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 PDFInfo
- 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
- silique
- volume
- rape
- coordinates
- boundary
- 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 28
- 235000004977 Brassica sinapistrum Nutrition 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 10
- 244000188595 Brassica sinapistrum Species 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 238000003709 image segmentation Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 11
- 238000012417 linear regression Methods 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 4
- 230000004907 flux Effects 0.000 abstract description 2
- 238000000691 measurement method Methods 0.000 abstract description 2
- 240000002791 Brassica napus Species 0.000 description 20
- 230000009466 transformation Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000243 photosynthetic effect Effects 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000029553 photosynthesis Effects 0.000 description 3
- 238000010672 photosynthesis Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 2
- 235000014698 Brassica juncea var multisecta Nutrition 0.000 description 1
- 235000006008 Brassica napus var napus Nutrition 0.000 description 1
- 235000006618 Brassica rapa subsp oleifera Nutrition 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (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
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
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
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
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
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
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
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
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
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。
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)
| 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)
| 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 |
| WO2005055496A2 (en) * | 2003-11-26 | 2005-06-16 | 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 |
| EP3157411B1 (en) * | 2014-06-19 | 2022-12-07 | Koninklijke Philips N.V. | Determining an effective cross-sectional area of a cardiovascular structure |
| 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 |
-
2019
- 2019-11-26 CN CN201911170464.6A patent/CN110823311B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110823311A (zh) | 2020-02-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109785379A (zh) | 一种对称物体尺寸及重量的测量方法及测量系统 | |
| CN111724433B (zh) | 一种基于多目视觉的作物表型参数提取方法及系统 | |
| CN104851104B (zh) | 采用柔性靶标高速摄相机近景大视场标定方法 | |
| CN105335973B (zh) | 运用于带钢加工生产线的视觉处理方法 | |
| CN106548462B (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
| CN101639947A (zh) | 基于图像的植物三维形态测量与重建方法及系统 | |
| CN108759788B (zh) | 无人机影像定位定姿方法及无人机 | |
| CN105678757B (zh) | 一种物体位移测量方法 | |
| CN109859101B (zh) | 农作物冠层热红外图像识别方法及系统 | |
| CN109859137B (zh) | 一种广角相机非规则畸变全域校正方法 | |
| CN111814792B (zh) | 一种基于rgb-d图像的特征点提取与匹配方法 | |
| CN105913023A (zh) | 基于多光谱图像和sar图像的黄河冰凌协同检测方法 | |
| CN104123535A (zh) | 一种基于道路矫正的单目视觉机器人快速循迹的方法 | |
| CN108364318A (zh) | 一种消除防护玻璃折射影响的平面尺寸单目测量方法 | |
| CN110823311B (zh) | 一种快速估算油菜角果体积的方法 | |
| CN116051537A (zh) | 基于单目深度估计的农作物株高测量方法 | |
| CN117372498A (zh) | 一种基于三维点云的多姿态螺栓尺寸测量方法 | |
| CN106909881A (zh) | 基于无人机遥感影像提取玉米育种基地垄数的方法及系统 | |
| CN105761259B (zh) | 一种基于显微图像的小麦叶片气孔密度测量方法 | |
| CN105913426B (zh) | 一种基于zy-3影像的浅水湖泊围网区提取方法 | |
| CN103679713A (zh) | 一种针对部分匹配图像的二维图像配准方法 | |
| 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 | |
| CN110223356A (zh) | 一种基于能量生长的单目相机全自动标定方法 | |
| CN110823136B (zh) | 一种快速估算油菜角果表面积的方法 | |
| CN113155057A (zh) | 一种使用非特制靶标的线结构光平面标定方法 |
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 |