CN108596939B - 一种玉米种子特征区切割定位方法 - Google Patents
一种玉米种子特征区切割定位方法 Download PDFInfo
- Publication number
- CN108596939B CN108596939B CN201810246971.2A CN201810246971A CN108596939B CN 108596939 B CN108596939 B CN 108596939B CN 201810246971 A CN201810246971 A CN 201810246971A CN 108596939 B CN108596939 B CN 108596939B
- Authority
- CN
- China
- Prior art keywords
- corn
- image
- point
- area
- calculating
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
一种玉米种子特征区切割定位方法,主要包括以下几个过程:1、利用震动给料器将玉米种子单粒分开,分别采集单粒玉米种子正上方向和侧向图像,进行图像二值化处理。2、确定玉米粒形心位置,计算长轴的初始位置。3、确定玉米粒侧面图像的尖端顶点位置。4、向长轴进行投影变换,迭代更新计算尖端聚类中心和玉米粒的长轴方向。5、确定玉米粒正上方向图像尖端聚类中心、大端聚类中心位置、大端的切割线位置。运算结果可以精确到亚像素级别。本发明的定位方法速度快,精度高,效果令人满意。
Description
技术领域
本发明属于农业辅助生产自动化技术领域,尤其涉及一种定位精度要求较高的自动切片、分拣玉米种子的视觉定位方法。
背景技术
现代玉米育种常常采用分子标记辅助育种技术,分子标记技术可以对玉米抗病、抗虫、抗涝、抗旱等抗逆性基因进行定位,分子标记辅助选择育种能够加快玉米育种进程,提高育种效率。该技术需要从每粒种子的大端外边缘切取少许胚乳,剩余部分含有完整的胚芽,将这二部分一一对应,分别用于育种分析和种植。根据以往统计数据可以看出,玉米种子粒型、尺寸、重量等参数差异巨大,如表格1。针对每粒种子精确定位其切片位置,难度很大。在实际操作中大多采用人工方法获得切片,为实现自动化切取玉米胚乳薄片,使机械手准确操作不同形状、尺寸、位置的玉米粒,需要精确定位玉米粒的尖端和大端的位置。研究基于计算机视觉的玉米粒特征区定位方法,具有较高的应用价值。
表1玉米种子形态统计数据列表
玉米粒的尖端部分是它显著的特征,找到玉米的尖端有助于迅速地进行玉米粒的定位。以往有研究玉米的尖端角点定位。对于识别玉米粒形态类型以及姿态精确数据,现有检测方法往往无能为力。聚类分析法用于识别物体姿态是一种探索性分析方法,能够分析事物的内在特点和规律,并根据相似性原则对事物进行分组,同时,对噪声点和误差也能够进行恰当的抑制和纠正。投影变换方法是利用数据在投影变换轴上的分布和走势,找到数据分布规律,判别问题的关键特点。
发明内容
本发明的主要目的是,为不同粒型玉米种子激光切片自动化设备提供一种快速自动化定位提供确定性的方法。根据玉米种子本身形状特点以及定位自动化的需要,借助螺旋震动给料筛选装置,通过在正上方向和侧向安装相机来采集玉米种子图像,机械手对单粒玉米粒进行激光切片操作,因此,本发明采用螺旋震动给料器将玉米粒定向、单粒分开。通过震动盘滑道输送的玉米粒,能以尖端向前或者向后的姿态到达待切割料台中,但玉米种子个体形状、大小存在较大差异,玉米粒特征区的精确定位,还需要借助计算机视觉手段。
玉米种子外轮廓曲线形状是近似轴对称的,如图1所示。本发明通过测量面积、以较小面积对应的像素坐标域作为操作对象,通过投影变换、聚类计算,确定玉米种子的长轴方向和激光刀在玉米粒大端切割线的位置。
定义圆形掩模模板,通过遍历玉米种子区域内的所有像素点,找到玉米粒区域在掩模内面积较小(一般为圆形掩模面积的0.3~0.5之间)的掩模中心所在位置,构成玉米特征识别筛选的待操作域。通过形心计算公式,得到玉米粒的形心位置,连接玉米尖端顶点和形心的连线,作为玉米粒的长轴方向的初始位置。向玉米长轴参考方向作投影点,投影点通过k近邻聚类方法,区分出玉米粒的尖端和大端的聚类中心,记为粗略标记位置,按照调整后的尖端聚类中心和形心连线,计算长轴位置,直至长轴位置不再改变为止。从大端聚类中心点向长轴做垂线,即为玉米种切片的切割线。
采取的技术方案是:
一种玉米种子特征区切割定位方法,选用切片设备为玉米种子激光切片机,玉米种子激光切片机包括震动给料器、高度限制装置、待切割料台、振动给料器,为已知技术,其特征在于,包括以下步骤:
1)利用震动给料器将玉米粒单粒分开,利用高度限制装置,将玉米粒拨成平放姿态,传送至待切割料台上,采集单粒玉米种子正上方向图像,进行预处理,将RGB图像变换为二值图像,分割为目标区域和背景区域。
2)计算正上方向图像目标区域面积,其中,f(x,y)为像素灰度值,(x,y)为图像像素坐标,s为目标区域像素集合。计算目标区域面积内的形心位置C坐标(xc,yc), 设定圆形掩模尺寸为n,其中其取值为自然数,d为调整系数且d∈(0,0.5),int()是取整函数。
3)使掩模中心与待检测目标像素点重合,用掩模覆盖图像目标区域内像素,计算掩模内覆盖目标区域面积大小。
4)利用掩模模板遍历玉米正上方向图像目标区域内的所有像素,重复步骤3。
5)在正上方向图像目标区域中,选择不超过圆模板面积β倍的较小面积所对应的像素作为目标,其中β∈(0.35,0.5),构成待操作像素的数据区域Ω。计算掩模覆盖面积最小的所对应的像素点位置,即为玉米粒的尖端顶点的参考位置,记为O。
6)连接O点与形心C的直线OC,记为玉米的参考主轴初始位置。
7)数据集Ω中的像素点[F1,F2,…,Fi,…,Fn]向参考主轴OC直线上投影点分别为[P1,P2,…,Pi,…,Pn],记为集合Ψ,其中,n为集合的像素个数,i为像素点的标号。
8)采用K近邻聚类方法(其中K=3),将投影数据集合Ψ划分为多个聚类,根据数据集Ψ的分类结果,计算对应数据集Ω像素点[F1,F2,…,Fi,…,Fn]的聚类中心,与O点距离OPi的最近聚类点的中心,记为O1,与O点距离最远聚类点的中心Oinew,记为大端类聚类中心,计算δ=|O-O1|+|Oiold-Oinew|,其中Oiold为上一次迭代计算的距离O点最远的聚类中心点,更新聚类中心坐标,令O=O1,Oiold=Oinew。
9)重复步骤6)至步骤8),直至O1和Oinew变化范围都很小,即,δ<ε,其中ε是容许误差,取为0.02。
10)连接尖端精定位标记O1与形心C(xc,yc)位置的连线,即为玉米粒的长轴方向O1C,从聚类中心点Oinew向长轴O1C做垂线,即为玉米粒的切割线。
有益效果:本发明与现有技术相比,其显著特点是:采用普通相机和较简单外围设备,对于不同粒型的玉米种子,依据投影变换的聚类计算的原理,快速准确地定位玉米粒尖端中心点的位置,确定玉米粒的长轴方向、大端的切割线位置,本发明对多种扁形、圆形玉米粒定位均有很好的效果,可以精确到亚像素级别。本发明的定位方法速度快,精度高,效果令人满意。
附图说明
图1是玉米粒目标像素的投影变换示意图。
图2是不同粒型玉米种正上方向图像的切割线位置和长轴方向定位图。
具体实施方式:
技术方案主要包括以下几个过程:
1、利用震动给料器将玉米种子单粒分开,分别采集单粒玉米种子正上方向和侧向图像,进行图像二值化处理。
2、确定玉米粒形心位置,计算长轴的初始位置。
3、确定玉米粒侧面图像的尖端顶点位置。
4、向长轴进行投影变换,迭代更新计算尖端聚类中心和玉米粒的长轴方向。
5、确定玉米粒正上方向图像尖端聚类中心、大端聚类中心位置、大端的切割线位置。
一种玉米种子特征区切割定位方法,选用切片设备为玉米种子激光切片机,玉米种子激光切片机包括震动给料器、高度限制装置、待切割料台、振动给料器,为已知技术,其特征在于,包括以下步骤:
1)利用震动给料器将玉米粒单粒分开,利用高度限制装置,将玉米粒拨成平放姿态,传送至待切割料台上,采集单粒玉米种子正上方向图像,进行预处理,将RGB图像变换为二值图像,分割为目标区域和背景区域。
2)计算正上方向图像目标区域面积,其中,f(x,y)为像素灰度值,(x,y)为图像像素坐标,s为目标区域像素集合。计算目标区域面积内的形心位置C坐标(xc,yc), 设定圆形掩模尺寸为n,其中其取值为自然数,d为调整系数且d∈(0,0.5),int()是取整函数。
3)使掩模中心与待检测目标像素点重合,用掩模覆盖图像目标区域内像素,计算掩模内覆盖目标区域面积大小。
4)利用掩模模板遍历玉米正上方向图像目标区域内的所有像素,重复步骤3)。
5)在正上方向图像目标区域中,选择不超过圆模板面积β倍的较小面积所对应的像素作为目标,其中β∈(0.35,0.5),构成待操作像素的数据区域Ω。计算掩模覆盖面积最小的所对应的像素点位置,即为玉米粒的尖端顶点的参考位置,记为O。
6)连接O点与形心C的直线OC,记为玉米的参考主轴初始位置。
7)数据集Ω中的像素点[F1,F2,…,Fi,…,Fn]向参考主轴OC直线上投影点分别为[P1,P2,…,Pi,…,Pn],记为集合Ψ,其中,n为集合的像素个数,i为像素点的标号。
8)采用K近邻聚类方法(其中K=3),将投影数据集合Ψ划分为多个聚类,根据数据集Ψ的分类结果,计算对应数据集Ω像素点[F1,F2,…,Fi,…,Fn]的聚类中心,与O点距离OPi的最近聚类点的中心,记为O1,与O点距离最远聚类点的中心Oinew,记为大端类聚类中心,计算δ=|O-O1|+|Oiold-Oinew|,其中Oiold为上一次迭代计算的距离O点最远的聚类中心点,更新聚类中心坐标,令O=O1,Oiold=Oinew。
9)重复步骤6)至步骤8),直至O1和Oinew变化值范围都小于ε,即,δ<ε,其中ε是容许误差,取为0.02。
10)连接尖端精定位标记O1与形心C(xc,yc)位置的连线,即为玉米粒的长轴方向O1C,从聚类中心点Oinew向长轴O1C做垂线,即为玉米粒的切割线。
Claims (1)
1.一种玉米种子特征区切割定位方法,选用切片设备为玉米种子激光切片机,玉米种子激光切片机包括震动给料器、高度限制装置、待切割料台、振动给料器,其特征在于,包括以下步骤:
1)利用震动给料器将玉米粒单粒分开,利用高度限制装置,将玉米粒拨成平放姿态,传送至待切割料台上,采集单粒玉米种子正上方向图像,进行预处理,将RGB图像变换为二值图像,分割为目标区域和背景区域;
2)计算正上方向图像目标区域面积,其中,f(x,y)为像素灰度值,(x,y)为图像像素坐标,s为目标区域像素集合;计算目标区域面积内的形心位置C坐标(xc,yc),设定圆形掩模尺寸为n,其中其取值为自然数,d为调整系数且d∈(0,0.5),int()是取整函数;
3)使掩模中心与待检测目标像素点重合,用掩模覆盖图像目标区域内像素,计算掩模内覆盖目标区域面积大小;
4)利用掩模模板遍历玉米正上方向图像目标区域内的所有像素,重复步骤3;
5)在正上方向图像目标区域中,选择不超过圆模板面积β倍的较小面积所对应的像素作为目标,其中β∈(0.35,0.5),构成待操作像素的数据区域Ω;计算掩模覆盖面积最小的所对应的像素点位置,即为玉米粒的尖端顶点的参考位置,记为O;
6)连接O点与形心C的直线OC,记为玉米的参考主轴初始位置;
7)数据集Ω中的像素点[F1,F2,…,Fi,…,Fn]向参考主轴OC直线上投影点分别为[P1,P2,…,Pi,…,Pn],记为集合Ψ,其中,n为集合的像素个数,i为像素点的标号;
8)采用K近邻聚类方法(其中K=3),将投影数据集合Ψ划分为多个聚类,根据数据集Ψ的分类结果,计算对应数据集Ω像素点[F1,F2,…,Fi,…,Fn]的聚类中心,与O点距离OPi的最近聚类点的中心,记为O1,与O点距离最远聚类点的中心Oinew,记为大端类聚类中心,计算δ=|O-O1|+|Oiold-Oinew|,其中Oiold为上一次迭代计算的距离O点最远的聚类中心点,更新聚类中心坐标,令O=O1,Oiold=Oinew;
9)重复步骤6)至步骤8),直至O1和Oinew变化范围都很小,即,δ<ε,其中ε是容许误差,取为0.02;
10)连接尖端精定位标记O1与形心C(xc,yc)位置的连线,即为玉米粒的长轴方向O1C,从聚类中心点Oinew向长轴O1C做垂线,即为玉米粒的切割线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810246971.2A CN108596939B (zh) | 2018-03-23 | 2018-03-23 | 一种玉米种子特征区切割定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810246971.2A CN108596939B (zh) | 2018-03-23 | 2018-03-23 | 一种玉米种子特征区切割定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108596939A CN108596939A (zh) | 2018-09-28 |
CN108596939B true CN108596939B (zh) | 2021-09-14 |
Family
ID=63627368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810246971.2A Expired - Fee Related CN108596939B (zh) | 2018-03-23 | 2018-03-23 | 一种玉米种子特征区切割定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596939B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104658015A (zh) * | 2015-01-21 | 2015-05-27 | 沈阳理工大学 | 玉米育种激光自动切片的视觉定位方法 |
CN104867146A (zh) * | 2015-05-19 | 2015-08-26 | 沈阳理工大学 | 玉米育种切片特征区的定位切片方法 |
CN105830921A (zh) * | 2007-08-31 | 2016-08-10 | 孟山都技术公司 | 充分分离植物组织的方法和装置 |
CN106577288A (zh) * | 2016-12-20 | 2017-04-26 | 河南农业大学 | 全自动玉米嫩胚提取装置 |
CN107223156A (zh) * | 2013-11-04 | 2017-09-29 | 美国陶氏益农公司 | 最优玉米座位 |
-
2018
- 2018-03-23 CN CN201810246971.2A patent/CN108596939B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105830921A (zh) * | 2007-08-31 | 2016-08-10 | 孟山都技术公司 | 充分分离植物组织的方法和装置 |
CN107223156A (zh) * | 2013-11-04 | 2017-09-29 | 美国陶氏益农公司 | 最优玉米座位 |
CN104658015A (zh) * | 2015-01-21 | 2015-05-27 | 沈阳理工大学 | 玉米育种激光自动切片的视觉定位方法 |
CN104867146A (zh) * | 2015-05-19 | 2015-08-26 | 沈阳理工大学 | 玉米育种切片特征区的定位切片方法 |
CN106577288A (zh) * | 2016-12-20 | 2017-04-26 | 河南农业大学 | 全自动玉米嫩胚提取装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108596939A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tetila et al. | Automatic recognition of soybean leaf diseases using UAV images and deep convolutional neural networks | |
Williams et al. | Comparison of digital image analysis using elliptic Fourier descriptors and major dimensions to phenotype seed shape in hexaploid wheat (Triticum aestivum L.) | |
Bao et al. | Field-based architectural traits characterisation of maize plant using time-of-flight 3D imaging | |
US20170177938A1 (en) | Automated detection of nitrogen deficiency in crop | |
CN108230307B (zh) | 一种基于轮廓质心距离与神经网络的玉米破碎粒检测方法 | |
CN102324032A (zh) | 一种基于极坐标系下灰度共生矩阵的纹理特征提取方法 | |
CN104658015B (zh) | 玉米育种激光自动切片的视觉定位方法 | |
CN113920106B (zh) | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 | |
Visa et al. | Modeling of tomato fruits into nine shape categories using elliptic fourier shape modeling and Bayesian classification of contour morphometric data | |
WO2018077111A1 (zh) | 植物种类的识别方法、识别装置和服务器 | |
CN111291686B (zh) | 农作物根果表型参数的提取与根果表型判别方法及系统 | |
CN111968115B (zh) | 基于栅格化图像处理方法的骨科耗材检测方法及系统 | |
CN110853044A (zh) | 基于条件欧式聚类的盆栽玉米点云快速分割方法 | |
Che et al. | The effect of growth stage and plant counting accuracy of maize inbred lines on LAI and biomass prediction | |
CN108596939B (zh) | 一种玉米种子特征区切割定位方法 | |
Montes et al. | Real-time detection of broccoli crops in 3D point clouds for autonomous robotic harvesting | |
CN104867146B (zh) | 玉米育种切片特征区的定位切片方法 | |
CN107507192B (zh) | 一种水稻剑叶夹角在体测量便携装置及在体测量方法 | |
Wei et al. | A positioning method for maize seed laser-cutting slice using linear discriminant analysis based on isometric distance measurement | |
Romualdo et al. | Spectral indexes for identification of nitrogen deficiency in maize | |
Pronozin et al. | Automatic morphology phenotyping of tetra-and hexaploid wheat spike using computer vision methods | |
CN116899896A (zh) | 一种基于机器视觉的红果参分拣装置及分拣方法 | |
CN115661177A (zh) | 一种基于深度学习的菌落面积计算方法 | |
Zhu et al. | Stem-leaf segmentation and phenotypic trait extraction of maize shoots from three-dimensional point cloud | |
CN111179303B (zh) | 基于粒子滤波的谷物收获机器人视觉导航方法及其应用 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210914 |
|
CF01 | Termination of patent right due to non-payment of annual fee |