CN109115776A - 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置 - Google Patents
一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置 Download PDFInfo
- Publication number
- CN109115776A CN109115776A CN201810979058.3A CN201810979058A CN109115776A CN 109115776 A CN109115776 A CN 109115776A CN 201810979058 A CN201810979058 A CN 201810979058A CN 109115776 A CN109115776 A CN 109115776A
- Authority
- CN
- China
- Prior art keywords
- seedling
- color
- plug
- plug seedling
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 230000001066 destructive effect Effects 0.000 title claims abstract description 17
- 241000196324 Embryophyta Species 0.000 claims abstract description 42
- 230000035784 germination Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 22
- 240000008067 Cucumis sativus Species 0.000 claims description 19
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000000265 homogenisation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 5
- 235000013311 vegetables Nutrition 0.000 abstract description 4
- 240000007594 Oryza sativa Species 0.000 abstract description 3
- 235000007164 Oryza sativa Nutrition 0.000 abstract description 3
- 239000002131 composite material Substances 0.000 abstract description 3
- 230000036541 health Effects 0.000 abstract description 3
- 235000009566 rice Nutrition 0.000 abstract description 3
- 230000007812 deficiency Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000002872 contrast media Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007598 dipping method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002054 transplantation Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000005080 plant death Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Cultivation Of Plants (AREA)
- Pretreatment Of Seeds And Plants (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种基于颜色和深度信息的穴盘苗长势无损监测方法与装置，Kinect传感器获取穴盘苗彩色图像与深度图像，通过彩色图像超绿处理、联通处理后自动识别穴盘苗发芽率；通过彩色图像与深度图像配准，得到三维点云重建后获取的幼苗叶面积，利用形心坐标深度信息提取后获得幼苗株高，采用幼苗叶面积与株高的复合指标进行壮苗指数无损自动监测。本发明解决了穴盘苗发芽率无法自动识别、移栽穴盘苗时对穴盘苗健康判断方式过于简单，无法融合多项指标进行壮苗选择的问题；对于叶片伸展充分、无遮挡的幼龄秧苗测量精度较高，为进一步开发温室蔬菜穴盘秧苗发芽率及长势在线监测设备提供重要技术支撑。
Description
技术领域
本发明属于视觉图像领域，特别涉及一种基于颜色和深度信息的穴盘苗长势无损监测方法与装置。
背景技术
穴盘育苗是一种现代化育苗技术，具有出苗率高、整齐度好、移栽后缓苗期短、病虫害少、省工省时等优点，代表了育苗技术的发展方向，受到种植业者的欢迎。但是穴盘苗在发芽至移栽期间的监测目前研究较少，这块研究的缺失会直接导致后期移栽时采用不健康苗，进而导致后期作物死亡率高，蔬果产量低。目前的研究技术仅在移栽时判别穴盘里作物的存在与否，叶片大小是否达到移栽要求，没有幼苗健康状况的监测。
目前，国内外穴盘苗移栽领域工作者进行了很多针对穴盘苗移栽时幼苗生长情况的发明研究。中国专利(CN201611253837.2)公开了一种用于作物穴盘苗CT扫描根系三维重构成像的育苗方法，该方法用作物穴盘苗的根系吸收CT造影剂，通过对断层图片进行阈值分割，将根系从育苗基质中分离出，生成完整性和清晰度较高的根系三维图像；该方法 CT造影剂破坏了根系已有的生态环境，对幼苗造成了损伤。中国专利(CN201310446714.0) 公开了一种穴盘苗检测系统和方法，根据图像采集单元采集的激光图像计算出待测穴盘苗顶部叶片的像素面积，根据图像采集单元采集的由激光图像计算出待测穴盘苗的高度值；该方法所用的激光设备昂贵，且无法排除光照对测量数据的影响。中国专利(CN201210498767.2)公开了一种用于穴盘苗移栽的识别定位移栽方法，该方法通过移栽机有选择性地抓取健康苗的技术,在于对穴盘苗的定位研究，对于幼苗壮苗状况判别的方法简单，对叶面积测量与株高测量采用手工测量，操作耗时且测量精度低。上述研究均无法综合考虑穴盘幼苗的发芽率与壮苗状况，未实现幼苗壮苗状况的自动无损检测与评估。
发明内容
为了解决现有技术中存在的不足，本发明提出了一种基于颜色和深度信息的穴盘苗长势无损监测方法与装置，通过Kinect传感器获取穴盘苗彩色图像与深度图像，通过彩色图像超绿处理、联通处理后自动识别穴盘苗发芽率；通过彩色图像与深度图像配准，得到三维点云重建后获取的幼苗叶面积，通过形心坐标深度信息提取后获得幼苗株高，采用幼苗叶面积与株高的复合指标进行壮苗指数无损自动监测。解决了穴盘苗发芽率无法自动识别、移栽穴盘苗时对穴盘苗健康判断方式过于简单，无法融合多项指标进行壮苗选择的问题。对于叶片伸展充分、无遮挡的幼龄秧苗测量精度较高，为进一步开发温室蔬菜穴盘秧苗发芽率及长势在线监测设备提供重要技术支撑。
本发明是采用以下技术方案实现上述技术目的。
一种基于颜色和深度信息的穴盘苗长势无损监测方法，采集穴盘苗幼苗发芽后3-5天中任意一天的彩色图像和深度图像，通过彩色图像处理获得每盘穴盘苗的发芽率；采集穴盘苗幼苗可移栽前的彩色图像与深度图像，通过彩色图像处理和深度信息提取，获取植株叶面积与株高，叶面积与株高之比即可表示该株幼苗的壮苗指数；每盘随机选择k株幼苗作为观测样本，将k株幼苗对应的叶面积与株高之比的和之后取平均后获取该穴盘幼苗的壮苗指数。
进一步，所述彩色图像和深度图像由Kinect传感器采集。
进一步，通过彩色图像处理获得每盘穴盘苗的发芽率的具体过程为：将彩色图像进行超绿灰度化后获取灰度图，采用大率算法进行全局灰度阈值分割后获取最佳阈值，根据最佳阈值将灰度图转换为二值图，采用4联通准则导出目标区域个数即为每盘穴盘苗的发芽个数，发芽个数与穴盘格数之比为发芽率。
进一步，幼苗可移栽前的彩色图像灰度化，采用大率算法进行阈值分割后获取最佳阈值，根据最佳阈值将灰度图转换为二值图，采用单连通区域统计法对二值图像去燥，获取目标单连通区域为O。
进一步，对目标单连通区域O进行最小外接矩形法统计，获得形心像素点信息，将该形心像素点信息映射到对应的深度图像，获得该形心坐标下的深度信息，该深度信息可表示 Kinect传感器与形心的距离x1，则该株幼苗株高h为：h＝x3-x1-x2，其中x2为穴盘高度，常数x3为Kinect传感器距离穴盘底面的高度。
进一步，若几个单连通区域的形心坐标在一个穴孔矩形则归为一株黄瓜穴盘苗，调用映射函数，实现该株幼苗彩色图像和深度图像的对齐，输出所有灰度值大于0的像素点的三维坐标，得到叶片的三维点云，对三维点云均匀化、遍历插值后，得到叶片的拟合曲面，利用像素点坐标间的差与比例尺rt之积可计算三个顶点之间的相互距离，通过三个顶点之间的相互距离计算每一个拟合曲面中网格的面积并求和，即可得到该株幼苗叶片拟合曲面的总面积S。
进一步，所述比例尺其中Et为空穴盘的实际面积，Ft为穴盘图像像素点数目，t表示对应的穴盘格数。
进一步，所述穴盘幼苗的壮苗指数其中sj和hj分别为幼苗对应植株叶面积与株高。
进一步，所述可移栽前穴盘苗幼苗的条件为两叶一心。
一种基于颜色和深度信息的穴盘苗长势无损监测装置，包括可移动支架、穴盘苗、Kinect 传感器、便携式计算机及行走装置，可移动支架上方安装Kinect传感器，Kinect传感器与便携式计算机相连，Kinect传感器采集黄瓜穴盘苗的彩色图像与深度图像，通过便携式计算机实现对穴盘苗发芽率与壮苗指数自动监测；所述行走装置包括车轮、链轮、链条、电机、传动齿轮、垄间导轨，可移动支架的底端与车轮连接，车轮与链轮连接，链轮中嵌有链条，链条两端装有传动齿轮，链条的一端还装有电机，车轮在垄间导轨上移动。
与现有技术相比，本发明具有如下有益效果：
本发明在穴盘苗发芽率与壮苗指数自动识别中，通过彩色图像超绿处理获得每盘穴盘苗的发芽率,实现了穴盘发芽率的精准自动监测；通过彩色图像与深度图像配准，得到三维点云重建后获取的幼苗叶面积，能精准获取幼苗叶面积，解决了使用叶面积仪测定叶面积价格昂贵且不适合幼苗测量的不足；通过深度图像处理快速获得每株幼苗株高，解决了抽样后手工测量，操作耗时且测量精度低的不足；将每穴盘随机选择的黄瓜幼苗对应植株叶面积与株高之比的和取平均后表示该穴盘幼苗的壮苗指数，实现了壮苗率的自动精准监测。
附图说明
图1为本发明基于颜色-深度信息的穴盘苗长势无损监测装置示意图；
图2为可移动支架装置示意图；
图3为本发明穴盘苗长势无损监测流程图。
图中：1-可移动支架、2-穴盘苗、3-Kinect传感器、4-便携式计算机，5-车轮、6-链轮、 7-链条、8-电机、9-传动齿轮、10-垄间导轨。
具体实施方式
下面结合附图和具体实施例，对本发明的技术方案做进一步详细说明，但本发明的保护范围并不限于此。
本发明提出了一种基于颜色-深度信息的穴盘苗长势无损监测方法与装置，通过Kinect 传感器获取穴盘苗彩色图像与深度图像，通过彩色图像超绿处理、联通处理后自动识别穴盘苗发芽率；通过彩色图像与深度图像配准，得到三维点云重建后获取的幼苗叶面积，通过形心坐标深度信息提取后获得幼苗株高，采用幼苗叶面积与株高的复合指标进行壮苗指数无损自动监测。解决了穴盘苗发芽率无法自动识别、移栽穴盘苗时对穴盘苗健康判断方式过于简单，无法融合多项指标进行壮苗选择的问题。对于叶片伸展充分、无遮挡的幼龄秧苗测量精度较高，为进一步开发温室蔬菜穴盘秧苗发芽率及长势在线监测设备提供重要技术支撑。
以黄瓜穴盘幼苗分析为例，具体实施方法分以下步骤进行。
如图1、2所示，一种基于颜色-深度信息的穴盘苗长势无损监测装置，包括可移动支架1、黄瓜穴盘苗2、Kinect传感器3及便携式计算机4，其中可移动支架1上方安装Kinect传感器3，Kinect传感器3与便携式计算机4相连，Kinect传感器3采集黄瓜穴盘苗2的彩色图像与深度图像，通过应用便携式计算机4上的MATLAB软件实现对穴盘苗发芽率与壮苗指数自动监测；可移动支架1为类“门”字型，支架底端连接行走装置，行走装置包括：车轮5、链轮6、链条7、电机8、传动齿轮9，可移动支架1底端分别连接两个车轮5：车轮5的中间轴与可移动支架1焊接在一起，车轮5滚动时带动可移动支架1移动，车轮5 与链轮6通过键轴连接，链轮6中嵌有链条7，链条7两端装有传动齿轮9，并链条7的一端还装有电机8。可移动支架1行走方式：电机8转动，带动传动齿轮9转动，传动齿轮9 通过传动链条7传输动力，传动链条7的转动带动链轮6滚动，车轮5在垄间导轨10上滚动，从而带动可移动支架1移动，垄间导轨10设置于地面上。通过电机脉宽调制(PWM) 技术，改变脉冲占空比，控制可移动支架1的前进或后退方向，并实现行走速度的精准控制，此控制方法具有响应速度好、稳定精度高、抗干扰性好、调速范围宽、系统结构简单、工作可靠等优点。
本实例中，温室垄间可移动支架1的高度为2米，穴盘规格分别为32(4*8)、50(5*10)、 72(6*12)、128(8*16)、200(10*20)穴格的穴盘，育苗种子为中寿35号黄瓜，育苗基质采用镇江培蕾基质科技发展有限公司的育苗基质，Kinect传感器3是微软公司的Kinect2.0深度相机，彩色图像有效像素为1920*1018，红外图像有效像素为512*424，便携式计算机的处理器为Intel(R)Core(TM)i5-4210UCPU@1.70GHz 2.40GHz,系统类型为64-bitoperating system,x64-based processer，内存为4GB，硬盘容量为450GB，彩色图像处理与深度图像处理在MATLAB2016a环境下处理。
如图3所示，具体的监测过程为：
步骤一、如图1所示，Kinect传感器3伴随可移动支架1的移动，在穴盘苗2发芽后3-5天依次采集不同穴盘的幼苗图像，包括彩色图和深度图，按时间顺序保存在便携式计算机4中；在穴盘苗长至可移栽前依次采集不同穴盘的幼苗图像，包括彩色图和深度图，按时间顺序保存在便携式计算机4中。
步骤二、将步骤一中发芽后的彩色图像导入MATLAB2016a中，采用超绿灰度化因子(2G-R-B)来将黄瓜穴盘幼苗图像灰度化(R、G、B为红、绿、蓝三个颜色通道)，获取黄瓜穴盘幼苗绿色特征；可通过改变G-R-B前面系数，来得到最清晰的穴盘轮廓，本实施例黄瓜穴盘苗的最佳灰度化因子为2.5G-R-1.5B。
上式中，f(x,y)是像素点(x,y)的超绿灰度值。
步骤三、采用大率算法(Ostu’s method)对步骤二中获得的超绿图像进行全局灰度阈值分割，调用graythresh函数计算全局灰度阈值，再调用im2bw函数按上述阈值将灰度图转换为二值图。
步骤四、根据目标和背景区域的不同连通性，采用4联通准则，调用bwlabel函数判定目标区域连通个数，导出的目标区域个数为n1，刚发芽幼苗无遮挡，联通性强，连通区域能包含整株幼苗，故目标区域个数可记为发芽个数n1，在MATLAB命令窗口输入穴盘格数 n2，则该穴盘发苗芽率a为：
a＝n1/n2 (2)
步骤五、将步骤一中黄瓜穴盘苗长至可移栽前的某一天的彩色图像导入MATLAB2016a 中，由于叶片较大，所以穴盘及基质的颜色特征影响减弱，可直接采用超绿灰度化因子 (2G-R-B)来将黄瓜穴盘幼苗图像灰度化，获取黄瓜穴盘幼苗绿色特征。
上式中，f'(x,y)是像素点(x,y)的超绿灰度值；采用大率算法对获得的超绿图像进行最大类间方差分割，调用graythresh函数计算全局灰度阈值，调用MATLAB函数im2bw按上述全局灰度阈值将灰度图转换为二值图。
步骤六、采用单连通区域统计法对步骤五中的二值图像去燥，设定一个面积阈值t，去除面积小于阈值t的孤立边缘点；设有n个单连通区域分布在图像中，对于任意一个区域Qi，可通过阈值t统计噪声：
上式中，ci是单连通区域面积，t为设定的面积阈值，B为背景集合，O为目标集合。
步骤七、对步骤六中所获得的目标单连通区域进行最小外接矩形法统计，获得形心的像素点坐标为(n1,n2)，调用Kinect for windows SDK提供的映射函数Map Depth ToColor Image Point，实现该株幼苗彩色图像和深度图像的对齐，即将彩色图像中的像素点(n1,n2)映射到深度图中的像素点(n1',n2',x1),则相机与形心的距离为x1，穴盘高度为x2(由穴盘规格决定)，Kinect相机距离穴盘底面的高度为常数x3(由可移动支架1的高度决定),则该株幼苗株高h为：
h＝x3-x1-x2 (5)
步骤八、记32(4*8)、50(5*10)、72(6*12)、128(8*16)、200(10*20)空穴格的穴盘实际面积为Et(其中右下角下标t表示对应的穴盘格数),MATLAB2016a中提取出穴盘图像像素点数目为Ft(其中右下角下标t表示对应的穴盘格数),可以根据公式算出不同规格穴盘的不同比例尺rt：
其中t表示对应的穴盘格数，本实验取t＝32,50,72,128,200格,根据公式(5)可以将X,Y 两个轴的像素尺寸转换为物理尺寸，用于叶面积的计算；由于Kinect传感器的深度值是物理尺寸值(出厂时已标定好)，因此Z轴不需要进行标定。
步骤九、找出步骤六中的单连通区域，若几个单连通区域的形心坐标在一个穴孔矩形 (本实验在一个矩形穴孔内的单连通区域未超过5个)则归为一株黄瓜穴盘苗。调用映射函数像中的每一个像素点(u,v)映射到深度图中的像素点(x,y,z)，输出所有灰度值大于0 的像素点的三维坐标，得到叶片的三维点云。对三维点云使用MATLAB函数griddata(x,y,z,X1,Y1)进行Map Depth To Color Image Point，实现该株幼苗彩色图像和深度图像的对齐，将彩色图插值使其均匀化；使用MATLAB函数surf(X,Y,Z)再进行曲面拟合，数据镂空依据轮廓点集进行，遍历插值后的曲面，得到叶片的拟合曲面；叶片曲面由大量的立体小网格构成，网格有3个顶点时，利用像素点坐标间的差与步骤八中的比例尺rt之积可计算顶点之间的相互距离a、b、c，再使用Heron’s formula公式计算小网格面积S′:
按照公式(7)计算每一个网格的面积并求和，得到该株幼苗叶片拟合曲面的总面积S。
步骤十、黄瓜幼苗叶面积和株高在本实施例中作为复合壮苗指数的指标，当穴盘苗长 至可移栽前用Kinect传感器对穴盘苗进行彩色图像和深度图像的提取，MATLAB根据穴盘 规格自动从穴盘苗左上方第一行开始编号，从左到右标记每格编号为P(m,n)，m为第m行 穴孔，n为第n列穴孔，按穴盘规格生成5对随机数序列 (m1，n1)，(m2，n2)，(m3，n3)，(m4，n4)，(m5，n5)，每盘随机选择5株黄瓜幼苗作为观测样本，将该5 株黄瓜幼苗对应植株叶面积sj(1≤j≤5)与株高hj(1≤j≤5)之比的和取平均后可表示该穴盘 幼苗的壮苗指数I：
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，采集穴盘苗幼苗发芽后3-5天中任意一天的彩色图像和深度图像，通过彩色图像处理获得每盘穴盘苗的发芽率；采集穴盘苗幼苗可移栽前的彩色图像与深度图像，通过彩色图像处理和深度信息提取，获取植株叶面积与株高，叶面积与株高之比即可表示该株幼苗的壮苗指数；每盘随机选择k株幼苗作为观测样本，将k株幼苗对应的叶面积与株高之比的和之后取平均后获取该穴盘幼苗的壮苗指数。
2.根据权利要求1所述的一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，所述彩色图像和深度图像由Kinect传感器采集。
3.根据权利要求1或2所述的一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，通过彩色图像处理获得每盘穴盘苗的发芽率的具体过程为：将彩色图像进行超绿灰度化后获取灰度图，采用大率算法进行全局灰度阈值分割后获取最佳阈值，根据最佳阈值将灰度图转换为二值图，采用4联通准则导出目标区域个数即为每盘穴盘苗的发芽个数，发芽个数与穴盘格数之比为发芽率。
4.根据权利要求1所述的一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，幼苗可移栽前的彩色图像灰度化，采用大率算法进行阈值分割后获取最佳阈值，根据最佳阈值将灰度图转换为二值图，采用单连通区域统计法对二值图像去燥，获取目标单连通区域为O。
5.根据权利要求1或4所述的一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，对目标单连通区域O进行最小外接矩形法统计，获得形心像素点信息，将该形心像素点信息映射到对应的深度图像，获得该形心坐标下的深度信息，该深度信息可表示Kinect传感器与形心的距离x1，则该株幼苗株高h为：h＝x3-x1-x2，其中x2为穴盘高度，常数x3为Kinect传感器距离穴盘底面的高度。
6.根据权利要求5所述的一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，若几个单连通区域的形心坐标在一个穴孔矩形则归为一株黄瓜穴盘苗，调用映射函数，实现该株幼苗彩色图像和深度图像的对齐，输出所有灰度值大于0的像素点的三维坐标，得到叶片的三维点云，对三维点云均匀化、遍历插值后，得到叶片的拟合曲面，利用像素点坐标间的差与比例尺rt之积可计算三个顶点之间的相互距离，通过三个顶点之间的相互距离计算每一个拟合曲面中网格的面积并求和，即可得到该株幼苗叶片拟合曲面的总面积S。
7.根据权利要求6所述的一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，所述比例尺其中Et为空穴盘的实际面积，Ft为穴盘图像像素点数目，t表示对应的穴盘格数。
8.根据权利要求6或7所述的一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，所述穴盘幼苗的壮苗指数其中sj和hj分别为幼苗对应植株叶面积与株高。
9.根据权利要求1所述的一种基于颜色和深度信息的穴盘苗长势无损监测方法，其特征在于，所述可移栽前穴盘苗幼苗的条件为两叶一心。
10.一种根据权利要求1所述的基于颜色和深度信息的穴盘苗长势无损监测方法的装置，其特征在于，包括可移动支架(1)、穴盘苗(2)、Kinect传感器(3)、便携式计算机(4)及行走装置，可移动支架(1)上方安装Kinect传感器(3)，Kinect传感器(3)与便携式计算机(4)相连，Kinect传感器(3)采集黄瓜穴盘苗(2)的彩色图像与深度图像，通过便携式计算机(4)实现对穴盘苗发芽率与壮苗指数自动监测；所述行走装置包括车轮(5)、链轮(6)、链条(7)、电机(8)、传动齿轮(9)、垄间导轨(10)，可移动支架(1)的底端与车轮(5)连接，车轮(5)与链轮(6)连接，链轮(6)中嵌有链条(7)，链条(7)两端装有传动齿轮(9)，链条(7)的一端还装有电机(8)，车轮(5)在垄间导轨(10)上移动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810979058.3A CN109115776B (zh) | 2018-08-27 | 2018-08-27 | 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810979058.3A CN109115776B (zh) | 2018-08-27 | 2018-08-27 | 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109115776A true CN109115776A (zh) | 2019-01-01 |
| CN109115776B CN109115776B (zh) | 2020-07-31 |
Family
ID=64860163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810979058.3A Active CN109115776B (zh) | 2018-08-27 | 2018-08-27 | 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109115776B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109801333A (zh) * | 2019-03-19 | 2019-05-24 | 北京华捷艾米科技有限公司 | 体积测量方法、装置、系统及计算设备 |
| CN110637644A (zh) * | 2019-08-20 | 2020-01-03 | 江苏大学 | 面向苗床盆栽的设施花卉搬运协同作业控制方法 |
| CN111289695A (zh) * | 2020-03-07 | 2020-06-16 | 华中农业大学 | 穴盘苗壮苗评价方法 |
| CN111523781A (zh) * | 2020-04-14 | 2020-08-11 | 四川大学 | 一种对林线环境下岷江冷杉幼苗长势进行综合评价的方法 |
| CN111539964A (zh) * | 2020-04-02 | 2020-08-14 | 浙江科技学院 | 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质 |
| CN111886982A (zh) * | 2020-08-21 | 2020-11-06 | 农业农村部南京农业机械化研究所 | 一种旱地栽植作业质量实时检测系统和检测方法 |
| CN112883881A (zh) * | 2021-02-25 | 2021-06-01 | 中国农业大学 | 一种条状农产品无序分拣方法及装置 |
| CN113409298A (zh) * | 2021-07-08 | 2021-09-17 | 广西大学 | 基于Kinect V2传感器的香蕉植株长势评价系统 |
| WO2021212932A1 (zh) * | 2020-04-23 | 2021-10-28 | 江苏大学 | 一种作物群体冠层叶绿素荧光三维分布信息获取方法与装置 |
| CN113865481A (zh) * | 2020-06-30 | 2021-12-31 | 北京小米移动软件有限公司 | 对象尺寸测量方法、装置及存储介质 |
| US11327021B1 (en) | 2020-04-23 | 2022-05-10 | Jiangsu University | Method and device for crop canopy chlorophyll fluorescence three-dimensional distribution information acquisition |
| CN114743100A (zh) * | 2022-04-06 | 2022-07-12 | 布瑞克(苏州)农业互联网股份有限公司 | 一种农产品长势监测方法和系统 |
| US20220222836A1 (en) * | 2021-01-12 | 2022-07-14 | Hon Hai Precision Industry Co., Ltd. | Method for determining height of plant, electronic device, and storage medium |
| CN114812440A (zh) * | 2022-04-22 | 2022-07-29 | 国网湖北省电力有限公司十堰供电公司 | 一种基于线结构光的高层建筑防火封堵模块缺陷检测装置及方法 |
| CN114998656A (zh) * | 2022-06-09 | 2022-09-02 | 中国科学院宁波材料技术与工程研究所 | 一种穴盘苗分类方法及系统 |
| CN115088416A (zh) * | 2022-07-08 | 2022-09-23 | 南京农业大学 | 农作物种子发芽率检测装置及其图像检测方法 |
| CN116468657A (zh) * | 2023-02-17 | 2023-07-21 | 七海行(深圳)科技有限公司 | 植株长势的检测方法、设备、装置及计算机存储介质 |
| CN116797601A (zh) * | 2023-08-24 | 2023-09-22 | 西南林业大学 | 一种基于图像识别的华山松生长动态的监控方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101697704A (zh) * | 2009-11-06 | 2010-04-28 | 西北农林科技大学 | 一种用于辣椒育苗的无土栽培有机基质及其制备方法 |
| CN106857211A (zh) * | 2017-03-22 | 2017-06-20 | 上海市农业科学院 | 一种菜用大豆全生育期耐盐性的鉴定方法 |
-
2018
- 2018-08-27 CN CN201810979058.3A patent/CN109115776B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101697704A (zh) * | 2009-11-06 | 2010-04-28 | 西北农林科技大学 | 一种用于辣椒育苗的无土栽培有机基质及其制备方法 |
| CN106857211A (zh) * | 2017-03-22 | 2017-06-20 | 上海市农业科学院 | 一种菜用大豆全生育期耐盐性的鉴定方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张晓宇等: "《数字图像处理在玉米发芽试验中的应用研究》", 《玉米科学》 * |
| 胡杨: "《基于深度相机的叶菜类作物三维重建与生长测量方法》", 《中国博士学位论文全文数据库》 * |
| 赵瑞等: "《椰糠对黄瓜穴盘苗生长发育的影响》", 《中国蔬菜》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109801333A (zh) * | 2019-03-19 | 2019-05-24 | 北京华捷艾米科技有限公司 | 体积测量方法、装置、系统及计算设备 |
| CN110637644A (zh) * | 2019-08-20 | 2020-01-03 | 江苏大学 | 面向苗床盆栽的设施花卉搬运协同作业控制方法 |
| CN111289695A (zh) * | 2020-03-07 | 2020-06-16 | 华中农业大学 | 穴盘苗壮苗评价方法 |
| CN111539964A (zh) * | 2020-04-02 | 2020-08-14 | 浙江科技学院 | 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质 |
| CN111539964B (zh) * | 2020-04-02 | 2023-11-07 | 浙江科技学院 | 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质 |
| CN111523781B (zh) * | 2020-04-14 | 2023-04-25 | 四川大学 | 一种对林线环境下岷江冷杉幼苗长势进行综合评价的方法 |
| CN111523781A (zh) * | 2020-04-14 | 2020-08-11 | 四川大学 | 一种对林线环境下岷江冷杉幼苗长势进行综合评价的方法 |
| WO2021212932A1 (zh) * | 2020-04-23 | 2021-10-28 | 江苏大学 | 一种作物群体冠层叶绿素荧光三维分布信息获取方法与装置 |
| US11327021B1 (en) | 2020-04-23 | 2022-05-10 | Jiangsu University | Method and device for crop canopy chlorophyll fluorescence three-dimensional distribution information acquisition |
| CN113865481B (zh) * | 2020-06-30 | 2024-05-07 | 北京小米移动软件有限公司 | 对象尺寸测量方法、装置及存储介质 |
| CN113865481A (zh) * | 2020-06-30 | 2021-12-31 | 北京小米移动软件有限公司 | 对象尺寸测量方法、装置及存储介质 |
| CN111886982A (zh) * | 2020-08-21 | 2020-11-06 | 农业农村部南京农业机械化研究所 | 一种旱地栽植作业质量实时检测系统和检测方法 |
| CN111886982B (zh) * | 2020-08-21 | 2022-03-22 | 农业农村部南京农业机械化研究所 | 一种旱地栽植作业质量实时检测系统的检测方法 |
| US20220222836A1 (en) * | 2021-01-12 | 2022-07-14 | Hon Hai Precision Industry Co., Ltd. | Method for determining height of plant, electronic device, and storage medium |
| US11954875B2 (en) * | 2021-01-12 | 2024-04-09 | Hon Hai Precision Industry Co., Ltd. | Method for determining height of plant, electronic device, and storage medium |
| CN112883881B (zh) * | 2021-02-25 | 2023-10-31 | 中国农业大学 | 一种条状农产品无序分拣方法及装置 |
| CN112883881A (zh) * | 2021-02-25 | 2021-06-01 | 中国农业大学 | 一种条状农产品无序分拣方法及装置 |
| CN113409298A (zh) * | 2021-07-08 | 2021-09-17 | 广西大学 | 基于Kinect V2传感器的香蕉植株长势评价系统 |
| CN114743100A (zh) * | 2022-04-06 | 2022-07-12 | 布瑞克(苏州)农业互联网股份有限公司 | 一种农产品长势监测方法和系统 |
| CN114743100B (zh) * | 2022-04-06 | 2023-05-23 | 布瑞克(苏州)农业互联网股份有限公司 | 一种农产品长势监测方法和系统 |
| CN114812440A (zh) * | 2022-04-22 | 2022-07-29 | 国网湖北省电力有限公司十堰供电公司 | 一种基于线结构光的高层建筑防火封堵模块缺陷检测装置及方法 |
| CN114998656A (zh) * | 2022-06-09 | 2022-09-02 | 中国科学院宁波材料技术与工程研究所 | 一种穴盘苗分类方法及系统 |
| CN115088416A (zh) * | 2022-07-08 | 2022-09-23 | 南京农业大学 | 农作物种子发芽率检测装置及其图像检测方法 |
| CN116468657A (zh) * | 2023-02-17 | 2023-07-21 | 七海行(深圳)科技有限公司 | 植株长势的检测方法、设备、装置及计算机存储介质 |
| CN116797601A (zh) * | 2023-08-24 | 2023-09-22 | 西南林业大学 | 一种基于图像识别的华山松生长动态的监控方法及系统 |
| CN116797601B (zh) * | 2023-08-24 | 2023-11-07 | 西南林业大学 | 一种基于图像识别的华山松生长动态的监控方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109115776B (zh) | 2020-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109115776A (zh) | 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置 | |
| CN102524024B (zh) | 基于计算机视觉的作物灌溉系统 | |
| CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
| US11436824B2 (en) | Water stress detection method for tomatoes in seedling stage based on micro-CT and polarization-hyperspectral imaging multi-feature fusion | |
| CN102789579B (zh) | 基于计算机视觉技术的温室作物水肥胁迫状态识别方法 | |
| Story et al. | Lettuce calcium deficiency detection with machine vision computed plant features in controlled environments | |
| CN102550374B (zh) | 结合计算机视觉和多传感器的作物灌溉系统 | |
| CN102564593A (zh) | 基于计算机视觉及物联网的植物生长状况监测系统 | |
| CN107316116A (zh) | 一种叶类蔬菜产量预测方法 | |
| CN106718363B (zh) | 一种面向精细农业的灌溉试验方法及其试验平台 | |
| CN1936919A (zh) | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 | |
| CN107748886A (zh) | 一种基于深度相机的轨道式现代标准化果园信息感知系统 | |
| CN105844632A (zh) | 基于机器视觉的稻株识别与定位方法 | |
| CN102663396B (zh) | 一种水稻乳熟期自动检测的方法 | |
| CN106258028A (zh) | 一种机器视觉伺服的智能间苗锄草机具 | |
| CN108106676A (zh) | 一种基于遥感数据的农作物晚霜冻害的监测方法和装置 | |
| CN106651149A (zh) | 一种植物生长行为分析方法 | |
| CN110024648A (zh) | 基于深度神经网络的川贝母精准种植方法 | |
| CN110348862B (zh) | 一种保障作物种植环境无污染并对农产品溯源的方法 | |
| CN115294518A (zh) | 一种园艺植物温室精准栽培的智能监控方法及系统 | |
| Lin et al. | Data-driven modeling for crop growth in plant factories | |
| Zhang et al. | Application of computer vision technology in agricultural field | |
| CN115756037A (zh) | 一种设施大棚蔬菜管控方法及系统 | |
| Franzen et al. | Optimal pruning of apple and effects on tree architecture, productivity, and fruit quality | |
| CN210442832U (zh) | 一种环境监测及所产农产品溯源的系统 |
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: 20230418 Address after: 215500 Xue Dian village, Xinzhuang Town (Yang Yuan), Changshou City, Suzhou, Jiangsu. Patentee after: Changshu Jiasheng Agricultural Technology Development Co.,Ltd. Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301 Patentee before: JIANGSU University |