CN107256421B - 一种稻麦籽粒快速计数方法 - Google Patents
一种稻麦籽粒快速计数方法 Download PDFInfo
- Publication number
- CN107256421B CN107256421B CN201710348422.1A CN201710348422A CN107256421B CN 107256421 B CN107256421 B CN 107256421B CN 201710348422 A CN201710348422 A CN 201710348422A CN 107256421 B CN107256421 B CN 107256421B
- Authority
- CN
- China
- Prior art keywords
- image
- grains
- seeds
- point
- closed
- 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
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
-
- 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
Abstract
本发明涉及一种稻麦籽粒快速计数方法,包括以下步骤:籽粒图像获取:利用拍照设备垂直获取稻麦籽粒图像;籽粒提取:利用颜色特征提取籽粒;角点检测:利用角点检测算法提取籽粒粘连处的角点;闭合区域检测:利用闭合区域检测算法,检测粘连籽粒间构成的闭合区域数量;籽粒个数计算:籽粒个数=籽粒粘连处的角点数/2‑闭合区域数量+1。本发明计数方法计算效率高,同时籽粒个数测定的准确率不受人为因素的影响。
Description
技术领域
本发明属于稻麦籽粒计数领域,具体涉及一种稻麦籽粒快速计数方法。
背景技术
粒重是产量的重要组成部分,作物产量很大程度上决定于穗粒数和千粒重。因此,千粒重一直被作为衡量栽培措施优劣和进行品种选育的重要参数,是作物研究中测量频率较高的指标。而测量千粒重首先要进行籽粒计数,常用的方法包括人工计数、电子计数仪和图像分析技术。人工数粒费时费力,人眼易疲劳,难免会产生误差,无法确保准确度。电子计数仪利用籽粒穿过激光形成的断点来计数,这种仪器设备价格较高,根据计数精度售价在500美元-6000美元,仪器相对笨重,只能在固定实验室使用,操作起来比较繁琐。利用图像分析技术进行籽粒计数的成本较低,对于籽粒识别的算法是影响计数精度的主要因素。
基于图像分析的籽粒计数,第一步往往是对图像进行分割操作,将籽粒从图像背景中分离出来;第二步则是计算每个区域中的籽粒个数,这一点是目前影响籽粒计数的关键。因此,研究人员设计了大量的粘连籽粒分割算法,主要包括腐蚀膨胀法、分水岭算法、主动轮廓模型、特征点匹配等。腐蚀膨胀法是数学形态学中最基本的运算,其通过对重叠区域采用先腐蚀分离再膨胀恢复的策略,获得具有几何意义的分界线,该方法比较简单,腐蚀和膨胀的次数需人工经验性确定,但该算法对于粘连部位较大的情况不能准确地进行分割,且腐蚀和膨胀的不可逆性同样会造成一定误差。分水岭算法是一种应用较广泛的分割方法,其利用重叠区域存在的局部梯度差,在像素梯度的约束下,从种子区域开始模拟泉涌淹没过程得到分割线,传统分水岭算法最大的问题是过度分割,近年来许多学者也在研究如何改进分水岭算法来减少过度分割。主动轮廓模型作为经典的基于偏微分方程的图像分割算法,该方法通过设定曲线来寻找作物籽粒的轮廓,但是它的分割结果依赖于初始曲线的选择。特征点匹配方法是利用诸如曲率检测、角点检测等方法来实现粘连部位特征点的检测,并进行特征点配对来实现籽粒的分割,这种方法在一般情况下可以实现较高的分割精度,但对于复杂的粘连容易出现错误的特征点配对。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,提供一种稻麦籽粒快速计数方法,计算效率高。
为解决以上技术问题,本发明采取的一种技术方案是:
一种稻麦籽粒快速计数方法,包括以下步骤:
步骤1)籽粒图像获取:利用拍照设备垂直获取稻麦籽粒图像;
步骤2)籽粒提取:利用颜色特征提取籽粒;
步骤3)角点检测:利用角点检测算法提取籽粒粘连处的角点;
步骤4)闭合区域检测:利用闭合区域检测算法,检测粘连籽粒间构成的闭合区域数量;
步骤5)籽粒个数计算:籽粒个数=籽粒粘连处的角点数/2-闭合区域数量+1。
优选地,步骤2)中利用颜色特征提取籽粒具体操作为:设RGB彩色图像中的红、绿、蓝三个颜色分量为r、g、b,记d1(x,y)=b(x,y)-r(x,y),d2(x,y)=b(x,y)-g(x,y),则图像中籽粒部分用公式表示为:
其中k1,k2∈[0,1],利用公式(1)获取籽粒的灰度图像,用OSTU算法对灰度图像进行提取。
优选地,步骤3)的具体操作为:利用一定大小的模板W延二值区域轮廓进行检测,以该点在模板中籽粒部分大小的占模板总大小的百分比做为该点的特征值,记为R(x,y),
公式中Wgn是模板中为籽粒的像素点,Wbg是模板中为背景的像素点,R(x,y)值大于0.6的点即为籽粒粘连处的角点。
优选地,在步骤4)中,利用孔洞填充算法填充籽粒图像,并用填充后的图像减去原二值图像,便得到闭合区域图像,从而计算闭合区域数量。
由于以上技术方案的采用,本发明与现有技术相比具有如下优点:
本发明利用计算机图像方法计算水稻小麦籽粒个数,相比传统人工调查法省工省时,计算效率高,同时籽粒个数测定的准确率不受人为因素的影响。
附图说明
图1为本发明二值图像中籽粒的三种形态图;
图2为本发明籽粒特征点检测图;
图3为本发明提取闭合区域过程图。
具体实施方式
以下结合附图及具体实施例对本发明做进一步详细说明。
如附图1至附图3所示,本发明一种稻麦籽粒快速计数方法,包括以下步骤:
步骤1)籽粒图像获取:利用数码相机、手机等拍照设备垂直获取稻麦籽粒图像,根据拍照习惯,手机距离籽粒的距离在20-60厘米均可以;背景的选择以和籽粒形成最大化的差异为宗旨,便于提高籽粒提取完整性。
步骤2)籽粒提取:利用颜色特征提取籽粒;
图像原始大小为4160×3120pix,为了提高运行效率将图像归一化至800×600pix,并通过高斯滤波平滑籽粒边缘。设RGB彩色图像中的红、绿、蓝三个颜色分量为r、g、b,记d1(x,y)=b(x,y)-r(x,y),d2(x,y)=b(x,y)-g(x,y),则图像中籽粒部分用公式表示为:
其中k1,k2∈[0,1],利用公式(1)获取籽粒的灰度图像,用OSTU算法对灰度图像进行提取。
步骤3)角点检测:利用角点检测算法提取籽粒粘连处的角点;
在获取完籽粒二值图像之后,如附图1所示,二值图像中的区域可以分为三类,1)单个籽粒,2)粘连籽粒不构成闭合区域,3)粘连籽粒构成闭合区域。籽粒的粘连会构成不同数量的角点,利用一定大小的模板W延二值区域轮廓进行检测,以该点在模板中籽粒部分大小的占模板总大小的百分比做为该点的特征值,记为R(x,y),
公式中Wgn是模板中为籽粒的像素点,Wbg是模板中为背景的像素点。如附图2(a)为5个籽粒粘连区域,当5×5模板经过点P1时,R(x,y)=0.4,经过P2时,R(x,y)=0.84。模板遍历附图2(a)所有轮廓点的R(x,y)变化如附图2(b)所示,模板在角点区域P1-15会有明显的峰值或者谷值,而籽粒粘连处的R(x,y)值明显高于其他部分而形成峰值,我们将这些点命名为Cpeak。通常情况下单个籽粒的Cpeak值为0,Cpeak的数量随粘连区域内籽粒个数的增加而增加,本发明设定R(x,y)值大于0.6的点即为籽粒粘连处的角点。
步骤4)闭合区域检测:闭合区域检测算法,检测粘连籽粒间构成的闭合区域数量;
若粘连籽粒构成了闭合区域,则闭合区域(Rclosed)的数量同样为区域的重要特征,本发明利用孔洞填充算法填充籽粒图像,并用填充后的图像附图3(b)减去原二值图像附图3(a),便得到闭合区域图像附图3(c),从而计算Rclosed的数量。
步骤5)籽粒个数计算:籽粒个数=籽粒粘连处的角点数/2-闭合区域数量+1;
根据籽粒粘连特性发现粘连区域籽粒的个数(GN)为:
整幅图像的籽粒个数计算公式为:
以上对本发明做了详尽的描述,实施例的说明只是用于帮助理解本发明的方法及其核心思想,其目的在于让熟悉此领域技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种稻麦籽粒快速计数方法,其特征在于:包括以下步骤:
步骤1)籽粒图像获取:利用拍照设备垂直获取稻麦籽粒图像;
步骤2)籽粒提取:利用颜色特征提取籽粒;
步骤3)角点检测:利用角点检测算法提取籽粒粘连处的角点;
步骤4)闭合区域检测:利用闭合区域检测算法,检测粘连籽粒间构成的闭合区域数量;
步骤5)籽粒个数计算:籽粒个数=籽粒粘连处的角点数/2-闭合区域数量+1;
所述步骤2)中利用颜色特征提取籽粒具体操作为:设RGB彩色图像中的红、绿、蓝三个颜色分量为r、g、b,记d1(x,y)=b(x,y)-r(x,y),d2(x,y)=b(x,y)-g(x,y),则图像中籽粒部分用公式表示为:
其中k1,k2∈[0,1],利用公式(1)获取籽粒的灰度图像,用OSTU算法对灰度图像进行提取。
3.根据权利要求1所述的稻麦籽粒快速计数方法,其特征在于:在所述步骤4)中,利用孔洞填充算法填充籽粒图像,并用填充后的图像减去原二值图像,便得到闭合区域图像,从而计算闭合区域数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710348422.1A CN107256421B (zh) | 2017-05-17 | 2017-05-17 | 一种稻麦籽粒快速计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710348422.1A CN107256421B (zh) | 2017-05-17 | 2017-05-17 | 一种稻麦籽粒快速计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107256421A CN107256421A (zh) | 2017-10-17 |
CN107256421B true CN107256421B (zh) | 2020-08-11 |
Family
ID=60027567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710348422.1A Active CN107256421B (zh) | 2017-05-17 | 2017-05-17 | 一种稻麦籽粒快速计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107256421B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818565B (zh) * | 2017-11-23 | 2021-05-18 | 扬州大学 | 一种小麦一至三叶期麦苗数量调查方法 |
CN109598328B (zh) * | 2018-11-21 | 2023-09-12 | 山东农业大学 | 一种散布式千粒计数方法、系统、装置及终端 |
CN112419355A (zh) * | 2020-11-25 | 2021-02-26 | 复旦大学 | 基于角点检测的毛发图像中毛发计数方法 |
CN115619789B (zh) * | 2022-12-20 | 2023-03-31 | 山西蒲谷香农业科技有限公司 | 用于黑芝麻丸生产的成丸控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335960A (zh) * | 2014-08-13 | 2016-02-17 | 温州大学 | 结合边缘检测和分水岭算法的图像分割方法 |
CN105447860A (zh) * | 2015-11-18 | 2016-03-30 | 扬州大学 | 一种麦苗计数方法 |
CN106056118A (zh) * | 2016-06-12 | 2016-10-26 | 合肥工业大学 | 一种用于细胞的识别计数方法 |
-
2017
- 2017-05-17 CN CN201710348422.1A patent/CN107256421B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335960A (zh) * | 2014-08-13 | 2016-02-17 | 温州大学 | 结合边缘检测和分水岭算法的图像分割方法 |
CN105447860A (zh) * | 2015-11-18 | 2016-03-30 | 扬州大学 | 一种麦苗计数方法 |
CN106056118A (zh) * | 2016-06-12 | 2016-10-26 | 合肥工业大学 | 一种用于细胞的识别计数方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107256421A (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256421B (zh) | 一种稻麦籽粒快速计数方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN108960198A (zh) | 一种基于残差ssd模型的交通标志检测与识别方法 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
CN108960135B (zh) | 基于高分辨遥感图像的密集舰船目标精确检测方法 | |
CN108364280A (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN110766058B (zh) | 一种基于优化rpn网络的战场目标检测方法 | |
CN110210448B (zh) | 一种智能人脸皮肤老化程度的识别与评估方法 | |
AU2020100915A4 (en) | A Method For Quickly Counting Rice And Wheat Grains | |
CN106340000A (zh) | 骨龄评估方法 | |
CN104732520A (zh) | 一种胸部数字影像的心胸比测量算法及系统 | |
CN111879735B (zh) | 一种基于图像的大米外观品质检测方法 | |
CN110781889A (zh) | 一种基于深度学习的蓝莓果实中总糖含量的无损检测方法 | |
CN107871133A (zh) | 边缘检测网络的优化方法、路面病害的识别方法及系统 | |
CN112749673A (zh) | 一种基于遥感影像智能提取储油罐库存的方法及装置 | |
CN110659637A (zh) | 一种结合深度神经网络和sift特征的电能表示数与标签自动识别方法 | |
CN104574426A (zh) | 基于赤足或穿袜足迹图像的人身特征分析的方法及装置 | |
CN101887590B (zh) | 一种数字图像可视化组织展示的方法 | |
CN108257127A (zh) | 一种应用于急性中毒安全预评价的系统 | |
CN106324708B (zh) | 雨量记录图纸的数字化方法、装置 | |
CN111882573B (zh) | 一种基于高分辨率影像数据的耕地地块提取方法及系统 | |
CN110059573A (zh) | 基于图像识别的野山参分级检定方法 | |
CN113484867A (zh) | 一种基于成像声呐封闭空间下鱼群密度探测方法 | |
CN114266975B (zh) | 无人机遥感图像的荔枝果实检测与计数方法 | |
CN115761606A (zh) | 基于图像处理的箱体电能表识别方法及装置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211103 Address after: 225599 No. 88, Tianmu West Road, Jiangyan Economic Development Zone, Taizhou City, Jiangsu Province Patentee after: Jiangsu Hanfeng Agricultural Technology Co.,Ltd. Address before: 225009 No. 88, South University Road, Jiangsu, Yangzhou Patentee before: YANGZHOU University |