CN110823136B - 一种快速估算油菜角果表面积的方法 - Google Patents

一种快速估算油菜角果表面积的方法 Download PDF

Info

Publication number
CN110823136B
CN110823136B CN201911170476.9A CN201911170476A CN110823136B CN 110823136 B CN110823136 B CN 110823136B CN 201911170476 A CN201911170476 A CN 201911170476A CN 110823136 B CN110823136 B CN 110823136B
Authority
CN
China
Prior art keywords
surface area
pod
horn
rape
curve
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
Application number
CN201911170476.9A
Other languages
English (en)
Other versions
CN110823136A (zh
Inventor
李绪孟
邓莹萍
王小卉
李方一
官春云
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.)
Hunan Agricultural University
Original Assignee
Hunan Agricultural 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 Hunan Agricultural University filed Critical Hunan Agricultural University
Priority to CN201911170476.9A priority Critical patent/CN110823136B/zh
Publication of CN110823136A publication Critical patent/CN110823136A/zh
Application granted granted Critical
Publication of CN110823136B publication Critical patent/CN110823136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种快速估算油菜角果表面积的方法，涉及测量方法、图像处理、数值计算等技术领域。包括图像获取、图像处理、表面积估算等步骤。本发明通过拍照的方式批量获取油菜角果图像，基于图像分割算法提取油菜角果单果图像，基于斜圆柱表面积计算方法计算油菜角果表面积，并利用三维扫描获取的油菜角果表面积对本发明估算的油菜角果表面积进行修正。比较分析表明本发明估算和修正后油菜角果表面积与三维扫描的油菜角果表面积有非常显著线性相关性。本发明估算油菜角果表面积通量高、精度高、成本低，可用于油菜角果性状的比较分析。

Description

一种快速估算油菜角果表面积的方法
技术领域
本发明涉及一种快速估算油菜角果表面积的方法，涉及测量方法、图像处理、数值计算等技术领域。
背景技术
油菜不同于其它作物，主要光合器官除叶片外还有角果、茎等。油菜终花后，随着角果的进一步生长，叶面积急剧下降，角果表面积不断增长，叶片的功能逐渐被角果取代，角果作为光合产物的“库”，同时发挥着主要“源”的作用。角果皮作为重要的光合器官，它有以下几个特点：①角果表面积大，处于植株的冠层，在果轴上呈螺旋形排列，容易接收阳光；②光合效率与叶片相当或超过叶片；③角果距离种子最近，光合产物供应籽粒极为方便。有研究指出，角果是油菜生育后期主要的光合器官，油菜籽粒中有70-80％的同化物是由角果提供的，油菜角果生长状况对籽粒产量和品质的形成产生重要影响。
研究油菜角果，角果表面积是一个非常重要的指标，它在某种程度上可反映光合作用效能的大小，一般认为角果表面积较大的植株在光合作用效能上占有优势。由于油菜角果外形呈不规则链珠状，不同部位的粗细不同,对角果表面积的测量有一定难度。目前研究油菜角果表面积的方法主要有克拉克公式法、圆柱体表面法、长宽乘积回归法、纸样称重法、鲜重相关法等，由于受当时条件的限制，大多数方法都是通过建模间接得到的结果，与实际大小有一定的偏差，且对于一株油菜少则300-500个角果，多则上1000个角果，能开展大规模精确测量的很少。
本发明公开了一种快速估算油菜角果表面积的方法。本发明通过拍照的方式批量获取油菜角果图像，基于图像分割算法提取油菜角果单果图像，基于斜圆柱体积计算方法计算油菜角果表面积，并利用三维扫描获取的油菜角果表面积对本发明估算的油菜角果体积进行修正。比较分析表明本发明估算和修正后油菜角果体积与三维扫描的油菜角果体积有非常显著线性相关性。本发明估算油菜角果估算和通量高、精度高、成本低，可用于油菜角果性状的比较分析。
发明内容
本发明目的在于提供一种快速估算油菜角果表面积的方法，提高测量效率，降低测量成本，同时获得精确度较高的油菜角果表面积，本发明采用的技术方案流程如图1所示。
为解决上述技术问题，本发明采用图2所示的图像采集装置拍摄批量角果照片，利用图3所示的坐标转化点图，图中点与点之间的实际距离为10cm。
为解决上述技术问题，本发明采用图1所示技术方案，其特征在于该方法包括步骤：
S0.准备像素变换方程：使用图像采集装置(如图2)拍摄坐标转化点图(如图3)，计算像素坐标和实际坐标的转化方程，像素点的位置(i,j)与实际坐标(x,y)转化方程使用二元二次函数：x＝a1*i2+b1*i*j+c1*j2+d1*i+e1*j+f1，y＝a2*i2+b2*i*j+c2*j2+d2*i+e2*j+f2，参数通过最小二乘拟合得到，目标为变换后坐标转化图上相邻点之间的距离与实际最接近；
S1图像获取，将油菜角果批量放置在黑色拍照背景布上，使用高清摄像头拍摄照片；
S2图像处理，对油菜角果照片进行二值化图像处理，图像去噪处理，分离背景和角果，进行图像分割，并从批量角果里提取每个角果像素点集合的位置和边界像素点集合的位置；利用S0所述的像素点的位置与实际坐标转化方程，变化角果像素点集合的位置和边界像素点集合的位置为角果像素点集合的实际坐标和边界像素点集合的实际坐标；
S3表面积估算，分别估算每个角果的表面积；单个角果的表面积的估算步骤如下：
S3-1使用直线方程拟合角果像素点集合的实际坐标；
S3-2角果坐标旋转，根据S3-1拟合的直线倾斜角，旋转角果像素点集合实际坐标和边界像素点集合实际坐标，使得角果像素点集合新坐标的拟合直线与水平直线平行，得到角果像素点集合新坐标和边界像素点集合新坐标；
S3-3拟合角果边界曲线elu(x),eld(x)，使用高次函数拟合S3-2旋转得到的角果边界像素点集合坐标得到两条近似的角果边界曲线elu(x),eld(x)，x∈[a,b],其中a,b为x的取值范围；
S3-4计算角果中心曲线cl(x)，根据S3-3拟合的两条角果边界曲线，计算角果中心曲线；
S3-5计算角果横截面半径曲线rl(x)，根据S3-3拟合的两条角果边界曲线，计算角果半径曲线；
S3-6估算角果表面积s，根据S3-4的角果中心曲线和S3-5计算的角果横截面半径曲线，估算角果表面积；
S3-7角果表面积的修正，参照3D扫描测量的角果表面积构建回归修正模型。
步骤S3-3所述角果边界线方程为
Figure GDA0003600482610000021
其中αi，βi为拟合参数，参数拟合采用最小二乘法，其中n为角果中油菜籽的粒数；其特征还在于步骤S3-4所述的角果中心曲线计算方法为cl(x)＝(elu(x)+eld(x))/2，步骤S3-5所述的角果横截面半径曲线计算方法为rl(x)＝|elu(x)-eld(x)|/2。
步骤S3-6估算角果表面积使用的计算算法为
Figure GDA0003600482610000031
其中，rl(x)为步骤S3-5所述的角果横截面半径曲线，cl(x)为步骤S3-4所的述角果中心曲线，a，b为步骤S3-3所述的x的取值范围。
步骤S3-7角果表面积的修正采用无截距的线性回归模型，S修＝r×S，其中，S为步骤S3-6估算的角果表面积，其中r为修正系数，r＝0.8173。
附图说明
图1本发明采用的技术方案流程图；
图2本发明使用的图像采集装置；
图3本发明用于坐标转化的点图；
图4本发明步骤S1拍摄的角果批量照片；
图5本发明步骤S2处理后的角果批量二值图像；
图6本发明步骤S3-3、S3-4、S3-5处理后的角果描述说明图；
图7本发明步骤S3-6角果面积计算示意图；
图8本发明步骤S3-7计算角果面积修正；
具体实施方式
本发明目的在于提供一种快速估算油菜角果表面积的方法，提高测量效率，降低测量成本，同时获得精确度较高的油菜角果表面积。
为解决上述技术问题，本发明采用图2所示的图像采集装置拍摄批量角果照片，利用图3所示的坐标转化图，图中点与点之间的实际距离为10cm。
为解决上述技术问题，本发明采用图1所示技术方案，其特征在于该方法包括步骤：
S0.准备像素变换方程：使用图像采集装置(如图2)拍摄坐标转化图(如图3)，计算像素坐标和实际坐标的转化方程，像素点的位置(i,j)与实际坐标(x,y)转化方程使用二元二次函数：x＝-7.3314e-006*i^2+6.7344e-007i*j-2.2592e-007j^2+0.090528*i-0.0089604*j,y＝-1.4521e-006*i^2+-7.2268e-006*i*j+7.7158e-008*j^2+.014176*i+0.09199*j+0；
S1图像获取，将油菜角果批量放置在黑色拍照背景布上，使用高清摄像头拍摄照片(如图4)；
S2图像处理，对油菜角果照片进行二值化图像处理，图像去噪处理，分离背景和角果(如图5)，进行图像分割，并从批量角果里提取每个角果像素点集合的位置和边界像素点集合的位置；利用S0所述的像素点的位置与实际坐标转化方程，变化角果像素点集合的位置和边界像素点集合的位置为角果像素点集合的实际坐标和边界像素点集合的实际坐标；
S3表面积估算，分别估算每个角果的表面积；单个角果的表面积的估算步骤如下：
S3-1使用直线方程拟合角果像素点集合的实际坐标；
S3-2角果坐标旋转，根据S3-1拟合的直线倾斜角，旋转角果像素点集合坐标和边界像素点集合坐标，使得角果像素点集合新坐标的拟合直线与水平直线平行，得到角果像素点集合新坐标和边界像素点集合新坐标；
S3-3拟合角果边界曲线，使用高次函数拟合S3-2旋转得到的角果边界像素点集合坐标得到两条近似的角果边界曲线elu(x),eld(x)，x∈[a,b],其中a,b为x的取值范围(如图6，)；角果边界线方程为
Figure GDA0003600482610000041
其中αi，βi为拟合参数，参数拟合采用最小二乘法，其中n为角果中油菜籽的粒数；
S3-4计算角果中心曲线，根据S3-3拟合的两条角果边界曲线，计算角果中心曲线(如图6)；角果中心曲线计算方法为cl(x)＝(elu(x)+eld(x))/2；
S3-5计算角果横截面半径曲线，根据S3-3拟合的两条角果边界曲线，计算角果半径曲线(如图6)；角果横截面半径曲线计算方法为rl(x)＝|elu(x)-eld(x)|/2；
S3-6估算角果表面积，根据S3-4的角果中心曲线和S3-5计算的角果横截面半径曲线，估算角果表面积，角果面积计算示意图(如图7)；角果表面积使用的计算算法为
Figure GDA0003600482610000042
其中，rl(x)为步骤S3-5所述的角果横截面半径曲线，cl(x)为步骤S3-4所的述角果中心曲线，a，b为步骤S3-3所述的x的取值范围。
S3-7角果表面积的修正，参照3D扫描测量的角果表面积构建回归修正模型。角果表面积的修正采用无截距的线性回归模型，S修＝r×S，其中，S为步骤S3-6估算的角果表面积。
步骤S3-3所述角果边界线方程为
Figure GDA0003600482610000051
其中αi，βi为拟合参数，参数拟合采用最小二乘法，其中n为角果中油菜籽的粒数；其特征还在于步骤S3-4所述的角果中心曲线计算方法为cl(x)＝(elu(x)+eld(x))/2，步骤S3-5所述的角果横截面半径曲线计算方法为rl(x)＝|elu(x)-eld(x)|/2。
步骤S3-6估算角果表面积使用的计算算法为
Figure GDA0003600482610000052
其中，rl(x)为步骤S3-5所述的角果横截面半径曲线，cl(x)为步骤S3-4所的述角果中心曲线，a，b为步骤S3-3所述的x的取值范围。
步骤S3-7角果表面积的修正采用无截距的线性回归模型，S修＝r×S，其中，S为步骤S3-6估算的角果表面积，r为修正系数，r＝0.8173。
基于本发明快速估算油菜角果表面积的方法估算角果的表面积和3D扫描法测量值的表面积，构建回归模型如附图8所示，修正本发明快速估算油菜角果表面积的精确度和准确度，并进行验证。对两组数据进行修正和检验，结果表明本发明快速估算油菜角果表面积的方法估算角果的表面积和3D扫描法测量值的表面积的无截距回归模型分别为：S修＝0.8112S，S修＝0.8235S，方程确定性系数分别为：R2＝0.9242，R2＝0.8718。一次项系数接近，方程确定性系数均大于0.87，在实际测量中采用公式S修＝0.8235S修正测量角果表面积。本发明通过照片拍摄，图像处理，进而估测和修正角果表面积，通量高、精度高、成本低，因此本发明估算油菜角果表面积可用于油菜角果性状的比较分析。

Claims (4)

1.一种快速估算油菜角果表面积的方法，其特征在于该方法包括步骤：
S1.图像获取，将油菜角果批量放置在黑色拍照背景布上，使用高清摄像头拍摄照片；
S2.图像处理，对油菜角果照片进行二值化图像处理，图像去噪处理，分离背景和角果，进行图像分割，并从批量角果里提取每个角果像素点集合坐标和边界像素点集合坐标；
S3.表面积估算，分别估算每个角果的表面积；单个角果的表面积的估算步骤如下：
S3-1使用直线方程拟合角果像素点集合坐标；
S3-2角果坐标旋转，根据S3-1拟合的直线倾斜角，旋转角果像素点集合坐标和边界像素点集合坐标，使得角果像素点集合新坐标的拟合直线与水平直线平行，得到角果像素点集合新坐标和边界像素点集合新坐标；
S3-3拟合角果边界曲线elu(x),eld(x)，使用高次函数拟合S3-2旋转得到的角果边界像素点集合坐标得到两条近似的角果边界曲线elu(x),eld(x)，x∈[a,b],其中a,b为x的取值范围；
S3-4计算角果中心曲线cl(x)，根据S3-3拟合的两条角果边界曲线，计算角果中心曲线；
S3-5计算角果横截面半径曲线rl(x)，根据S3-3拟合的两条角果边界曲线，计算角果横截面半径曲线；
S3-6估算角果表面积s，根据S3-4的角果中心曲线和S3-5计算的角果横截面半径曲线，估算角果表面积；
S3-7角果表面积的修正，参照3D扫描测量的角果表面积构建回归修正模型。
2.根据权利要求1所述的一种快速估算油菜角果表面积的方法,其特征还在于步骤S3-3所述角果边界曲线方程为
Figure FDA0003600502870000011
其中αi，βi为拟合参数，参数拟合采用最小二乘法，其中n为角果中油菜籽的粒数；步骤S3-4所述的角果中心曲线计算方法为cl(x)＝(elu(x)+eld(x))/2，步骤S3-5所述的角果横截面半径曲线计算方法为rl(x)＝|elu(x)-eld(x)|。
3.根据权利要求1所述的一种快速估算油菜角果表面积的方法,其特征还在于步骤S3-6估算角果表面积使用的计算算法为
Figure FDA0003600502870000012
其中，rl(x)为步骤S3-5 所述的角果横截面半径曲线，cl(x)为步骤S3-4所的述角果中心曲线，a，b为步骤S3-3所述的x的取值范围。
4.根据权利要求1所述的一种快速估算油菜角果表面积的方法,其特征还在于步骤S3-7角果表面积的修正采用无截距的线性回归模型，S修＝r×S，其中，S为步骤S3-6估算的角果表面积，r为修正系数，r＝0.8173。
CN201911170476.9A 2019-11-26 2019-11-26 一种快速估算油菜角果表面积的方法 Active CN110823136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911170476.9A CN110823136B (zh) 2019-11-26 2019-11-26 一种快速估算油菜角果表面积的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911170476.9A CN110823136B (zh) 2019-11-26 2019-11-26 一种快速估算油菜角果表面积的方法

Publications (2)

Publication Number Publication Date
CN110823136A CN110823136A (zh) 2020-02-21
CN110823136B true CN110823136B (zh) 2022-07-19

Family

ID=69559226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911170476.9A Active CN110823136B (zh) 2019-11-26 2019-11-26 一种快速估算油菜角果表面积的方法

Country Status (1)

Country Link
CN (1) CN110823136B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204555935U (zh) * 2015-04-20 2015-08-12 湖南农业大学 一种水稻叶形图像采集装置
CN104914105A (zh) * 2015-06-09 2015-09-16 中国农业科学院茶叶研究所 一种基于图像识别技术的茶叶等级鉴定方法
CN108120374A (zh) * 2017-11-30 2018-06-05 甘肃省治沙研究所 植物叶面积数据采集叶片夹与植物叶片面积无损求算方法
CN110174065A (zh) * 2019-06-17 2019-08-27 湖南农业大学 基于正交双目机器视觉的水果大小无损检测方法
CN110390339A (zh) * 2019-07-16 2019-10-29 北京市计算中心 一种图像校正方法、装置及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204555935U (zh) * 2015-04-20 2015-08-12 湖南农业大学 一种水稻叶形图像采集装置
CN104914105A (zh) * 2015-06-09 2015-09-16 中国农业科学院茶叶研究所 一种基于图像识别技术的茶叶等级鉴定方法
CN108120374A (zh) * 2017-11-30 2018-06-05 甘肃省治沙研究所 植物叶面积数据采集叶片夹与植物叶片面积无损求算方法
CN110174065A (zh) * 2019-06-17 2019-08-27 湖南农业大学 基于正交双目机器视觉的水果大小无损检测方法
CN110390339A (zh) * 2019-07-16 2019-10-29 北京市计算中心 一种图像校正方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《基于图像处理的油菜分枝及角果着生角度测量方法》;汪文祥;《中国油料作物学报》;20151231;全文 *

Also Published As

Publication number Publication date
CN110823136A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN109269430B (zh) 基于深度提取模型的多株立木胸径被动测量方法
Lü et al. Leaf area measurement based on image processing
CN109816680B (zh) 一种农作物株高的高通量计算方法
CN112418188A (zh) 基于无人机视觉的农作物生长全程数字化评估方法
CN108765433A (zh) 一种用于提高精度的多叶面积测量方法
CN112200854B (zh) 一种基于视频图像的叶类蔬菜三维表型测量方法
CN115082815B (zh) 基于机器视觉的茶芽采摘点定位方法、装置及采摘系统
CN113538666B (zh) 一种植物植株三维模型快速重建方法
CN107610086A (zh) 一种基于仿生复眼结构的工业并联机器人快速视觉检测算法
CN115687850A (zh) 一种农田的灌溉需水量计算方法及装置
CN110610438B (zh) 一种农作物冠层叶柄夹角计算方法及系统
CN110823311B (zh) 一种快速估算油菜角果体积的方法
CN109166127B (zh) 一种可穿戴式植物表型感知系统
CN105844264B (zh) 一种基于受力的油用牡丹果实图像的识别方法
Zhong et al. Identification and depth localization of clustered pod pepper based on improved Faster R-CNN
CN107993243B (zh) 一种基于rgb图像的小麦分蘖数自动检测方法
CN110736750B (zh) 一种基于多角度田间高清成像的小麦赤霉病检测方法
CN110823136B (zh) 一种快速估算油菜角果表面积的方法
He et al. A calculation method of phenotypic traits of soybean pods based on image processing technology
CN112417378A (zh) 一种基于无人机图像处理的中华绒螯蟹质量估算方法
CN111402318B (zh) 一种树上果实产量快速估测方法及装置
CN111369497B (zh) 一种行走式树上果实连续计数方法及装置
CN111627059A (zh) 一种棉花叶片中心点位置定位方法
Feng et al. Calculating the leaf-area based on non-loss correction algorithm
CN114049390A (zh) 一种基于机器视觉的小麦麦苗种植密度测量装置及方法

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