CN110175582A - 基于像素分布的茶树嫩芽智能识别方法 - Google Patents

基于像素分布的茶树嫩芽智能识别方法 Download PDF

Info

Publication number
CN110175582A
CN110175582A CN201910459992.7A CN201910459992A CN110175582A CN 110175582 A CN110175582 A CN 110175582A CN 201910459992 A CN201910459992 A CN 201910459992A CN 110175582 A CN110175582 A CN 110175582A
Authority
CN
China
Prior art keywords
tender shoots
tea tree
pixel
method based
identification method
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
Application number
CN201910459992.7A
Other languages
English (en)
Other versions
CN110175582B (zh
Inventor
郝淼
陈勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Forestry University
Original Assignee
Nanjing Forestry University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Forestry University filed Critical Nanjing Forestry University
Priority to CN201910459992.7A priority Critical patent/CN110175582B/zh
Publication of CN110175582A publication Critical patent/CN110175582A/zh
Application granted granted Critical
Publication of CN110175582B publication Critical patent/CN110175582B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/11—Region-based segmentation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

基于像素分布的茶树嫩芽智能识别方法，包括如下步骤：采集茶树RGB彩色图像；设置取样线；绘制取样线像素RGB值分布图；初步确定R与B、G与B的关系；确定色彩因子；对茶树原始图像进行图像分割；面积滤波。本发明能够很好的将嫩芽从复杂背景中分割出来；提出的色彩因子经过大量实验表明，对于不同品种、不同地域的茶叶均具有较强的通用性，同时对光照强度的变化具有较好的适应性，本发明的嫩芽识别算法较前期他人的研究方法具有明显的优越性，识别率高、运算时间短。

Description

基于像素分布的茶树嫩芽智能识别方法
技术领域
本发明属于农业技术领域，具体涉及基于像素分布的茶树嫩芽智能识别方法，是一种自然背景下茶树嫩芽的识别方法。
背景技术
目前名优绿茶鲜叶收获只能依赖人工采摘，然而劳动力短缺已经成为制约茶产业发展的瓶颈，因此亟需研究出可实现对名优绿茶选择性采摘的茶叶采摘机器人。为了实现智能化采茶，必须首先解决茶树嫩芽识别的问题，近年来，国内外关于茶叶图像处理的研究已经陆续展开。有些学者基于新梢与背景的颜色差异化对嫩芽进行了识别研究；有些学者结合颜色与形态特征开展了嫩芽的识别研究。还有一些学者使用光谱分析的方法识别嫩芽，近年来，随着深度学习在农业技术领域的逐步应用，也有些学者开始使用深度学习的方法对嫩芽进行识别处理。前期已有研究人员已经提出了2*G-R-B、G-B、R-B色彩因子，但这几种色彩因子在对不同生长环境，不同品种的名优绿茶茶树嫩芽的图像分割处理的效果不理想，因此，目前还未有有效的嫩芽识别算法。
发明内容
本发明针对现有技术中的不足，提供基于像素分布的茶树嫩芽智能识别方法，是一种适用性较强的嫩芽识别算法，该方法可以高效的、准确的将嫩芽从复杂自然背景中分割出来，同时对不同生长环境，不同品种的名优绿茶的嫩芽识别具有较大的适用性，从而便于切实推广应用。
为实现上述目的，本发明采用以下技术方案：
基于像素分布的茶树嫩芽智能识别方法，其特征在于，包括如下步骤：
第一步：采集茶树RGB彩色图像，RGB彩色图像包括嫩芽及复杂自然背景；
第二步：在茶树RGB彩色图像中设置像素取样线；
第三步：绘制取样线像素RGB值分布图；
第四步：根据RGB值分布图，初步确定R与B、G与B的关系；
第五步：基于初步确定的关系，进一步确定色彩因子；
第六步：使用上述色彩因子对茶树原始图像进行图像分割；
第七步：使用面积滤波法，将需要采摘的嫩芽从复杂自然背景中识别出来。
为优化上述技术方案，采取的具体措施还包括：
进一步地，所述第二步中，像素取样线穿过嫩芽区域以及背景区域，取样线按任意方向选取，以最大程度穿过更多不同的背景区域，取样线采用直线或曲线。
进一步地，所述第三步中，利用取样线上各像素点的R、G、B分量的值绘制成RGB值分布图。
进一步地，所述第四步中，从RGB值分布图可知，相对于背景区域，嫩芽区域的B分量值低于R与G分量值。
进一步地，所述第五步中，分别选取多个嫩芽区域以及多个背景区域，统计分析嫩芽区域以及背景区域的像素值组成情况，明确嫩芽区域的R与B、G与B分量的颜色特征值范围，确定将嫩芽从复杂背景中有效分割出来的色彩因子为：(R-B)＞80&&(G-B)＞80。
进一步地，所述第七步中，使用基于连通区域标记的面积滤波法，将图像分割后的图像中未长开嫩芽剔除，从而能够有效的将需要采摘的嫩芽从复杂自然背景中识别出来。
本发明的有益效果是：
1、能够很好的将嫩芽从复杂背景中分割出来；
2、提出的色彩因子(R-B)＞80&&(G-B)＞80经过大量实验表明：对于不同品种、不同地域的茶叶均具有较强的通用性，同时对光照强度的变化具有较好的适应性，本发明的嫩芽识别算法较前期他人的研究方法具有明显的优越性(识别率高、运算时间短)。
附图说明
图1是识别算法流程图。
图2是茶树原始图。
图3是设置取样线与像素分布图。
图4是图像分割结果示意图。
图5是滤波结果示意图。
附图标记如下：1-背景；2-嫩芽；3-小嫩芽；4-取样线。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如图1所示的基于像素分布的茶树嫩芽智能识别方法，是一种将嫩芽从复杂背景中分割出来的新梢嫩芽识别方法，具体实施过程如下：
一、茶树RGB彩色图像。
彩色图像中不仅包括嫩芽，同时还包括老叶、土壤等背景，如图2所示。
二、设置取样线。
在茶树RGB彩色图像中设置像素取样线，该取样线穿过嫩芽区域以及背景区域，取样线可水平选取，可垂直选取，或者按任意方向选取，以最大程度的穿过更多不同的背景区域，同时取样线可是直线，也可是曲线。
三、绘制取样线像素RGB值分布图。
利用取样线上各像素点的R、G、B分量的值绘制成RGB值分布图，如图3所示。
四、初步确定R与B、G与B的关系。
从RGB值分布图可以看出，相对于背景区域，嫩芽区域的B分量值明显低于R与G分量值。
五、确定色彩因子。
分别选取多个嫩芽区域以及多个背景区域，统计分析嫩芽区域以及背景区域的像素值组成情况，明确嫩芽区域的R与B、G与B分量的颜色特征值范围，确定将嫩芽从复杂背景中有效分割出来的色彩因子为：(R-B)＞80&&(G-B)＞80。
六、对茶树原始图像进行图像分割。
使用上述色彩因子对茶树原始图像进行图像分割，如图4所示。
七、面积滤波。
使用基于连通区域标记的面积滤波法，将图像分割后的图像中小面积未长开嫩芽剔除，从而能够有效的将需要采摘的嫩芽从复杂自然背景中识别出来，如图5所示。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (6)

1.基于像素分布的茶树嫩芽智能识别方法，其特征在于，包括如下步骤：
第一步：采集茶树RGB彩色图像，RGB彩色图像包括嫩芽及复杂自然背景；
第二步：在茶树RGB彩色图像中设置像素取样线；
第三步：绘制取样线像素RGB值分布图；
第四步：根据RGB值分布图，初步确定R与B、G与B的关系；
第五步：基于初步确定的关系，进一步确定色彩因子；
第六步：使用上述色彩因子对茶树原始图像进行图像分割；
第七步：使用面积滤波法，将需要采摘的嫩芽从复杂自然背景中识别出来。
2.如权利要求1所述的基于像素分布的茶树嫩芽智能识别方法，其特征在于：所述第二步中，像素取样线穿过嫩芽区域以及背景区域，取样线按任意方向选取，以最大程度穿过更多不同的背景区域，取样线采用直线或曲线。
3.如权利要求2所述的基于像素分布的茶树嫩芽智能识别方法，其特征在于：所述第三步中，利用取样线上各像素点的R、G、B分量的值绘制成RGB值分布图。
4.如权利要求1所述的基于像素分布的茶树嫩芽智能识别方法，其特征在于：所述第四步中，从RGB值分布图可知，相对于背景区域，嫩芽区域的B分量值低于R与G分量值。
5.如权利要求1所述的基于像素分布的茶树嫩芽智能识别方法，其特征在于：所述第五步中，分别选取多个嫩芽区域以及多个背景区域，统计分析嫩芽区域以及背景区域的像素值组成情况，明确嫩芽区域的R与B、G与B分量的颜色特征值范围，确定将嫩芽从复杂背景中有效分割出来的色彩因子为：(R-B)＞80&&(G-B)＞80。
6.如权利要求1所述的基于像素分布的茶树嫩芽智能识别方法，其特征在于：所述第七步中，使用基于连通区域标记的面积滤波法，将图像分割后的图像中未长开嫩芽剔除，从而能够有效的将需要采摘的嫩芽从复杂自然背景中识别出来。
CN201910459992.7A 2019-05-29 2019-05-29 基于像素分布的茶树嫩芽智能识别方法 Expired - Fee Related CN110175582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910459992.7A CN110175582B (zh) 2019-05-29 2019-05-29 基于像素分布的茶树嫩芽智能识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910459992.7A CN110175582B (zh) 2019-05-29 2019-05-29 基于像素分布的茶树嫩芽智能识别方法

Publications (2)

Publication Number Publication Date
CN110175582A true CN110175582A (zh) 2019-08-27
CN110175582B CN110175582B (zh) 2022-05-03

Family

ID=67696037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910459992.7A Expired - Fee Related CN110175582B (zh) 2019-05-29 2019-05-29 基于像素分布的茶树嫩芽智能识别方法

Country Status (1)

Country Link
CN (1) CN110175582B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505779A (zh) * 2021-07-30 2021-10-15 中国农业科学院都市农业研究所 采茶机器人采茶面超声波和视觉融合探测方法及装置
CN116616045A (zh) * 2023-06-07 2023-08-22 山东农业工程学院 一种基于植物生长的采摘方法及采摘系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003041013A1 (fr) * 2001-11-05 2003-05-15 Sharp Kabushiki Kaisha Procede de traitement d'image couleur, unite de traitement d'image couleur, affichage couleur et programme informatique pour mettre en oeuvre ledit procede
CN103679146A (zh) * 2013-12-06 2014-03-26 中科联合自动化科技无锡有限公司 基于高通滤波器和Hough变换的安全带智能检测方法
CN104050668A (zh) * 2014-06-17 2014-09-17 安徽农业大学 一种基于双目视觉技术的绿茶嫩芽的目标识别方法
CN104573697A (zh) * 2014-12-31 2015-04-29 西安丰树电子科技发展有限公司 基于多信息融合的施工升降机轿厢人数统计方法
CN105550623A (zh) * 2016-01-25 2016-05-04 苏州佳世达电通有限公司 一种条码影像的分析方法以及条码装置
CN106815587A (zh) * 2015-11-30 2017-06-09 浙江宇视科技有限公司 图像处理方法及装置
CN107507142A (zh) * 2017-08-11 2017-12-22 江苏航天大为科技股份有限公司 信号灯图像处理方法
CN109598244A (zh) * 2018-12-07 2019-04-09 吉林大学 一种交通信号灯识别系统及其识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003041013A1 (fr) * 2001-11-05 2003-05-15 Sharp Kabushiki Kaisha Procede de traitement d'image couleur, unite de traitement d'image couleur, affichage couleur et programme informatique pour mettre en oeuvre ledit procede
CN103679146A (zh) * 2013-12-06 2014-03-26 中科联合自动化科技无锡有限公司 基于高通滤波器和Hough变换的安全带智能检测方法
CN104050668A (zh) * 2014-06-17 2014-09-17 安徽农业大学 一种基于双目视觉技术的绿茶嫩芽的目标识别方法
CN104573697A (zh) * 2014-12-31 2015-04-29 西安丰树电子科技发展有限公司 基于多信息融合的施工升降机轿厢人数统计方法
CN106815587A (zh) * 2015-11-30 2017-06-09 浙江宇视科技有限公司 图像处理方法及装置
CN105550623A (zh) * 2016-01-25 2016-05-04 苏州佳世达电通有限公司 一种条码影像的分析方法以及条码装置
CN107507142A (zh) * 2017-08-11 2017-12-22 江苏航天大为科技股份有限公司 信号灯图像处理方法
CN109598244A (zh) * 2018-12-07 2019-04-09 吉林大学 一种交通信号灯识别系统及其识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
付炜平等: "基于颜色矩阵的绝缘子单片红外图像故障诊断方法", 《电瓷避雷器》 *
周礼赞 等: "低对比度茶叶嫩芽图像自动分割方法的研究", 《蚕桑茶叶通讯》 *
孙晓锋: "名优茶智能化采摘中新梢识别及其中心点确定的方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
汪洋 等: "茶叶嫩芽图像自动分割方法的研究", 《黄山学院学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505779A (zh) * 2021-07-30 2021-10-15 中国农业科学院都市农业研究所 采茶机器人采茶面超声波和视觉融合探测方法及装置
CN116616045A (zh) * 2023-06-07 2023-08-22 山东农业工程学院 一种基于植物生长的采摘方法及采摘系统
CN116616045B (zh) * 2023-06-07 2023-11-24 山东农业工程学院 一种基于植物生长的采摘方法及采摘系统

Also Published As

Publication number Publication date
CN110175582B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
Bulanon et al. Development of a real-time machine vision system for the apple harvesting robot
CN103345617B (zh) 中药识别的方法及其系统
CN103778628B (zh) 田间开放环境下的叶片病害程度获取方法及系统
CN103177445B (zh) 基于分段阈值图像分割及光斑识别的室外番茄识别方法
CN108960011A (zh) 部分遮挡的柑橘果实图像识别方法
CN101403703A (zh) 一种皮棉中异性纤维实时检测方法
CN104949981A (zh) 一种棉花五真叶期自动检测方法及系统
CN110175582A (zh) 基于像素分布的茶树嫩芽智能识别方法
CN102855640A (zh) 基于神经网络的水果等级分类系统
CN103149214A (zh) 水果表面缺陷检测方法
CN106384117A (zh) 一种车辆颜色识别方法及装置
CN106372635A (zh) 一种基于机器视觉的草莓外形品质判别方法
CN105794382A (zh) 一种基于机器视觉技术的果园精准施肥装置及施肥方法
CN108846862A (zh) 一种颜色先验知识导向的草莓机器手目标定位方法
CN109800619A (zh) 成熟期柑橘果实图像识别方法
CN103093208A (zh) 一种果蔬识别的方法及系统
CN112990103A (zh) 一种基于机器视觉的串采二次定位方法
CN102855641A (zh) 基于外在品质的水果等级分类系统
CN109284759A (zh) 一种基于支持向量机（svm）的魔方颜色识别方法
CN109858428A (zh) 基于机器学习和深度学习的ana荧光片自动识别方法
CN105850376A (zh) 一种石榴树电子化自动采摘方法
CN110033487A (zh) 基于深度联想感知算法的受遮挡蔬果采收方法
CN105427279B (zh) 一种基于计算机视觉及物联网的草原旱情监测系统和方法
Payne et al. Machine vision in estimation of fruit crop yield
CN112329506A (zh) 枸杞采摘机器人的果实识别方法及系统、定位方法及系统

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220503