CN106780502A - 基于图像的甘蔗出苗期自动检测方法 - Google Patents
基于图像的甘蔗出苗期自动检测方法 Download PDFInfo
- Publication number
- CN106780502A CN106780502A CN201611228884.1A CN201611228884A CN106780502A CN 106780502 A CN106780502 A CN 106780502A CN 201611228884 A CN201611228884 A CN 201611228884A CN 106780502 A CN106780502 A CN 106780502A
- Authority
- CN
- China
- Prior art keywords
- sugarcane
- imageresult
- segmentation result
- image
- seeding 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.)
- Pending
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
-
- 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
- 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)
- Image Analysis (AREA)
Abstract
本发明涉及一种检测方法,尤其是一种基于图像的甘蔗出苗期自动检测方法,属于甘蔗出苗检测的技术领域。根据不同光强提取甘蔗彩色图像的方法,将甘蔗从户外复杂背景中准确的提取出来,若甘蔗的播种方向为水平方向,则从上到下滑块检测多个子区域,若甘蔗的播种方向为垂直方向,则从左到右滑块检测多个子区域;统计各子区域的质心数量,若质心数量大于预定子区域出苗阈值,则确定其对应的子区域为出苗子区域,若出苗子区域大于出苗判别阈值,则判断甘蔗进入出苗期,从而利用图像能对甘蔗出苗期状态进行自动检测,检测准确率高,实用性强,安全可靠。
Description
技术领域
本发明涉及一种检测方法,尤其是一种基于图像的甘蔗出苗期自动检测方法,属于甘蔗出苗检测的技术领域。
背景技术
甘庶是我国和世界上最重要的糖料作物和能源作物之一。我国是世界第三大糖生产国,主要产地分布在广西,其次在云南、海南、广东的湛江地区,福建、四川、湖南等地也有少量甘蔗种植。
甘庶生产对我国的农业和农村经济发展、农民增收等方面起着非常重要的作用。为了提高甘庶的产量和质量,需要对它的发育速度和进程进行了解,并在此基础上分析它的各发育期与气象条件之间的联系,从而鉴定甘庶生长的农业气象条件。
一直以来,对于甘庶各发育期的观测主要是通过人工观测的方式,由于甘庶的种植地域广、生长周期长,利用人工进行观测不但耗人耗力,不够经济;观测结果的主观臆断性较大,没有办法保证精确度;而且只能记录观测数值,无法再现现场的图像。甘蔗出苗期是甘蔗生长阶段重要的发育期环节,有效而准确的识别这个时期,是农业气象观测的重要内容,对于指导农事活动具有重要意义。
基于图像的甘蔗出苗期自动检测技术目前尚未见公开报道。现有的文献都是围绕遥感图像开展甘蔗长势及估产的研究。如2010年郭琳、裴志远、张松龄等在《农业工程学报》上发表的“基于环境星CCD图像的甘蔗叶面积指数反演方法”中,利用新型国产卫星数据环境星CCD图像和准同步的地面观测数据,分别采用指数关系模型、对数关系模型、支持向量回归模型3种方法,开展了环境星遥感图像在甘蔗叶面积指数反演试验。结果表明,3种方法都可以对甘蔗LAI进行有效预测,且能获得较好的预测效果,验证了环境星CCD图像在甘蔗LAI反演中的实用性。2013年何亚娟、潘学标、裴志远等在《农业机械学报》上发表的“基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算”中利用SPOT遥感数据进行甘蔗叶面积指数LAI反演,建立最佳NDVI-LAI反演模型,同时结合不同生育期甘蔗叶面积指数的时序变化规律,建立各生育期甘蔗叶面积指数LAI与产量的相关关系,得到甘蔗叶面积指数LAI-产量最佳估产模型。
但由于遥感图像分辨率低,且容易受到云层、云阴影和气溶胶等影响,每天在固定区域也仅有单张图像可以使用,有较大的局限性。可见,基于遥感图像的检测方式不是甘蔗出苗期自动检测的一种较好选择,目前还需一种准确率高、实用性强和操作方便的方式来代替出苗期的人工检测方式,以获取甘蔗出苗期的准确时间,便于及时指导农事活动。
发明内容
本发明的目的是克服现有技术中存在的不足,提供一种基于图像的甘蔗出苗期自动检测方法,其利用图像能对甘蔗出苗期状态进行自动检测,检测准确率高,实用性强,安全可靠。
按照本发明提供的技术方案,一种基于图像的甘蔗出苗期自动检测方法,所述甘蔗出苗期自动检测方法包括如下步骤:
步骤1、采集不同光照下的甘蔗图片,并根据所采集不同光照下的甘蔗图片,得到亮度Y下对应的色度H的均值和方差,即得到甘蔗的H-Y对照表;
步骤2、提供当前待检测的甘蔗图片,利用上述甘蔗的H-Y对照表对待检测甘蔗图片进行检测与分割,以得到甘蔗分割结果ImageResult;
步骤3、根据上述甘蔗分割结果ImageResult检测甘蔗生长方法,在确定甘蔗的生长方向后,在甘蔗分割结果ImageResult上添加移动滑块区域,所述移动滑块区域在甘蔗分割结果ImageResult上的移动方向与确定甘蔗生长方向垂直;移动滑块区域在甘蔗分割结果ImageResult上移动时,检测所述移动滑块区域内的连通域质心数量,若所述移动滑块区域内的连通域质心数量大于threshold_centroid时,则移动滑块区域所在的区域判断为出苗;若整个甘蔗分割结果ImageResult上判定为出苗区域数量大于出苗判别阈值Lines_Threshold时,则判断当前待检测的甘蔗图片中甘蔗出苗。
所述步骤1中,具体包括如下步骤:
步骤1.1、选取不同光照下的甘蔗出苗期图像,并在选取甘蔗出苗期图像后,仅保留甘蔗出苗期图像中的甘蔗区域,将非甘蔗区域的像素点置为全白,以得到训练样本图像;
步骤1.2、将上述训练样本图像由RGB颜色空间转换到HSI空间和YUV空间,并将每幅训练样本图像的作物像素点H值和Y的值分别保存到矩阵TrainingData的第一列和第二列;
步骤1.3、对矩阵TrainingData的第二列进行查找,当TrainingData(:,2)为亮度t时,将当前行对应的TrainingData(:,1)值保存到矩阵HYData(t,:)中,矩阵HYData的大小为255*Numtotal,Numtotal为所选训练样本图像的作物总像素;
步骤1.4、计算矩阵HYData中每行的均值和方差,具体为
其中,μi为矩阵HYData中第i行的均值,δi 2为矩阵HYData第i行的方差,col为矩阵HYData第i行中所有非零项的个数;
步骤1.5、利用步骤1.4,建立甘蔗的H-Y对照表。
所述步骤2中,具体包括如下步骤:
步骤2.1、待待检测的甘蔗图片Image,将所述待检测甘蔗图片Image由RGB颜色空间转换为HSI空间以及YUV空间,即待检测甘蔗图片Image第m行第n列在RGB空间分别为R(m,n)、G(m,n)、B(m,n),在HSI空间为H(m,n),S(m,n)、I(m,n),在YUV空间为Y(m,n)、U(m,n)、V(m,n);在H-Y对照表中查找行数与像素点Y(m,n)相等的一行,并提取对应的μY(m,n)和
步骤2.2、将当前像素的色度H(m,n)与μY(m,n)相减,以得到ΔH=(H(i,j)-μY(i,j))2,当ΔH值小于等于时,则把当前像素点变为白色,否则该像素点置为黑色,其中k的取值范围为[1.5,2.1];
步骤2.3、对上述分割得到的预分割结果进行去噪,在去除所需的连通域后,得到甘蔗分割结果ImageResult。
所述步骤3中,具体包括如下步骤:
步骤3.1、对甘蔗分割结果ImageResult,利用霍夫变换检测图像中的直线,以得到若干条直线;
步骤3.2、比较每条直线两端点的横坐标差值的绝对值与纵坐标差值绝对值的大小,若横坐标差值的绝对值大于纵坐标差值的绝对值,则当前直线判断为水平直线,否则,将当前直线判断为垂直直线;若甘蔗分割结果ImageResult中水平直线的数量大于垂直直线的数量,则甘蔗分割结果ImageResult中甘蔗的播种方向为水平方向,否则,甘蔗分割结果ImageResult中甘蔗的播种方向为垂直方向;
步骤3.3、在甘蔗分割结果ImageResult上添加移动滑块区域,所述移动滑块区域在甘蔗分割结果ImageResult上的移动方向与确定甘蔗生长方向垂直;移动滑块区域在甘蔗分割结果ImageResult上移动时,检测所述移动滑块区域内的连通域质心数量,若所述移动滑块区域内的连通域质心数量大于threshold_centroid时,则移动滑块区域所在的区域判断为出苗;若整个甘蔗分割结果ImageResult上判定为出苗区域数量大于出苗判别阈值Lines_Threshold时,则判断当前待检测的甘蔗图片中甘蔗出苗。
当判定甘蔗分割结果ImageResult中甘蔗播放方向为水平方向时,移动滑块区域在甘蔗分割结果ImageResult上由上至下滑过;当判定甘蔗分割结果ImageResult中甘蔗播放方向为垂直方向时,移动滑块区域在甘蔗分割结果ImageResult上由左至右滑过。
本发明的优点:根据不同光强提取甘蔗彩色图像的方法,将甘蔗从户外复杂背景中准确的提取出来,若甘蔗的播种方向为水平方向,则从上到下滑块检测多个子区域,若甘蔗的播种方向为垂直方向,则从左到右滑块检测多个子区域;统计各子区域的质心数量,若质心数量大于预定子区域出苗阈值,则确定其对应的子区域为出苗子区域,若出苗子区域大于出苗判别阈值,则判断甘蔗进入出苗期,从而利用图像能对甘蔗出苗期状态进行自动检测,检测准确率高,实用性强,安全可靠。
附图说明
图1为本发明得到H-Y对照表的具体流程图。
图2为本发明对待检测盖着图片Image进行分割的流程图。
图3为本发明进行检测甘蔗出苗状态的流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
为了利用图像能对甘蔗出苗期状态进行自动检测,提高检测的准确率,本发明的甘蔗出苗期自动检测方法包括如下步骤:
步骤1、采集不同光照下的甘蔗图片,并根据所采集不同光照下的甘蔗图片,得到亮度Y下对应的色度H的均值和方差,即得到甘蔗的H-Y对照表;
如图1所示,具体包括如下步骤:
步骤1.1、选取不同光照下的甘蔗出苗期图像,并在选取甘蔗出苗期图像后,仅保留甘蔗出苗期图像中的甘蔗区域,将非甘蔗区域的像素点置为全白,以得到训练样本图像;
具体实施时,将非甘蔗区域的像素点置为全白时,即将非甘蔗区域的像素点像素值置为255。
步骤1.2、将上述训练样本图像由RGB颜色空间转换到HSI空间和YUV空间,并将每幅训练样本图像的作物像素点H值和Y的值分别保存到矩阵TrainingData的第一列和第二列;
本发明实施例中,可以采用本技术领域常用的技术手段,实现由RGB颜色空间转换到HSI空间以及YUV空间。
步骤1.3、对矩阵TrainingData的第二列进行查找,当TrainingData(:,2)为亮度t时,将当前行对应的TrainingData(:,1)值保存到矩阵HYData(t,:)中,矩阵HYData的大小为255*Numtotal,Numtotal为所选训练样本图像的作物总像素;
步骤1.4、计算矩阵HYData中每行的均值和方差,具体为
其中,μi为矩阵HYData中第i行的均值,δi 2为矩阵HYData第i行的方差,col为矩阵HYData第i行中所有非零项的个数;
步骤1.5、利用步骤1.4,建立甘蔗的H-Y对照表。本发明实施例中,建立H-Y对照表时,利用矩阵HYData中的每行数据,并将矩阵HYData中每行数据后添加对应的均值μi和方差δi 2,即得到H-Y对照表。
步骤2、提供当前待检测的甘蔗图片,利用上述甘蔗的H-Y对照表对待检测甘蔗图片进行检测与分割,以得到甘蔗分割结果ImageResult;
如图2所示,所述步骤2中,具体包括如下步骤:
步骤2.1、待待检测的甘蔗图片Image,将所述待检测甘蔗图片Image由RGB颜色空间转换为HSI空间以及YUV空间,即待检测甘蔗图片Image第m行第n列在RGB空间分别为R(m,n)、G(m,n)、B(m,n),在HSI空间为H(m,n),S(m,n)、I(m,n),在YUV空间为Y(m,n)、U(m,n)、V(m,n);在H-Y对照表中查找行数与像素点Y(m,n)相等的一行,并提取对应的μY(m,n)和
步骤2.2、将当前像素的色度H(m,n)与μY(m,n)相减,以得到ΔH=(H(i,j)-μY(i,j))2,当ΔH值小于等于时,则把当前像素点变为白色,否则该像素点置为黑色,其中k的取值范围为[1.5,2.1];
步骤2.3、对上述分割得到的预分割结果进行去噪,在去除所需的连通域后,得到甘蔗分割结果ImageResult。
本发明实施例中,连通域面积的阈值范围为[5,12],选用8邻域连通标记,即连通域面积在[5,12]范围内的予以保留,不在该范围内的去除,以降低小杂质点的干扰。将当前像素点变为全白时,其对应的像素值为255;将像素点置为黑色时,其对应的像素值为0。
步骤3、根据上述甘蔗分割结果ImageResult检测甘蔗生长方法,在确定甘蔗的生长方向后,在甘蔗分割结果ImageResult上添加移动滑块区域,所述移动滑块区域在甘蔗分割结果ImageResult上的移动方向与确定甘蔗生长方向垂直;移动滑块区域在甘蔗分割结果ImageResult上移动时,检测所述移动滑块区域内的连通域质心数量,若所述移动滑块区域内的连通域质心数量大于预定子区域出苗阈值threshold_centroid时,则移动滑块区域所在的区域判断为出苗;若整个甘蔗分割结果ImageResult上判定为出苗区域数量大于出苗判别阈值Lines_Threshold时,则判断当前待检测的甘蔗图片中甘蔗出苗。
如图3所示,所述步骤3中,具体包括如下步骤:
步骤3.1、对甘蔗分割结果ImageResult,利用霍夫变换检测图像中的直线,以得到若干条直线;
步骤3.2、比较每条直线两端点的横坐标差值的绝对值与纵坐标差值绝对值的大小,若横坐标差值的绝对值大于纵坐标差值的绝对值,则当前直线判断为水平直线,否则,将当前直线判断为垂直直线;若甘蔗分割结果ImageResult中水平直线的数量大于垂直直线的数量,则甘蔗分割结果ImageResult中甘蔗的播种方向为水平方向,否则,甘蔗分割结果ImageResult中甘蔗的播种方向为垂直方向;
步骤3.3、在甘蔗分割结果ImageResult上添加移动滑块区域,所述移动滑块区域在甘蔗分割结果ImageResult上的移动方向与确定甘蔗生长方向垂直;移动滑块区域在甘蔗分割结果ImageResult上移动时,检测所述移动滑块区域内的连通域质心数量,若所述移动滑块区域内的连通域质心数量大于预定子区域出苗阈值threshold_centroid时,则移动滑块区域所在的区域判断为出苗;若整个甘蔗分割结果ImageResult上判定为出苗区域数量大于出苗判别阈值Lines_Threshold时,则判断当前待检测的甘蔗图片中甘蔗出苗。
本发明实施例中,根据种植的密度,移动滑块区域的宽度可以设置为[20,50],threshold_centroid/Lines_Threshold的具体数值可以根据需要进行选取,此处不再赘述。当判定甘蔗分割结果ImageResult中甘蔗播放方向为水平方向时,移动滑块区域在甘蔗分割结果ImageResult上由上至下滑过;当判定甘蔗分割结果ImageResult中甘蔗播放方向为垂直方向时,移动滑块区域在甘蔗分割结果ImageResult上由左至右滑过。
Claims (5)
1.一种基于图像的甘蔗出苗期自动检测方法,其特征是,所述甘蔗出苗期自动检测方法包括如下步骤:
步骤1、采集不同光照下的甘蔗图片,并根据所采集不同光照下的甘蔗图片,得到亮度Y下对应的色度H的均值和方差,即得到甘蔗的H-Y对照表;
步骤2、提供当前待检测的甘蔗图片,利用上述甘蔗的H-Y对照表对待检测甘蔗图片进行检测与分割,以得到甘蔗分割结果ImageResult;
步骤3、根据上述甘蔗分割结果ImageResult检测甘蔗生长方法,在确定甘蔗的生长方向后,在甘蔗分割结果ImageResult上添加移动滑块区域,所述移动滑块区域在甘蔗分割结果ImageResult上的移动方向与确定甘蔗生长方向垂直;移动滑块区域在甘蔗分割结果ImageResult上移动时,检测所述移动滑块区域内的连通域质心数量,若所述移动滑块区域内的连通域质心数量大于预定子区域出苗阈值threshold_centroid时,则移动滑块区域所在的区域判断为出苗;若整个甘蔗分割结果ImageResult上判定为出苗区域数量大于出苗判别阈值Lines_Threshold时,则判断当前待检测的甘蔗图片中甘蔗出苗。
2.根据权利要求1所述的基于图像的甘蔗出苗期自动检测方法,其特征是,所述步骤1中,具体包括如下步骤:
步骤1.1、选取不同光照下的甘蔗出苗期图像,并在选取甘蔗出苗期图像后,仅保留甘蔗出苗期图像中的甘蔗区域,将非甘蔗区域的像素点置为全白,以得到训练样本图像;
步骤1.2、将上述训练样本图像由RGB颜色空间转换到HSI空间和YUV空间,并将每幅训练样本图像的作物像素点H值和Y的值分别保存到矩阵TrainingData的第一列和第二列;
步骤1.3、对矩阵TrainingData的第二列进行查找,当TrainingData(:,2)为亮度t时,将当前行对应的TrainingData(:,1)值保存到矩阵HYData(t,:)中,矩阵HYData的大小为255*Numtotal,Numtotal为所选训练样本图像的作物总像素;
步骤1.4、计算矩阵HYData中每行的均值和方差,具体为
其中,μi为矩阵HYData中第i行的均值,δi 2为矩阵HYData第i行的方差,col为矩阵HYData第i行中所有非零项的个数;
步骤1.5、利用步骤1.4,建立甘蔗的H-Y对照表。
3.根据权利要求1所述的基于图像的甘蔗出苗期自动检测方法,其特征是,所述步骤2中,具体包括如下步骤:
步骤2.1、待待检测的甘蔗图片Image,将所述待检测甘蔗图片Image由RGB颜色空间转换为HSI空间以及YUV空间,即待检测甘蔗图片Image第m行第n列在RGB空间分别为R(m,n)、G(m,n)、B(m,n),在HSI空间为H(m,n),S(m,n)、I(m,n),在YUV空间为Y(m,n)、U(m,n)、V(m,n);在H-Y对照表中查找行数与像素点Y(m,n)相等的一行,并提取对应的μY(m,n)和
步骤2.2、将当前像素的色度H(m,n)与μY(m,n)相减,以得到ΔH=(H(i,j)-μY(i,j))2,当ΔH值小于等于时,则把当前像素点变为白色,否则该像素点置为黑色,其中k的取值范围为[1.5,2.1];
步骤2.3、对上述分割得到的预分割结果进行去噪,在去除所需的连通域后,得到甘蔗分割结果ImageResult。
4.根据权利要求1所述的基于图像的甘蔗出苗期自动检测方法,其特征是,所述步骤3中,具体包括如下步骤:
步骤3.1、对甘蔗分割结果ImageResult,利用霍夫变换检测图像中的直线,以得到若干条直线;
步骤3.2、比较每条直线两端点的横坐标差值的绝对值与纵坐标差值绝对值的大小,若横坐标差值的绝对值大于纵坐标差值的绝对值,则当前直线判断为水平直线,否则,将当前直线判断为垂直直线;若甘蔗分割结果ImageResult中水平直线的数量大于垂直直线的数量,则甘蔗分割结果ImageResult中甘蔗的播种方向为水平方向,否则,甘蔗分割结果ImageResult中甘蔗的播种方向为垂直方向;
步骤3.3、在甘蔗分割结果ImageResult上添加移动滑块区域,所述移动滑块区域在甘蔗分割结果ImageResult上的移动方向与确定甘蔗生长方向垂直;移动滑块区域在甘蔗分割结果ImageResult上移动时,检测所述移动滑块区域内的连通域质心数量,若所述移动滑块区域内的连通域质心数量大于预定子区域出苗阈值threshold_centroid时,则移动滑块区域所在的区域判断为出苗;若整个甘蔗分割结果ImageResult上判定为出苗区域数量大于出苗判别阈值Lines_Threshold时,则判断当前待检测的甘蔗图片中甘蔗出苗。
5.根据权利要求4所述的基于图像的甘蔗出苗期自动检测方法,其特征是,当判定甘蔗分割结果ImageResult中甘蔗播放方向为水平方向时,移动滑块区域在甘蔗分割结果ImageResult上由上至下滑过;当判定甘蔗分割结果ImageResult中甘蔗播放方向为垂直方向时,移动滑块区域在甘蔗分割结果ImageResult上由左至右滑过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611228884.1A CN106780502A (zh) | 2016-12-27 | 2016-12-27 | 基于图像的甘蔗出苗期自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611228884.1A CN106780502A (zh) | 2016-12-27 | 2016-12-27 | 基于图像的甘蔗出苗期自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106780502A true CN106780502A (zh) | 2017-05-31 |
Family
ID=58922607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611228884.1A Pending CN106780502A (zh) | 2016-12-27 | 2016-12-27 | 基于图像的甘蔗出苗期自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780502A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274418A (zh) * | 2017-07-07 | 2017-10-20 | 江苏省无线电科学研究所有限公司 | 一种基于ap聚类算法的作物图像分割方法 |
CN107730526A (zh) * | 2017-09-25 | 2018-02-23 | 中国科学院声学研究所 | 一种鱼群数量的统计方法 |
CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
CN109115771A (zh) * | 2018-07-03 | 2019-01-01 | 广西壮族自治区气象减灾研究所 | 甘蔗工艺成熟期自动观测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101882223A (zh) * | 2009-05-04 | 2010-11-10 | 青岛海信数字多媒体技术国家重点实验室有限公司 | 人体肤色的测评方法 |
CN101980249A (zh) * | 2010-11-12 | 2011-02-23 | 中国气象局气象探测中心 | 作物发育及长势自动观测方法及装置 |
CN102208099A (zh) * | 2011-05-30 | 2011-10-05 | 华中科技大学 | 一种抗光照变化的作物彩色图像分割方法 |
CN102663397A (zh) * | 2012-03-21 | 2012-09-12 | 华中科技大学 | 一种小麦出苗的自动检测方法 |
JP5596075B2 (ja) * | 2012-03-30 | 2014-09-24 | Eizo株式会社 | 階調補正装置またはその方法 |
CN105488475A (zh) * | 2015-11-30 | 2016-04-13 | 西安闻泰电子科技有限公司 | 手机中人脸检测方法 |
-
2016
- 2016-12-27 CN CN201611228884.1A patent/CN106780502A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101882223A (zh) * | 2009-05-04 | 2010-11-10 | 青岛海信数字多媒体技术国家重点实验室有限公司 | 人体肤色的测评方法 |
CN101980249A (zh) * | 2010-11-12 | 2011-02-23 | 中国气象局气象探测中心 | 作物发育及长势自动观测方法及装置 |
CN102208099A (zh) * | 2011-05-30 | 2011-10-05 | 华中科技大学 | 一种抗光照变化的作物彩色图像分割方法 |
CN102663397A (zh) * | 2012-03-21 | 2012-09-12 | 华中科技大学 | 一种小麦出苗的自动检测方法 |
JP5596075B2 (ja) * | 2012-03-30 | 2014-09-24 | Eizo株式会社 | 階調補正装置またはその方法 |
CN105488475A (zh) * | 2015-11-30 | 2016-04-13 | 西安闻泰电子科技有限公司 | 手机中人脸检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274418A (zh) * | 2017-07-07 | 2017-10-20 | 江苏省无线电科学研究所有限公司 | 一种基于ap聚类算法的作物图像分割方法 |
CN107730526A (zh) * | 2017-09-25 | 2018-02-23 | 中国科学院声学研究所 | 一种鱼群数量的统计方法 |
CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
CN109115771A (zh) * | 2018-07-03 | 2019-01-01 | 广西壮族自治区气象减灾研究所 | 甘蔗工艺成熟期自动观测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780502A (zh) | 基于图像的甘蔗出苗期自动检测方法 | |
CN107316289B (zh) | 基于深度学习和超像素分割的大田稻穗分割方法 | |
CN104899255B (zh) | 适用于训练深度卷积神经网络的图像数据库的构建方法 | |
Zheng et al. | Mean-shift-based color segmentation of images containing green vegetation | |
Alberton et al. | Using phenological cameras to track the green up in a cerrado savanna and its on-the-ground validation | |
CN109325495A (zh) | 一种基于深度神经网络建模的作物图像分割系统及方法 | |
CN106932408B (zh) | 一种基于图像处理的方格蔟污染蚕茧检测方法 | |
CN111652326A (zh) | 基于MobileNet v2网络改进的果实成熟度识别方法和识别系统 | |
CN109360192A (zh) | 一种基于全卷积网络的物联网大田作物叶部病害检测方法 | |
CN110660060B (zh) | Oled屏幕混色缺陷检测方法、终端设备及计算机可读介质 | |
CN113657326A (zh) | 一种基于多尺度融合模块和特征增强的杂草检测方法 | |
CN103456021A (zh) | 一种基于形态学分析的布匹瑕疵检测方法 | |
CN102768757A (zh) | 一种基于图像类型分析的遥感图像色彩校正方法 | |
CN116941380A (zh) | 基于多光谱图像分析的水稻种子活力检测方法 | |
CN112465699A (zh) | 一种基于云检测的遥感影像拼接方法 | |
CN107886497A (zh) | 一种基于图像的小麦旗叶无损自动检测及测量方法 | |
Li et al. | Development of a real-time fruit recognition system for pineapple harvesting robots | |
CN115601690B (zh) | 一种基于智慧农业的食用菌环境检测方法 | |
CN112330694A (zh) | 一种植物萎蔫程度计算方法及系统 | |
CN104616283A (zh) | 一种基于低秩表示算法的害虫检测方法 | |
CN107169940B (zh) | 基于电子识别的单株梨树产量获取方法 | |
CN112509029B (zh) | 一种远程分析葡萄长势的方法 | |
CN115410040A (zh) | 一种基于ai技术的稻谷种子籽粒饱满度分级检测方法 | |
Peng et al. | Detecting coffee (Coffea arabica L.) sequential flowering events based on image segmentation | |
CN102278979B (zh) | 一种水稻移栽分蘖的自动检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |