含量的图像确定方法和系统 | |
Motonaga et al. | A method of making digital fruit color charts for cultivation management and quality control | |
CN104268892B (zh) | 一种叶片表面尘土量的图像确定方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170419 |