CN110823311B - 一种快速估算油菜角果体积的方法 - Google Patents

一种快速估算油菜角果体积的方法 Download PDF

Info

Publication number
CN110823311B
CN110823311B CN201911170464.6A CN201911170464A CN110823311B CN 110823311 B CN110823311 B CN 110823311B CN 201911170464 A CN201911170464 A CN 201911170464A CN 110823311 B CN110823311 B CN 110823311B
Authority
CN
China
Prior art keywords
volume
pod
silique
curve
horn
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
CN201911170464.6A
Other languages
English (en)
Other versions
CN110823311A (zh
Inventor
王小卉
戴含
李绪孟
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 CN201911170464.6A priority Critical patent/CN110823311B/zh
Publication of CN110823311A publication Critical patent/CN110823311A/zh
Application granted granted Critical
Publication of CN110823311B publication Critical patent/CN110823311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F17/00—Methods or apparatus for determining the capacity of containers or cavities, or the volume of solid bodies
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Image Processing (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体积的方法，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、体积估算等步骤。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，基于斜圆柱体积计算方法计算油菜角果体积，并利用三维扫描获取的油菜角果体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体积通量高、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体积的方法
技术领域
本发明涉及一种快速估算油菜角果体积的方法，涉及测量方法、图像处理、数值计算等技术领域。
背景技术
油菜角果是油菜籽的储存器官，油菜角果是油菜光合作用的主要器官。角果的大小与籽粒的大小有显著的正相关性，同时角果大小与油菜终花后期的光合速率有显著的成正相关性。在油菜终花后期，随着角果的生长，叶面积急剧下降，角果体积不断增长，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。作为重要的光合器官，角果体积大，处于植株的冠层，在果轴上呈螺旋形排列，容易接收阳光；光合效率与叶片相当或超过叶片；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，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。
角果的大小决定籽粒的大小，同时角果大小决定油菜终花后期的光合速率，因此角果体积是油菜角果研究的重要指标。角果体积越大光合作用效能越大，角果体积较大的植株在光合作用效能上占有优势；角果体积越大油菜籽粒越大，角果体积较大的植株在产量上占有优势。由于油菜角果外形呈不规则链珠状，不同部位的粗细不同,对角果体积的测量有一定难度。目前研究油菜角果体积的方法较少，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体积的方法。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体积，并利用三维扫描获取的油菜角果体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体积通量高、精度高、成本低，可用于油菜角果体积性状的比较分析。
发明内容
本发明目的在于提供一种快速估算油菜角果体积的方法，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体积。
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体积估算，分别估算每个角果的体积；单个角果的体积的估算步骤如下：
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估算角果体积V，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，估算角果体积；
S3-7角果体积的修正，参照3D扫描测量的角果体积构建无截距的回归修正模型。
步骤S3-3所述角果边界线方程为
Figure GDA0003600594810000021
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估算角果体积使用的计算算法为
Figure GDA0003600594810000031
其中，rl(x)为步骤S3-5所述的角果横截面半径曲线，cl(x)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角果体积的修正采用无截距的线性回归模型，V修＝r×V，其中，S为步骤S3-6估算的角果体积，r为修正系数，r＝0.58。
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体积的方法，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体积。
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体积估算，分别估算每个角果的体积；单个角果的体积的估算步骤如下：
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 GDA0003600594810000041
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估算角果体积，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，估算角果体积，角果面积计算示意图(如图7)；角果体积使用的计算算法为
Figure GDA0003600594810000042
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角果体积的修正，参照3D扫描测量的角果体积构建回归修正模型。角果体积的修正采用无截距的线性回归模型，V修＝r×V，其中，V为步骤S3-6估算的角果体积。
步骤S3-3所述角果边界线方程为
Figure GDA0003600594810000051
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估算角果体积使用的计算算法为
Figure GDA0003600594810000052
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角果体积的修正采用无截距的线性回归模型，V修＝r×V，其中，V为步骤S3-6估算的角果体积，r为修正系数，r＝0.58。
基于本发明快速估算油菜角果体积的方法估算角果的体积和3D扫描法测量值的体积，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体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体积的方法估算角果的体积和3D扫描法测量值的体积的无截距回归模型分别为：V修＝0.5831V，V修＝0.5733V，方程确定性系数分别为：R2＝0.9123，R2＝0.8911。一次项系数接近，方程确定性系数均大于0.89，在实际测量中采用公式V修＝0.58V修正测量角果体积。
本发明通过照片拍摄，图像处理，进而估测和修正角果体积，通量高、精度高、成本低，因此本发明估算油菜角果体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体积的方法，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.体积估算，分别估算每个角果的体积；单个角果的体积的估算步骤如下：
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估算角果体积V，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，估算角果体积；
S3-7角果体积的修正，参照3D扫描测量的角果体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体积的方法,其特征还在于步骤S3-3所述角果边界曲线方程为
Figure FDA0003600594800000011
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体积的方法,其特征还在于步骤S3-6估算角果体积使用的计算算法为
Figure FDA0003600594800000012
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体积的方法,其特征还在于步骤S3-7角果体积的修正采用无截距的线性回归模型，V修＝r×V，其中，V为步骤S3-6估算的角果体积，r为修正系数，r＝0.58。
CN201911170464.6A 2019-11-26 2019-11-26 一种快速估算油菜角果体积的方法 Active CN110823311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911170464.6A CN110823311B (zh) 2019-11-26 2019-11-26 一种快速估算油菜角果体积的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911170464.6A CN110823311B (zh) 2019-11-26 2019-11-26 一种快速估算油菜角果体积的方法

Publications (2)

Publication Number Publication Date
CN110823311A CN110823311A (zh) 2020-02-21
CN110823311B true CN110823311B (zh) 2022-07-19

Family

ID=69559222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911170464.6A Active CN110823311B (zh) 2019-11-26 2019-11-26 一种快速估算油菜角果体积的方法

Country Status (1)

Country Link
CN (1) CN110823311B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115435689A (zh) * 2022-08-15 2022-12-06 北京旷视机器人技术有限公司 一种配重方法、配重系统、电子设备以及介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09273918A (ja) * 1996-04-08 1997-10-21 Fuji Electric Co Ltd 農産物の形状計測装置
US20070274579A1 (en) * 2003-11-26 2007-11-29 Viatronix Incorporated System And Method For Optimization Of Vessel Centerlines
JP4835342B2 (ja) * 2006-09-15 2011-12-14 コニカミノルタビジネステクノロジーズ株式会社 トナーの製造方法
JP4883799B2 (ja) * 2007-07-31 2012-02-22 鹿島建設株式会社 地盤材料の粒度計測システム及びプログラム
JP5198883B2 (ja) * 2008-01-16 2013-05-15 富士フイルム株式会社 腫瘍領域サイズ測定方法および装置ならびにプログラム
IT1398460B1 (it) * 2009-06-09 2013-02-22 Microtec Srl Metodo per la classificazione di prodotti alimentari in grado di rotolare sulla propria superficie esterna, quali frutta ed ortaggi.
US8526699B2 (en) * 2010-03-12 2013-09-03 Siemens Aktiengesellschaft Method and system for automatic detection and classification of coronary stenoses in cardiac CT volumes
CN106470594B (zh) * 2014-06-19 2020-03-10 皇家飞利浦有限公司 确定心血管结构的有效横截面面积
CN104776814B (zh) * 2015-04-20 2018-05-11 湖南农业大学 水稻叶形采集装置及稻叶形态参数提取方法
CN104776800B (zh) * 2015-04-22 2017-12-08 湖南农业大学 水稻单蘖图像采集装置及形态参数提取方法
CN107798672B (zh) * 2016-08-31 2021-06-29 上海创和亿电子科技发展有限公司 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器
CN107860316B (zh) * 2017-10-30 2019-10-08 重庆师范大学 玉米籽粒三维参数测量装置及其测量方法

Also Published As

Publication number Publication date
CN110823311A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN109785379B (zh) 一种对称物体尺寸及重量的测量方法及测量系统
CN109269430B (zh) 基于深度提取模型的多株立木胸径被动测量方法
CN109816680B (zh) 一种农作物株高的高通量计算方法
Lü et al. Leaf area measurement based on image processing
CN111724433A (zh) 一种基于多目视觉的作物表型参数提取方法及系统
Nguyen et al. 3D scanning system for automatic high-resolution plant phenotyping
CN102221331B (zh) 一种基于不对称双目立体视觉技术的测量方法
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
CN110070571B (zh) 一种基于深度相机的毛竹形态参数检测方法
CN108195736B (zh) 一种三维激光点云提取植被冠层间隙率的方法
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
CN101639947A (zh) 基于图像的植物三维形态测量与重建方法及系统
CN110889829A (zh) 一种基于鱼眼镜头的单目测距方法
CN113538666B (zh) 一种植物植株三维模型快速重建方法
CN110866975A (zh) 基于多目视觉的油菜图像获取装置及三维特征提取方法
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
CN110823311B (zh) 一种快速估算油菜角果体积的方法
CN114708153A (zh) 侧俯视角度下田间小麦穗部图像的校正方法
CN116883480A (zh) 基于双目影像与地基雷达融合点云的玉米株高检测方法
CN110736750A (zh) 一种基于多角度田间高清成像的小麦赤霉病检测方法
Zhong et al. Identification and depth localization of clustered pod pepper based on improved Faster R-CNN
CN109166127B (zh) 一种可穿戴式植物表型感知系统
CN104614372B (zh) 一种太阳能硅片检测方法
CN116740703B (zh) 一种基于点云信息的小麦表型参数变化率估测方法和装置

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