CN109255338B - 海棠种和品种的判别方法、装置、存储介质及电子设备 - Google Patents
海棠种和品种的判别方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN109255338B CN109255338B CN201811160690.1A CN201811160690A CN109255338B CN 109255338 B CN109255338 B CN 109255338B CN 201811160690 A CN201811160690 A CN 201811160690A CN 109255338 B CN109255338 B CN 109255338B
- Authority
- CN
- China
- Prior art keywords
- regularity
- characteristic data
- sub
- feature data
- bit weight
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种海棠种和品种的判别方法、装置、存储介质及电子设备，涉及植物鉴定技术领域。其中，所述方法通过海棠花器官的规整性数据计算得到海棠花器官的规整性得分，然后将该规整性得分与预设的阈值范围对比判定海棠种和品种的分类地位。该方法不仅应用简单，还可以对海棠种和品种的分类地位进行有效地判断，为海棠种和品种分类地位的界定提供理论依据。
Description
技术领域
本申请涉及植物鉴定技术领域，具体而言，涉及海棠种和品种的判别方法、装置、存储介质及电子设备。
背景技术
海棠(Malus spp.)为蔷薇科(Rosaceae)苹果属(Malus)中果径较小(≤5cm)的一类植物的总称。其中，扁果海棠(M.platycarpa)、沙金海棠(M.sargentii)、楸子(M.prunifolia)、西府海棠(M.micromalus)、朱眉海棠(M.zumi)、海棠花(M.spectabilis)、多花海棠(M.floribunda)等，由于种的概念和分类标准不同，目前在种和品种的分类地位上还存在一定的争议。
鉴于此，对于本领域技术人员而言，研究一种可以有效判别海棠种和品种的方法具有重要意义。
发明内容
为了解决现有技术中的上述问题，本申请提供一种海棠种和品种的判别方法、装置、存储介质及电子设备，以通过海棠花器官的规整性判别海棠种和品种的分类地位。
为了实现上述目的，本申请较佳实施例采用的技术方案如下：
第一方面，本申请实施例提供一种海棠种和品种的判别方法，所述方法包括：
获取待判别海棠的图像信息；
从所述图像信息中提取海棠花器官的规整性数据，其中，所述规整性数据包括表征花冠规整性的第一特征数据、表征花瓣规整性的第二特征数据及表征瓣态规整性的第三特征数据；
根据所述第一特征数据、第二特征数据、第三特征数据以及所述第一特征数据、第二特征数据、第三特征数据分别对应的位权值计算所述海棠花器官的规整性得分；
根据所述规整性得分判别所述海棠为种或品种。
进一步地，在本申请实施例中，所述位权值包括所述第一特征数据对应的第一位权值、所述第二特征数据对应的第二位权值及所述第三特征数据对应的第三位权值，其中，所述第一位权值大于所述第二位权值，所述第二位权值大于所述第三位权值；
根据所述第一特征数据、第二特征数据、第三特征数据以及所述第一特征数据、第二特征数据、第三特征数据分别对应的位权值计算所述海棠花器官的规整性得分的步骤，包括：
计算第一特征数据与第一位权值的第一乘积、第二特征数据与第二位权值的第二乘积以及第三特征数据与第三位权值的第三乘积；
对所述第一乘积、第二乘积及第三乘积求和，并将所述第一乘积、第二乘积、第三乘积之和作为所述海棠花器官的规整性得分。
进一步地，在本申请实施例中，所述根据所述规整性得分判别所述海棠为种或品种的步骤，包括：
在所述规整性得分处于预设的第一阈值范围时，将所述海棠判定为种；
在所述规整性得分处于预设的第二阈值范围时，将所述海棠判定为品种。
进一步地，在本申请实施例中，所述从所述图像信息中提取海棠花器官的规整性数据的步骤，包括：
从所述图像信息中提取表征对称性的第一子特征数据、表征同面性的第二子特征数据、表征大小一致性的第三子特征数据、表征形状一致性的第四子特征、表征皱缩一致性的第五子特征数据以及表征卷曲一致性的第六子特征数据；
根据所述第一子特征数据和第二子特征数据确定表征花冠规整性的第一特征数据；
根据所述第三子特征数据和第四子特征数据确定表征花瓣规整性的第二特征数据；
根据所述第五子特征数据和第六子特征数据确定表征瓣态规整性的第三特征数据。
第二方面，本申请实施例提供一种海棠种和品种的判别装置，所述装置包括：
获取模块，用于获取待判别海棠的图像信息；
数据提取模块，用于从所述图像信息中提取海棠花器官的规整性数据，其中，所述规整性数据包括表征花冠规整性的第一特征数据、表征花瓣规整性的第二特征数据及表征瓣态规整性的第三特征数据；
计算模块，用于根据所述第一特征数据、第二特征数据、第三特征数据以及所述第一特征数据、第二特征数据、第三特征数据分别对应的位权值计算所述海棠花器官的规整性得分；
判定模块，用于根据所述规整性得分判别所述海棠为种或品种。
进一步地，在本申请实施例中，所述位权值包括所述第一特征数据对应的第一位权值、所述第二特征数据对应的第二位权值及所述第三特征数据对应的第三位权值，其中，所述第一位权值大于所述第二位权值，所述第二位权值大于所述第三位权值；所述计算模块具体用于：
计算第一特征数据与第一位权值的第一乘积、第二特征数据与第二位权值的第二乘积以及第三特征数据与第三位权值的第三乘积；
对所述第一乘积、第二乘积及第三乘积求和，并将所述第一乘积、第二乘积、第三乘积之和作为所述海棠花器官的规整性得分。
进一步地，在本申请实施例中，所述判定模块具体用于：
在所述规整性得分处于预设的第一阈值范围时，将所述海棠判定为种；
在所述规整性得分处于预设的第二阈值范围时，将所述海棠判定为品种。
进一步地，在本申请实施例中，所述数据提取模块具体用于：
从所述图像信息中提取表征对称性的第一子特征数据、表征同面性的第二子特征数据、表征大小一致性的第三子特征数据、表征形状一致性的第四子特征、表征皱缩一致性的第五子特征数据以及表征卷曲一致性的第六子特征数据；
根据所述第一子特征数据和第二子特征数据确定表征花冠规整性的第一特征数据；
根据所述第三子特征数据和第四子特征数据确定表征花瓣规整性的第二特征数据；
根据所述第五子特征数据和第六子特征数据确定表征瓣态规整性的第三特征数据。
第三方面，本申请实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器加载执行时，实现上述的方法。
第四方面，本申请实施例提供一种电子设备，所述电子设备包括处理器及存储器；其中，所述存储器用于存储计算机程序，所述处理器用于加载执行所述计算机程序，以使所述电子设备执行上述的方法。
相对于现有技术而言，本申请具有以下有益效果：
本申请实施例提供的海棠种和品种的判别方法，通过海棠花器官的规整性数据计算得到海棠花器官的规整性得分，然后将该规整性得分与预设的阈值范围对比判定海棠种和品种的分类地位。该方法不仅应用简单，还可以对海棠种和品种的分类地位进行有效地判断，为海棠种和品种分类地位的界定提供理论依据。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的部分实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的电子设备的结构示意图；
图2为本申请实施例提供的海棠种和品种的判别方法的步骤流程示意图；
图3为图2中步骤S20的子步骤流程示意图；
图4为图2中步骤S30的子步骤流程示意图；
图5为本申请实施例提供的海棠种和品种的判别装置的模块示意图。
图标：100-电子设备；111-存储器；112-存储控制器；113-处理器；70-海棠种和品种的判别装置；701-获取模块；702-数据提取模块；703-计算模块；704-判定模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请实施例的描述中，需要说明的是，术语“第一”、“第二”等命名方式仅是为了区分不同特征，便于描述本申请和简化描述，而不是指示或暗示其相对重要性，因此不能理解为对本申请的限制。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，本申请实施例提供一种电子设备100。所述电子设备100可以包括海棠种和品种的判别装置70、存储器111、存储控制器112及处理器113。
所述存储器111、存储控制器112及处理器113各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述海棠种和品种的判别装置70可以包括至少一个可以软件或固件(firmware)的形式存储于所述存储器111中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器113用于执行所述存储器111中存储的可执行模块，例如所述海棠种和品种的判别装置70所包括的软件功能模块及计算机程序等。
其中，所述存储器111可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，存储器111用于存储程序，所述处理器113在接收到执行指令后，执行所述程序。所述处理器113以及其他可能的组件对存储器111的访问可在所述存储控制器112的控制下进行。
所述处理器113可能是一种集成电路芯片，具有信号的处理能力；也可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
在本申请实施例中，所述海棠种和品种的判别装置70为所述电子设备100提供海棠种和品种的判别功能。
应当理解的是，图1所示的结构仅为示意图，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
进一步地，请参照图2，本申请实施例提供一种海棠种和品种的判别方法，该方法可以应用于图1所示的电子设备100，所述方法包括：
步骤S10，获取待判别海棠的图像信息。
在本申请实施例中，可以通过所述电子设备100接收其他设备采集的数据，得到待判别海棠的图像信息。
可替换地，在本申请的一种实施方式中，所述电子设备100还可以配置图像采集装置(如：摄像头)，然后通过该图像采集装置采集得到待判别海棠的图像信息。
进一步地，请继续参照图2，所述方法还包括：
步骤S20，从所述图像信息中提取海棠花器官的规整性数据，其中，所述规整性数据包括表征花冠规整性的第一特征数据、表征花瓣规整性的第二特征数据及表征瓣态规整性的第三特征数据。
在本申请实施例中，所述待判别海棠的图像信息可以包括从多个角度采集得到的多幅图像，在通过上述步骤S10得到待判别海棠的图像信息之后，可以通过所述电子设备100对待判别海棠进行图像识别，得到所述待判别海棠花器官的规整性数据。
具体地，请参照图3，在本申请实施例中，所述步骤S20可以包括以下子步骤：
子步骤S21，从所述图像信息中提取表征对称性的第一子特征数据、表征同面性的第二子特征数据、表征大小一致性的第三子特征数据、表征形状一致性的第四子特征、表征皱缩一致性的第五子特征数据以及表征卷曲一致性的第六子特征数据。
其中，所述第一子特征数据包括0和1两种情况，即当电子设备100检测到所述待判别海棠的花器官不满足对称性时，将所述第一子特征数据设置为0，当所述电子设备100检测到所述待判别海棠的花器官满足平面对称或立体对称时，将所述第一子特征数据设置为1。
所述第二子特征数据、第三子特征数据、第四子特征数据、第五子特征数据及第六子特征数据与所述第一子特征数据同理，因此，此处不再进行赘述。
可选地，在本申请实施例中，所述第一子特征数据、第二子特征数据、第三子特征数据、第四子特征数据、第五子特征数据及第六子特征数据还可以通过人工对待判别海棠的花器官进行规整性判断后输入所述电子设备100得到，并且，在本申请实施例中，当电子设备100通过图像识别得到的规整性数据有误时还可以通过人工修改。
进一步地，在本申请实施例中，所述步骤S20还包括：
子步骤S22，根据所述第一子特征数据和第二子特征数据确定表征花冠规整性的第一特征数据。
子步骤S23，根据所述第三子特征数据和第四子特征数据确定表征花瓣规整性的第二特征数据。
子步骤S24，根据所述第五子特征数据和第六子特征数据确定表征瓣态规整性的第三特征数据。
在本申请实施例中，所述第一特征数据、第二特征数据及第三特征数据与所述第一子特征数据、第二子特征数据、第三子特征数据、第四子特征数据、第五子特征数据及第六子特征数据相同，均包括0和1两种情况。具体地，当所述第一子特征数据与第二子特征数据同时为1时，将所述第一特征数据设置为1，否则，将所述第一特征数据设置为0。换言之，即当待判别海棠的花器官同时满足对称性和同面性时(其中，同面性指花器官的所有花瓣位于同一平面或同一弧面)，将表征待判别海棠花冠规整性的第一特征数据设置为1，否则将第一特征数据设置为0。
同理地，当所述第三子特征数据和第四子特征数据同时为1时，将所述第二特征数据设置为1，否则将第二特征数据设置为0。当所述第五子特征数据和第六子特征数据同时为1时，将所述第三特征数据设置为1，否则将所述第三特征数据设置为0。
请继续参照图2，在所述步骤S20之后，所述方法还包括：
步骤S30，根据所述第一特征数据、第二特征数据、第三特征数据以及所述第一特征数据、第二特征数据、第三特征数据分别对应的位权值计算所述海棠花器官的规整性得分。
具体地，在本申请实施例中，预设有所述第一特征数据对应的第一位权值、所述第二特征数据对应的第二位权值以及所述第三特征数据对应的第三位权值，并且，所述第一位权值大于所述第二位权值，所述第二位权值大于所述第三位权值。
请参照图4，在本申请实施例中，所述步骤S30可以包括以下子步骤：
子步骤31，计算第一特征数据与第一位权值的第一乘积、第二特征数据与第二位权值的第二乘积以及第三特征数据与第三位权值的第三乘积。
子步骤S32，对所述第一乘积、第二乘积及第三乘积求和，并将所述第一乘积、第二乘积、第三乘积之和作为海棠花器官的规整性得分。
换言之，即在获得所述第一特征数据、第二特征数据及第三特征数据之后，将所述第一特征数据与所述第一位权值相乘得到第一乘积，将所述第二特征数据与所述第二位权值相乘得到第二乘积，将所述第三特征数据与所述第三位权值相乘得到第三乘积。然后，将所述第一乘积、第二乘积、第三乘积之和作为所述海棠花器官的规整性得分。
具体地，在本申请的一种实施方式中，所述第一特征数据对应的第一位权值设置为22、所述第二特征数据对应的第二位权值设置为21、所述第三特征数据对应的第三位权值设置为20。
此处应当理解的是，在本申请实施例中，待判别海棠花器官的特征数据可以包括，但不限于上述的第一特征数据、第二特征数据和第三特征数据，在实际应用中还可以根据海棠花器官的具体特征增加或减少用于计算规整性得分的特征数据，以实现海棠花器官规整性的精准计算。并且，在本申请实施例中，所述第一位权值、第二位权值和第三位权值仅用于在计算海棠花器官规整性得分的过程中体现各个特征所占的比重，因此，所述第一位权值、第二位权值和第三位权值也可以是其他的数值(如102、101、100)。
进一步地，请继续参照图2，所述方法还包括：
步骤S40，根据所述规整性得分判别所述海棠为种或品种。
在通过上述步骤计算得到海棠花器官的规整性得分之后，将该规整性得分与预设的阈值范围对比，即可判别出待判别海棠为种或品种。其中，所述阈值范围可以根据海棠花器官各个特征对应的位权值进行设定。
具体地，在本申请的一种实施方式中，所述第一位权值、第二位权值和第三位权值分别设置为22、21、20，所述阈值范围包括第一阈值范围4≤S≤7和第二阈值范围0≤S＜4(其中S表示海棠花器官的规整性得分)。当待判别海棠花器官的规整性得分处于所述第一阈值范围时，将其判定为种，当待判别海棠花器官的规整性处于所述第二阈值范围时，将其判定为品种。
举例而言，当通过所述电子设备100识别到待判别海棠的第一特征数据为1，第二特征数据为1，第三特征数据为0(即待判别海棠满足花冠规整性和花瓣规整性，不满足瓣态规整性)时，可以得到待判别海棠的规整性得分为S＝1*22+1*21+0*20＝6，处于所述第一阈值范围，将其判定为种。当通过所述电子设备100识别到待判别海棠的第一特征数据为0，第二特征数据为0，第三特征数据为1(即待判别海棠不满足花冠规整性和花瓣规整性，满足瓣态规整性)时，可以得到待判别海棠的规整性得分为S＝0*22+0*21+1*20＝1，处于所述第二阈值范围，将其判定为品种。
就目前还存在争议的沙金海棠(M.sargentii)来说，通过本申请实施例提供的方法可以得到其规整性得分为1*22+1*21+1*20＝7，处于所述第一阈值范围内，因此，可以得出沙金海棠是苹果属下的一个种，而不是通过杂交得到的品种的结论。
应当注意的是，在本申请实施例中，所述阈值范围与所述位权值相关，因此，在本申请实施例中，所述阈值范围可以是，但不限于上述的范围。
进一步地，请参照图5，本申请实施例还提供一种海棠种和品种的判别装置70，所述装置包括：
获取模块701，用于获取待判别海棠的图像信息；
数据提取模块702，用于从所述图像信息中提取海棠花器官的规整性数据，其中，所述规整性数据包括表征花冠规整性的第一特征数据、表征花瓣规整性的第二特征数据及表征瓣态规整性的第三特征数据；
计算模块703，用于根据所述第一特征数据、第二特征数据、第三特征数据以及所述第一特征数据、第二特征数据、第三特征数据分别对应的位权值计算所述海棠花器官的规整性得分；
判定模块704，用于根据所述规整性得分判别所述海棠为种或品种。
进一步地，在本申请实施例中，所述位权值包括所述第一特征数据对应的第一位权值、所述第二特征数据对应的第二位权值及所述第三特征数据对应的第三位权值，其中，所述第一位权值大于所述第二位权值，所述第二位权值大于所述第三位权值；所述计算模块703具体用于：
计算第一特征数据与第一位权值的第一乘积、第二特征数据与第二位权值的第二乘积以及第三特征数据与第三位权值的第三乘积；
对所述第一乘积、第二乘积及第三乘积求和，并将所述第一乘积、第二乘积、第三乘积之和作为所述海棠花器官的规整性得分。
进一步地，在本申请实施例中，所述判定模块704具体用于：
在所述规整性得分处于预设的第一阈值范围时，将所述海棠判定为种；
在所述规整性得分处于预设的第二阈值范围时，将所述海棠判定为品种。
进一步地，在本申请实施例中，所述数据提取模块702具体用于：
从所述图像信息中提取表征对称性的第一子特征数据、表征同面性的第二子特征数据、表征大小一致性的第三子特征数据、表征形状一致性的第四子特征、表征皱缩一致性的第五子特征数据以及表征卷曲一致性的第六子特征数据；
根据所述第一子特征数据和第二子特征数据确定表征花冠规整性的第一特征数据；
根据所述第三子特征数据和第四子特征数据确定表征花瓣规整性的第二特征数据；
根据所述第五子特征数据和第六子特征数据确定表征瓣态规整性的第三特征数据。
此外，本申请实施例还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器113加载执行时，实现上述的方法。
综上所述，本申请实施例提供一种海棠种和品种的判别方法、装置、存储介质及电子设备。其中，所述方法通过海棠花器官的规整性数据计算得到海棠花器官的规整性得分，然后将该规整性得分与预设的阈值范围对比判定海棠种和品种的分类地位。该方法不仅应用简单，还可以对海棠种和品种的分类地位进行有效地判断，为海棠种和品种分类地位的界定提供理论依据。
应当注意的是，在本申请实施例中所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种海棠种和品种的判别方法，其特征在于，所述方法包括：
获取待判别海棠的图像信息；
从所述图像信息中提取海棠花器官的规整性数据，其中，所述规整性数据包括表征花冠规整性的第一特征数据、表征花瓣规整性的第二特征数据及表征瓣态规整性的第三特征数据；
根据所述第一特征数据、第二特征数据、第三特征数据以及所述第一特征数据、第二特征数据、第三特征数据分别对应的位权值计算所述海棠花器官的规整性得分；
根据所述规整性得分判别所述海棠为种或品种；
所述从所述图像信息中提取海棠花器官的规整性数据的步骤，包括：
从所述图像信息中提取表征对称性的第一子特征数据、表征同面性的第二子特征数据、表征大小一致性的第三子特征数据、表征形状一致性的第四子特征、表征皱缩一致性的第五子特征数据以及表征卷曲一致性的第六子特征数据；
根据所述第一子特征数据和第二子特征数据确定表征花冠规整性的第一特征数据；
根据所述第三子特征数据和第四子特征数据确定表征花瓣规整性的第二特征数据；
根据所述第五子特征数据和第六子特征数据确定表征瓣态规整性的第三特征数据。
2.如权利要求1所述的方法，其特征在于，所述位权值包括所述第一特征数据对应的第一位权值、所述第二特征数据对应的第二位权值及所述第三特征数据对应的第三位权值，其中，所述第一位权值大于所述第二位权值，所述第二位权值大于所述第三位权值；
根据所述第一特征数据、第二特征数据、第三特征数据以及所述第一特征数据、第二特征数据、第三特征数据分别对应的位权值计算所述海棠花器官的规整性得分的步骤，包括：
计算第一特征数据与第一位权值的第一乘积、第二特征数据与第二位权值的第二乘积以及第三特征数据与第三位权值的第三乘积；
对所述第一乘积、第二乘积及第三乘积求和，并将所述第一乘积、第二乘积、第三乘积之和作为所述海棠花器官的规整性得分。
3.如权利要求1所述的方法，其特征在于，所述根据所述规整性得分判别所述海棠为种或品种的步骤，包括：
在所述规整性得分处于预设的第一阈值范围时，将所述海棠判定为种；
在所述规整性得分处于预设的第二阈值范围时，将所述海棠判定为品种。
4.一种海棠种和品种的判别装置，其特征在于，所述装置包括：
获取模块，用于获取待判别海棠的图像信息；
数据提取模块，用于从所述图像信息中提取海棠花器官的规整性数据，其中，所述规整性数据包括表征花冠规整性的第一特征数据、表征花瓣规整性的第二特征数据及表征瓣态规整性的第三特征数据；
计算模块，用于根据所述第一特征数据、第二特征数据、第三特征数据以及所述第一特征数据、第二特征数据、第三特征数据分别对应的位权值计算所述海棠花器官的规整性得分；
判定模块，用于根据所述规整性得分判别所述海棠为种或品种；
所述数据提取模块具体用于：
从所述图像信息中提取表征对称性的第一子特征数据、表征同面性的第二子特征数据、表征大小一致性的第三子特征数据、表征形状一致性的第四子特征、表征皱缩一致性的第五子特征数据以及表征卷曲一致性的第六子特征数据；
根据所述第一子特征数据和第二子特征数据确定表征花冠规整性的第一特征数据；
根据所述第三子特征数据和第四子特征数据确定表征花瓣规整性的第二特征数据；
根据所述第五子特征数据和第六子特征数据确定表征瓣态规整性的第三特征数据。
5.如权利要求4所述的装置，其特征在于，所述位权值包括所述第一特征数据对应的第一位权值、所述第二特征数据对应的第二位权值及所述第三特征数据对应的第三位权值，其中，所述第一位权值大于所述第二位权值，所述第二位权值大于所述第三位权值；所述计算模块具体用于：
计算第一特征数据与第一位权值的第一乘积、第二特征数据与第二位权值的第二乘积以及第三特征数据与第三位权值的第三乘积；
对所述第一乘积、第二乘积及第三乘积求和，并将所述第一乘积、第二乘积、第三乘积之和作为所述海棠花器官的规整性得分。
6.如权利要求4所述的装置，其特征在于，所述判定模块具体用于：
在所述规整性得分处于预设的第一阈值范围时，将所述海棠判定为种；
在所述规整性得分处于预设的第二阈值范围时，将所述海棠判定为品种。
7.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器加载执行时，实现如权利要求1-3中任一项所述的方法。
8.一种电子设备，其特征在于，所述电子设备包括处理器及存储器；其中，所述存储器用于存储计算机程序，所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如权利要求1-3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811160690.1A CN109255338B (zh) | 2018-09-30 | 2018-09-30 | 海棠种和品种的判别方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811160690.1A CN109255338B (zh) | 2018-09-30 | 2018-09-30 | 海棠种和品种的判别方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109255338A CN109255338A (zh) | 2019-01-22 |
| CN109255338B true CN109255338B (zh) | 2021-01-12 |
Family
ID=65045140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811160690.1A Active CN109255338B (zh) | 2018-09-30 | 2018-09-30 | 海棠种和品种的判别方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109255338B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113408945B (zh) * | 2021-07-15 | 2023-03-24 | 广西中烟工业有限责任公司 | 一种烤烟纯度的检测方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102324038A (zh) * | 2011-09-06 | 2012-01-18 | 北京林业大学 | 一种基于数字图像的植物种类识别方法 |
| CN104182763A (zh) * | 2014-08-12 | 2014-12-03 | 中国计量学院 | 一种基于花朵特征的植物种类识别系统 |
| CN106503741A (zh) * | 2016-10-31 | 2017-03-15 | 深圳前海弘稼科技有限公司 | 植物种类的识别方法、识别装置和服务器 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10318848B2 (en) * | 2015-12-15 | 2019-06-11 | Qualcomm Incorporated | Methods for object localization and image classification |
-
2018
- 2018-09-30 CN CN201811160690.1A patent/CN109255338B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102324038A (zh) * | 2011-09-06 | 2012-01-18 | 北京林业大学 | 一种基于数字图像的植物种类识别方法 |
| CN104182763A (zh) * | 2014-08-12 | 2014-12-03 | 中国计量学院 | 一种基于花朵特征的植物种类识别系统 |
| CN106503741A (zh) * | 2016-10-31 | 2017-03-15 | 深圳前海弘稼科技有限公司 | 植物种类的识别方法、识别装置和服务器 |
Non-Patent Citations (3)
| Title |
|---|
| 基于多特征融合的花卉种类识别研究;吴笑鑫 等;《北京林业大学学报》;20170415;第39卷(第4期);86-93页摘要 * |
| 基于机器视觉的玉米种子品种识别与检测研究;王玉亮;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090315(第03期);I140-442页5.3.1节 * |
| 海棠品种分类研究进展;周婷 等;《园艺学报》;20180225;第45卷(第2期);380-396页3.5节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109255338A (zh) | 2019-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110399890B (zh) | 图像识别方法、装置、电子设备及可读存储介质 | |
| CN111738321B (zh) | 数据处理方法、装置、终端设备以及存储介质 | |
| CN111652054B (zh) | 关节点检测方法、姿态识别方法及装置 | |
| WO2020024744A1 (zh) | 一种图像特征点检测方法、终端设备及存储介质 | |
| CN111382635B (zh) | 一种商品类别识别方法、装置及电子设备 | |
| CN106415605A (zh) | 用于分布式光学字符识别和分布式机器语言翻译的技术 | |
| CN106462572A (zh) | 用于分布式光学字符识别和分布式机器语言翻译的技术 | |
| CN105894538A (zh) | 一种目标跟踪方法和装置 | |
| US11176774B2 (en) | Game stage switching method and apparatus, and storage medium | |
| CN111666905B (zh) | 模型训练方法、行人属性识别方法和相关装置 | |
| CN114202026B (zh) | 多任务模型训练方法和装置、多任务处理方法和装置 | |
| CN109255338B (zh) | 海棠种和品种的判别方法、装置、存储介质及电子设备 | |
| CN112287865B (zh) | 一种人体姿态识别的方法及装置 | |
| CN109147007A (zh) | 贴纸加载方法、装置、终端及计算机可读存储介质 | |
| WO2017156864A1 (zh) | 图像识别方法、装置、设备及非易失性计算机存储介质 | |
| CN112733767A (zh) | 一种人体关键点检测方法、装置、存储介质及终端设备 | |
| CN109685058B (zh) | 一种图像目标识别方法、装置及计算机设备 | |
| CN112445341A (zh) | 虚拟现实设备的键盘透视方法、装置及虚拟现实设备 | |
| CN106484614A (zh) | 一种核对图片处理效果的方法、装置及移动终端 | |
| CN110378304A (zh) | 皮肤状态检测方法、装置、设备及存储介质 | |
| CN108288023B (zh) | 人脸识别的方法和装置 | |
| CN106886796B (zh) | 图标位置识别方法、装置及终端设备 | |
| CN110598732B (zh) | 一种基于图像识别的植物健康检测方法及装置 | |
| CN116844006A (zh) | 一种目标识别方法、装置、电子设备及可读存储介质 | |
| CN111414823A (zh) | 人体特征点的检测方法、装置、电子设备以及存储介质 |
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 |