CN111508035A - 田间葡萄叶面温度非接触测温系统 - Google Patents
田间葡萄叶面温度非接触测温系统 Download PDFInfo
- Publication number
- CN111508035A CN111508035A CN202010229843.4A CN202010229843A CN111508035A CN 111508035 A CN111508035 A CN 111508035A CN 202010229843 A CN202010229843 A CN 202010229843A CN 111508035 A CN111508035 A CN 111508035A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- temperature
- leaf surface
- reference point
- 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
Links
- 241000219094 Vitaceae Species 0.000 title claims description 19
- 235000021021 grapes Nutrition 0.000 title claims description 19
- 230000005855 radiation Effects 0.000 claims abstract description 30
- 235000009754 Vitis X bourquina Nutrition 0.000 claims abstract description 22
- 235000012333 Vitis X labruscana Nutrition 0.000 claims abstract description 22
- 235000014787 Vitis vinifera Nutrition 0.000 claims abstract description 22
- 240000007651 Rubus glaucus Species 0.000 claims abstract description 16
- 235000011034 Rubus glaucus Nutrition 0.000 claims abstract description 16
- 235000009122 Rubus idaeus Nutrition 0.000 claims abstract description 16
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 240000006365 Vitis vinifera Species 0.000 claims 2
- 241000219095 Vitis Species 0.000 abstract description 20
- 241000196324 Embryophyta Species 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 240000000560 Citrus x paradisi Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 206010042496 Sunburn Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000523 sample Substances 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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Radiation Pyrometers (AREA)
Abstract
田间葡萄叶面温度非接触测温系统，涉及测温领域。本发明是为了解决现有测量植物温度的方式只能对单叶片某点进行测温，不利于准确、及时获取大面积叶面温度信息的问题。通过红外热像仪拍摄葡萄树冠层的红外热辐射图像，由树莓派处理拍摄的图像，从而提取出葡萄叶面区域图像，并根据该图像获得该叶面温度，从而能够测量到单个叶面的温度情况以及采用本申请的系统能够测量到整个葡萄叶面的温度。它用于叶面测温。
Description
技术领域
本发明涉及叶面测温。属于测温领域。
背景技术
高温35℃以上会使葡萄大量叶子枯萎，或出现果实斑点及产生果实病变，在高温持续作用下，葡萄叶面温度会比环境温度高出10℃，阳光照射下葡萄串的温度会比环境温度高出15℃。高温会导致葡萄减产及果实品质的降低，会严重影响到葡萄的正常生长。葡萄的成熟所需适宜环境因素影响酿酒的品质和口感，为了降低葡萄在生长期内太阳光过度照射或者由于夏季环境温度过高造成的损伤，以利于采摘后葡萄储存发酵酿酒，满足人们对葡萄品质的需要。需对葡萄生长期中外部环境对叶面温度的影响进行及时的跟踪，防止葡萄的过度晒伤及坏死。另外，植物缺水会导致植株活力下降，其受环境影响较大，缺水一个重要表征体现在植物的叶面上，通过监测叶面温度可以反映出植物水分盈亏状态，因此有必要对植物的“体温”进行测量。现有测量方案主要有两种，一种采用接触式热敏电阻测量，需要将测量探针插入叶子表面，造成叶面损伤，影响测量结果。另一种采用手持叶片温差测量仪进行测量，可对叶片中某点的温度进行测量。由于叶片形态各异，单叶片测量不能反映大面积的叶面情况，而且需要人工参与，费时费力。不利于准确、及时获取表皮温度信息，无法动态跟踪，实现自动化检测处理等问题。
发明内容
本发明是为了解决现有测量植物温度的方式只能对单叶片某点进行测温，不利于准确、及时获取大面积叶面温度信息的问题。现提供田间葡萄叶面温度非接触测温系统。
田间葡萄叶面温度非接触测温系统，所述装置包括红外热像仪2、树莓派1和SD存储卡3，
树莓派1，包括图像触发模块1-1、图像分离模块1-2、图像转换模块1-3、图像增强模块1-4、阈值分割模块1-5、边缘轮廓识别模块1-6、热辐射提取模块1-7和温度获得模块1-8，
图像触发模块1-1，用于在设定的时间内触发红外热像仪2；
红外热像仪2，用于接收图像触发模块的触发信号，拍摄红外热辐射图像；
SD存储卡3，用于存储红外热像仪2拍摄的红外热辐射图像；
图像分离模块1-2，用于从SD存储卡3中读取红外热辐射图像，从该图像中分离出彩色红绿蓝图像；
图像转换模块1-3，用于将彩色红绿蓝图像转换成色调饱和度亮度图像；
图像增强模块1-4，用于采用图像增强算法对色调饱和度亮度图像进行增强，获得增强后的图像；
阈值分割模块1-5，用于采用k均值聚类算法对增强后的图像进行分割，分割出叶面图像；
边缘轮廓识别模块1-6，用于去除叶面图像上的孤立点，采用边缘腐蚀技术将剩下的叶面图像点连成边缘连续的图像，采用空洞填充技术将该边缘连续的图像中亮度丢失的区域部分重新填充回来；
热辐射提取模块1-7，用于提取所述重新填充回来区域的图像，获得该图像的热辐射值；
温度获得模块1-8，用于根据热辐射值获得叶面的温度值，实现测温。
优选的，所述装置还包括图像提取模块，
图像提取模块，用于采用分水岭算法，对边缘轮廓识别模块得到的图像中黏连的叶片图像进行分离。
优选的，阈值分割模块1-5包括参考点确定单元和叶面图像获得单元；
参考点确定单元，从构成增强后图像的颜色空间点中随机选取三个颜色空间点作为参考点，计算颜色空间中除参考点之外的其他颜色空间点分别到三个参考点的空间距离最小值，以最小值确定除参考点之外的其他颜色空间点所属的参考点分类，形成新分类，将新分类后的所有颜色空间点取空间距离平均值，将平均值坐标作为该分类对应的新参考点，并再次计算颜色空间中除新参考点之外的其他颜色空间点分别到三个新参考点的空间距离最小值，确定除新参考点之外的其他颜色空间点所在的新分类，直到颜色空间中的每个点与前一时刻获得的参考点属于同一分类不在变化，则最终将此刻得到的参考点作为最终参考点，形成一类图像点，共形成三类图像点；
叶面图像获得单元，用于从参考点确定单元确定的三类图像点中获得叶面图像。
优选的，设定的时间为每隔2分钟。
本发明的有益效果为：
本申请通过红外热像仪拍摄葡萄树冠层(葡萄叶面区域、葡萄果实区域和非目标区域)的红外热辐射图像，由树莓派处理拍摄的图像，从而提取出葡萄叶面区域图像，并根据该图像获得该叶面温度，从而能够测量到单个叶面的温度情况以及采用本申请的系统能够测量到整个葡萄叶面的温度，利于及时对高温情况采取措施(物理降温措施，如喷水雾、增加通风等)，所以，本申请能够准确、快速的测量到叶面温度。本申请具有体积小、重量轻、精度高(0.1℃)的优点。
本申请实现了一种非接触的、实时的、自动的葡萄叶面温度精确检测装置。通过无接触方式，减少对葡萄的损伤；通过自动化算法，实现快速的无需人工干预的葡萄叶面图像分离并进行表面温度自动监测。
附图说明
图1为具体实施方式一所述的田间葡萄叶面温度非接触测温系统的原理示意图；
图2为树莓派对红外热辐射图像处理的图像图。
具体实施方式
具体实施方式一：参照图1具体说明本实施方式，本实施方式所述的田间葡萄叶面温度非接触测温系统，所述装置包括红外热像仪2、树莓派1和SD存储卡3，
树莓派1，包括图像触发模块1-1、图像分离模块1-2、图像转换模块1-3、图像增强模块1-4、阈值分割模块1-5、边缘轮廓识别模块1-6、热辐射提取模块1-7和温度获得模块1-8，
图像触发模块1-1，用于在设定的时间内触发红外热像仪2；
红外热像仪2，用于接收图像触发模块的触发信号，拍摄红外热辐射图像；
SD存储卡3，用于存储红外热像仪2拍摄的红外热辐射图像；
图像分离模块1-2，用于从SD存储卡3中读取红外热辐射图像，从该图像中分离出彩色红绿蓝图像；
图像转换模块1-3，用于将彩色红绿蓝图像转换成色调饱和度亮度图像；
图像增强模块1-4，用于采用图像增强算法对色调饱和度亮度图像进行增强，获得增强后的图像；
阈值分割模块1-5，用于采用k均值聚类算法对增强后的图像进行分割，分割出叶面图像；
边缘轮廓识别模块1-6，用于去除叶面图像上的孤立点，采用边缘腐蚀技术将剩下的叶面图像点连成边缘连续的图像，采用空洞填充技术将该边缘连续的图像中亮度丢失的区域部分重新填充回来；
热辐射提取模块1-7，用于提取所述重新填充回来区域的图像，获得该图像的热辐射值；
温度获得模块1-8，用于根据热辐射值获得叶面的温度值，实现测温。
本实施方式中，红外热像仪型号为Flir Duo R、树莓派为3代B+。
本申请还包括黑体校准器，黑体校准器，用于将高精度的校准温度对红外热像仪进行温度校准，这是在热像仪在使用之前减少存在的测量误差和系统误差，采用降低误差的最小二乘法直线拟合温度输出曲线，使红外热像仪的测量结果接近真值，使最终测量结果达到高精确度。
本申请还可以通过均值算法得到可识别葡萄叶面区特定温度阈值区域内温度的准确均值。因为叶面温度获取是一个区间，均值算法是为进一步获取叶面温度范围中温度超过35℃的区域范围，这一部分区域温度达到被分离区域一定比例(如60％)并持续一定时长(如15分钟以上)就认为持续的过高温度是会对葡萄造成伤害，之后就可以采取各种物理降温措施(如喷水雾、增加通风等)。
本实施方式中，图像中丢失的区域部分通常温度较高(有可能温度大于35℃)，所以颜色近似为白色，其他区域为近绿色。本申请能够提取出高温的图像，从而测出温度值。
本实施方式中，将HSV空间图像归一化，将各自分量H、S、V转换成范围[0 1]区间。
图像分离模块读取在红外热像仪SD存储卡特定目录下，最新日期的图像信息，通过PYTHON脚本，将图像从SD卡读取入树莓派中，通过解码程序从热辐射图像中提取出彩色RGB图像。
图像转换模块采用将彩色红绿蓝(RGB)图像空间转换到色调饱和度亮度(HSV)空间中。
图2中的附图标记3为树莓派对红外热辐射图像的处理过程；其中，附图标记4为热辐射图中提取出的RGB彩色图像；附图标记5为热辐射图中提取的辐射值图像；附图标记6为最终获取的叶面区域图像。
操作使用步骤：
1、按连接形式连接好树莓派和红外热像仪，并用支架将设备放置在田间靠近葡萄叶上表面处；
2、先打开红外热像仪，后打开树莓派3b+；
等待预设时间后自动拍照提取葡萄叶面区域，获得温度值。可通过树莓派连接外接显示屏显示结果或连接网络通过手持终端app连接到设备查看结果。
具体实施方式二：本实施方式是对具体实施方式一所述的田间葡萄叶面温度非接触测温系统进一步说明，本实施方式中，包括图像提取模块，
图像提取模块，用于采用分水岭算法，对边缘轮廓识别模块得到的图像中黏连的叶片图像进行分离。
本实施方式中，对叶面区域图像中存在少量上下粘连的区域，通过分水岭算法，进行进一步分割，通过此方法，微粘连的叶片图像被进一步分离，这样有利于取出单片非粘连叶面的温度信息。使测温更精确。
具体实施方式三：本实施方式是对具体实施方式一所述的田间葡萄叶面温度非接触测温系统作进一步说明，本实施方式中，阈值分割模块1-5包括参考点确定单元和叶面图像获得单元；
参考点确定单元，从构成增强后图像的颜色空间点中随机选取三个颜色空间点作为参考点，计算颜色空间中除参考点之外的其他颜色空间点分别到三个参考点的空间距离最小值，以最小值确定除参考点之外的其他颜色空间点所属的参考点分类，形成新分类，将新分类后的所有颜色空间点取空间距离平均值，将平均值坐标作为该分类对应的新参考点，并再次计算颜色空间中除新参考点之外的其他颜色空间点分别到三个新参考点的空间距离最小值，确定除新参考点之外的其他颜色空间点所在的新分类，直到颜色空间中的每个点与前一时刻获得的参考点属于同一分类不在变化，则最终将此刻得到的参考点作为最终参考点，形成一类图像点，共形成三类图像点；
叶面图像获得单元，用于从参考点确定单元确定的三类图像点中获得叶面图像。
本实施方式中，这个k均值聚类算法，是图像聚类算法的一种，主要目的是把图像中具有相似特征的点聚合为一类进行分类处理的作用。本申请就是利用k均值聚类算法获取葡萄叶面区域、葡萄果实区域和非目标区域这样3个分类，最终把是葡萄叶面的分类聚成一类，这就得到了叶面的区域图像了。
例如参考点为：(x1,y1,z1)，其他两点分别为：(xi,yi,zi)和(xj,yj,zj)，那么，点(xi,yi,zi)到参考点的空间距离Di为：(xi-x1)2+(yi-y1)2+(zi-z1)2＝Di,点(xj,yj,zj)到参考点的空间距离Dj为：(xj-x2)2+(yj-y2)2+(zj-z2)2＝Dj。将新分类后的所有颜色空间点取空间距离平均值，如有两个点，分别为：(x2,y2,z2)和(x3,y3,z4)，那么，空间距离平均值的坐标为：(x2+x3)/2，(y2+y3)/2，(z2+z3)/2。
确定除新参考点之外的其他颜色空间点所在的新分类，指其他颜色空间点与哪个新参考点的空间距离最小，就将该颜色空间点与该新参考点作为一类。
具体实施方式四：本实施方式是对具体实施方式一所述的田间葡萄叶面温度非接触测温系统作进一步说明，本实施方式中，设定的时间为每隔2分钟。
本实施方式中，图像触发模块设定每隔2分钟，通过树莓派GPIO接口发送PWM脉冲信号，触发红外热像仪获取红外热辐射图。
Claims (4)
1.田间葡萄叶面温度非接触测温系统，其特征在于，所述装置包括红外热像仪(2)、树莓派(1)和SD存储卡(3)，
树莓派(1)，包括图像触发模块(1-1)、图像分离模块(1-2)、图像转换模块(1-3)、图像增强模块(1-4)、阈值分割模块(1-5)、边缘轮廓识别模块(1-6)、热辐射提取模块(1-7)和温度获得模块(1-8)，
图像触发模块(1-1)，用于在设定的时间内触发红外热像仪(2)；
红外热像仪(2)，用于接收图像触发模块的触发信号，拍摄红外热辐射图像；
SD存储卡(3)，用于存储红外热像仪(2)拍摄的红外热辐射图像；
图像分离模块(1-2)，用于从SD存储卡(3)中读取红外热辐射图像，从该图像中分离出彩色红绿蓝图像；
图像转换模块(1-3)，用于将彩色红绿蓝图像转换成色调饱和度亮度图像；
图像增强模块(1-4)，用于采用图像增强算法对色调饱和度亮度图像进行增强，获得增强后的图像；
阈值分割模块(1-5)，用于采用k均值聚类算法对增强后的图像进行分割，分割出叶面图像；
边缘轮廓识别模块(1-6)，用于去除叶面图像上的孤立点，采用边缘腐蚀技术将剩下的叶面图像点连成边缘连续的图像，采用空洞填充技术将该边缘连续的图像中亮度丢失的区域部分重新填充回来；
热辐射提取模块(1-7)，用于提取所述重新填充回来区域的图像，获得该图像的热辐射值；
温度获得模块(1-8)，用于根据热辐射值获得叶面的温度值，实现测温。
2.根据权利要求1所述田间葡萄叶面温度非接触测温系统，其特征在于，所述装置还包括图像提取模块，
图像提取模块，用于采用分水岭算法，对边缘轮廓识别模块得到的图像中黏连的叶片图像进行分离。
3.根据权利要求1所述田间葡萄叶面温度非接触测温系统，其特征在于，阈值分割模块(1-5)包括参考点确定单元和叶面图像获得单元；
参考点确定单元，从构成增强后图像的颜色空间点中随机选取三个颜色空间点作为参考点，计算颜色空间中除参考点之外的其他颜色空间点分别到三个参考点的空间距离最小值，以最小值确定除参考点之外的其他颜色空间点所属的参考点分类，形成新分类，将新分类后的所有颜色空间点取空间距离平均值，将平均值坐标作为该分类对应的新参考点，并再次计算颜色空间中除新参考点之外的其他颜色空间点分别到三个新参考点的空间距离最小值，确定除新参考点之外的其他颜色空间点所在的新分类，直到颜色空间中的每个点与前一时刻获得的参考点属于同一分类不在变化，则最终将此刻得到的参考点作为最终参考点，形成一类图像点，共形成三类图像点；
叶面图像获得单元，用于从参考点确定单元确定的三类图像点中获得叶面图像。
4.根据权利要求1所述田间葡萄叶面温度非接触测温系统，其特征在于，设定的时间为每隔2分钟。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010229843.4A CN111508035B (zh) | 2020-03-27 | 2020-03-27 | 田间葡萄叶面温度非接触测温系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010229843.4A CN111508035B (zh) | 2020-03-27 | 2020-03-27 | 田间葡萄叶面温度非接触测温系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111508035A true CN111508035A (zh) | 2020-08-07 |
| CN111508035B CN111508035B (zh) | 2023-01-20 |
Family
ID=71877870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010229843.4A Active CN111508035B (zh) | 2020-03-27 | 2020-03-27 | 田间葡萄叶面温度非接触测温系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111508035B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127735A (zh) * | 2016-06-14 | 2016-11-16 | 中国农业大学 | 一种设施蔬菜边缘清晰类叶面病斑分割方法及装置 |
| CN109812902A (zh) * | 2019-04-03 | 2019-05-28 | 浙江大学 | 基于红外热源监测的地铁电气设备房空调节能系统及方法 |
-
2020
- 2020-03-27 CN CN202010229843.4A patent/CN111508035B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127735A (zh) * | 2016-06-14 | 2016-11-16 | 中国农业大学 | 一种设施蔬菜边缘清晰类叶面病斑分割方法及装置 |
| CN109812902A (zh) * | 2019-04-03 | 2019-05-28 | 浙江大学 | 基于红外热源监测的地铁电气设备房空调节能系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111508035B (zh) | 2023-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101763835B1 (ko) | 군락에서 영상이미지를 통한 작물기관별 이미지식별시스템 | |
| CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
| CN110427798B (zh) | 一种青菜智能识别及叶色环境变化预测的方法 | |
| 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 | |
| CN106338590A (zh) | 一种基于计算机视觉监测鱼类生命体征的水质监测方法 | |
| CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
| CN106934377A (zh) | 一种改进的人脸检测系统 | |
| CN112101365A (zh) | 基于红外热像处理的电力设备关键特征提取方法及系统 | |
| CN106845366B (zh) | 基于图像的甘蔗覆盖度自动检测方法 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN113793350A (zh) | 一种鱼苗计数物联设备及鱼苗情况统计方法 | |
| CN111145205A (zh) | 基于红外图像的多猪只场景下猪体温检测方法 | |
| CN113392846A (zh) | 一种基于深度学习的水尺水位监测方法及系统 | |
| CN107064159B (zh) | 一种依据植物黄叶检测判断生长趋势的装置及系统 | |
| CN111855653B (zh) | 一种植物干旱监测方法、监测模块和监测装置 | |
| CN111508035B (zh) | 田间葡萄叶面温度非接触测温系统 | |
| Wijethunga et al. | Digital image analysis based automated kiwifruit counting technique | |
| CN103120581B (zh) | 整合心跳量测及身份辨识的系统及方法 | |
| CN113132693B (zh) | 一种色彩校正方法 | |
| CN107563340A (zh) | 一种图像中所含云的机器识别方法 | |
| CN117351472A (zh) | 烟叶信息检测方法、装置及电子设备 | |
| LU501131B1 (en) | Non-contact Temperature Measuring System for Grape Leaf Surface Temperature in Field | |
| CN107993243A (zh) | 一种基于rgb图像的小麦分蘖数自动检测方法 | |
| CN115014211A (zh) | 一种基于机器视觉的电线电缆绝缘层厚度检测方法和系统 | |
| CN111316934A (zh) | 一种蜜蜂产育力分析仪及方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: No.139, Guandu 2nd Road, Maonan District, Maoming City, Guangdong Province 525000 Applicant after: GUANGDONG University OF PETROCHEMICAL TECHNOLOGY Address before: 525011 building 3, Yunlin Xiangxue 1st Street, shengmaoming country garden, Maonan District, Maoming City, Guangdong Province Applicant before: GUANGDONG University OF PETROCHEMICAL TECHNOLOGY |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |