CN113518182A - 一种基于树莓派的黄瓜表型特征测量方法 - Google Patents

Abstract

本发明提供一种基于树莓派的黄瓜表型特征测量方法。该方法包括：获取放置于光箱中的待测黄瓜的动态图像并发送至终端进行图像位置识别；控制摄像头采集所述待测黄瓜的初始图像信息并保存，同时发送给终端进行图像完整度识别；对采集的所述初始图像进行灰度转化，并对灰度转化后的图像进行边缘检测，获取预处理图像；根据所述预处理图像中黄瓜的外轮廓和/或刺溜轮廓，并调用黄瓜表型特征参数测量函数得到待测黄瓜的至少一项表型特征参数。本发明能够实现对黄瓜表型特征的自动化测量；避免环境对测量结果的误差影响，测量过程更方便。

Description

一种基于树莓派的黄瓜表型特征测量方法

技术领域

本发明涉及测量技术领域，具体而言，涉及一种基于树莓派的黄瓜表型特征测量方法。

背景技术

近年来，我国现代农业发展取得了显著的成效。从大田农业、设施农业到如今的智慧农业、精准农业、智能农业，信息技术与现代农业的融合从未停止，呈螺旋上升、不断深化的发展规律。智慧农业的不断发展，农业的总产值逐年增加，农业与科技产业的结合逐渐加深，加速了农业现代化进程。

在智慧农业发展进程中，机器视觉在农业中得到了广泛应用，例如对农产品分级，农产品生长参数测量，农业机器人运动路径规划等。因此，在黄瓜种植产业中，为了提高产量，针对黄瓜的表型特征进行测量，比如黄瓜生长参数的测量，进而对黄瓜进行育种，这种方式对提高黄瓜产量具有重要的研究意义。

发明内容

本发明的目的在于提供一种基于树莓派的黄瓜表型特征测量方法，能够解决上述提到的至少一个技术问题。具体方案如下：

本发明提供一种基于树莓派的黄瓜表型特征测量方法，包括：

获取放置于光箱中的待测黄瓜的动态图像并发送至终端进行图像位置识别；

响应于终端的图像采集指令，控制摄像头采集所述待测黄瓜的初始图像信息并保存，同时发送给终端进行图像完整度识别；

响应于终端的图像处理指令，对采集的所述初始图像进行灰度转化，并对灰度转化后的图像进行边缘检测，获取预处理图像；

根据所述预处理图像中黄瓜的外轮廓和/或刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的至少一项表型特征参数。

可选的，所述根据所述预处理图像中黄瓜的外轮廓和/或刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的至少一项表型特征参数，包括：

根据所述预处理图像中黄瓜的刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的刺溜数量和/或刺溜面积；和/或，

根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜瓜长；和/或，

根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜弯曲度。

可选的，所述根据所述预处理图像中黄瓜的刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的刺溜数量和/或刺溜面积，包括：

响应于终端的刺溜数量测量指令，筛选和提取所述待测黄瓜刺溜轮廓；

对每个所述刺溜轮廓分配唯一标识符；以及，

对所述标识符的数量进行求和，得到所述待测黄瓜的刺溜数量。

可选的，所述响应于终端的刺溜数量测量指令，筛选和提取所述待测黄瓜刺溜轮廓，包括：

响应于终端的刺溜数量测量指令，对所述预处理图像进行扫描，当所述预处理图像的像素点满足f(i,j)>0,且f(i,j+1)＝0时，则判断所述像素点f(i,j)为所述待测黄瓜刺溜轮廓边界；

设定所述像素点f(i,j)为所述刺溜轮廓的边界起点，从所述边界起点开始，标记所述边界上的像素点，直到所述待测黄瓜内部每个刺溜轮廓提取完成。

可选的，所述方法还包括：

响应于终端的刺溜面积测量指令，获取每个所述刺溜轮廓内像素点f(i,j)的集合r_x；

对所述待测黄瓜内部每个刺溜轮廓的像素点集合r_x进行统计求和，得到所述待测黄瓜所有刺溜的像素面积

可选的，所述根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜瓜长，包括：

响应于终端的黄瓜瓜长测量指令，筛选和提取所述预处理图像中待测黄瓜的外轮廓；

统计所述待测黄瓜外轮廓上的像素点，得到所述待测黄瓜外轮廓的像素长度；

对外轮廓的像素点进行减半处理，得到了所述待测黄瓜瓜长的像素长度。

可选的，所述筛选和提取所述预处理图像中待测黄瓜的外轮廓，包括：

对所述预处理图像进行扫描，当所述预处理图像的像素点满足f(i，j-1)＝0，且f(i，j)＝1时，则判断所述像素点f(i，j)为所述待测黄瓜外轮廓边界；

设定所述像素点f(i，j)为所述外轮廓的边界起点，从所述边界起点开始，标记所述边界上的像素点，直到所述待测黄瓜外轮廓提取完成。

可选的，所述根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜弯曲度，包括：

响应于终端的黄瓜弯曲度测量指令，获取所述预处理图像的中心点位置，得到图像标准中心点f(i_ocp，j_ocp)；

标识所述预处理图像中待测黄瓜的最小水平外接矩形，得到所述最小水平外接矩形的中心点f(i_wcp，j_wcp)，且所述最小水平外接矩形的宽度距离为w＝(f(i_wcp，j_wcp)-f(i_ocp，j_wcp))²，长度距离为h＝(f(i_wcp，j_wcp)-f(i_wcp，j_ocp))²；

测量所述图像标准中心点f(i_ocp，j_ocp)与最小水平外接矩形的中心点f(i_wcp，j_wcp)两点之间的实际距离，得到所述待测黄瓜的弯曲度

可选的，所述获取放置于光箱中的待测黄瓜的动态图像，包括：

获取按预设位置放置于光箱中的待测黄瓜的动态图像，其中，所述按预设位置包括：将待测黄瓜的瓜把和瓜蒂放置于一预设水平放置线上。

可选的，所述方法还包括：

发送所述待测黄瓜的多项表型特征参数至终端进行显示。

本发明实施例的上述方案与现有技术相比，至少具有以下有益效果：

本发明提供的基于树莓派的黄瓜表型特征测量方法，通过对放置于光箱中的待测黄瓜表型特征进行测量，实现了对黄瓜表型特征的自动化测量；避免了环境对测量结果的误差影响，测量过程更方便，进一步拓宽了待测黄瓜的测量场景。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示出了本发明提供的基于树莓派的农作物表型特征测量装置的结构示意图；

图2示出了图1中显示设备的图像用户界面示意图；

图3示出了本发明提供的基于树莓派的黄瓜表型特征测量的方法流程图；

图4示出了图3所示方法的细化流程图；

图5示出了本发明实施例中对灰度转化后的图像进行边缘检测，获取预处理图像的方法流程图；

图6示出了图5获得的预处理图像的结构示意图；

图7示出了本发明实施例中根据所述预处理图像中黄瓜的刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的刺溜数量和/或刺溜面积的方法流程图；

图8示出了本发明实施例中根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜瓜长的方法流程图；

图9示出了本发明实施例中根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜弯曲度的方法流程图；

图10示出了本发明实施例中黄瓜弯曲度测量方法的原理示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述，但不应限于这些术语。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。

本实施例提供的基于树莓派的测量装置可以应用到各种产品测量中，例如，可以应用到对蔬菜表面特征的测量；例如，对水果表面特征的测量中。或者，也可以应用到农作物表面所附着物的测量，如对白粉病，霜霉病等叶片的测量。有些产品在分类或分级过程中也涉及到表型特征测量，此时也可以应用本实施例中的测量装置。

下面结合可选实施例，对本发明涉及到的内容进行说明。

实施例1

本发明提供一种基于树莓派的农作物表型特征测量装置，该装置基于QT编程软件，结合多参数农作物检测流程，编写带有图像用户界面的控制软件，可实现农作物多项参数的自动化测量。图1是根据本发明实施例提供的基于树莓派的农作物表型特征测量装置的结构示意图。如图1所示，所述装置包括：

光箱10，该光箱顶部具有一开口11，在所述光箱内与所述开口相对的位置放置待测样品40；

摄像机20，该摄像机固定于所述光箱外，与所述开口相对的位置，用于采集所述待测样品40的图像信息；

树莓派设备30，该树莓派设备与所述摄像机机电连接，用于接收所述摄像机发送的图像信息并处理，得到所述待测样品的至少一项表型特征参数。

其中，所述光箱10为一中空的箱体，所述光箱10的尺寸根据实际需要进行设置。本实施例中，所述光箱10为一立方体，所述立方体尺寸为400mm×350mm×350mm。所述光箱10能够满足所述摄像机20在采集图像时对光照等条件的要求，同时使该测量装置方便携带。

所述光箱10底部用于放置待测样品，所述待测样品按预设位置放置。可选的，所述光箱10底部标识有一预设水平放置线(图中未示)，在放置待测样品时，将待测样品的头部固定到所述预设水平放置线的起始点，尾部置放于所述预设水平放置线上，对待测样品的具体摆放方向不做要求。所述待测样品可以为各种农作物，例如苹果、黄瓜、茄子等，也可以是树叶片等具有表型特征的物体。

所述光箱10的顶部具有一开口11，该开口11的形状及尺寸等参数不限，所述开口只需与所述摄像机20配合，保证所述摄像机20采集到完整图像即可。本实施例中，所述开口11为方形结构。

在本发明一可选的实施例中，所述测量装置还包括：至少一个光源12，该至少一个光源12设置于所述光箱10内部，用于照射所述待测样品。通过设置光源可以增大待测样品的对比度，从而提升摄像机20的成像水平。所述光源的设置位置及数量根据实际需要进行设置。本实施例中，所述光源数量为两个日光灯，两个所述光源12分别设置于所述光箱内部开口11的两侧，且设置于所述光箱10顶部。

所述摄像机20通过一支撑架21固定于所述光箱10外部，且摄像头对应所述开口11，通过所述开口采集所述光箱10底部放置的待测样品的图像信息。可选的，所述支撑架21为活动式结构，通过转动所述支撑架21可调节所述摄像机20的位置，以确保摄像机20的拍摄条件良好，能够采集到所述待测样品的完整图像信息。

其中，所述图像信息包括动态图像和初始图像。具体的，所述摄像机20采集动态图像，当识别到动态图像中存在待测样品时所述摄像机20进行拍照，此时生成初始图像。本实施例中，所述摄像机为CMOS相机，该CMOS相机成像速度快，功耗低，可以直接通过数字接口供电，使用起来更加便捷。

所述树莓派设备30通过一数据线与所述摄像机20连接，用于接收所述摄像机20发送的图像信息。具体的，所述树莓派设备30接收所述初始图像并进行图像处理，得到待测样品的多项表型特征参数；另一方面，所述树莓派设备30接收动态图像并将该动态图像显示于用户界面。

对于树莓派设备，本发明采用树莓派3B+微型处理器(Raspberry Pi 3Model B)，该树莓派3B+微型处理器内部置有CPU和GPU，CPU处理器用于处理各种图像信息，GPU处理器使测量减少了对CPU的依赖，同时又保证了对图像处理的速度要求。

可选的，所述装置还包括：

显示设备40，该显示设备与所述树莓派设备连接，用于显示所述待测样品的至少一项表型特征参数。进一步，如图2所示，所述显示设备40还用于显示所述摄像机采集的待测样品的动态图像及初始图像。

本实施例中，所述显示设备40为一显示屏，可集成于所述树莓派设备上。所述显示屏配置有图像用户界面，该界面预设有动态图像窗口及预览窗口，所述动态图像窗口用于显示所述摄像机20采集的动态图像，所述预览窗口用于显示所述初始图像，方便用户进行识别。

可选的，所述装置还包括：

存储设备50，该存储设备与所述树莓派设备连接，用于存储所述图像信息及所述待测样品的至少一项表型特征参数。本实施例中，所述存储设备50为SD存储卡。可选的，所述存储设备内置于所述树莓派设备30。

可选的，所述装置还包括：电池60，该电池分别与所述树莓派设备及所述光箱电连接，用于提供所述树莓派设备和光箱的工作电源。本实施例中，所述电池包括太阳能电池板及锂电池。

需要说明的是，本发明提供的测量装置中软件设计是基于树莓派进行设计与开发来实现，具体通过使用QT开发平台进行开发农作物表型特征参数测量控制软件，其中，QT开发是应用于树莓派系统的交互界面开发软件，采用C或者C++语言进行开发，QT内的开发工具QT Creator具有跨平台，完整的集成开发环境，可以供应用程序开发者创建用于多个桌面，嵌入式以及移动设备平台的应用程序。使用QT Widgets设计和构建图形用户界面，以及QT Multimedia框架对摄像机功能进行开发；QT完成安装后对其进行环境配置，实现OpenCV库内的函数调用。

本发明提供的基于树莓派的黄瓜表型特征测量装置，通过设置光箱对农作物表型参数进行测量，对农产品的育种具有重要意义；该测量装置简单轻便，方便携带，能够实现对农作物表型特征的自动化测量，且避免了环境对测量结果的误差影响，使测量过程更方便，进一步拓宽了待测样品的测量场景；该装置可以满足短时间内对大量样本的测量并一一对应记录其结果，提高了工作效率；同时该装置具有良好的扩展性，可以实现对多种产品的测量。

实施例2

基于图1所示的测量装置，本发明还提供一种基于树莓派的黄瓜表型特征测量方法。图3是根据本发明实施例提供的基于树莓派的黄瓜表型特征测量的方法流程图，图4示出了本发明实施例提供的基于树莓派的黄瓜表型特征测量方法的实际测量流程图。如图3和图4所示，所述方法包括：

S102，获取放置于光箱中的待测黄瓜的动态图像并发送至终端进行图像位置识别；

S104，响应于终端的图像采集指令，控制摄像头采集所述待测黄瓜的初始图像信息并保存，同时发送给终端进行图像完整度识别；

S106，响应于终端的图像处理指令，对采集的所述初始图像进行灰度转化，并对灰度转化后的图像进行边缘检测，获取预处理图像；

S108，根据所述预处理图像中黄瓜的外轮廓和/或刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的至少一项表型特征参数。

在步骤S102中，树莓派设备控制摄像头对所述待测黄瓜进行检测，并将检测的动态图像发生至终端进行显示。通过观察所述图像用户界面中动态图像窗口是否出现完整的待测黄瓜，一方面可以确保待测样本进入视野，另一方面可以确定摄像头是否开始工作以及确认拍摄条件是否良好；当出现完整待测黄瓜时则执行图像采集步骤S104。

其中，所述待测黄瓜放置于光箱底部，所述光箱顶部设置有光源，用于增大待测样本对比度，提升成像水平。在测量的过程中，将所述待测黄瓜按预设位置放置，具体为在所述光箱底部标识一预设水平放置线，每次待测黄瓜的瓜把固定于所述黄瓜放置水平线的同一起点，且黄瓜瓜蒂放置于所述黄瓜放置水平线上，方便基于同一测量标准比较多组样本的测量值。对待测黄瓜的摆放方向不做要求。

在步骤S104中，在所述动态图像窗口中观测到待测黄瓜样本后，用户通过触发所述图像用户界面预设的拍照控件来发送图像采集指令；接收到图像采集指令后，所述树莓派设备执行图像获取，对所述待测黄瓜进行拍摄，并将拍摄的初始图像信息在所述图像用户界面进行显示；观察所述图像用户界面的预览窗口中待测黄瓜照片所需的表型特征信息是否完整，当待测黄瓜照片所需的表型特征信息完整时，此时将该初始图像进行保存，并执行图像处理步骤S106。

本发明中，通过动态图像窗口与预览窗口二次识别所述待测黄瓜，提高测量准确度，进一步提高测量效率。其中，所述图像位置识别及图像完整度识别均由用户进行识别，当然识别方式不限于人工识别，也可以是机器自动识别。

在步骤S106中，当待测黄瓜照片所需的表型特征信息显示完整时，用户通过触发所述图像用户界面预设的处理控件来发送图像处理指令，在接收到图像处理指令后，所述树莓派设备对所述初始图像进行灰度转化和对所述初始图像中待测黄瓜进行边缘检测，增强对比度。

其中，由于所述初始图像为彩色图像，彩色图像为RGB模型，需要将所述彩色图像转化成灰度等级值为R＝G＝B的灰度图像。所述灰度转化的方法包括加权平均、最大值法等。本实施例中，将所述彩色图像中R，G，B三个分量的权值进行加权平均，得到灰度图像，其中，所述待测黄瓜图片的灰度值范围为0～255。

灰度转化完成后采用Canny边缘检测算法对所述灰度图像中的待测黄瓜进行边缘检测，通过设置合适的阈值对图像进行处理，实现图像增强。具体的，如图5所示，所述对灰度转化后的图像进行边缘检测，获取预处理图像，包括步骤：

S1061，采用平滑滤波的方式对所述黄瓜灰度图像进行去噪处理，得到滤波图像；其中，由于采集的图片会受到光照等因素的影响，所以需要采取平滑滤波，高斯滤波等方式对所述灰度图片进行去噪处理操作，从而增大黄瓜图像和背景反差，去除噪声，保证后续的操作对黄瓜参数的准确计算。本实施例中，平滑处理采用的是线性滤波器，即经过变换之后的图像输出值是像素点的某个邻域内各点输入像素值的加权求和。

S1062，寻找所述滤波图像中的亮度梯度，计算出图像梯度值和梯度方向。本实施例中，利用Sobel算子计算所述灰度图片水平和垂直方向的差分。

S1063，对所述图像梯度值进行非极大值抑制；其中，经过高斯滤波之后，边缘部分可能被放大，需要过滤掉不是边缘上的点，因此采用非极大值抑制的方法，保留局部最大的点，从而得到细化的边缘。

S1064，采用双阈值算法检测和连接边缘，获得预处理图像，如图6所示。在该步骤中，设定低阈值和高阈值，超过高阈值的部分将边缘连接成轮廓，低于低阈值部分使得边缘轮廓闭合；其中，所述低阈值范围为20-40，所述高阈值范围为150-200。

在步骤S108中，所述根据所述预处理图像中黄瓜的外轮廓和/或刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的多项表型特征参数，包括以下至少一项：

(1)根据所述预处理图像中黄瓜的刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的刺溜数量和/或刺溜面积；

(2)根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜瓜长；

(3)根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜弯曲度。

在本发明实施例中，由于刺溜区域由于同黄瓜整体颜色区别明显，在图像预处理完成后，可测量所述待测黄瓜的刺溜数量和/或刺溜面积。具体的，如图7所示，根据所述预处理图像中黄瓜的刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的刺溜数量和/或刺溜面积，包括：

S1081，响应于终端的刺溜数量测量指令，筛选和提取所述待测黄瓜刺溜轮廓。在该步骤中，在筛选所述待测黄瓜刺溜轮廓的同时，可以筛选所述待测黄瓜整个外轮廓。当然，也可以是分开筛选，在此不作限制。具体的，对所述预处理图像进行逐步扫描，当输入所述预处理图像的像素点满足以下两种情况时终止：

f(i,j-1)＝0,且f(i,j)＝1 (1)

f(i,j)>0,且f(i,j+1)＝0 (2)

当输入的像素点f(i,j)满足上述第一种条件时，则判断输入的像素点f(i,j)为所述待测黄瓜刺溜轮廓边界；当满足第二种条件时，则判断输入的像素点f(i,j)为所述待测黄瓜外轮廓边界，其中，所述外轮廓是指黄瓜整体轮廓，所述刺溜轮廓是指黄瓜表面的刺溜的轮廓。本实施例中，设定某一像素点为所述刺溜轮廓的边界起点，从所述边界起点开始，标记边界上的像素点，结合findContours轮廓提取函数提取所述待测黄瓜内部每一个刺溜轮廓。

S1082，对每个所述刺溜轮廓分配唯一标识符。

S1083，对所述标识符的数量进行求和，得到所述待测黄瓜的刺溜数量。本实施例中，分配一个唯一的标识符给新发现的刺溜轮廓，其初始值为1，每发现一个新的刺溜轮廓，给予赋值，该赋值在上一个数值基础上加1，从而根据最后一个赋值直接得到所述待测黄瓜的刺溜数量。当然，所述标识符不限于赋值，也可以是其它标识，如字母，根据字母的数量得到所述待测黄瓜的刺溜数量。

可选的，所述方法还包括：

响应于终端的刺溜面积测量指令，获取每个所述刺溜轮廓内像素点f(i,j)的集合r_x；

对所述待测黄瓜内部每个刺溜轮廓的像素点集合r_x进行统计求和，得到所述待测黄瓜所有刺溜的像素面积

进一步，对所述待测黄瓜的刺溜数量和刺溜面积测量进行分析验证，具体通过对提取的刺溜轮廓进行随机颜色填充；并对填充后刺溜轮廓的数量进行求和，得到黄瓜的刺溜数量，与步骤S1083得到的刺溜数量相同。另，为计算刺溜面积将黄瓜刺溜轮廓内的像素点集进行求和转换，得到黄瓜的实际刺溜面积，与上述得到的待测黄瓜所有刺溜的像素面积相同。

在本发明另一可选的实施例中，由于黄瓜在生长过程中，黄瓜轮廓两侧的弯曲程度不一样，导致黄瓜形状复杂。如果直接测量瓜顶到瓜蒂的距离，会产生严重偏差。通过采用对黄瓜整个轮廓计算的方法，可以充分考虑黄瓜生长趋势并且满足快速方便的要求。具体的，如图8所示，所述根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜瓜长，包括：

S1084，响应于终端的黄瓜瓜长测量指令，筛选和提取所述预处理图像中待测黄瓜的外轮廓。本实施例中，所述待测黄瓜的外轮廓的筛选参见步骤S1081，在提取过程中设定某一像素点为所述黄瓜外轮廓的边界起点，从所述边界起点开始，逐步标记边界上的像素点，直到所述边界起点至最后一个像素点形成闭环，此时所述待测黄瓜的外轮廓提取完成。

可选的，为了避免刺溜以及部分阴影部分对图像效果的影响，可在提取轮廓之前对所述预处理图像的像素先进行腐蚀与膨胀处理，从而得到良好的外轮廓效果。

S1085，统计所述待测黄瓜外轮廓上的像素点，得到所述待测黄瓜外轮廓的像素长度；

S1086，对外轮廓的像素点的数量进行减半处理，得到了所述待测黄瓜瓜长的像素长度。

在本发明另一可选的实施例中，黄瓜在实际生长过程中，因为品种，空间，光照等因素的影响，会导致黄瓜产生各种各样的弯曲，为提升黄瓜产量，对黄瓜的弯曲程度进行判断与对比，综合考虑其形态特点，提出了一种基于黄瓜整体轮廓的测量方法，由于黄瓜弯曲的程度不一致，导致黄瓜的最小水平外接矩形中心点f(i_wcp，j_wcp)产生变化，通过测量两点间的实际距离来作为黄瓜弯曲度的测量值。

具体的，如图9所示，所述根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜弯曲度，包括：

S1087，响应于终端的黄瓜弯曲度测量指令，获取所述预处理图像的中心点位置，得到图像标准中心点f(i_ocp，j_ocp)。本实施例中，摄像头固定在待测黄瓜样品上方进行拍摄，以获得的预处理图像的左上方顶点为圆心建立坐标系，横轴为i，纵轴为j，所述预处理图像的中心点位置为固定的点，即为图像标准中心点f(i_ocp，j_ocp)。

S1088，标识所述预处理图像中待测黄瓜的最小水平外接矩形，得到所述最小水平外接矩形的中心点f(i_wcp，f_wcp)，且所述最小水平外接矩形的宽度距离为w＝(f(i_wcp，j_wcp)-f(i_ocp，j_wcp))²，长度距离为h＝(f(i_wcp，j_wcp)-f(i_wcp，j_ocp))²；

该步骤中，图10示出了所述黄瓜弯曲度测量方法的原理示意图。如图10所示，在标识最小水平外接矩形时，以所述预设水平放置线为矩形的一条边，在所述待测黄瓜外轮廓两侧边缘标识出垂直于所述预设水平放置线的两条边，并在所述待测黄瓜外轮廓上侧边缘标识出平行于所述预设水平放置线的两条边，即可得到所述最小水平外接矩形，其中，该最小水平外接矩形的长度方向为所述预设水平放置线所在方向，宽度方向为垂直于所述预设水平放置线的方向。

S1089，测量所述图像标准中心点f(i_ocp，j_ocp)与最小水平外接矩形的中心点f(i_wcp，j_wcp)两点之间的实际距离，得到所述待测黄瓜的弯曲度

可选的，所述方法进一步包括：S109，保存并发送所述待测黄瓜的多项表型特征参数至终端进行显示。在对当前待测黄瓜测量数据进行保存与显示后，判断是否还有待测样本，若有，继续执行上述多个步骤进行测量，若没有，则结束测量。

本发明中，黄瓜表型特征测量主要是对黄瓜的刺溜个数与面积，瓜长，弯曲度等参数进行测量。通过对160组黄瓜样本进行测量，将所得数据同实际样本进行对比，以验证测量方法的有效性，数据结果如表1所示。黄瓜的刺溜个数，刺溜数量，瓜长通过将测量值同黄瓜样的实际值进行对比，测量值在误差范围内可以被认为测量结果是准确的，测量结果的准确率在96.25％左右。而针对弯曲度这一测量指标，通过将不同弯曲的黄瓜进行对比，可以清楚的发现，黄瓜弯曲程度越大，测量的弯曲度的值越大，因此弯曲度的测量值可以对黄瓜生长的弯曲程度做出良好的区分。

表1样本测量结果

黄瓜表型特征	合格次数	误差范围
			刺溜个数	153	±15个
刺溜面积	150	±3cm<sup>2</sup>
			瓜长	156	±1.5cm

本发明提供的基于树莓派的黄瓜表型特征测量方法，通过对黄瓜表型参数的测量，对黄瓜的育种具有重要意义。具体通过黄瓜表型特征测量平台，实现了对黄瓜表型特征的自动识别与测量，避免了环境对测量结果的误差影响，测量过程更方便，进一步拓宽了待测黄瓜的测量场景。此外，该测量方法可以满足短时间内对大量黄瓜样本的测量并一一对应记录测量数据结果，提高了工作效率；同时该测量方法具有良好的扩展性，通过对细小参数的调整可以实现对多种产品测量的要求。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于树莓派的黄瓜表型特征测量方法，其特征在于，包括：

获取放置于光箱中的待测黄瓜的动态图像并发送至终端进行图像位置识别；

响应于终端的图像采集指令，控制摄像头采集所述待测黄瓜的初始图像信息并保存，同时发送给终端进行图像完整度识别；

响应于终端的图像处理指令，对采集的所述初始图像进行灰度转化，并对灰度转化后的图像进行边缘检测，获取预处理图像；

根据所述预处理图像中黄瓜的外轮廓和/或刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的至少一项表型特征参数。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预处理图像中黄瓜的外轮廓和/或刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的至少一项表型特征参数，包括：

根据所述预处理图像中黄瓜的刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的刺溜数量和/或刺溜面积；和/或，

根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜瓜长；和/或，

根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜弯曲度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述预处理图像中黄瓜的刺溜轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜的刺溜数量和/或刺溜面积，包括：

响应于终端的刺溜数量测量指令，筛选和提取所述待测黄瓜刺溜轮廓；

对每个所述刺溜轮廓分配唯一标识符；以及，

对所述标识符的数量进行求和，得到所述待测黄瓜的刺溜数量。

4.根据权利要求3所述的方法，其特征在于，所述筛选和提取所述待测黄瓜刺溜轮廓，包括：

响应于终端的刺溜数量测量指令，对所述预处理图像进行扫描，当所述预处理图像中的像素点满足f(i,j)>0,且f(i,j+1)＝0时，则判断所述像素点f(i,j)为所述待测黄瓜刺溜轮廓边界；

设定所述像素点f(i,j)为所述刺溜轮廓的边界起点，从所述边界起点开始，标记所述边界上的像素点，直到所述待测黄瓜内部每个刺溜轮廓提取完成。

5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：

响应于终端的刺溜面积测量指令，获取每个所述刺溜轮廓内像素点f(i,j)的集合r_x；

对所述待测黄瓜内部每个刺溜轮廓像素点集合r_x进行统计求和，得到所述待测黄瓜所有刺溜的像素面积

6.根据权利要求2所述的方法，其特征在于，所述根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜瓜长，包括：

响应于终端的黄瓜瓜长测量指令，筛选和提取所述预处理图像中待测黄瓜的外轮廓；

统计所述待测黄瓜外轮廓上的像素点，得到所述待测黄瓜外轮廓的像素长度；

对外轮廓的像素点的数量进行减半处理，得到了所述待测黄瓜瓜长的像素长度。

7.根据权利要求6所述的方法，其特征在于，所述筛选和提取所述预处理图像中待测黄瓜的外轮廓，包括：

对所述预处理图像进行扫描，当所述预处理图像中像素点满足f(i,j-1)＝0,且f(i,j)＝1时，则判断所述像素点f(i,j)为所述待测黄瓜外轮廓边界；

设定所述像素点f(i,j)为所述外轮廓的边界起点，从所述边界起点开始，标记所述边界上的像素点，直到所述待测黄瓜外轮廓提取完成。

8.根据权利要求2所述的方法，其特征在于，所述根据所述预处理图像中黄瓜的外轮廓，并调用黄瓜表型特征参数测量函数得到所述待测黄瓜弯曲度，包括：

响应于终端的黄瓜弯曲度测量指令，获取所述预处理图像的中心点位置，得到图像标准中心点f(i_ocp，j_ocp)；

标识所述预处理图像中待测黄瓜的最小水平外接矩形，得到所述最小水平外接矩形的中心点f(i_wcp，j_wcp)，且所述最小水平外接矩形的宽度距离为w＝(f(i_wcp，j_wcp)-f(i_ocp，j_wcp))²长度距离为h＝(f(i_wcp，j_wcp)-f(i_wcp，j_ocp))²；

测量所述图像标准中心点f(i_ocp，j_ocp)与最小水平外接矩形的中心点f(i_wcp，j_wcp)两点之间的实际距离，得到所述待测黄瓜的弯曲度

9.根据权利要求1所述的方法，其特征在于，所述获取放置于光箱中的待测黄瓜的动态图像，包括：

获取按预设位置放置于光箱中的待测黄瓜的动态图像，其中，所述按预设位置包括：将待测黄瓜的瓜把和瓜蒂放置于一预设水平放置线上。

10.根据权利要求1所述的方法，其特征在于，所述方法还包括：

发送所述待测黄瓜的多项表型特征参数至终端进行显示。

Images