CN106651844B - 一种基于图像分析的苹果生育期识别方法 - Google Patents
一种基于图像分析的苹果生育期识别方法 Download PDFInfo
- Publication number
- CN106651844B CN106651844B CN201611165894.5A CN201611165894A CN106651844B CN 106651844 B CN106651844 B CN 106651844B CN 201611165894 A CN201611165894 A CN 201611165894A CN 106651844 B CN106651844 B CN 106651844B
- Authority
- CN
- China
- Prior art keywords
- image
- period
- apple
- module
- stage
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于图像分析的苹果生育期识别方法,包括如下步骤:预采集模块采集苹果萌芽期、展叶期、开花期、果期(a、b、c、d)四个时期的图像信息,特征提取模块提取上述四个时期图像的特征信息,生成特征库;样例图像采集模块,对指定苹果植株进行全面拍摄,将所取图像传给预处理模块;预处理模块对图像进行预处理计算,标记图像,将所图像传给数据分析模块;数据分析模块将所得图像进行计算分析,并将分析结果存入到输出模块;输出模块根据分析结果得出苹果所处生长期;本发明提供了一种基于图像分析的苹果生育期识别方法,本方法主要应用于苹果生产领域,可实现苹果的生育期自动识别,为后期苹果的种植和管理提供强大的科学依据,原理简单,易实施,工作效率高。
Description
技术领域
本发明涉及到农业生产领域,尤其涉及一种使用图像识别苹果的生育期方法和系统。
背景技术
苹果作为一种经济作物,在我国广泛种植,苹果的生长发育状况是组织和指导生产的重要依据,也为苹果科学管理提供必要的依据。传统的苹果生育期分析,主要靠人工巡视的方式进行,这种方式随着大规模集中种植出现,表现出了其不足之处:单凭人工巡视,由于经验的差距和人力的有限,很难发现局部区域生长滞后的情况,无法进行及时的补救,从而盲目地推进生产步骤,势必会降低产量,减少经济效益。
发明内容
为解决上述问题,本文发明一种使用图像识别苹果的生育期方法和系统。
本发明提供如下技术方案:一种基于图像分析的苹果生育期识别方法,包括如下步骤:
预采集模块采集苹果萌芽期、展叶期、开花期、果期(a、b、c、d)四个时期的图像信息,特征提取模块提取上述四个时期图像的特征信息,生成特征库;
样例图像采集模块,对指定苹果植株进行全面拍摄,将所取图像传给预处理模块;预处理模块对图像进行预处理计算,标记图像,将所图像传给数据分析模块;数据分析模块将所得图像进行计算分析,并将分析结果存入到输出模块;输出模块根据分析结果得出苹果所处生长期;所述预采集模块对所述苹果四个生育期进行图像采集的步骤为:
(1).选取具有代表性的1000株苹果树,标记为1~1000;
(2).分别拍摄所述四个时期1~1000植株的图像,拍摄时,分别采集图像,并将图像标记为(i=1,2…8);四个生育期标记为(t=a,b,c,d)四组。
进一步,一种基于图像分析的苹果生育期识别方法,所述特征提取模块对所述图像信息进行特征信息提取的步骤为:
(1).对所得四个生育期的32张图像进行逐张逐行扫描,并记录各点的像素,并记为(i为图像行号,j为图像列号);
(2).设定生育期中绿叶像素阈值GTh、花像素阈值FTh、苹果果实像素阈值ATh、树干像素阈值Eth;依次为依据,标记预采集模块中的所有像素,将最后所得带有标记的图像信息进行人工筛查,调整不正确的标记;
(3).将调整标记后的所有图像再一次进行逐张逐行扫描,统计a时期内所有绿叶像素值、树干像素值;b时期内所有绿叶像素值、树干像素值;c时期内所有花像素值、绿叶像素值;d时期内苹果像素平均个数;分别得出萌芽期特征值、展叶期特征值、开花期特征值、果期特征值并更新步骤(2)中四个阈值,得出的数值为全生育期图像特征库;
萌芽期特征值数学模型为:
pie是树干像素值,pig是绿叶像素值,Nag是生育期a时,树干像素的总个数;Nag是生育期a时,绿叶像素的总个数;
展叶期特征值数学模型为:
开花期特征值:
果期特征值:
进一步,一种基于图像分析的苹果生育期识别方法,所述预处理模块对所述样例图像采集模块采集到的图像进行预处理的步骤为:
使用特征库中绿叶像素阈值、花像素阈值、苹果果实像素阈值、树干像素阈值分别标记采集到的图像;
所述数据分析模块对所述预处理模块传入的数据进行分析的步骤为:
(1).计算各图像中标记的像素个数;
(2).分别求取各个图像中绿叶像素比树干像素的比值,花像素比绿叶像素比值,并统计果实像素的个数;
(3).按照特征提取模块提取的特征库依次对比各个图像中,植株属于哪一个生育期;
(4).图像中,果实像素个数达到特征库中果期像素值,该生育期属于果期;
果期判定数学模型为:
Csample≥Cd
Csmaple是要判定的样本值,Cd是特征提取模块得出的果期特征值。
综上所述,本发明的效果是:本发明提供了一种基于图像分析的苹果生育期识别方法,本方法主要应用于苹果生产领域,可实现苹果的生育期自动识别,为后期苹果的种植和管理提供强大的科学依据,原理简单,易实施,工作效率高。
附图说明:
图1是本发明一种基于图像分析的苹果生育期识别方法的结构图。
图2是本发明一种基于图像分析的苹果生育期识别方法中特征提取模块的提取流程图。
具体实施方式:
如图1所示,本发明为一种基于图像分析的苹果生育期识别方法,包括如下步骤:
预采集模块采集苹果萌芽期、展叶期、开花期、果期(a、b、c、d)四个时期的图像信息,特征提取模块提取上述四个时期图像的特征信息,生成特征库;
样例图像采集模块,对指定苹果植株进行全面拍摄,将所取图像传给预处理模块;预处理模块对图像进行预处理计算,标记图像,将所图像传给数据分析模块;数据分析模块将所得图像进行计算分析,并将分析结果存入到输出模块;输出模块根据分析结果得出苹果所处生长期;所述预采集模块对所述苹果四个生育期进行图像采集的步骤为:
(1).选取具有代表性的1000株苹果树,标记为1~1000;
(2).分别拍摄所述四个时期1~1000植株的图像,拍摄时,分别采集图像,并将图像标记为(i=1,2…8);四个生育期标记为(t=a,b,c,d)四组。
具体的,一种基于图像分析的苹果生育期识别方法,所述特征提取模块对所述图像信息进行特征信息提取的步骤为:
(1).对所得四个生育期的32张图像进行逐张逐行扫描,并记录各点的像素,并记为(i为图像行号,j为图像列号);
(2).设定生育期中绿叶像素阈值GTh、花像素阈值FTh、苹果果实像素阈值ATh、树干像素阈值ETh。依次为依据,标记预采集模块中的所有像素,将最后所得带有标记的图像信息进行人工筛查,调整不正确的标记;
(3).将调整标记后的所有图像再一次进行逐张逐行扫描,统计a时期内所有绿叶像素值、树干像素值;b时期内所有绿叶像素值、树干像素值;c时期内所有花像素值、绿叶像素值;d时期内苹果像素平均个数;分别得出萌芽期特征值、展叶期特征值、开花期特征值、果期特征值并更新步骤(2)中四个阈值,得出的数值为全生育期图像特征库;
萌芽期特征值数学模型为:
pie是树干像素值,pig是绿叶像素值,Nae是生育期a时,树干像素的总个数;Nag是生育期a时,绿叶像素的总个数;
展叶期特征值数学模型为:
开花期特征值:
果期特征值:
具体的,一种基于图像分析的苹果生育期识别方法,所述预处理模块对所述样例图像采集模块采集到的图像进行预处理的步骤为:
使用特征库中绿叶像素阈值、花像素阈值、苹果果实像素阈值、树干像素阈值分别标记采集到的图像;
所述数据分析模块对所述预处理模块传入的数据进行分析的步骤为:
(1).计算各图像中标记的像素个数;
(2).分别求取各个图像中绿叶像素比树干像素的比值,花像素比绿叶像素比值,并统计果实像素的个数;
(3).按照特征提取模块提取的特征库依次对比各个图像中,植株属于哪一个生育期;
(4).图像中,果实像素个数达到特征库中果期像素值,该生育期属于果期;
果期判定数学模型为:
Csample≥Cd
Csmaple是要判定的样本值,Cd是特征提取模块得出的果期特征值。
实施例一:
下面结合本发明实施例(莱芜市某苹果园),对本发明实施例中的技术方案进行详细描述。
(1)首先选取1000株苹果植株,分别从1~1000编号,在跟踪整个生育期的过程中,如果有植株出现异常(如发育不良等),该编号植株将被剔除。
(2)中心点是一株苹果植株,我们将在八个方向上拍摄该植株。获得八个方向上的图像。并按顺时针方向编号为1~8。跟踪所有植株的所有生育期,按照相同的方法共拍摄4个生育期的图像,分别编号为a、b、c、d四组。这样每一棵植株,将会有32张图像信息。
(3)拍摄完所有图片后,得到32*1000=32000张图像,将图像按照标号存档。从档案中取出5副a时期时图像,人工方式标记出绿叶像素和树干像素,求取平均值( )。然后取出所有档案中a时期的图像,使用自动标定所有像素。人工调整标定错误的区域。按照附图2中的逻辑流程提取特征值。b、c、d时期按照相同方法进行。
(4)在需要监测苹果生育期的果园中,按照种植面积,均匀的选取有限株苹果植株。在本案例中,我们将果园以36平方米为一个单元均匀的划分,每单元中选取一棵发育正常的植株。
(5)选取支持二次开发的视觉识别摄像机。本案例中,我们选取了海康威视的二次开发摄像机。
(6)将特征提取模块获得的特征值下载到摄像机存储模块。
(7)摄像机每隔6小时,自动拍摄一张图片,对图像进行预处理计算,并按照特征值依次比对特征数据,从而得出植株所属的生育期。
Claims (2)
1.一种基于图像分析的苹果生育期识别方法,包括如下步骤:
预采集模块采集苹果萌芽期、展叶期、开花期、果期,即a、b、c、d这四个时期的图像信息,特征提取模块提取上述四个时期图像的特征信息,生成特征库;
样例图像采集模块,对指定苹果植株进行全面拍摄,将所取图像传给预处理模块;预处理模块对图像进行预处理计算,标记图像,将所图像传给数据分析模块;数据分析模块将所得图像进行计算分析,并将分析结果存入到输出模块;输出模块根据分析结果得出苹果所处生长期;所述预采集模块对所述苹果四个生育期进行图像采集的步骤为:
(1).选取具有代表性的1000株苹果树,标记为1~1000;
(2).分别拍摄所述四个时期1~1000植株的图像,拍摄时,分别采集图像,并将图像标记为i=1,2…8;四个生育期标记为t=a,b,c,d四组;
所述特征提取模块对所述图像信息进行特征信息提取的步骤为:
(1).对所得四个生育期的32张图像进行逐张逐行扫描,并记录各点的像素,并记为i为图像行号,j为图像列号;
(2).设定生育期中绿叶像素阈值GTh、花像素阈值FTh、苹果果实像素阈值ATh、树干像素阈值Eth;依次为依据,标记预采集模块中的所有像素,将最后所得带有标记的图像信息进行人工筛查,调整不正确的标记;
(3).将调整标记后的所有图像再一次进行逐张逐行扫描,统计a时期内所有绿叶像素值、树干像素值;b时期内所有绿叶像素值、树干像素值;c时期内所有花像素值、绿叶像素值;d时期内苹果像素平均个数;分别得出萌芽期特征值、展叶期特征值、开花期特征值、果期特征值并更新步骤(2)中四个阈值,得出的数值为全生育期图像特征库;
萌芽期特征值数学模型为:
pie是树干像素值,pig是绿叶像素值,Nae是生育期a时,树干像素的总个数;Nag是生育期a时,绿叶像素的总个数;
展叶期特征值数学模型为:
开花期特征值:
果期特征值:
2.根据权利要求1所述的一种基于图像分析的苹果生育期识别方法,其特征在于,所述预处理模块对所述样例图像采集模块采集到的图像进行预处理的步骤为:
使用特征库中绿叶像素阈值、花像素阈值、苹果果实像素阈值、树干像素阈值分别标记采集到的图像;
所述数据分析模块对所述预处理模块传入的数据进行分析的步骤为:
(1).计算各图像中标记的像素个数;
(2).分别求取各个图像中绿叶像素比树干像素的比值,花像素比绿叶像素比值,并统计果实像素的个数;
(3).按照特征提取模块提取的特征库依次对比各个图像中,植株属于哪一个生育期;
(4).图像中,果实像素个数达到特征库中果期像素值,该生育期属于果期;
果期判定数学模型为:
Csample≥Cd
Csample是要判定的样本值,Cd是特征提取模块得出的果期特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611165894.5A CN106651844B (zh) | 2016-12-16 | 2016-12-16 | 一种基于图像分析的苹果生育期识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611165894.5A CN106651844B (zh) | 2016-12-16 | 2016-12-16 | 一种基于图像分析的苹果生育期识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651844A CN106651844A (zh) | 2017-05-10 |
CN106651844B true CN106651844B (zh) | 2021-04-02 |
Family
ID=58823057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611165894.5A Active CN106651844B (zh) | 2016-12-16 | 2016-12-16 | 一种基于图像分析的苹果生育期识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651844B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107980504A (zh) * | 2017-12-18 | 2018-05-04 | 济宁百果生态农业科技有限公司 | 一种智能种植草莓的方法 |
CN108174719A (zh) * | 2017-12-20 | 2018-06-19 | 佛山市洛克威特科技有限公司 | 一种草莓自主种植的大棚 |
CN108109220A (zh) * | 2017-12-29 | 2018-06-01 | 贵州理工学院 | 一种基于监控摄像头的教室考勤统计系统 |
CN109472210A (zh) * | 2018-10-15 | 2019-03-15 | 广州地理研究所 | 一种植物的识别方法、装置、储存介质和设备 |
CN109598215A (zh) * | 2018-11-22 | 2019-04-09 | 仲恺农业工程学院 | 一种基于无人机定位拍摄的果园建模分析系统和方法 |
CN112084977B (zh) * | 2020-09-14 | 2021-06-18 | 太原理工大学 | 一种融合图像和时间特征的苹果物候期自动识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636486A (zh) * | 2012-03-23 | 2012-08-15 | 华中科技大学 | 一种棉花三真叶期的自动检测方法 |
JP2012198688A (ja) * | 2011-03-18 | 2012-10-18 | Fujitsu Ltd | 農作物画像処理プログラム、農作物画像処理方法及び農作物画像処理装置 |
CN104794442A (zh) * | 2015-04-16 | 2015-07-22 | 王爱云 | 整株苹果树生熟程度识别平台 |
CN104966243A (zh) * | 2015-07-21 | 2015-10-07 | 江苏省无线电科学研究所有限公司 | 基于改进遗传算法的农作物生育期自动识别方法 |
-
2016
- 2016-12-16 CN CN201611165894.5A patent/CN106651844B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012198688A (ja) * | 2011-03-18 | 2012-10-18 | Fujitsu Ltd | 農作物画像処理プログラム、農作物画像処理方法及び農作物画像処理装置 |
CN102636486A (zh) * | 2012-03-23 | 2012-08-15 | 华中科技大学 | 一种棉花三真叶期的自动检测方法 |
CN104794442A (zh) * | 2015-04-16 | 2015-07-22 | 王爱云 | 整株苹果树生熟程度识别平台 |
CN104966243A (zh) * | 2015-07-21 | 2015-10-07 | 江苏省无线电科学研究所有限公司 | 基于改进遗传算法的农作物生育期自动识别方法 |
Non-Patent Citations (1)
Title |
---|
"基于图像识别技术的夏玉米生育期识别方法初探";陆明 等;《中国农业气象》;20111231;第32卷(第3期);第424页第1.1.1节第1段,第1.1.3节第1段及第1.1.4节第1段,第426页第3段,第427页第2.2节第1段和第428页第2.3节第1段,图4,7-8,表1 * |
Also Published As
Publication number | Publication date |
---|---|
CN106651844A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651844B (zh) | 一种基于图像分析的苹果生育期识别方法 | |
CN106971167B (zh) | 基于无人机平台的作物生长分析方法及其分析系统 | |
CN101859375B (zh) | 农田苗期行内作物-杂草识别方法 | |
CN111345214A (zh) | 一种基于卫星影像数据的新疆棉花区域识别方法及系统 | |
CN112084977B (zh) | 一种融合图像和时间特征的苹果物候期自动识别方法 | |
Selvi et al. | Weed detection in agricultural fields using deep learning process | |
CN113011221A (zh) | 作物分布信息的获取方法、装置及测量系统 | |
CN111798433B (zh) | 基于无人机遥感的高原山区成熟火龙果实识别与计数方法 | |
CN102542560A (zh) | 一种水稻移栽后密度自动检测的方法 | |
CN110853044A (zh) | 基于条件欧式聚类的盆栽玉米点云快速分割方法 | |
CN110689022B (zh) | 基于叶片匹配的各株作物图像提取方法 | |
CN112131952A (zh) | 基于无人机遥感影像的玉米苗期株数信息提取 | |
CN108537164B (zh) | 基于无人机遥感的点穴播种出芽率监测方法与装置 | |
CN110598514A (zh) | 一种土地整治项目区地块尺度农作物播种面积监测方法 | |
WO2022104867A1 (zh) | 目标物的特征检测方法和装置 | |
Piani et al. | Apple orchard flower clusters density mapping by unmanned aerial vehicle RGB acquisitions | |
CN108834667A (zh) | 一种基于物联网的大棚系统 | |
Yihang et al. | Automatic recognition of rape seeding emergence stage based on computer vision technology | |
CN114511777A (zh) | 一种基于图像识别方法的桃树花期监测评估方法 | |
CN111932551A (zh) | 一种水稻插秧机的漏插率检测方法 | |
CN116052141B (zh) | 作物生育期的识别方法、装置、设备及介质 | |
CN115527192A (zh) | 一种油菜苗期杂株定位方法及杂株去除方法 | |
CN113409265B (zh) | 全生育期番茄3d表型动态获取和分析方法及系统 | |
CN116630707B (zh) | 一种基于深度学习的番茄穴盘苗分级检测与数据传输方法 | |
CN114119536B (zh) | 基于云平台技术的作物氮含量快速监测与诊断方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |