CN110175582B - 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 PDFInfo
- Publication number
- CN110175582B CN110175582B CN201910459992.7A CN201910459992A CN110175582B CN 110175582 B CN110175582 B CN 110175582B CN 201910459992 A CN201910459992 A CN 201910459992A CN 110175582 B CN110175582 B CN 110175582B
- Authority
- CN
- China
- Prior art keywords
- tender
- pixel
- tea tree
- background
- sampling line
- 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
- 235000009024 Ceanothus sanguineus Nutrition 0.000 title claims abstract description 23
- 240000003553 Leptospermum scoparium Species 0.000 title claims abstract description 23
- 235000015459 Lycium barbarum Nutrition 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 244000269722 Thea sinensis Species 0.000 claims abstract description 11
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 238000003709 image segmentation Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 235000006468 Thea sinensis Nutrition 0.000 claims 2
- 238000002474 experimental method Methods 0.000 abstract description 2
- 238000005286 illumination Methods 0.000 abstract description 2
- 235000013616 tea Nutrition 0.000 description 5
- 235000009569 green tea Nutrition 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 244000021209 Leptospermum coriaceum Species 0.000 description 1
- 235000015940 Leptospermum coriaceum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
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
- G06T7/11—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
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 (3)
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；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；
第三步：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；
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；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；
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。
3.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。
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 CN110175582A (zh) | 2019-08-27 |
| CN110175582B true 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) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1294530C (zh) * | 2001-11-05 | 2007-01-10 | 夏普株式会社 | 彩色图象处理方法、彩色图象处理器、彩色显示器、以及用于实施彩色图象处理方法的计算机程序 |
| 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 |
| CN104573697B (zh) * | 2014-12-31 | 2017-10-31 | 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 |
| CN106815587B (zh) * | 2015-11-30 | 2019-10-18 | 浙江宇视科技有限公司 | 图像处理方法及装置 |
| CN105550623B (zh) * | 2016-01-25 | 2017-12-29 | 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 |
| CN107507142B (zh) * | 2017-08-11 | 2021-02-09 | 江苏航天大为科技股份有限公司 | 信号灯图像处理方法 |
| CN109598244B (zh) * | 2018-12-07 | 2023-08-22 | 吉林大学 | 一种交通信号灯识别系统及其识别方法 |
-
2019
- 2019-05-29 CN CN201910459992.7A patent/CN110175582B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 低对比度茶叶嫩芽图像自动分割方法的研究;周礼赞 等;《蚕桑茶叶通讯》;20190430;第22页、第25页 * |
| 茶叶嫩芽图像自动分割方法的研究;汪洋 等;《黄山学院学报》;20150630;第15页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110175582A (zh) | 2019-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fu et al. | A novel image processing algorithm to separate linearly clustered kiwifruits | |
| CN111709489B (zh) | 一种基于改进YOLOv4的柑橘识别方法 | |
| 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 | |
| CN107694962A (zh) | 一种基于机器视觉与bp神经网络的水果自动分拣方法 | |
| CN103729621B (zh) | 基于叶片骨架模型的植物叶片图像自动识别方法 | |
| CN105719282A (zh) | 一种果园红色苹果图像果实枝叶区域获取方法 | |
| CN108846862A (zh) | 一种颜色先验知识导向的草莓机器手目标定位方法 | |
| CN112131952A (zh) | 基于无人机遥感影像的玉米苗期株数信息提取 | |
| 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 | |
| CN111784764A (zh) | 一种茶叶嫩芽识别与定位算法 | |
| CN107301401A (zh) | 一种多目标猕猴桃果实识别方法与图像获取装置 | |
| CN110175582B (zh) | 基于像素分布的茶树嫩芽智能识别方法 | |
| CN102339378A (zh) | 一种自动提取棉苗的方法及其装置 | |
| Payne et al. | Machine vision in estimation of fruit crop yield | |
| CN115170522A (zh) | 一种基于机器视觉的穴盘种苗分级移栽方法 | |
| CN107886497A (zh) | 一种基于图像的小麦旗叶无损自动检测及测量方法 | |
| Wang et al. | Automated mango flowering assessment via refinement segmentation | |
| CN103226709A (zh) | 一种美国白蛾幼虫网幕图像识别方法 | |
| CN107169940B (zh) | 基于电子识别的单株梨树产量获取方法 | |
| CN111401121A (zh) | 一种基于超像素特征提取实现柑橘分割方法 | |
| CN109949310A (zh) | 一种基于Lab颜色空间的西瓜花体图像分割方法 | |
| Xie et al. | Research on recognition methods of pomelo fruit hanging on trees base on machine vision | |
| CN115330868A (zh) | 一种基于深度学习与深度信息融合的葡萄采摘方法 | |
| CN110781746B (zh) | 一种枸杞识别与定位方法 | |
| Yihang et al. | Automatic recognition of rape seeding emergence stage based on computer vision technology |
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 |