CN110064601B - 一种蔬菜嫁接用苗检测分级系统和分级方法 - Google Patents
一种蔬菜嫁接用苗检测分级系统和分级方法 Download PDFInfo
- Publication number
- CN110064601B CN110064601B CN201910435477.5A CN201910435477A CN110064601B CN 110064601 B CN110064601 B CN 110064601B CN 201910435477 A CN201910435477 A CN 201910435477A CN 110064601 B CN110064601 B CN 110064601B
- Authority
- CN
- China
- Prior art keywords
- seedling
- box body
- seedlings
- camera
- image processing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 235000013311 vegetables Nutrition 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000003384 imaging method Methods 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 6
- 239000011324 bead Substances 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 description 20
- 240000001980 Cucurbita pepo Species 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 235000000832 Ayote Nutrition 0.000 description 5
- 235000009854 Cucurbita moschata Nutrition 0.000 description 5
- 235000009804 Cucurbita pepo subsp pepo Nutrition 0.000 description 5
- 235000015136 pumpkin Nutrition 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 241000238631 Hexapoda Species 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000035784 germination Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 241000408747 Lepomis gibbosus Species 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 235000020236 pumpkin seed Nutrition 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 244000241257 Cucumis melo Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 208000035240 Disease Resistance Diseases 0.000 description 1
- 229920000715 Mucilage Polymers 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002609 medium Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 239000010451 perlite Substances 0.000 description 1
- 235000019362 perlite Nutrition 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000010455 vermiculite Substances 0.000 description 1
- 235000019354 vermiculite Nutrition 0.000 description 1
- 229910052902 vermiculite Inorganic materials 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/04—Sorting according to size
- B07C5/10—Sorting according to size measured by light-responsive means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Image Processing (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明公开一种蔬菜嫁接用苗检测分级系统，包括箱体、设置于箱体内的成像组件以及图像处理模块，图像处理模块对成像组件获取的图片进行运算和处理，成像组件包括设置于箱体侧面的第一摄像头和设置于箱体顶面的第二摄像头，图像处理模块分别与第一摄像头和第二摄像头通信连接。本发明蔬菜嫁接用苗检测分级系统自动化程度高，作业高效，检测准确度高。本发明还公开一种菜嫁接用苗检测分级方法，采用骨架线提取方法，精准确定茎杆部分，测得的株高、茎粗数据准确；先将幼苗的叶片区域进行分界后再进行椭圆拟合法计算，相对于最小外接矩形算法或直接采用椭圆拟合法的误差小，测得的子叶宽度数据准确。
Description
技术领域
本发明涉及农业工程技术领域，具体涉及一种蔬菜嫁接用苗检测分级系统和分级方法。
背景技术
蔬菜作为我国重要的经济作物之一，在我国农业产业发展和结构调整中具有重要的战略地位与作用，但由于蔬菜培育过程中其抗病能力和抗虫能力偏弱，因此在蔬菜种植过程中如何抵御病虫害成为蔬菜推广种植的重点。而嫁接技术利用蔬菜砧木较强的根系，可以很好地提高作物的抗病抗虫能力，提升抗逆性能，改善作物品质。然而，现阶段大部分蔬菜嫁接机器均采用人工选苗的方式供苗，这种现状严重阻碍了嫁接用苗机械化发展水平，制约了机械化嫁接技术的推广与应用。为逐步提高蔬菜嫁接的机械化水平，育苗工厂开始大规模培育和提供满足嫁接要求的标准幼苗。
在实际农业生产中，目前尚未有完善的蔬菜嫁接用苗品质等级划分标准，育苗工厂标准苗的筛选主要还是依靠人工，具有劳动强度大、作业效率低等缺点，严重制约了蔬菜嫁接机械化、自动化、产业化的发展。因此，亟需一种作业高效、检测精确度高的蔬菜嫁接用苗检测分级系统。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种作业高效、检测精准的蔬菜嫁接用苗检测分级系统。
本发明的目的采用以下技术方案实现：
一种蔬菜嫁接用苗检测分级系统，包括箱体、设置于箱体内的成像组件以及图像处理模块，图像处理模块对成像组件获取的图片进行运算和处理，成像组件包括设置于箱体侧面的第一摄像头和设置于箱体顶面的第二摄像头，图像处理模块分别与第一摄像头和第二摄像头通信连接。
在本发明的一种蔬菜嫁接用苗检测分级系统中，还包括采用电机驱动的带式传送机，箱体固定于带式传送机的机架上，箱体对应带式传送机的传送带位置设有入口和出口。
进一步的，还包括PLC控制模块和光电传感器，光电传感器安装于带式传送机的机架上，光电传感器位于箱体内，光电传感器用于检测幼苗在传送带的位置，第一摄像头、第二摄像头、光电传感器和电机分别与PLC控制模块通信连接。
更进一步的，光电传感器为漫反射型。
在本发明的一种蔬菜嫁接用苗检测分级系统中，箱体内设有用于照明的光源。
进一步的，箱体为长方体形状，光源包括四个设置于箱体侧棱处的第一LED灯带和四个设置于箱体顶面边缘的第二LED灯带；第一LED灯带的各灯珠水平朝向箱体的纵向中轴线；第二LED灯带的灯珠朝向对应的箱体的横向中轴线。
在本发明的一种蔬菜嫁接用苗检测分级系统中，箱体的内表面为黑色。
本发明还提供一种蔬菜嫁接用苗分级方法，包括以下步骤，
S1、第一摄像头和第二摄像头分别采集各幼苗的侧面图片和顶部图片；
S2、图像处理模块对步骤S1得到对应幼苗的侧面图片和顶部图片进行处理，其中，
对于侧面图片的处理：采用图像形态学处理办法过滤侧面图片的子叶部分，再用骨架线提取方法提取侧面图片中过滤掉子叶部分的剩余部分，获取剩余部分的骨架的起点和端点，再筛选子叶与茎杆的连接部分剔除掉剩余部分中非茎杆部分的骨架线，从而获取幼苗的茎杆骨架线，通过幼苗的茎杆骨架线得到幼苗的株高和茎粗；
对于顶部图片的处理：采用椭圆拟合法模拟叶片形状，得出幼苗的子叶宽度；
S3、采用K-Means聚类分析方法确定幼苗的分级标准，将各幼苗株高、茎粗和子叶宽度与幼苗的分级标准进行比对、分级。
在本发明的一种蔬菜嫁接用苗分级方法中，步骤S2中根据顶部图片划分出两片子叶的叶尖区域，并提取叶尖区域中心点，两个叶尖区域中心点的连线的中点为对称点，再计算顶部图片中幼苗叶片区域的中心点，以对称点和叶片区域的中心点做直线得到分界线，以分界线为界将幼苗叶片区域分为两片独立的子叶，最后以两片子叶各自的中心点为圆心进行椭圆拟合法模拟叶片形状，得出幼苗的子叶宽度。
在本发明的一种蔬菜嫁接用苗分级方法中，步骤S1得到茎杆骨架线后，采用最小外接矩形算法计算幼苗的株高和茎粗。
相比现有技术，本发明的有益效果在于：
本发明蔬菜嫁接用苗检测分级系统利用成像组件和图像处理模块，实现对蔬菜嫁接用幼苗形态特征指标的检测，并根据检测的结果筛选出满足机械化嫁接要求的标准幼苗，自动化程度高，作业高效；采用第一摄像头和第二摄像头针对性地采集对应的图片，获取相关参数，检测准确度高，促进蔬菜嫁接用苗规模化、标准化、产业化发展，同时也有助于机械嫁接的推广，对蔬菜嫁接用苗的品质分级、标准化生产具有重要意义。
本发明蔬菜嫁接用苗分级方法采用骨架线提取方法，精准确定茎杆部分，测得的株高、茎粗数据准确；先将幼苗的叶片区域进行分界后再进行椭圆拟合法计算，相对于最小外接矩形算法或直接采用椭圆拟合法的误差小，测得的子叶宽度数据准确。
附图说明
图1为具体实施方式中的蔬菜嫁接用苗检测分级系统结构示意图。
图2为具体实施方式中的箱体结构示意图。
图3为具体实施方式中的通信连接示意图。
图4为具体实施方式中的顶部图片处理过程示意图。
图中：10、箱体；20、图像处理模块；301、第一摄像头；302、第二摄像头；401、电机；402、机架；403、传送带；50、PLC控制模块；60、光电传感器；701、第一LED灯带；702、第二LED灯带。
具体实施方式
下面详细描述本发明的具体实施方式，具体实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
图像处理模块20为现有技术，最基础的为单片机，通过将图像处理方法编辑为算法语言实现对应的功能为现有技术，可依托于手机或者计算机等载体同样为现有技术，在此不再赘述。
如图1-3所示，图2省略箱体10的侧板，本具体实施方式提供一种蔬菜嫁接用苗检测分级系统，包括箱体10、设置于箱体10内的成像组件以及图像处理模块20，图像处理模块20对成像组件获取的图片进行运算和处理，成像组件包括设置于箱体10侧面的第一摄像头301(MV-EM510C型)和设置于箱体10顶面的第二摄像头302(MV-EM510C型)，图像处理模块20分别与第一摄像头301和第二摄像头302通信连接，还包括采用电机401驱动的带式传送机，箱体10固定于带式传送机的机架402上，箱体10对应带式传送机的传送带403位置设有入口和出口，还包括PLC控制模块50和光电传感器60，光电传感器60安装于带式传送机的机架402上，光电传感器60位于箱体10内，光电传感器60用于检测幼苗在传送带403的位置，第一摄像头301、第二摄像头302、光电传感器60和电机401分别与PLC控制模块50通信连接。
工作原理：PLC控制模块50控制电机401转动，幼苗在传送带403的驱动下进入箱体10内，当幼苗遮挡到光电传感器60的光线时，PLC控制模块50控制电机401停止并发送拍摄信号到第一摄像头301和第二摄像头302，第一摄像头301和第二摄像头302对箱体10内的幼苗进行对应方位的图像采集，采集完毕之后，第一摄像头301和第二摄像头302分别采集的侧面图片和顶部图片发送到图像处理模块20，图像处理模块20对侧面图片和顶部图片进行相关的参数分析，得出幼苗的株高、茎粗和子叶宽度，并根据预先设置好的分级标准比对各幼苗的株高、茎粗和子叶宽度对应进行分级。
PLC控制模块50和图像处理模块20可安装在机架402或者箱体10上，也可以远离机架402或箱体10。
摒弃传统的人工挑拣分级，自动化程度高；侧面图片和顶部图片采集完毕即可进行下一幼苗的图像采集，可连续高效检测；克服人工挑拣分级的主观性带来的误差，分级精准。采用PLC控制模块50精准控制电机401结合反应迅速的光电传感器60，保证每株拍摄每株幼时的位置相对于第一摄像头301和第二摄像头302固定，避免由于各幼苗停止的位置不同导致拍摄焦距发生变化引起的成像大小出现偏差，防止图像处理模块20处理出现偏差的图片导致分级错误。
现有技术中一个摄像头无法完整地拍摄子叶和茎杆部分，拍摄得到的图片势必存在茎杆和子叶的部分重叠，无法真实地呈现幼苗子叶和茎杆，且一个摄像头拍摄时，各幼苗在传送带上的摆放角度需要预先调整，需要人工摆放，蔬菜嫁接用苗检测分级系统的自动化程度低。
为提高成像效果，箱体10内设有用于照明的光源。
光电传感器60为漫反射型，具体型号为E18-D80NK。漫反射型的光电传感器60是集发射与接收于一体的光电传感器60，使用时无需在安装位置的对面设置接收器，避免由于接收器的安装导致的幼苗传送过程中的空间干涉。
为避免由于光线产生的阴影影响图像处理模块20对对应图片的处理，箱体10为长方体形状，光源包括四个设置于箱体10侧棱处的第一LED灯带701和四个设置于箱体10顶面边缘的第二LED灯带702；第一LED灯带701的各灯珠水平朝向箱体10的纵向中轴线；第二LED灯带702的灯珠朝向对应的箱体10的横向中轴线。由于阴影容易叶片与茎杆之间分界不明显，导致图图像的处理难度大，影响图像处理模块20的分析结果，第一LED灯带701的设置实现水平方向上的360°照射，避免幼苗在植株上产生水平方向上的阴影；第二LED灯带702可照亮子叶的上表面，便于提高凸显子叶的边缘轮廓，提高顶部图片的成像质量。
第一LED灯带701和第二LED灯带702的供电方式为现有技术。
第一LED灯带701和第二LED灯带702为无极调光灯带，第一LED灯带701和第二LED灯带702分别与PLC控制器通信连接。
为提高成像质量，箱体10的内表面为黑色。幼苗光照的黑色背景下成像，对应图片既有较大的明暗反差，便于图像处理模块20对于侧面图片和顶部图片中幼苗的轮廓提取，保证测试精度，提高分级的准确性。
本具体实施方式的蔬菜嫁接用苗分级方法，包括以下步骤，
S1、第一摄像头301和第二摄像头302分别采集各幼苗的侧面图片和顶部图片；
S2、图像处理模块20对步骤S1得到对应幼苗的侧面图片和顶部图片进行处理，其中，
对于侧面图片的处理：采用图像形态学处理办法过滤侧面图片的子叶部分，再用骨架线提取方法提取侧面图片过滤掉子叶部分的剩余部分，获取剩余部分骨架的起点和端点，再筛选子叶与茎杆的连接部分剔除掉剩余部分中非茎杆部分的骨架线，从而获取幼苗的茎杆骨架线，通过幼苗的茎杆骨架线得到幼苗的株高和茎粗；
对于顶部图片的处理：采用椭圆拟合法模拟叶片形状，得出幼苗的子叶宽度；
S3、采用K-Means聚类分析方法确定幼苗的分级标准，将各幼苗株高、茎粗和子叶宽度与幼苗的分级标准进行比对、分级。
如图4所示，步骤S2中根据顶部图片划分出两片子叶的叶尖区域，并提取叶尖区域中心点，两个叶尖区域中心点的连线的中点为对称点，即图4中的十字形交叉点，再计算顶部图片中幼苗叶片区域的中心点，以对称点和叶片区域的中心点做直线得到分界线，以分界线为界将幼苗叶片区域分为两片独立的子叶，最后以两片子叶各自的中心点为圆心进行椭圆拟合法模拟叶片形状，得出幼苗的子叶宽度。
步骤S1得到茎杆骨架线后，采用最小外接矩形算法计算幼苗的株高和茎粗。
现有技术中标准的瓜科类幼苗成Y型或T型，通过统计幼苗垂直方向的像素可以找到茎叶分离的分界点。但是当出现幼苗叶片下垂或者茎秆弯曲等特殊时，利用统计像素法很难自动寻找到分界点。针对复杂的幼苗生长情况，以骨架线提取法为基础，首先根据幼苗的特点，以图像形态学处理方法大致过滤掉面积区域较大的子叶部分，图像形态处理学为现有技术；然后以细化骨架线提取方法初步提取剩余部分，剔除掉非茎秆部分的骨架线，从而获取完整的幼苗茎秆骨架线；最后利用最小外接矩形算法计算幼苗茎秆的株高和茎粗，不同于统计像素法只能用于标准的Y型和T型，本具体实施方式中的侧面图片处理方法能广泛应用于植株茎杆的相关参数测试，类似的结构有植物枝叶中枝杆的相关参数测试。
实际农业生产中由于播种时的无序和幼苗生长时的不规律导致子叶之间存在相互遮挡，同时，当砧木苗两片子叶展开角不等于180°时，利用最小外接矩形的算法计算出来的砧木苗叶片特征参数普遍偏大，因此在提取参数之前必须进行分割子叶并恢复子叶形状，这样才能保证参数的可靠性。本具体实施方式的顶部图片处理先将不同子叶进行准确的分隔，在通过椭圆拟合法拟合子叶的形状，椭圆拟合法为现有技术，即将分隔之后的子叶数据以椭圆方程为模型进行拟合，找出满足子叶数据的椭圆方程，恢复子叶形状，通过椭圆方程的各个参数，确定子叶的相关参数，本发明确定的相关参数为子叶宽度。
由于目前没有关于蔬菜嫁接用苗的分级标准，本发明通过实验制订了以株高、茎粗和子叶宽度作为幼苗品质的分级指标，采用K-Means聚类分析方法确定幼苗的分级标准，具体步骤如下(以黑籽南瓜为例)：
试验材料及设备
实验选取300粒黑籽南瓜种子放入25℃的温水中搓种并浸泡15分钟，洗去表皮粘质，然后放入30℃的水中浸泡12小时，杀死病菌。捞出后放入全温振荡培养箱内催芽，设置温度为32℃。催芽经过48小时后，出芽率达70％以上，芽长为1cm左右，选取其中发芽良好的240粒云南黑籽南瓜种子播种在40穴的育苗营养穴盘内，每种光配比实验组下各放一个穴盘。穴盘内的培养土内基质、珍珠岩与蛭石三者的比例为3:1:1。
试验条件
为最大程度地体现黑籽南瓜在样本测量指标参数上的空间距离差异，实验设置了6组不同光配比幼苗培养环境：单色红光R、单色蓝光B、白光W、红蓝比＝1:1、红蓝比＝1:3、红蓝比＝3:1。将穴盘放置在人工气候室内进行栽培，人工气候室的环境参数为:光周期为12h(6:00～18:00白天)，光照强度为110±5μmol·m-2·s-1，白天温度为24℃，夜晚温度20℃。经过1周的培养，当幼苗子叶完全展开，第一片子叶露头，适于进行嫁接时，每组光源下随机选取32株嫁接后的幼苗进行相关参数测量。
指标测量
黑籽南瓜株高、子叶长度、子叶宽度以及子叶跨度采用直尺进行测量，精确到1mm。其中株高是指幼苗从培养基质表面开始到植物生长点的长度，子叶长度是指叶尖到叶痕处的长度，子叶宽度则是指叶片中部的最宽处。茎粗则采用游标卡尺进行测量，精确到0.01mm。数据处理方面采用Microsoft Excel 2010和IBM SPSS Statistics 22软件对样本数据进行统计分析。
结果及讨论
试验结果如表1所示。
表1黑籽南瓜幼苗各指标间的相关矩阵
由表1可以得出，子叶长度与子叶宽度、子叶长度与子叶跨度、子叶宽度与子叶跨度间相关系数分别为0.901、0.989和0.891，说明这三个指标间的相关性较高，可相互替代。综合表1数据，由于子叶宽度、株高和茎粗三个参数中任意两个参数的相关系数较小，最终选择子叶宽度、株高和茎粗作为苗品质分级指标。
分级标准确定
本研究采用聚类中心(或平均值)±标准差的形式作为等级的边界阈值，使用此方法得到的分级标准如表2所示。
表2黑籽南瓜品质分级标准
Ⅰ级苗满足机械嫁接要求，Ⅱ级苗次之，而Ⅲ级幼苗的株高较高、茎粗较低,不满足机械嫁接要求。由于黑籽南瓜幼苗分级的指标较多，需要对幼苗的分级指标权重进行评估。在幼苗分级过程中，结合分级标准，先以幼苗苗株高为主、茎粗次之、子叶宽度为辅。
上述实施方式仅为本发明的部分优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (5)
1.一种蔬菜嫁接用苗检测分级系统的蔬菜嫁接用苗分级方法，其特征在于，
其中，所述一种蔬菜嫁接用苗检测分级系统，包括箱体、设置于所述箱体内的成像组件以及图像处理模块，所述图像处理模块对所述成像组件获取的图片进行运算和处理，所述成像组件包括设置于所述箱体侧面的第一摄像头和设置于所述箱体顶面的第二摄像头，所述图像处理模块分别与所述第一摄像头和所述第二摄像头通信连接；
还包括采用电机驱动的带式传送机，所述箱体固定于所述带式传送机的机架上，所述箱体对应所述带式传送机的传送带位置设有入口和出口；
还包括PLC控制模块和光电传感器，所述光电传感器安装于所述带式传送机的机架上，所述光电传感器位于所述箱体内，所述光电传感器用于检测幼苗在所述传送带的位置，所述第一摄像头、第二摄像头、光电传感器和电机分别与所述PLC控制模块通信连接；
所述箱体内设有用于照明的光源；所述箱体为长方体形状，所述光源包括四个设置于所述箱体侧棱处的第一LED灯带和四个设置于所述箱体顶面边缘的第二LED灯带；所述第一LED灯带的各灯珠水平朝向所述箱体的纵向中轴线；所述第二LED灯带的灯珠朝向对应的所述箱体的横向中轴线；
所述蔬菜嫁接用苗分级方法包括以下步骤，
S1、第一摄像头和第二摄像头分别采集各幼苗的侧面图片和顶部图片；
S2、图像处理模块对步骤S1得到对应幼苗的侧面图片和顶部图片进行处理，其中，
对于侧面图片的处理：采用图像形态学处理办法过滤侧面图片的子叶部分，再用骨架线提取方法提取侧面图片中过滤掉子叶部分的剩余部分，获取剩余部分的骨架的起点和端点，再筛选子叶与茎杆的连接部分剔除掉剩余部分中非茎杆部分的骨架线，从而获取幼苗的茎杆骨架线，通过幼苗的茎杆骨架线得到幼苗的株高和茎粗；
对于顶部图片的处理：采用椭圆拟合法模拟叶片形状，得出幼苗的子叶宽度；
S3、采用K-Means聚类分析方法确定幼苗的分级标准，将各幼苗株高、茎粗和子叶宽度与幼苗的分级标准进行比对、分级。
2.根据权利要求1所述的蔬菜嫁接用苗分级方法，其特征在于，所述光电传感器为漫反射型。
3.根据权利要求1所述的蔬菜嫁接用苗分级方法，其特征在于，所述箱体的内表面为黑色。
4.根据权利要求1所述的蔬菜嫁接用苗分级方法，其特征在于，步骤S2中根据顶部图片划分出两片子叶的叶尖区域，并提取叶尖区域中心点，两个叶尖区域中心点的连线的中点为对称点，再计算顶部图片中幼苗叶片区域的中心点，以对称点和叶片区域的中心点做直线得到分界线，以分界线为界将幼苗叶片区域分为两片独立的子叶，最后以两片子叶各自的中心点为圆心进行椭圆拟合法模拟叶片形状，得出幼苗的子叶宽度。
5.根据权利要求1所述的蔬菜嫁接用苗分级方法，其特征在于，步骤S1得到茎杆骨架线后，采用最小外接矩形算法计算幼苗的株高和茎粗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910435477.5A CN110064601B (zh) | 2019-05-23 | 2019-05-23 | 一种蔬菜嫁接用苗检测分级系统和分级方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910435477.5A CN110064601B (zh) | 2019-05-23 | 2019-05-23 | 一种蔬菜嫁接用苗检测分级系统和分级方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110064601A CN110064601A (zh) | 2019-07-30 |
| CN110064601B true CN110064601B (zh) | 2023-07-18 |
Family
ID=67371456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910435477.5A Active CN110064601B (zh) | 2019-05-23 | 2019-05-23 | 一种蔬菜嫁接用苗检测分级系统和分级方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110064601B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113515859B (zh) * | 2021-07-07 | 2022-02-11 | 华中农业大学 | 一种西瓜徒长苗无损判定方法 |
| CN114273252A (zh) * | 2021-11-26 | 2022-04-05 | 山东安信种苗股份有限公司 | 蔬菜苗智能分级方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL1036677C2 (nl) * | 2009-03-06 | 2010-09-07 | Praktijkonderzoek Plant & Omgeving B V | Werkwijze en inrichting voor het maken van beelden die informatie bevatten over de kwantumefficiëntie en de tijdrespons van het fotosynthesesysteem met tot doel het bepalen van de kwaliteit van plantaardig materiaal en werkwijze en inrichting voor het meten, classificeren en sorteren van plantaardig materiaal. |
| CN102954762B (zh) * | 2012-10-26 | 2015-03-18 | 浙江理工大学 | 基于机器视觉的嫁接苗外部特征测量方法及系统 |
| CN104949981A (zh) * | 2014-03-24 | 2015-09-30 | 华中科技大学 | 一种棉花五真叶期自动检测方法及系统 |
| CN105203543B (zh) * | 2015-09-22 | 2018-04-10 | 华中农业大学 | 基于机器视觉的整箱红提葡萄果粒大小分级装置及其方法 |
| CN109158332A (zh) * | 2018-10-21 | 2019-01-08 | 西北农林科技大学 | 一种果实自动化分级系统 |
-
2019
- 2019-05-23 CN CN201910435477.5A patent/CN110064601B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110064601A (zh) | 2019-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105717115B (zh) | 基于光学成像技术的高通量植物表型分析装置和方法 | |
| US4227211A (en) | Method for analyzing seasonal growing conditions of crops | |
| CN110064601B (zh) | 一种蔬菜嫁接用苗检测分级系统和分级方法 | |
| CN111418323B (zh) | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 | |
| CN107132228A (zh) | 一种油菜全生长期信息的高通量表型研究系统 | |
| CN113920106A (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 | |
| CN112595367A (zh) | 一种基于智能机器人的水稻根系性状无损测量装置 | |
| CN110286092A (zh) | 一种作物生长趋势分析系统 | |
| CN112986158B (zh) | 基于无人机多光谱数据的甜菜氮素营养检测方法及系统 | |
| CN103278503A (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
| CN113016506A (zh) | 一种用于食用菌生长期三维表型参数获取的自动化种植箱 | |
| CN108280410A (zh) | 一种基于二进制编码的农作物识别方法及系统 | |
| CN116465887A (zh) | 基于设施作物表型采集装置的表型采集方法 | |
| CN115152357B (zh) | 植物种子培养皿、萌发检验装置、培育装置及萌发方法 | |
| CN111932551A (zh) | 一种水稻插秧机的漏插率检测方法 | |
| CN216491883U (zh) | 一种种子培育观察箱 | |
| CN108834667A (zh) | 一种基于物联网的大棚系统 | |
| CN110612813A (zh) | 基于嵌入式视觉平台的叶菜切割系统 | |
| CN109272416A (zh) | 一种大棚农作物种植系统 | |
| CN113971759A (zh) | 一种基于计算机视觉的大豆株间杂草自动识别装置及方法 | |
| CN207215710U (zh) | 一种油菜全生长期信息的高通量表型研究系统 | |
| CN113673279A (zh) | 植物生长辨识方法及其系统 | |
| CN110866972A (zh) | 一种甘蔗根系构型的原位观测装置及其分析方法 | |
| CN104457842A (zh) | 基于高光谱同步扫描成像技术的凤梨无损检测装置及方法 | |
| CN109429768A (zh) | 一种具有特色光照装置的小型植物根系培养及探测装置 |
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 |