CN107169940A - 基于电子识别的单株梨树产量获取方法 - Google Patents
基于电子识别的单株梨树产量获取方法 Download PDFInfo
- Publication number
- CN107169940A CN107169940A CN201710448181.8A CN201710448181A CN107169940A CN 107169940 A CN107169940 A CN 107169940A CN 201710448181 A CN201710448181 A CN 201710448181A CN 107169940 A CN107169940 A CN 107169940A
- Authority
- CN
- China
- Prior art keywords
- value
- pear tree
- unilateral
- image
- pixel
- 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
Links
- 240000001987 Pyrus communis Species 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 11
- 235000014443 Pyrus communis Nutrition 0.000 claims abstract description 118
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims description 59
- 241000220324 Pyrus Species 0.000 claims description 36
- 238000012546 transfer Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 239000003623 enhancer Substances 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 239000003595 mist Substances 0.000 claims 1
- 238000000926 separation method Methods 0.000 claims 1
- 235000021017 pears Nutrition 0.000 description 7
- 238000005259 measurement Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- FFRBMBIXVSCUFS-UHFFFAOYSA-N 2,4-dinitro-1-naphthol Chemical compound C1=CC=C2C(O)=C([N+]([O-])=O)C=C([N+]([O-])=O)C2=C1 FFRBMBIXVSCUFS-UHFFFAOYSA-N 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006408 female gonad development Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000005078 fruit development Effects 0.000 description 1
- 230000004345 fruit ripening Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 230000008122 ovule development Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000002786 root growth Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于电子识别的单株梨树产量获取方法，其估算采用的检测系统包括CCD视觉传感器、清晰化处理器、单侧产量识别器和嵌入式处理器，所述CCD视觉传感器用于对单株梨树的一侧进行图像采集以获得单侧梨树图像，所述清晰化处理器用于对所述单测梨树图像进行去雾霾化处理，以获得去雾霾单侧梨树图像，所述单侧产量识别器用于对所述去雾霾单侧梨树图像进行图像识别，以获得梨树单侧果实数量，所述嵌入式处理器与所述单侧产量识别器连接，用于基于所述梨树单侧果实数量确定所述单株梨树的全部产量。
Description
本申请是申请日为2015年4月16日申请号为2015101788647发明名称为基于电子识别的单株梨树产量检测系统的分案申请。
技术领域
本发明涉及电子检测领域，尤其涉及一种基于电子识别的单株梨树产量检测系统。
背景技术
梨(Pear)，水果名称，蔷薇科梨属植物，多年生落叶乔木果树，叶子卵形，花多白色，一般梨的颜色为外皮呈现出金黄色或暖黄色，里面果肉则为通亮白色，鲜嫩多汁，口味甘甜，核味微酸，凉性感。梨树在7～9月间果实成熟时采收，可鲜用或切片晒干。和冰糖一起煲水，可治疗咳嗽。其种类和品种极多，种植面积也较为宽广。
但是，如果梨树过度种植，将会导致区域的供需不平衡，梨的价格下调幅度过大，反而影响了农民的收入。因此需要进行梨树产量估算，以估算的梨树产量进行梨树种植计划的调制，在保证梨树供应的同时稳定梨的价格，维护农民的利益。
现有技术中的梨树产量检测系统或者通过人工测量的方式或者通过图像识别的方式进行，但是前者过于依赖人工，耗费大量人力成本和时间成本，后者使用单幅图像、单个估算参数进行检测，所有种类梨树的产量检测技术无差别，准确度不高，而且无法在各种雾霾天气下对梨树实现有效检测。
因此，需要一种新的梨树产量检测系统，能够替代原有的人工测量方式，提高检测效率，同时，克服雾霾天气对检测的影响，从而能够在各种天气下都能准确获得每株梨树的真实产量，为果农的生产计划提供重要的参考数据。
发明内容
为了解决上述问题，本发明提供了一种基于电子识别的单株梨树产量检测系统，通过高清摄像机对单株梨树进行正面图像采集，基于正面果实数量估算全部果实数量，更关键的是，还根据大气衰减模型确定雾霾对图像的影响因素，并对各种雾霾天气下采集的图像进行去雾霾化处理，拓宽了检测系统的应用范围。
根据本发明的一方面，提供了一种基于电子识别的单株梨树产量检测系统，所述检测系统设置于单株梨树前，包括CCD视觉传感器、清晰化处理器、单侧产量识别器和嵌入式处理器，所述CCD视觉传感器用于对单株梨树的一侧进行图像采集以获得单侧梨树图像，所述清晰化处理器用于对所述单测梨树图像进行去雾霾化处理，以获得去雾霾单侧梨树图像，所述单侧产量识别器用于对所述去雾霾单侧梨树图像进行图像识别，以获得梨树单侧果实数量，所述嵌入式处理器与所述单侧产量识别器连接，用于基于所述梨树单侧果实数量确定所述单株梨树的全部产量。
更具体地，在所述基于电子识别的单株梨树产量检测系统中，还包括：供电电源，包括太阳能供电器件、蓄电池、切换开关和电压转换器，所述切换开关与所述太阳能供电器件和所述蓄电池分别连接，根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电，所述电压转换器与所述切换开关连接，以将通过切换开关输入的5V电压转换为3.3V电压；移动硬盘，用于预先存储梨树果实上限灰度阈值、梨树果实下限灰度阈值和估算倍率，所述梨树果实上限灰度阈值和所述梨树果实下限灰度阈值用于将图像中的梨树果实与图像背景分离，所述估算倍率用于基于梨树单侧产量估算梨树全部产量；显示设备，与所述嵌入式处理器连接，用于显示与所述单株梨树的全部产量对应的文字信息；所述CCD视觉传感器用于对所述单株梨树的正面进行拍摄，以获得所述单侧梨树图像；所述清晰化处理器包括：存储子器件，用于预先存储天空上限灰度阈值和天空下限灰度阈值，所述天空上限灰度阈值和所述天空下限灰度阈值用于分离出图像中的天空区域，还用于预先存储预设像素值阈值，所述预设像素值阈值取值在0到255之间；雾霾浓度检测子器件，位于空气中，用于实时检测单株梨树所在位置的雾霾浓度，并根据雾霾浓度确定雾霾去除强度，所述雾霾去除强度取值在0到1之间；区域划分子器件，连接所述CCD视觉传感器以接收所述单侧梨树图像，对所述单侧梨树图像进行灰度化处理以获得灰度化区域图像，还与存储子设备连接，将所述灰度化区域图像中灰度值在所述天空上限灰度阈值和所述天空下限灰度阈值之间的像素识别并组成灰度化天空子图案，从所述灰度化区域图像分割出所述灰度化天空子图案以获得灰度化非天空子图像，基于所述灰度化非天空子图像在所述巡逻区域图像中的对应位置获得与所述灰度化非天空子图像对应的彩色非天空子图像；黑色通道获取子设备，与所述区域划分子设备连接以获得所述彩色非天空子图像，针对所述彩色非天空子图像中每一个像素，计算其R，G，B三颜色通道像素值，在所述彩色非天空子图像中所有像素的R，G，B三颜色通道像素值中提取一个数值最小的颜色通道像素值所在的颜色通道作为黑色通道；整体大气光值获取子设备，与所述存储子设备连接以获得预设像素值阈值，与所述区域划分子设备和所述黑色通道获取子设备分别连接以获得所述单侧梨树图像和所述黑色通道，将所述单侧梨树图像中黑色通道像素值大于等于预设像素值阈值的多个像素组成待检验像素集，将所述待检验像素集中具有最大灰度值的像素的灰度值作为整体大气光值；大气散射光值获取子设备，与所述区域划分子设备和所述雾霾浓度检测子设备分别连接，对所述单侧梨树图像的每一个像素，提取其R，G，B三颜色通道像素值中最小值作为目标像素值，使用保持边缘的高斯平滑滤波器EPGF(edge-preserving gaussianfilter)对所述目标像素值进行滤波处理以获得滤波目标像素值，将目标像素值减去滤波目标像素值以获得目标像素差值，使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值，将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值，将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值，取雾霾去除阈值和目标像素值中的最小值作为比较参考值，取比较参考值和0中的最大值作为每一个像素的大气散射光值；介质传输率获取子设备，与所述整体大气光值获取子设备和所述大气散射光值获取子设备分别连接，将每一个像素的大气散射光值除以整体大气光值以获得除值，将1减去所述除值以获得每一个像素的介质传输率；清晰化图像获取子设备，与所述区域划分子设备、所述整体大气光值获取子设备和所述介质传输率获取子设备分别连接，将1减去每一个像素的介质传输率以获得第一差值，将所述第一差值乘以整体大气光值以获得乘积值，将所述单侧梨树图像中每一个像素的像素值减去所述乘积值以获得第二差值，将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值，所述单侧梨树图像中每一个像素的像素值包括所述单侧梨树图像中每一个像素的R，G，B三颜色通道像素值，相应地，获得的每一个像素的清晰化像素值包括每一个像素的R，G，B三颜色通道清晰化像素值，所有像素的清晰化像素值组成去雾霾单侧梨树图像；所述单侧产量识别器分别与所述清晰化处理器和所述移动硬盘连接，所述单侧产量识别器包括：对比度增强子器件，与所述清晰化处理器连接以获得去雾霾单侧梨树图像，对所述去雾霾单侧梨树图像执行对比度增强处理，以获得增强图像；小波滤波子器件，与所述对比度增强子器件连接，对所述增强图像执行小波滤波处理，以获得滤波图像；灰度化处理子器件，与所述小波滤波子器件连接，对所述滤波图像执行灰度化处理，以获得灰度化图像；图像识别子器件，与所述灰度化处理子器件和所述移动硬盘分别连接，将所述灰度化图像中灰度值在所述梨树果实上限灰度阈值和所述梨树果实下限灰度阈值之间的像素识别并组成多个梨树果实子图像，将多个梨树果实子图像的总数作为梨树单侧果实数量；所述嵌入式处理器与所述移动硬盘、所述单侧产量识别器分别连接，计算梨树单侧果实数量与估算倍率的乘积，将所述乘积作为所述单株梨树的全部产量。
更具体地，在所述基于电子识别的单株梨树产量检测系统中：所述嵌入式处理器计算自身的资源占用率，在自身的资源占用率小于第一预设百分比时，替代所述单侧产量识别器的操作。
更具体地，在所述基于电子识别的单株梨树产量检测系统中：所述嵌入式处理器在自身的资源占用率大于第二预设百分比时，结束对所述单侧产量识别器的操作的替代。
更具体地，在所述基于电子识别的单株梨树产量检测系统中：所述第一预设百分比和所述第二预设百分比被预先存储在所述移动硬盘中，所述第一预设百分比小于所述第二预设百分比。
更具体地，在所述基于电子识别的单株梨树产量检测系统中：将所述嵌入式处理器和所述单侧产量识别器集成在一块集成电路板上。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的基于电子识别的单株梨树产量检测系统的结构方框图。
具体实施方式
下面将参照附图对本发明的基于电子识别的单株梨树产量检测系统的实施方案进行详细说明。
梨树对外界环境的适应性比苹果强。耐寒、耐旱、耐涝、耐盐碱。冬季最低温度在-25度以上的地区，多数品种可安全越冬。根系发达，垂直根深可达2-3m以上，水平根分布较广，约为冠幅2倍左右。喜光喜温，宜选择土层深厚、排水良好的缓坡山地种植，尤以砂质壤土山地为理想。干性强，层性较明显。结果早，结果期长，有些品种2-3年即开始结果，盛果期可维持50年以上。
梨树的少数品种花叶同时开放或先展叶后开花，花粉受精后，果实开始发育，花托发育为果肉，子房发育为果心，胚珠发育为种子。果实生长发育过程中，前期主要是细胞分裂，组织分化，后期则是细胞膨大和果肉成熟。果实体积生长曲线成S型。梨根系生长每年有两个生长高峰：第一次生长高峰出现在新梢停止生长时；第二次高峰出现在9-10月。在适宜条件下，梨根系可周年生长，无休眠期。
现有技术中的对梨树产量的识别除了原有落后的人工测量方式，大多采用图像识别技术，但由于缺乏雾霾去除设备，导致在各种雾霾天气下，检测图像模糊不清，梨树产量误差过于偏大，甚至有可能导致无法进行产量识别。
本发明搭建了一种基于电子识别的单株梨树产量检测系统，替代了人工测量的方式，引入了雾霾去除机制，有效地保障了梨树产量估算的精度和可靠性。
图1为根据本发明实施方案示出的基于电子识别的单株梨树产量检测系统的结构方框图，所述检测系统设置于单株梨树前，包括CCD视觉传感器1、清晰化处理器2、单侧产量识别器3和嵌入式处理器4，嵌入式处理器4与CCD视觉传感器1、清晰化处理器2、单侧产量识别器3分别连接，清晰化处理器2与CCD视觉传感器1、单侧产量识别器3分别连接。
其中，所述CCD视觉传感器1用于对单株梨树的一侧进行图像采集以获得单侧梨树图像，所述清晰化处理器2用于对所述单测梨树图像进行去雾霾化处理，以获得去雾霾单侧梨树图像，所述单侧产量识别器3用于对所述去雾霾单侧梨树图像进行图像识别，以获得梨树单侧果实数量，所述嵌入式处理器4与所述单侧产量识别器3连接，用于基于所述梨树单侧果实数量确定所述单株梨树的全部产量。
接着，继续对本发明的基于电子识别的单株梨树产量检测系统的具体结构进行进一步的说明。
所述检测系统还包括：供电电源，包括太阳能供电器件、蓄电池、切换开关和电压转换器，所述切换开关与所述太阳能供电器件和所述蓄电池分别连接，根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电，所述电压转换器与所述切换开关连接，以将通过切换开关输入的5V电压转换为3.3V电压。
所述检测系统还包括：移动硬盘，用于预先存储梨树果实上限灰度阈值、梨树果实下限灰度阈值和估算倍率，所述梨树果实上限灰度阈值和所述梨树果实下限灰度阈值用于将图像中的梨树果实与图像背景分离，所述估算倍率用于基于梨树单侧产量估算梨树全部产量。
所述检测系统还包括：显示设备，与所述嵌入式处理器4连接，用于显示与所述单株梨树的全部产量对应的文字信息。
所述CCD视觉传感器1用于对所述单株梨树的正面进行拍摄，以获得所述单侧梨树图像。
所述清晰化处理器2包括：
存储子器件，用于预先存储天空上限灰度阈值和天空下限灰度阈值，所述天空上限灰度阈值和所述天空下限灰度阈值用于分离出图像中的天空区域，还用于预先存储预设像素值阈值，所述预设像素值阈值取值在0到255之间；
雾霾浓度检测子器件，位于空气中，用于实时检测单株梨树所在位置的雾霾浓度，并根据雾霾浓度确定雾霾去除强度，所述雾霾去除强度取值在0到1之间；
区域划分子器件，连接所述CCD视觉传感器1以接收所述单侧梨树图像，对所述单侧梨树图像进行灰度化处理以获得灰度化区域图像，还与存储子设备连接，将所述灰度化区域图像中灰度值在所述天空上限灰度阈值和所述天空下限灰度阈值之间的像素识别并组成灰度化天空子图案，从所述灰度化区域图像分割出所述灰度化天空子图案以获得灰度化非天空子图像，基于所述灰度化非天空子图像在所述巡逻区域图像中的对应位置获得与所述灰度化非天空子图像对应的彩色非天空子图像；
黑色通道获取子设备，与所述区域划分子设备连接以获得所述彩色非天空子图像，针对所述彩色非天空子图像中每一个像素，计算其R，G，B三颜色通道像素值，在所述彩色非天空子图像中所有像素的R，G，B三颜色通道像素值中提取一个数值最小的颜色通道像素值所在的颜色通道作为黑色通道；
整体大气光值获取子设备，与所述存储子设备连接以获得预设像素值阈值，与所述区域划分子设备和所述黑色通道获取子设备分别连接以获得所述单侧梨树图像和所述黑色通道，将所述单侧梨树图像中黑色通道像素值大于等于预设像素值阈值的多个像素组成待检验像素集，将所述待检验像素集中具有最大灰度值的像素的灰度值作为整体大气光值；
大气散射光值获取子设备，与所述区域划分子设备和所述雾霾浓度检测子设备分别连接，对所述单侧梨树图像的每一个像素，提取其R，G，B三颜色通道像素值中最小值作为目标像素值，使用保持边缘的高斯平滑滤波器EPGF(edge-preserving gaussian filter)对所述目标像素值进行滤波处理以获得滤波目标像素值，将目标像素值减去滤波目标像素值以获得目标像素差值，使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值，将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值，将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值，取雾霾去除阈值和目标像素值中的最小值作为比较参考值，取比较参考值和0中的最大值作为每一个像素的大气散射光值；
介质传输率获取子设备，与所述整体大气光值获取子设备和所述大气散射光值获取子设备分别连接，将每一个像素的大气散射光值除以整体大气光值以获得除值，将1减去所述除值以获得每一个像素的介质传输率；
清晰化图像获取子设备，与所述区域划分子设备、所述整体大气光值获取子设备和所述介质传输率获取子设备分别连接，将1减去每一个像素的介质传输率以获得第一差值，将所述第一差值乘以整体大气光值以获得乘积值，将所述单侧梨树图像中每一个像素的像素值减去所述乘积值以获得第二差值，将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值，所述单侧梨树图像中每一个像素的像素值包括所述单侧梨树图像中每一个像素的R，G，B三颜色通道像素值，相应地，获得的每一个像素的清晰化像素值包括每一个像素的R，G，B三颜色通道清晰化像素值，所有像素的清晰化像素值组成去雾霾单侧梨树图像。
所述单侧产量识别器3分别与所述清晰化处理器2和所述移动硬盘连接，所述单侧产量识别器3包括：
对比度增强子器件，与所述清晰化处理器2连接以获得去雾霾单侧梨树图像，对所述去雾霾单侧梨树图像执行对比度增强处理，以获得增强图像；
小波滤波子器件，与所述对比度增强子器件连接，对所述增强图像执行小波滤波处理，以获得滤波图像；
灰度化处理子器件，与所述小波滤波子器件连接，对所述滤波图像执行灰度化处理，以获得灰度化图像；
图像识别子器件，与所述灰度化处理子器件和所述移动硬盘分别连接，将所述灰度化图像中灰度值在所述梨树果实上限灰度阈值和所述梨树果实下限灰度阈值之间的像素识别并组成多个梨树果实子图像，将多个梨树果实子图像的总数作为梨树单侧果实数量。
所述嵌入式处理器4与所述移动硬盘、所述单侧产量识别器3分别连接，计算梨树单侧果实数量与估算倍率的乘积，将所述乘积作为所述单株梨树的全部产量。
可选地，在所述基于电子识别的单株梨树产量检测系统中：所述嵌入式处理器4计算自身的资源占用率，在自身的资源占用率小于第一预设百分比时，替代所述单侧产量识别器3的操作；所述嵌入式处理器4在自身的资源占用率大于第二预设百分比时，结束对所述单侧产量识别器3的操作的替代；所述第一预设百分比和所述第二预设百分比被预先存储在所述移动硬盘中，所述第一预设百分比小于所述第二预设百分比；以及，可以将所述嵌入式处理器4和所述单侧产量识别器3集成在一块集成电路板上。
另外，雾霾图像可以通过一系列图像处理设备实现图像的去雾霾化，以获得清晰化的图像，提高图像的能见度。这些图像处理设备分别执行不同的图像处理功能，基于雾霾形成的原理，达到去除雾霾的效果。雾霾图像的清晰化处理对于军用和民用领域都具有极大的应用价值，军用领域包括军事国防、遥感导航等，民用领域包括道路监测、目标跟踪和自动驾驶等。
雾霾图像形成的过程可以用大气衰减过程来描绘，在雾霾图像和实际图像即清晰化图像之间的关系可用整体大气光值和每一个像素的介质传输率来表述，即在已知雾霾图像的情况下，根据整体大气光值和每一个像素的介质传输率，可以求解出清晰化图像。
对于整体大气光值和每一个像素的介质传输率的求解都存在一些有效且经过验证的手段，例如，对于每一个像素的介质传输率，需要获得整体大气光值和每一个像素的大气散射光值，而每一个像素的大气散射光值可在对每一个像素在雾霾图像中的像素值进行两次保持边缘的高斯平滑滤波而获得，其间，雾霾去除的强度可调；而整体大气光值的获得方式有两种，一种方式是，可通过获取雾霾图像的黑色通道(即在雾霾图像中使得一些像素的黑色通道值非常低，黑色通道为R，G，B三颜色通道中的一种)，在雾霾图像中，通过寻找黑色通道像素值偏大的多个像素中寻找灰度值最大的像素来获得，即将寻找到的、灰度值最大的像素的灰度值作为整体大气光值，参与雾霾图像中每一个像素的清晰化处理；另外，整体大气光值也可通过以下方式获得：计算雾霾图像中每一像素的灰度值，将灰度值最大的像素的灰度值作为整体大气光值。
具体的雾霾图像和实际图像即清晰化图像之间的关系，以及各个参数之间的关系可参见以上内容。
通过对雾霾图像形成原理的探讨，搭建了雾霾图像和清晰化图像之间的关系，用多个参数表示这种关系，随后通过获得的多个参数值和雾霾图像即可还原获得清晰度较高的图像，由于参数的获得借用了一些统计手段和经验手段，因此所述清晰度较高的图像不可能完全等同于实际图像，但已经具有相当程度的去雾霾效果，为雾霾天气下的各个领域作业提供有效保障。
采用本发明的基于电子识别的单株梨树产量检测系统，针对现有基于图像识别技术的梨树产量检测系统检测机制不合理以及由于没有考虑雾霾天气对产量检测精度带来影响导致系统可靠性差的技术问题，通过引入估算倍率，使得依靠梨树单侧果实数量计算所述单株梨树的全部产量成为可能，另外，通过引入清晰化处理器对图像进行去雾霾化处理，避免本发明的检测系统的正常工作受到各种雾霾天气的不利干扰。
上述技术方案仅体现了本发明技术方案的优选技术方案，本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理，属于本发明的保护范围之内。
Claims (6)
1.一种基于电子识别的单株梨树产量获取方法，其特征在于，设置于单株梨树前的检测系统，所述检测系统包括CCD视觉传感器、清晰化处理器、单侧产量识别器和嵌入式处理器；
所述CCD视觉传感器用于对单株梨树的一侧进行图像采集以获得单侧梨树图像，所述清晰化处理器用于对所述单测梨树图像进行去雾霾化处理，以获得去雾霾单侧梨树图像，所述单侧产量识别器用于对所述去雾霾单侧梨树图像进行图像识别，以获得梨树单侧果实数量，所述嵌入式处理器与所述单侧产量识别器连接，用于基于所述梨树单侧果实数量确定所述单株梨树的全部产量。
2.如权利要求1所述的基于电子识别的单株梨树产量获取方法，其特征在于，所述检测系统还包括：
供电电源，包括太阳能供电器件、蓄电池、切换开关和电压转换器，所述切换开关与所述太阳能供电器件和所述蓄电池分别连接，根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电，所述电压转换器与所述切换开关连接，以将通过切换开关输入的5V电压转换为3.3V电压；
移动硬盘，用于预先存储梨树果实上限灰度阈值、梨树果实下限灰度阈值和估算倍率，所述梨树果实上限灰度阈值和所述梨树果实下限灰度阈值用于将图像中的梨树果实与图像背景分离，所述估算倍率用于基于梨树单侧产量估算梨树全部产量；
显示设备，与所述嵌入式处理器连接，用于显示与所述单株梨树的全部产量对应的文字信息；
所述CCD视觉传感器用于对所述单株梨树的正面进行拍摄，以获得所述单侧梨树图像；
所述清晰化处理器包括：
存储子器件，用于预先存储天空上限灰度阈值和天空下限灰度阈值，所述天空上限灰度阈值和所述天空下限灰度阈值用于分离出图像中的天空区域，还用于预先存储预设像素值阈值，所述预设像素值阈值取值在0到255之间；
雾霾浓度检测子器件，位于空气中，用于实时检测单株梨树所在位置的雾霾浓度，并根据雾霾浓度确定雾霾去除强度，所述雾霾去除强度取值在0到1之间；
区域划分子器件，连接所述CCD视觉传感器以接收所述单侧梨树图像，对所述单侧梨树图像进行灰度化处理以获得灰度化区域图像，还与存储子设备连接，将所述灰度化区域图像中灰度值在所述天空上限灰度阈值和所述天空下限灰度阈值之间的像素识别并组成灰度化天空子图案，从所述灰度化区域图像分割出所述灰度化天空子图案以获得灰度化非天空子图像，基于所述灰度化非天空子图像在所述巡逻区域图像中的对应位置获得与所述灰度化非天空子图像对应的彩色非天空子图像；
黑色通道获取子设备，与所述区域划分子设备连接以获得所述彩色非天空子图像，针对所述彩色非天空子图像中每一个像素，计算其R，G，B三颜色通道像素值，在所述彩色非天空子图像中所有像素的R，G，B三颜色通道像素值中提取一个数值最小的颜色通道像素值所在的颜色通道作为黑色通道；
整体大气光值获取子设备，与所述存储子设备连接以获得预设像素值阈值，与所述区域划分子设备和所述黑色通道获取子设备分别连接以获得所述单侧梨树图像和所述黑色通道，将所述单侧梨树图像中黑色通道像素值大于等于预设像素值阈值的多个像素组成待检验像素集，将所述待检验像素集中具有最大灰度值的像素的灰度值作为整体大气光值；
大气散射光值获取子设备，与所述区域划分子设备和所述雾霾浓度检测子设备分别连接，对所述单侧梨树图像的每一个像素，提取其R，G，B三颜色通道像素值中最小值作为目标像素值，使用保持边缘的高斯平滑滤波器EPGF对所述目标像素值进行滤波处理以获得滤波目标像素值，将目标像素值减去滤波目标像素值以获得目标像素差值，使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值，将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值，将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值，取雾霾去除阈值和目标像素值中的最小值作为比较参考值，取比较参考值和0中的最大值作为每一个像素的大气散射光值；
介质传输率获取子设备，与所述整体大气光值获取子设备和所述大气散射光值获取子设备分别连接，将每一个像素的大气散射光值除以整体大气光值以获得除值，将1减去所述除值以获得每一个像素的介质传输率；
清晰化图像获取子设备，与所述区域划分子设备、所述整体大气光值获取子设备和所述介质传输率获取子设备分别连接，将1减去每一个像素的介质传输率以获得第一差值，将所述第一差值乘以整体大气光值以获得乘积值，将所述单侧梨树图像中每一个像素的像素值减去所述乘积值以获得第二差值，将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值，所述单侧梨树图像中每一个像素的像素值包括所述单侧梨树图像中每一个像素的R，G，B三颜色通道像素值，相应地，获得的每一个像素的清晰化像素值包括每一个像素的R，G，B三颜色通道清晰化像素值，所有像素的清晰化像素值组成去雾霾单侧梨树图像；
所述单侧产量识别器分别与所述清晰化处理器和所述移动硬盘连接，所述单侧产量识别器包括：
对比度增强子器件，与所述清晰化处理器连接以获得去雾霾单侧梨树图像，对所述去雾霾单侧梨树图像执行对比度增强处理，以获得增强图像；
小波滤波子器件，与所述对比度增强子器件连接，对所述增强图像执行小波滤波处理，以获得滤波图像；
灰度化处理子器件，与所述小波滤波子器件连接，对所述滤波图像执行灰度化处理，以获得灰度化图像；
图像识别子器件，与所述灰度化处理子器件和所述移动硬盘分别连接，将所述灰度化图像中灰度值在所述梨树果实上限灰度阈值和所述梨树果实下限灰度阈值之间的像素识别并组成多个梨树果实子图像，将多个梨树果实子图像的总数作为梨树单侧果实数量；
所述嵌入式处理器与所述移动硬盘、所述单侧产量识别器分别连接，计算梨树单侧果实数量与估算倍率的乘积，将所述乘积作为所述单株梨树的全部产量。
3.如权利要求2所述的基于电子识别的单株梨树产量获取方法，其特征在于：
所述嵌入式处理器计算自身的资源占用率，在自身的资源占用率小于第一预设百分比时，替代所述单侧产量识别器的操作。
4.如权利要求3所述的基于电子识别的单株梨树产量获取方法，其特征在于：
所述嵌入式处理器在自身的资源占用率大于第二预设百分比时，结束对所述单侧产量识别器的操作的替代。
5.如权利要求4所述的基于电子识别的单株梨树产量获取方法，其特征在于：
所述第一预设百分比和所述第二预设百分比被预先存储在所述移动硬盘中，所述第一预设百分比小于所述第二预设百分比。
6.如权利要求2所述的基于电子识别的单株梨树产量获取方法，其特征在于：
将所述嵌入式处理器和所述单侧产量识别器集成在一块集成电路板上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710448181.8A CN107169940B (zh) | 2015-04-16 | 2015-04-16 | 基于电子识别的单株梨树产量获取方法 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510178864.7A CN104794712B (zh) | 2015-04-16 | 2015-04-16 | 基于电子识别的单株梨树产量检测系统 |
| CN201710448181.8A CN107169940B (zh) | 2015-04-16 | 2015-04-16 | 基于电子识别的单株梨树产量获取方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510178864.7A Division CN104794712B (zh) | 2015-04-16 | 2015-04-16 | 基于电子识别的单株梨树产量检测系统 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| CN107169940A true CN107169940A (zh) | 2017-09-15 |
| CN107169940A8 CN107169940A8 (zh) | 2019-04-05 |
| CN107169940B CN107169940B (zh) | 2021-06-01 |
Family
ID=53559492
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510178864.7A Active CN104794712B (zh) | 2015-04-16 | 2015-04-16 | 基于电子识别的单株梨树产量检测系统 |
| CN201710448181.8A Active CN107169940B (zh) | 2015-04-16 | 2015-04-16 | 基于电子识别的单株梨树产量获取方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510178864.7A Active CN104794712B (zh) | 2015-04-16 | 2015-04-16 | 基于电子识别的单株梨树产量检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN104794712B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447945A (zh) * | 2018-09-21 | 2019-03-08 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105855754A (zh) * | 2015-08-04 | 2016-08-17 | 李勇妹 | 潜水员便携系统 |
| CN110222677A (zh) * | 2019-07-04 | 2019-09-10 | 苏州经贸职业技术学院 | 一种基于树莓派的枇杷果实产量统计系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201600330U (zh) * | 2009-09-23 | 2010-10-06 | 中国农业大学 | 成熟菠萝识别与定位系统 |
| CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
| CN104360669A (zh) * | 2014-11-27 | 2015-02-18 | 无锡北斗星通信息科技有限公司 | 一种纺织车间环境监控方法 |
| CN104474714A (zh) * | 2014-11-27 | 2015-04-01 | 无锡北斗星通信息科技有限公司 | 过山车乘客状态实时检测系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10499804B2 (en) * | 2011-02-24 | 2019-12-10 | DePuy Synthes Products, Inc. | Imaging sensor providing improved visualization for surgical scopes |
| CN103065285A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术（北京）有限公司 | 图像数据的去雾方法及装置 |
| CN104182943B (zh) * | 2014-08-27 | 2015-12-02 | 湖南大学 | 一种融合人眼视觉特性的单幅图像去雾方法 |
-
2015
- 2015-04-16 CN CN201510178864.7A patent/CN104794712B/zh active Active
- 2015-04-16 CN CN201710448181.8A patent/CN107169940B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201600330U (zh) * | 2009-09-23 | 2010-10-06 | 中国农业大学 | 成熟菠萝识别与定位系统 |
| CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
| CN104360669A (zh) * | 2014-11-27 | 2015-02-18 | 无锡北斗星通信息科技有限公司 | 一种纺织车间环境监控方法 |
| CN104474714A (zh) * | 2014-11-27 | 2015-04-01 | 无锡北斗星通信息科技有限公司 | 过山车乘客状态实时检测系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447945A (zh) * | 2018-09-21 | 2019-03-08 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
| CN109447945B (zh) * | 2018-09-21 | 2021-11-30 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104794712A (zh) | 2015-07-22 |
| CN104794712B (zh) | 2017-12-01 |
| CN107169940B (zh) | 2021-06-01 |
| CN107169940A8 (zh) | 2019-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fernández | Plant-based sensing to monitor water stress: Applicability to commercial orchards | |
| Stagakis et al. | Monitoring water stress and fruit quality in an orange orchard under regulated deficit irrigation using narrow-band structural and physiological remote sensing indices | |
| Lamb et al. | Using remote sensing to predict grape phenolics and colour at harvest in a Cabernet Sauvignon vineyard: Timing observations against vine phenology and optimising image resolution | |
| CN109948596A (zh) | 一种基于植被指数模型进行水稻识别和种植面积提取的方法 | |
| CN110163138B (zh) | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 | |
| CN110472184A (zh) | 一种基于Landsat遥感数据的多云雨雾地区水稻识别方法 | |
| Tesic et al. | Environmental effects on cv Cabernet Sauvignon (Vitis vinifera L.) grown in Hawke's Bay, New Zealand.: 1. Phenology and characterisation of viticultural environments | |
| King et al. | Within‐vineyard variability in vine vegetative growth, yield, and fruit and wine composition of C abernet S auvignon in H awke's B ay, N ew Z ealand | |
| CN106372592A (zh) | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 | |
| CN104704990B (zh) | 一种石榴树电子化自动采摘方法 | |
| CN107169940A (zh) | 基于电子识别的单株梨树产量获取方法 | |
| CN113221806B (zh) | 基于云平台融合多源卫星影像和茶树物候期的茶园自动识别方法 | |
| CN111199192A (zh) | 一种采用平行线取样的田间红提葡萄整体成熟度检测方法 | |
| WO2024061159A1 (zh) | 一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法 | |
| CN112836623A (zh) | 设施番茄农事决策辅助方法及装置 | |
| CN102542560A (zh) | 一种水稻移栽后密度自动检测的方法 | |
| CN104732550B (zh) | 石榴树电子化自动采摘平台 | |
| CN102360428B (zh) | 一种玉米三叶期与七叶期的自动检测方法 | |
| CN103125371B (zh) | 一种作物抗旱突变体田间快速辅助筛选的方法 | |
| CN105165773B (zh) | 农药喷洒速率控制平台 | |
| Pasinetti et al. | How water affects growing plants: an experimental set-up based on 2D vision and on-the-edge sensing | |
| CN115316214B (zh) | 基于大数据的农村农业信息管理系统及方法 | |
| Teımourlou et al. | A machine vision system for the real-time harvesting of ripe tomato | |
| Low et al. | Cabbage Growth Monitoring using Time Series Images | |
| Valero et al. | Identification of agricultural crops in early stages using remote sensing images |
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 | ||
| CI02 | Correction of invention patent application | ||
| CI02 | Correction of invention patent application |
Correction item: Application Date|Original application data Correct: 2015.04.16|201510178864.7 2015.04.16 False: 2017.06.14|None Number: 37-02 Page: The title page Volume: 33 Correction item: Application Date|Original application data Correct: 2015.04.16|201510178864.7 2015.04.16 False: 2017.06.14|None Number: 37-02 Volume: 33 |
|
| TA01 | Transfer of patent application right |
Effective date of registration: 20201209 Address after: No. 503, Yuexiu South Road, Xinxing street, Nanhu District, Jiaxing City, Zhejiang Province, 314000 Applicant after: Jiaxing Shengkang Information Technology Co.,Ltd. Address before: 414104 Chiang Jia villager group 10, flourishing village, Zhong Zhou Township, Yueyang County, Yueyang, Hunan Applicant before: Qian Fanglin |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210514 Address after: Room 409, Yimeng cloud Valley, No.19 Chang'an Road, Zhimadun street, economic development zone, Linyi City, Shandong Province 276000 Applicant after: SHANDONG TONGQI INTELLIGENT TECHNOLOGY CO.,LTD. Address before: No. 503, Yuexiu South Road, Xinxing street, Nanhu District, Jiaxing City, Zhejiang Province, 314000 Applicant before: Jiaxing Shengkang Information Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240102 Address after: 252000 South section of Houxin Village, Shilipu Town, Gaotang County, Liaocheng City, Shandong Province Patentee after: Shandong Lvcheng Agricultural Technology Co.,Ltd. Address before: Room 409, Yimeng cloud Valley, No.19 Chang'an Road, Zhimadun street, economic development zone, Linyi City, Shandong Province 276000 Patentee before: SHANDONG TONGQI INTELLIGENT TECHNOLOGY CO.,LTD. |