CN106770274A - 作物的生理表征检测方法、可携带式检测装置与检测系统 - Google Patents

作物的生理表征检测方法、可携带式检测装置与检测系统 Download PDF

Info

Publication number
CN106770274A
CN106770274A CN201510848216.8A CN201510848216A CN106770274A CN 106770274 A CN106770274 A CN 106770274A CN 201510848216 A CN201510848216 A CN 201510848216A CN 106770274 A CN106770274 A CN 106770274A
Authority
CN
China
Prior art keywords
image
colour table
digital colour
those
crop
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
Application number
CN201510848216.8A
Other languages
English (en)
Inventor
林谦德
彭永兴
许进顺
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.)
Institute for Information Industry
Original Assignee
Institute for Information Industry
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 Institute for Information Industry filed Critical Institute for Information Industry
Publication of CN106770274A publication Critical patent/CN106770274A/zh
Pending legal-status Critical Current

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
    • 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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种作物的生理表征检测方法、可携带式检测装置与检测系统，其根据指定作物与可携带式检测装置之间的距离，以及目前的环境光亮度决定一个数字色板，并自动判断指定作物的外观颜色属于所选择的数字色板中的哪一个对照颜色信息，避免判断结果因人工判断与开放环境的光线影响而造成误差。而所选择的对照颜色信息会对应到指定作物的一生理信息，以提供农民了解指定作物目前的生理表征。

Description

作物的生理表征检测方法、 可携带式检测装置与检测系统
技术领域
本发明提供一种作物的生理表征检测方法、可携带式检测装置与检测系统，且特别是关于一种根据作物的外观颜色来判断作物的生理表征的检测方法、可携带式检测装置与检测系统。
背景技术
一般来说，作物的外观颜色关系到施肥或果实成熟判断。因此，农民大多使用纸板或其它材料所制作实体的「叶色卡」(leaf color chart)或「比色卡」判读作物的外观颜色，以据此得知作物的生理表征(如作物的生长状况)，进而可指引农民农务工作。举例来说，农民会利用「叶色卡」来判断例如水稻叶子的颜色，以推断施用氮肥量。再举例来说，农民利用「比色卡」判断例如水果的外观颜色来推断水果的成熟度。
然而，上述利用「叶色卡」或「比色卡」判断作物的外观颜色皆需靠人工判读与另行纪录，导致判断结果容易产生误差，纪录也经常不完整。此外，农民通常在开放环境(如室外环境)下判断作物的外观颜色，且开放环境的光线经常变化不同，会严重地影响农民判断作物的外观颜色的结果，使得判断结果产生更大的误差，进而造成作物的生理表征的误判。因此，若发展出一套自动判断作物的外观颜色并记录判断结果的方法、装置与系统，将可大幅降低判断结果的误差。
发明内容
本发明实施例提供一种作物的生理表征检测方法，适用于一可携带式检测装置，且用以检测一指定作物的一生理表征信息。作物的生理表征检测方法包括：步骤A：根据指定作物从一色板数据库中选择对应指定作物的多个数字色板。每个数字色板系对应到一特定亮度与一特定物距，每个数字色板具有多个对照颜色信息，且每个对照颜色信息对应到指定作物的一生理信息；步骤B：撷取指定作物的一待检测影像，且取得对应待检测影像的一颜色信息；步骤C：侦测一环境光亮度与指定作物及可携带式检测装置之间的一物距；步骤D：根据环境光亮度与物距，从多个数字色板中决定对应待检测影像的一适应性数字色板；步骤E：比对待检测影像的颜色信息与适应性数字色板的多个对照颜色信息，且依据多个对照颜色信息和颜色信息的相关性，从多个对照颜色信息中选择其中之一；以及步骤F：根据所选择的对照颜色信息显示对应的生理信息。
本发明实施例提供一种作物的可携带式检测装置，且用以检测一指定作物的一生理表征信息。可携带式检测装置包括一影像撷取组件、一环境光传感器、一测距组件、一色板数据库与一处理器。影像撷取组件撷取指定作物的一待检测影像。环境光传感器侦测一环境光亮度。测距组件侦测指定作物与可携带式检测装置之间的一物距。色板数据库储存有指定作物的多个数字色板。每个数字色板对应到一特定亮度与一特定物距，且具有多个对照颜色信息。每个对照颜色信息对应到指定作物的一生理信息。而处理器电连接影像撷取组件、环境光传感器、测距组件与色板数据库。处理器取得对应待检测影像的一颜色信息，根据指定作物从色板数据库中选择对应指定作物的多个数字色板，且根据环境光亮度、物距与多个数字色板从多个数字色板中决定对应待检测影像的一适应性数字色板。处理器比对待检测影像的颜色信息与适应性数字色板的多个对照颜色信息，以依据多个对照颜色信息和颜色信息的相关性，从多个对照颜色信息中选择其中之一，并根据所选择的对照颜色信息显示对应的生理信息至一显示器。
本发明实施例提供一种作物的检测系统，且用以检测一指定作物的一生理表征信息。检测系统包括一远程服务器与一可携带式检测装置。远程服务器储存有指定作物的多个数字色板。每个数字色板对应到一特定亮度与一特定物距，且具有多个对照颜色信息，且每个对照颜色信息对应到指定作物的一生理信息。可携带式检测装置透过一无线网络与远程服务器连接，以接收多个数字色板、每个数字色板的特定亮度、特定物距与多个对照颜色信息。可携带式检测装置包括一影像撷取组件、一环境光传感器、一测距组件与一处理器。影像撷取组件撷取指定作物的一待检测影像。环境光传感器侦测一环境光亮度。测距组件侦测指定作物与可携带式检测装置之间的一物距。处理器电连接影像撷取组件、环境光传感器与测距组件。处理器取得对应待检测影像的一颜色信息，且根据环境光亮度与物距，从多个数字色板中决定对应待检测影像的一适应性数字色板。处理器比对检测影像的颜色信息与适应性数字色板的多个对照颜色信息，以依据多个对照颜色信息和颜色信息的相关性，从多个对照颜色信息中选择其中之一，并透过无线网络传送所选择的对照颜色信息至远程服务器显示对应的生理信息。
综合以上所述，本发明实施例所提供的作物的生理表征检测方法、可携带式检测装置与检测系统，其根据指定作物与可携带式检测装置之间的距离，以及目前的环境光亮度决定一个数字色板，并自动判断指定作物的外观颜色属于所选择的数字色板中的哪一个对照颜色信息，避免判断结果因人工判断与开放环境的光线影响而造成误差。而所选择的对照颜色信息会对应到指定作物的一生理信息，以提供农民了解指定作物目前的生理表征。
为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，但是此等说明与所附图式仅用来说明本发明，而非对本发明的权利范围作任何的限制。
附图说明
图1是本发明一实施例的作物的可携带式检测装置的示意图。
图2是本发明一实施例的待检测影像的示意图。
图3是本发明一实施例的作物的生理表征检测方法的流程图。
图4是本发明一实施例的作物的检测系统的示意图。
具体实施方式
在下文中,将藉由图式说明本发明的各种示例实施例来详细描述本发明。然而,本发明概念可能以许多不同形式来体现,且不应解释为限于本文中所阐述的示例性实施例。此外，在图式中相同参考数字可用以表示类似的组件。
本发明实施例提供一种作物的生理表征检测方法、可携带式检测装置与检测系统，其撷取一指定作物(如水稻叶子、香蕉、西红柿等作物)的影像的颜色信息来自动判断所撷取的颜色信息属于哪一个数字色板中的对照颜色信息。更进一步来说，可携带式检测装置从多个数字色板中，选择符合目前的环境光亮度，以及指定作物与可携带式检测装置之间的距离的数字色板，以降低环境光源的影响与排除因指定作物与可携带式检测装置之间的不同距离所造成的色度误差。接着再判断影像的颜色信息属于所选择的数字色板中的哪一个对照颜色信息。而所选择的对照颜色信息会对应到指定作物的一生理信息，以提供农民了解指定作物目前的生理表征。据此，本发明可避免判断结果因人工判断、不同距离所造成的色度误差与开放环境的光线影响而产生误差，进而造成作物的生理表征的误判。以下将进一步介绍本发明揭露的作物的生理表征检测方法、可携带式检测装置与检测系统。
首先，请参考图1，其显示本发明一实施例的作物的可携带式检测装置的示意图。如图1所示，可携带式检测装置100可用来检测一指定作物(如水稻叶子、玉米、香蕉、西红柿等指定作物)的一生理表征信息(如指定作物的生长状况)，以提供农民了解指定作物目前的生理状况。可携带式检测装置100包括一影像撷取组件110、一环境光传感器120、一测距组件130、一处理器140、一色板数据库150与一显示器160。在本实施例中，可携带式检测装置100可以是一手机，且亦可为其它可携带式的电子装置，例如平板、笔记型计算机等，本发明对此不作限制。
请同时参考图2，其显示本发明一实施例的待检测影像的示意图。影像撷取组件110用来撷取指定作物的一待检测影像Imd。更进一步来说，影像撷取组件110拍摄代表指定作物的一作物影像Pt，处理器140可经由显示器160来显示一检测图框范围Frd，并透过检测图框范围Frd从作物影像Pt中撷取待检测影像Imd，以由处理器140处理待检测影像Imd。举例来说，指定作物为香蕉，农民透过影像撷取组件110拍摄代表香蕉的作物影像Pt，处理器140提供的检测图框范围Frd可让农民移动位置，以从作物影像Pt中撷取待检测影像Imd，以供处理器140判断香蕉目前的生理状况。
环境光传感器120为用来侦测一环境光亮度，并传送环境光亮度至处理器140。而测距组件130则用来侦测指定作物与可携带式检测装置100之间的一物距至处理器140。更进一步来说，环境光传感器120与测距组件130较佳为设置在邻近影像撷取组件110，以侦测较准确的环境光亮度与物距。而环境光传感器120与测距组件130亦可设置在可携带式检测装置100的其它位置，本发明对此不作限制。
色板数据库150储存多种作物的多个数字色板，亦即多种作物的多个数字色板中，包括有指定作物的多个数字色板。每个数字色板分别对应到一特定亮度与一特定物距，且具有多个对照颜色信息。而每个对照颜色信息则对应到指定作物的一生理信息。举例来说，下表<1>显示作为指定作物的香蕉的多个数字色板。
表<1>
由上表<1>可知，色板数据库150中储存有18个相关于香蕉的数字色板，即数字色板1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18。每个数字色板1-18对应到一特定亮度与一特定物距。而每个数字色板1-18具有多个对照颜色信息，以提供处理器140从数字色板1-18中决定符合待检测影像Imd的对照颜色信息。
举例来说，数字色板10对应到的特定亮度与特定物距分别为600Lux与10cm。数字色板10的多个对照颜色信息如下表<2>所示，数字色板10具有4组对照颜色信息，即对照颜色信息D1、D2、D3、D4，且每个对照颜色信息D1-D4分别具有红色像素、绿色像素与蓝色像素。而每个对照颜色信息D1-D4都会对应到作为指定作物的香蕉的生理信息。在此例中，对照颜色信息D1-D4为对应到香蕉不同程度的「成熟度」。而有关处理器140如何从数字色板1-18中决定符合待检测影像Imd的对照颜色信息D1-D4将在以下的实施例作说明，故在此不再赘述。
表<2>
处理器140电连接影像撷取组件110、环境光传感器120、测距组件130与色板数据库150。处理器140接收影像撷取组件110所产生的待检测影像Imd，以取得对应待检测影像Imd的一颜色信息。更进一步来说，在取得待检测影像Imd的颜色信息的过程，处理器140可平均待检测影像Imd的多个像素，以取得代表待检测影像Imd的颜色信息。又或者处理器140可从待检测影像Imd的多个像素中选择具有最多数量的像素，以取得代表待检测影像Imd的颜色信息。而处理器140亦可以其它方式取得待检测影像Imd的颜色信息，本发明对此不作限制。此外，在本实施例中，待检测影像Imd的颜色信息以RGB色彩模型中的红色像素、绿色像素与蓝色像素表示，且颜色信息的表示方式与数字色板的对照颜色信息的表示方式相同。意即，若数字色板的对照颜色信息以YCbCr色彩模型表示，颜色信息将同样以YCbCr色彩模型表示。
再来，处理器140将根据指定作物，从色板数据库150中选择对应指定作物的多个数字色板。而处理器140遂将根据环境光亮度与物距，从多个数字色板中决定对应待检测影像Imd的一适应性数字色板。更进一步来说，处理器140将依据对应指定作物的每个数字色板的特定亮度与特定物距，从上述数字色板中选取与环境光亮度及物距相关性最大的一个，并将所选取的数字色板作为符合待检测影像Imd的适应性数字色板。故透过上述方式，处理器140将可以降低适应性数字色板受到环境光源与不同物距所造成的色度误差影响。值得注意的是，与环境光亮度与物距相关性最大的数字色板表示其特定亮度与特定物距最接近环境光亮度与物距。
在本实施例中，处理器140将根据对应指定作物的每个数字色板的特定亮度，从数字色板中选取与环境光亮度相关性最大的至少一个数字色板(例如环境光亮度最接近所选取的数字色板的特定亮度)。接着，处理器140再根据对应指定作物的每个数字色板的特定物距，从与环境光亮度相关性最大的至少一个数字色板中选取与物距相关性最大的一个(表示物距最接近所选取的数字色板的特定物距)，并将最后选取的数字色板作为符合待检测影像Imd的适应性数字色板。意即，处理器140先从对应指定作物的数字色板中选取最接近环境光亮度的至少一个数字色板，再从所选取的至少一个数字色板中选取最接近物距的数字色板。据此，最后选取的数字色板将最接近指定作物当时的环境光亮度与物距。
而承接上述例子与表<1>，处理器140将从色板数据库150中选择香蕉的数字色板1-18。每个数字色板1-18具有各自的特定亮度与特定物距。此时，若环境光传感器120侦测环境光亮度为550Lux，且测距组件130侦测物距为15.5cm时，处理器140首先将根据每个数字色板1-185的特定亮度400Lux、600Lux与800Lux，从数字色板1-18中决定与环境光亮度(即550Lux)相关性最大的数字色板7-12(即特定亮度为600Lux的数字色板7-12最接近550Lux)。接着处理器140再根据数字色板7-12的特定物距10cm、12cm、14cm、16cm、18cm与20cm，从数字色板7-12中选取与物距(即15.5cm)相关性最大的数字色板10(即特定物距为16cm的数字色板10最接近15.5cm)，并将最后选取的数字色板10作为适应性数字色板。故透过上述方式，处理器140将可以降低适应性数字色板受到环境光源与不同物距所造成的色度误差影响。
在另一些实施例中，处理器140还可以依据已存在的数字色版来重新产生所需要的适应性数字色板。处理器140可依据对应指定作物的每个数字色板的特定亮度与特定物距，先从上述数字色板中选取与环境光亮度及物距相关性接近的至少二个数字色板，并根据所选取的至少二个数字色板计算出符合适应性数字色板的多个对照颜色信息，并且计算出每个对照颜色信息所分别对应的生理信息。
此时，适应性数字色板的特定亮度与特定物距将分别为环境光亮度与物距。例如，处理器140透过一算法计算出符合适应性数字色板的多个对照颜色信息。而上述算法可依照多个数字色板之间的实际状况来配置，本发明对此不作限制。以下以处理器140从上述数字色板中选取与环境光亮度及物距相关性接近的四个数字色板，然后产生新的数字色板来作为举例说明。
举例来说，处理器140从色板数据库150中选择例如表<1>中香蕉的数字色板1-18。每个数字色板1-18具有各自的特定亮度与特定物距。值得注意的是，若环境光传感器120侦测环境光亮度为500Lux，且测距组件130侦测物距为15cm时，适应性数字色板的特定亮度与特定物距将分别为500Lux与15cm。接着，处理器140将从数字色板1-18中选择与环境光亮度(500Lux)及物距(15cm)相关性接近的四个数字色板4-5、10-11，并将数字色板4-5、10-11重新编号为数字色板1-4。
重新编号的数字色板1-4的多个对照颜色信息如下表<3>所示，重新编号的数字色板1-4分别具有2组对照颜色信息，即对照颜色信息D1、D2，且每个对照颜色信息D1、D2分别具有红色像素、绿色像素与蓝色像素。
表<3>
在处理器140取得重新编号的数字色板1-4之后，处理器140接着将透过一算法计算出符合适应性数字色板的多个对照颜色信息D1、D2。算法如式1、式2与式3所示：
(式1)
其中，N为处理器140选择数字色板的个数(在本例子中，处理器140选择4个数字色板4-5、10-11并重新编号为数字色板1-4)，n为大于等于1的距离系数，disti为适应性数字色板与第i个数字色板的距离，Ri为第i个数字色板的红色像素(在本例子中，重新编号的数字色板1-4对应的红色像素分别为35、23、60、79)。
(式2)
其中，N为处理器140选择数字色板的个数(在本例子中，处理器140选择4个数字色板4-5、10-11并重新编号为数字色板1-4)，n为大于等于1的距离系数，disti为适应性数字色板与第i个数字色板的距离，Gi为第i个数字色板的绿色像素(在本例子中，重新编号的数字色板1-4对应的绿色像素分别为88、69、30、136)。
(式3)
其中，N为处理器140选择数字色板的个数(在本例子中，处理器140选择4个数字色板4-5、10-11并重新编号为数字色板1-4)，n为大于等于1的距离系数，disti为适应性数字色板与第i个数字色板的距离，Gi为第i个数字色板的蓝色像素(在本例子中，重新编号的数字色板1-4对应的蓝色像素分别为8、0、0、30)。
在本实施例中，n设定为2。因此，处理器140将可透过式1-式3计算出符合适应性数字色板的多个对照颜色信息D1、D2。承接上述例子与表<3>，适应性数字色板的对照颜色信息D1为：
以及适应性数字色板的对照颜色信息D2经简化式1-式3为：
据此，处理器140将可得到适应性数字色板的特定亮度为环境光亮度(即500Lux)、特定物距为物距(即15cm)，且计算出适应性数字色板的对照颜色信息D1、D2分别为(49,81,10)与(64,92,13)。
在处理器140计算出适应性数字色板的对照颜色信息后，处理器140将从色板数据库所储存的多个对照颜色信息中找到最接近对照颜色信息D1＝(49,81,10)与D2＝(64,92,13)的生理信息。举例来说，处理器140可透过一算法计算出与对照颜色信息D1与D2最接近的生理信息。例如，对照颜色信息D1＝(49,81,10)代表指定作物的生理信息为成熟度30～60％，对照颜色信息D2＝(64,92,13)代表指定作物的生理信息为成熟度81～100％。而处理器140亦可透过其它方式计算出对照颜色信息D1与D2所对应的生理信息，本发明对此不作限制。
当处理器140决定适应性数字色板之后，接下来，处理器140将比对待检测影像Imd的颜色信息与适应性数字色板中的每个对照颜色信息，以依据每个对照颜色信息和颜色信息的相关性从多个对照颜色信息中选择其中之一。更进一步来说，处理器140将透过一相关性分析来判断待检测影像Imd的颜色信息最相关于适应性数字色板中的哪一个对照颜色信息(表示待检测影像Imd的颜色信息最接近哪一个对照颜色信息)。在本实施例中，相关性分析透过一相关函数来计算待检测影像Imd的颜色信息与适应性数字色板的每个对照颜色信息的相关程度。相关函数如式4所示：
(式4)
其中，R0、G0与B0分别代表待检测影像Imd的颜色信息中的红色像素、绿色像素与蓝色像素。Ri、Gi与Bi分别代表第n个对照颜色信息的红色像素、绿色像素与蓝色像素。因此，若对照颜色信息有4个，且依据相关函数计算出第3个对照颜色信息的相关程度最大，表示待检测影像Imd的颜色信息最接近第3个对照颜色信息。此时，处理器140将选择第3个对照颜色信息，并显示对应第3个对照颜色信息的生理信息至显示器160，以提供农民了解指定作物目前的生理表征。而处理器140亦可以其它的相关性分析来取得与待检测影像Imd的颜色信息最相关的对照颜色信息，本发明对此不作限制。
承接上述例子与表<2>，即适应性数字色板为数字色板10，且具有对照颜色信息D1-D4。若处理器140取得待检测影像Imd的颜色信息为(红色像素,绿色像素,蓝色像素数)＝(20,60,0)。此时，待检测影像Imd的颜色信息与对照颜色信息D1的相关程度如下：
待检测影像Imd的颜色信息与对照颜色信息D2的相关程度如下：
待检测影像Imd的颜色信息与对照颜色信息D3的相关程度如下：
待检测影像Imd的颜色信息与对照颜色信息D4的相关程度如下：
故由上述可知，待检测影像Imd的颜色信息与对照颜色信息D3的相关程度最大。因此，处理器140将选择对照颜色信息D3，并显示对照颜色信息D3的生理信息(即成熟度为31～60％)至显示器160，以提供农民了解指定作物(如香蕉)目前的生理表征。
由上述的实施例，本发明可以归纳出一种作物的生理表征检测方法，适用于上述实施例所述的可携带式检测装置100，以检测指定作物的生理表征信息。请参考图3，并同时参考图1。图3显示本发明一实施例的作物的生理表征检测方法的流程图。首先，可携带式检测装置100的处理器140根据指定作物从色板数据库150中选择对应指定作物的多个数字色板(步骤S310)。
每个数字色板对应到一特定亮度与一特定物距(如上述表<1>的数字色板10对应到特定亮度与特定物距分别为400Lux与16cm)。每个数字色板具有多个对照颜色信息(如上述表<2>的数字色板10具有对照颜色信息D1-D4)，且每个对照颜色信息对应到指定作物的一生理信息(如上述表<2>的对照颜色信息D1-D4中香蕉的成熟度)。再来，影像撷取组件110撷取指定作物的一待检测影像，且处理器140取得对应待检测影像Imd的一颜色信息(步骤S320)。接着环境光传感器120侦测一环境光亮度与测距组件130侦测指定作物及可携带式检测装置100之间的一物距(步骤S330)。而有关步骤S310-S330皆已于上述实施例中作说明，故在此不再赘述。
接下来，可携带式检测装置100的处理器140将根据环境光亮度与物距，从该多个数字色板中决定对应待检测影像Imd的一适应性数字色板(步骤S340)。如上述例子中，处理器140从数字色板7-12中选择数字色板10作为适应性数字色板。而有关步骤S340皆已于上述实施例中作说明，故在此不再赘述。
而在取得适应性数字色板后，处理器140接着将比对待检测影像Imd的颜色信息与适应性数字色板的多个对照颜色信息，且依据多个对照颜色信息和颜色信息的相关性，从多个对照颜色信息中选择其中之一(步骤S350)。如上述例子中，处理器140比对颜色信息为(红色像数,绿色像数,蓝色像数)＝(20,60,0)与对照颜色信息D1-D4，且选择与颜色信息相关性最大的对照颜色信息D3。同样地，有关步骤S350皆已于上述实施例中作说明，故在此不再赘述。
接着，处理器140遂将根据所选择的对照颜色信息显示对应的生理信息至显示器140(步骤S360)。如上述例子中，对照颜色信息D3的生理信息代表成熟度为31～60％。而有关步骤S360皆已于上述实施例中作说明，故在此不再赘述。据此，农民将可透过本实施例的生理表征检测方法了解指定作物目前的生理表征。
接下来，请参考图4，其显示本发明一实施例的作物的检测系统的示意图。如图4所示，检测系统300包括一远程服务器305与一可携带式检测装置200，以检测一指定作物的一生理表征信息。远程服务器305储存有多种作物的多个数字色板，且多种作物的多个数字色板中包括有指定作物的多个数字色板。有关远程服务器305的多个数字色板大致上与可携带式检测装置100的色板数据库150的多个数字色板相同，故在此不再赘述。
可携带式检测装置200透过一无线网络与远程服务器305连接，以接收多个数字色板、每个数字色板的特定亮度、特定物距与多个对照颜色信息。而有关可携带式检测装置200的影像撷取组件210、环境光传感器220、测距组件230与处理器240大致上与可携带式检测装置100的影像撷取组件110、环境光传感器120、测距组件130与处理器140相同，故在此不再赘述。
不同的地方在于，指定作物的多个数字色板储存在远程服务器305中。因此，可携带式检测装置200可以不用储存多个数字色板，进而可节省可携带式检测装置200的储存空间。此外，若多个数字色板有更新，可携带式检测装置200亦可从远程服务器305接收更新后的多个数字色板。
综上所述，本发明实施例所提供的作物的生理表征检测方法、可携带式检测装置与检测系统，其根据指定作物与可携带式检测装置的间的距离，以及目前的环境光亮度决定一个数字色板，并自动判断指定作物的外观颜色属于所选择的数字色板中的哪一个对照颜色信息，避免判断结果因人工判断与开放环境的光线影响而造成误差。而所选择的对照颜色信息会对应到指定作物的一生理信息，以提供农民了解指定作物目前的生理表征。
以上所述仅为本发明的实施例，其并非用以局限本发明的专利范围。
符号说明
100、200：可携带式检测装置
110、210：影像撷取组件
120、220：环境光传感器
130、230：测距组件
140、240：处理器
150：色板数据库
160：显示器
300：检测系统
305：远程服务器
Pt：作物影像
Frd：检测图框范围
Imd：待检测影像
S310、S320、S330、S340、S350、S360：步骤。

Claims (20)

1.一种作物的生理表征检测方法，适用于一可携带式检测装置，用以检测一指定作物的一生理表征信息，其特征在于，该生理表征检测方法包括以下步骤：
根据该指定作物从一色板数据库中选择对应该指定作物的多个数字色板，其中每一该数字色板对应到一特定亮度与一特定物距，每一该数字色板具有多个对照颜色信息，且每一该对照颜色信息对应到该指定作物的一生理信息；
撷取该指定作物的一待检测影像，且取得对应该待检测影像的一颜色信息；
侦测一环境光亮度与该指定作物及该可携带式检测装置之间的一物距；
根据该环境光亮度与该物距，从该些数字色板中决定对应该待检测影像的一适应性数字色板；
比对该待检测影像的该颜色信息与该适应性数字色板的该些对照颜色信息，且依据该些对照颜色信息和该颜色信息的相关性，从该些对照颜色信息中选择其中之一；以及
根据所选择的该对照颜色信息显示对应的该生理信息。
2.如权利要求1所述的生理表征检测方法，其中，在撷取该指定作物的该待检测影像的步骤中，更包括步骤：
经由该可携带式检测装置拍摄一作物影像，且提供一检测图框范围，并透过该检测图框范围从该作物影像中撷取该待检测影像。
3.如权利要求1所述的生理表征检测方法，其中，在取得对应该待检测影像的该颜色信息的步骤中，平均该待检测影像的多个像素以取得代表该待检测影像的该颜色信息，或者在该待检测影像的该些像素中选择具有最多数量的该像素以取得代表该待检测影像的该颜色信息。
4.如权利要求1所述的生理表征检测方法，其中，在决定对应该待检测影像的该适应性数字色板的步骤中，依据该些数字色板的该些特定亮度与该些特定物距，从该些数字色板中选取与该环境光亮度及该物距相关性最大的一个，并将所选取的该数字色板作为符合该待检测影像的该适应性数字色板。
5.如权利要求4所述的生理表征检测方法，其中，在选取相关性最大的该数字色板的步骤中，更包括步骤：
依据该些数字色板的该些特定亮度，从该些数字色板中选取与该环境光亮度相关性最大的至少一该数字色板；以及
依据该些数字色板的该些特定物距，从与该环境光亮度相关性最大的至少一该数字色板中选取与该物距相关性最大的一个，并将所选取的该数字色板作为符合该待检测影像的该适应性数字色板。
6.如权利要求1所述的生理表征检测方法，其中，在选择该些对照颜色信息其中的一的步骤中，透过一相关性分析在该适应性数字色板的该些对照颜色信息中，选择最相关该待检测影像的该颜色信息的其中一个该对照颜色信息。
7.如权利要求1所述的生理表征检测方法，其中，在决定对应产生符合该待检测影像的该适应性色板的步骤中，依据每一该数字色板的该特定亮度与该特定物距，从该些数字色板中选取与该环境光亮度与该物距相关性接近的至少二个数字色板，并根据所选取的该至少二个数字色板计算出符合该适应性数字色板的该些对照颜色信息，其中该适应性数字色板的该特定亮度与该特定物距分别为该环境光亮度与该物距。
8.一种作物的可携带式检测装置，用以检测一指定作物的一生理表征信息，其特征在于，该可携带式检测装置包括：
一影像撷取组件，撷取该指定作物的一待检测影像；
一环境光传感器，侦测一环境光亮度；
一测距组件，侦测该指定作物与该可携带式检测装置之间的一物距；
一色板数据库，储存有该指定作物的多个数字色板，每一该数字色板对应到一特定亮度与一特定物距，且具有多个对照颜色信息，且每一该对照颜色信息对应到该指定作物的一生理信息；以及
一处理器，电连接该影像撷取组件、该环境光传感器、该测距组件与该色板数据库，取得对应该待检测影像的一颜色信息，根据该指定作物从该色板数据库中选择对应该指定作物的多个数字色板，根据该环境光亮度与该物距从该些数字色板中决定对应该待检测影像的一适应性数字色板，且比对该待检测影像的该颜色信息与该适应性数字色板的该些对照颜色信息，以依据该些对照颜色信息和该颜色信息的相关性从该些对照颜色信息中选择其中之一，并根据所选择的该对照颜色信息显示对应的该生理信息至一显示器。
9.如权利要求8所述的可携带式检测装置，其中，该影像撷取组件拍摄代表该指定作物的一作物影像，且该处理器在该显示器提供一检测图框范围，并透过该检测图框范围从该作物影像中撷取该待检测影像。
10.如权利要求8所述的可携带式检测装置，其中，该处理器平均该待检测影像的多个像素以取得代表该待检测影像的该颜色信息，或者在该待检测影像的该些像素中选择具有最多数量的该像素以取得代表该待检测影像的该颜色信息。
11.如权利要求8所述的可携带式检测装置，其中，该处理器依据该些数字色板的该些特定亮度与该些特定物距，从该些数字色板中选取与该环境光亮度及该物距相关性最大的一个，并将所选取的该数字色板作为符合该待检测影像的该适应性数字色板。
12.如权利要求11所述的可携带式检测装置，其中，该处理器依据该些数字色板的该些特定亮度，从该些数字色板中选取与该环境光亮度相关性最大的至少一该数字色板，且依据该些数字色板的该些特定物距，从与该环境光亮度相关性最大的至少一该数字色板中选取与该物距相关性最大的一个，并将所选取的该数字色板作为符合该待检测影像的该适应性数字色板。
13.如权利要求8所述的可携带式检测装置，其中，该处理器透过一相关性分析在该适应性数字色板的该些对照颜色信息中，选择最相关该待检测影像的该颜色信息的其中一个该对照颜色信息。
14.如权利要求8所述的可携带式检测装置，其中，该处理器依据每一该数字色板的该特定亮度与该特定物距，从该些数字色板中选取与该环境光亮度与该物距相关性接近的至少二个数字色板，并根据所选取的该至少二个数字色板计算出符合该适应性数字色板的该些对照颜色信息，其中该适应性数字色板的该特定亮度与该特定物距分别为该环境光亮度与该物距。
15.一种作物的检测系统，用以检测一指定作物的一生理表征信息，其特征在于，该检测系统包括：
一远程服务器，储存有该指定作物的多个数字色板，其中，每一该数字色板对应到一特定亮度与一特定物距，且具有多个对照颜色信息，且每一该对照颜色信息对应到该指定作物的一生理信息；
一可携带式检测装置，透过一无线网络与该远程服务器连接，以接收该些数字色板、每一该数字色板的该特定亮度、该特定物距与该些对照颜色信息，该可携带式检测装置包括：
一影像撷取组件，撷取该指定作物的一待检测影像；
一环境光传感器，侦测一环境光亮度；
一测距组件，侦测该指定作物与该可携带式检测装置之间的一物距；以及
一处理器，电连接该影像撷取组件、该环境光传感器与该测距组件，取得对应该待检测影像的一颜色信息，根据该环境光亮度与该物距，从该些数字色板决定对应该待检测影像的一适应性数字色板，且比对该待检测影像的该颜色信息与该适应性数字色板的该些对照颜色信息，以依据该些对照颜色信息和该颜色信息的相关性从该些对照颜色信息中选择其中之一，并透过该无线网络传送所选择的该对照颜色信息至该远程服务器显示对应的该生理信息。
16.如权利要求15所述的检测系统，其中，该影像撷取组件拍摄具有该指定作物的一作物影像，且该处理器在该显示器提供一检测图框范围，并透过该检测图框范围从该作物影像中撷取该待检测影像。
17.如权利要求15所述的检测系统，其中，该处理器平均该待检测影像的多个像素以取得代表该待检测影像的该颜色信息，或者在该待检测影像的该些像素中选择具有最多数量的该像素以取得代表该待检测影像的该颜色信息。
18.如权利要求15所述的检测系统，其中，该处理器依据该些数字色板的该些特定亮度与该些特定物距，从该些数字色板中选取与该环境光亮度及该物距相关性最大的一个，并将所选取的该数字色板作为符合该待检测影像的该适应性数字色板。
19.如权利要求18所述的检测系统，其中，该处理器依据该些数字色板的该些特定亮度，从该些数字色板中选取与该环境光亮度相关性最大的至少一该数字色板，且依据该些数字色板的该些特定物距，从与该环境光亮度相关性最大的至少一该数字色板中选取与该物距相关性最大的一个，并将所选取的该数字色板作为符合该待检测影像的该适应性数字色板。
20.如权利要求15所述的检测系统，其中，该处理器透过一相关性分析在该适应性数字色板的该些对照颜色信息中，选择最相关该待检测影像的该颜色信息的其中一个该对照颜色信息。
CN201510848216.8A 2015-11-25 2015-11-27 作物的生理表征检测方法、可携带式检测装置与检测系统 Pending CN106770274A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW104139130A TWI605245B (zh) 2015-11-25 2015-11-25 作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統
TW104139130 2015-11-25

Publications (1)

Publication Number Publication Date
CN106770274A true CN106770274A (zh) 2017-05-31

Family

ID=58720983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510848216.8A Pending CN106770274A (zh) 2015-11-25 2015-11-27 作物的生理表征检测方法、可携带式检测装置与检测系统

Country Status (3)

Country Link
US (1) US10013629B2 (zh)
CN (1) CN106770274A (zh)
TW (1) TWI605245B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107751355A (zh) * 2017-09-05 2018-03-06 鲁东大学 物流图像成熟度预知自控果蔬运输方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10445877B2 (en) 2016-12-30 2019-10-15 International Business Machines Corporation Method and system for crop recognition and boundary delineation
US10664702B2 (en) 2016-12-30 2020-05-26 International Business Machines Corporation Method and system for crop recognition and boundary delineation
US10586105B2 (en) * 2016-12-30 2020-03-10 International Business Machines Corporation Method and system for crop type identification using satellite observation and weather data
WO2019040866A2 (en) * 2017-08-25 2019-02-28 The Board Of Trustees Of The University Of Illinois APPARATUS AND METHOD FOR COLLECTING AGRICULTURAL DATA AND AGRICULTURAL OPERATIONS
US10762622B2 (en) * 2018-09-19 2020-09-01 Kyocera Document Solutions Inc. Fabric inspection device and ink-jet printing device therewith
EP3751244A1 (en) * 2019-06-12 2020-12-16 YARA International ASA Mobile computing device for determining plant health

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201222033Y (zh) * 2008-01-15 2009-04-15 华南师范大学 检测紫色甘薯花青素相对含量的色卡
CN104535562A (zh) * 2014-12-02 2015-04-22 中国科学院过程工程研究所 一种基于颜色的还原性糖快速检测方法
CN104749134A (zh) * 2015-03-31 2015-07-01 江苏大学 一种检测叶菜类作物冠层水分含量的方法
CN104897677A (zh) * 2015-06-12 2015-09-09 扬州大学 一种分析小麦胚乳蛋白体空间分布规律的方法
CN104949981A (zh) * 2014-03-24 2015-09-30 华中科技大学 一种棉花五真叶期自动检测方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5253302A (en) * 1989-02-28 1993-10-12 Robert Massen Method and arrangement for automatic optical classification of plants
US10423946B2 (en) * 2013-11-11 2019-09-24 Nec Corporation POS terminal device, commodity recognition method, and non-transitory computer readable medium storing program
US10113910B2 (en) * 2014-08-26 2018-10-30 Digimarc Corporation Sensor-synchronized spectrally-structured-light imaging

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201222033Y (zh) * 2008-01-15 2009-04-15 华南师范大学 检测紫色甘薯花青素相对含量的色卡
CN104949981A (zh) * 2014-03-24 2015-09-30 华中科技大学 一种棉花五真叶期自动检测方法及系统
CN104535562A (zh) * 2014-12-02 2015-04-22 中国科学院过程工程研究所 一种基于颜色的还原性糖快速检测方法
CN104749134A (zh) * 2015-03-31 2015-07-01 江苏大学 一种检测叶菜类作物冠层水分含量的方法
CN104897677A (zh) * 2015-06-12 2015-09-09 扬州大学 一种分析小麦胚乳蛋白体空间分布规律的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107751355A (zh) * 2017-09-05 2018-03-06 鲁东大学 物流图像成熟度预知自控果蔬运输方法

Also Published As

Publication number Publication date
US20170148181A1 (en) 2017-05-25
TWI605245B (zh) 2017-11-11
TW201719146A (zh) 2017-06-01
US10013629B2 (en) 2018-07-03

Similar Documents

Publication Publication Date Title
CN106770274A (zh) 作物的生理表征检测方法、可携带式检测装置与检测系统
CN100559826C (zh) 图像处理设备及其方法
KR101140533B1 (ko) 이미지로부터 추정된 피부색에 기초해서 제품을 추천하는 컴퓨터 구현된 방법
US7995058B2 (en) Method and system for identifying illumination fields in an image
CN109416735A (zh) 自然环境中杂草的识别
US9070192B1 (en) Implementing rich color transition curve tracking for applications
CN107836115A (zh) 使用红外和/或紫外信号的自动白平衡
CN109086297B (zh) 用于颜色选择的系统和方法及计算机可读介质
CN108024107A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
BR112012016626B1 (pt) Método e aparelho para determinar dados de colorimetria de uma amostra de cor a partir de uma imagem da mesma
CN105915816A (zh) 用于确定给定场景的亮度的方法和设备
US11410412B2 (en) Anti-counterfeiting method and system for under-screen fingerprint identification
CN101971611A (zh) 最佳影像选择方法、实施该方法的程序的纪录介质以及影像选择装置
US20090021526A1 (en) Determination method for white-point and correction method of the white balance
Ershov et al. The cube++ illumination estimation dataset
Lecca et al. GRASS: a gradient-based random sampling scheme for Milano Retinex
CN109299711B (zh) 颜色跟踪方法和装置
JP2016127806A (ja) 植物情報取得システム、植物情報取得装置および植物情報取得方法
CN108184286A (zh) 灯具的控制方法和控制系统以及电子设备
CN109859216A (zh) 基于深度学习的测距方法、装置、设备及存储介质
CN114511820A (zh) 货架商品检测方法、装置、计算机设备及存储介质
Tanahashi et al. Natsumushi: Image measuring software for entomological studies
CN107145741A (zh) 基于图像分析的耳诊数据采集方法及装置
CN108235831B (zh) 灯具的控制方法和控制系统以及电子设备
Bonesmo* et al. Evaluating an image analysis system for mapping white clover pastures

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170531