CN113935991B - 玉米横截面参数测量方法、系统、电子设备及可存储介质 - Google Patents
玉米横截面参数测量方法、系统、电子设备及可存储介质 Download PDFInfo
- Publication number
- CN113935991B CN113935991B CN202111517112.0A CN202111517112A CN113935991B CN 113935991 B CN113935991 B CN 113935991B CN 202111517112 A CN202111517112 A CN 202111517112A CN 113935991 B CN113935991 B CN 113935991B
- Authority
- CN
- China
- Prior art keywords
- cross
- image
- section
- corn
- gray
- 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
- 240000008042 Zea mays Species 0.000 title claims abstract description 335
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 335
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 334
- 235000005822 corn Nutrition 0.000 title claims abstract description 334
- 238000000034 method Methods 0.000 title claims abstract description 50
- 210000001161 mammalian embryo Anatomy 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000032692 embryo implantation Effects 0.000 claims abstract description 22
- 208000003643 Callosities Diseases 0.000 claims abstract description 8
- 206010020649 Hyperkeratosis Diseases 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 27
- 230000007547 defect Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 18
- 235000013339 cereals Nutrition 0.000 description 12
- 238000012360 testing method Methods 0.000 description 8
- 210000005069 ears Anatomy 0.000 description 5
- 238000003304 gavage Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 235000009973 maize Nutrition 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,公开了一种玉米横截面参数测量方法、系统、电子设备及可存储介质,包括:计算玉米横截面图像的圆心和半径,在B通道图中将单个横截面等分成多个同心圆环,从外向内逐个遍历圆环,当某圆环内的灰度值均值大于此横截面的灰度值均值时,此圆环中间圆即为得到的轴线,在G减B通道结果图中,根据上述方式,当某圆环内的灰度值均值小于此横截面的灰度值均值时,此圆环中间圆即为得到的胚栽入线,根据轴线和胚栽入线得到得到胚尖位置线,在二值图中利用玉米横截面一周籽粒的凹凸特性,分析得出籽粒的个数和位置。本发明将图像处理技术应用于玉米横截面测量,取代人工测量统计分析数据,节省了人力成本,提高了工作效率。
Description
技术领域
本发明涉及图像处理技术领域,具体为一种玉米横截面参数测量方法、系统、电子设备及可存储介质。
背景技术
玉米果穗横截面参数包括轴线、胚栽入线、胚尖位置线、玉米籽粒数等,对玉米果穗横截面参数进行分析研究,对选育出优质的玉米品种,玉米提高产量和发展具有非常重要的意义;因此,玉米果穗考种测量技术水平直接影响了劳动投入、测量效率、测量准确度等等,而图像处理和识别技术的兴起为玉米果穗考种测量奠定了有力的技术基础。近些年,国内农业发展的重要性越来越突出,其中把数字图像技术用于玉米果穗考种测量方面也取得了一定的研究成果;常见的是利用扫描仪采集果穗图片,进一步利用图像处理技术找出果穗籽粒排数,单排籽粒个数、穗长、穗粗等,但是此种技术不能测量玉米横截面参数;而目前对玉米果穗横截面参数的测量分析的产品主要有自动考种分析系统,其产品满足了市场需求,受到欢迎,但是其费用昂贵、技术封锁、效果也有待突破;其他测量方式主要还是停留在手动机械进行测量,而这种测量需要人工记录数据,存在操作繁琐,容易出错等问题。
发明内容
本发明的目的在于克服现有的记录方式繁琐的问题,提供了一种玉米横截面参数测量方法、系统、电子设备及可存储介质。
为了实现上述目的,本发明提供一种玉米横截面参数测量方法,包括以下步骤:
获取单个玉米横截面图像,在所述单个玉米横截面图像中根据第一预定条件得到单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件得到单个玉米横截面半径作为圆环半径;
获取所述单个玉米横截面图像的B通道图,计算所述B通道图的灰度值均值作为第一灰度值均值,在B通道图中根据所述圆心坐标和所述圆环半径得到第一圆环,在所述第一圆环内部区域得到多个与所述第一圆环具有相同圆心的第一中间圆环,依次计算从外向内的第一中间圆环内部区域的灰度值均值作为第三灰度值均值,当计算得到的第三灰度值均值大于第一灰度值均值时,停止计算,获取该第三灰度值均值对应的第一中间圆环的半径即为轴线的半径,该所述第一中间圆环即为轴线;
获取所述单个玉米横截面图像的G通道图和B通道图,根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的灰度值均值作为第二灰度值均值,在所述GB通道图中根据所述圆心坐标和所述圆环半径得到第二圆环,在所述第二圆环内部区域得到多个与所述第二圆环具有相同圆心的第二中间圆环,依次计算从外向内的第二中间圆环内部区域的第四灰度值均值,当计算得到的第四灰度值均值小于第二灰度值均值时,停止计算,获取该第四灰度值均值对应的第二中间圆环的半径即为胚栽入线的半径,该所述第二中间圆环即为胚栽入线;
根据所述轴线的半径和所述胚栽入线的半径得到胚尖位置线的半径,根据所述胚尖位置线的半径和所述圆心坐标得到胚尖位置线。
作为一种可实施方式,获取单个玉米横截面图像的步骤包括:
获取玉米横截面图像,对所述玉米横截面图像进行识别,得到单个玉米横截面区域,计算所述单个玉米横截面区域的最小正外接矩形,将所述最小正外接矩形作为切割区域对所述玉米横截面图像进行切割,得到单个玉米横截面图像。
作为一种可实施方式,在所述单个玉米横截面图像中根据第一预定条件得到单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件得到单个玉米横截面半径作为圆环半径的步骤包括:
获取所述单个玉米横截面图像的高度值和宽度值,根据第一预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算,得到所述单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算得到单个玉米横截面半径作为圆环半径。
作为一种可实施方式,计算所述B通道图的灰度值均值作为第一灰度值均值;根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的灰度值均值作为第二灰度值均值的步骤分别包括:
根据所述单个玉米横截面图像的B通道图的灰度值计算所述B通道图的灰度值之和以及所述B通道图中灰度值大于1的灰度值个数,根据所述B通道图的灰度值之和以及所述B通道图中灰度值大于1的灰度值个数计算所述B通道图的灰度值均值作为第一灰度值均值;
将所述单个玉米横截面图像的G通道图的灰度值和B通道图的灰度值进行相减得到GB通道图,计算所述GB通道图的灰度值之和以及所述GB通道图中灰度值大于1的灰度值个数,根据所述GB通道图的灰度值之和以及所述GB通道图中灰度值大于1的灰度值个数计算所述GB通道图的灰度值均值作为第二灰度值均值。
作为一种可实施方式,还包括:将所述单个玉米横截面图像中所述轴线外部区域的灰度值清空为0,得到处理后的单个玉米横截面图像;
分别获取所述处理后的单个玉米横截面图像的R、G、B通道图,分别计算所述R、G、B通道图的灰度值均值,所述R、G、B通道图的灰度值均值即构成轴心色。
作为一种可实施方式,还包括:对所述单个玉米横截面图像进行图像处理,得到图像处理后的单个玉米横截面图像,对所述图像处理后的单个玉米横截面图像进行识别,得到所述单个玉米横截面的外边界轮廓曲线作为第一外边界轮廓曲线,对所述第一外边界轮廓曲线进行多边形逼近处理,得到缩小后的第二外边界轮廓曲线;
对所述第一外边界轮廓曲线进行识别,得到多个轮廓凸缺陷以及相邻轮廓凸缺陷之间的凹点,获取所述凹点到所述圆心的连线与所述第二外边界轮廓曲线的交点作为玉米籽粒间中点,根据相邻所述玉米籽粒间中点的位置信息得到玉米籽粒中心点的位置信息,所述玉米籽粒中心点的个数即为所述玉米籽粒的个数。
作为一种可实施方式,还包括:以所述玉米横截面图像的左上角为(0,0)点,计算所述玉米横截面图像中各个最小正外接矩形的左上角坐标,根据最小正外接矩形的左上角坐标和所述最小正外接矩形对应的单个玉米横截面图像的圆心坐标,计算与单个玉米横截面图像的圆心相对应的单个玉米横截面区域的中心点坐标,根据单个玉米横截面图像的圆心对应的所述玉米横截面图像中单个玉米横截面区域的中心点坐标将所述单个玉米横截面图像对应的参数映射到所述玉米横截面图像对应的单个玉米横截面区域上;
以所述单个玉米横截面图像的左上角为(0,0)点,获取所述单个玉米横截面图像上各个玉米籽粒的中心点坐标,根据单个玉米横截面图像中各个玉米籽粒的中心点坐标和所述玉米横截面图像中对应的最小正外接矩形的左上角坐标得到各个玉米籽粒的中心点在所述玉米横截面图像中的坐标,根据各个玉米籽粒的中心点在所述玉米横截面图像中的坐标将所述玉米籽粒中心点映射到所述玉米籽粒图像中对应的单个玉米横截面区域上。
相应的,本发明还提供一种玉米横截面参数测量系统,包括以下模块:
获取模块:获取单个玉米横截面图像,在所述单个玉米横截面图像中根据第一预定条件得到单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件得到单个玉米横截面半径作为圆环半径;
轴线获取模块:获取所述单个玉米横截面图像的B通道图,计算所述B通道图的灰度值均值作为第一灰度值均值,在B通道图中根据所述圆心坐标和所述圆环半径得到第一圆环,在所述第一圆环内部区域得到多个与所述第一圆环具有相同圆心的第一中间圆环,依次计算从外向内的第一中间圆环内部区域的灰度值均值作为第三灰度值均值,当计算得到的第三灰度值均值大于第一灰度值均值时,停止计算,获取该第三灰度值均值对应的第一中间圆环的半径即为轴线的半径,该所述第一中间圆环即为轴线;
胚栽入线获取模块:获取所述单个玉米横截面图像的G通道图和B通道图,根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的灰度值均值作为第二灰度值均值,在所述GB通道图中根据所述圆心坐标和所述圆环半径得到第二圆环,在所述第二圆环内部区域得到多个与所述第二圆环具有相同圆心的第二中间圆环,依次计算从外向内的第二中间圆环内部区域的第四灰度值均值,当计算得到的第四灰度值均值小于第二灰度值均值时,停止计算,获取该第四灰度值均值对应的第二中间圆环的半径即为胚栽入线的半径,该所述第二中间圆环即为胚栽入线;
胚尖位置线获取模块:根据所述轴线的半径和所述胚栽入线的半径得到胚尖位置线的半径,根据所述胚尖位置线的半径和所述圆心坐标得到胚尖位置线。
相应的,本发明还提供一种电子设备,包括:至少一个处理器,与至少一个所述处理器通信连接的存储器;至少一个所述处理器用于读取所述存储器中的程序,用于执行上面所述方法。
相应的,本发明还提供一种计算机可读存储介质,所述介质上存储有指令,当所述指令在计算机上运行时,使得计算机执行上面所述方法。
本发明的有益效果:本发明公开了一种玉米横截面参数测量方法、系统、电子设备及可存储介质,包括:计算玉米横截面图像的圆心和半径,在B通道图中根据圆心和半径得到第一圆环,计算第一圆环的第一灰度值均值,计算第一圆环内部从外向内的第一中间圆环的第三灰度值均值,当第三灰度值均值大于第一灰度值均值时,得到该第三灰度值均值对应的第一中间圆环即为得到的轴线,在GB通道图中计算第二灰度值均值,根据上述方式得到在小于第二灰度值均值时得到对应的中间圆环即为得到的胚栽入线,根据轴线和胚栽入线得到得到胚尖位置线。本发明将数字图像处理技术应用于玉米横截面测量,取代人工测量统计分析数据,节省了人力成本,提高了工作效率。
附图说明
图1为本发明实施例玉米横截面参数测量方法步骤示意图。
图2为本发明实施例玉米横截面参数测量方法得到的所述玉米横截面图像效果示意图。
图3为本发明实施例玉米横截面参数测量方法进行二值化处理后的玉米横截面图像的效果示意图。
图4为本发明实施例玉米横截面参数测量方法得到的单个玉米横截面图像的效果示意图。
图5为本发明实施例玉米横截面参数测量方法二值化处理过的单个玉米横截面图像的效果示意图。
图6为本发明实施例玉米横截面参数测量方法所述单个玉米横截面图像中的第一圆环、轴线、胚栽入线、胚尖位置线的效果示意图。
图7为本发明实施例玉米横截面参数测量方法得到的所述轴线的效果示意图。
图8为本发明实施例玉米横截面参数测量方法得到是胚栽入线的效果示意图。
图9为本发明实施例玉米横截面参数测量方法得到的一个第一中间圆环的效果示意图。
图10为本发明实施例玉米横截面参数测量方法得到的一个第二中间圆环的效果示意图。
图11为本发明实施例玉米横截面参数测量方法所述凹点和第一外边界轮廓曲线的效果示意图。
图12为本发明实施例玉米横截面参数测量方法所述玉米籽粒中心点的效果示意图。
图13为本发明实施例玉米横截面参数测量方法将横截面计算的结果参数从切割的单个玉米横截面图像中映射到玉米横截面图像中的效果示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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他实施例,都属于本发明保护的范围。
参见图1,本实施例提供一种技术方案:一种玉米横截面参数测量方法,包括以下步骤:
步骤S100:获取单个玉米横截面图像,在所述单个玉米横截面图像中根据第一预定条件得到单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件得到单个玉米横截面半径作为圆环半径;
步骤S200:获取所述单个玉米横截面图像的B通道图,计算所述B通道图的第一灰度值均值,在B通道图中根据所述圆心坐标和所述圆环半径得到第一圆环,在所述第一圆环内部区域得到多个与所述第一圆环具有相同圆心的第一中间圆环,依次计算从外向内的第一中间圆环内部区域对应的灰度均值作为第三灰度值均值,当计算得到的第三灰度值均值大于第一灰度值均值时,停止计算,获取该第三灰度值均值对应的第一中间圆环的半径即为轴线的半径,该所述第一中间圆环即为轴线;
步骤S300:获取所述单个玉米横截面图像的G通道图和B通道图,根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的第二灰度值均值,在所述GB通道图中根据所述圆心坐标和所述圆环半径得到第二圆环,在所述第二圆环内部区域得到多个与所述第二圆环具有相同圆心的第二中间圆环,依次计算从外向内的第二中间圆环内部区域的第四灰度值均值,当计算得到的第四灰度值均值小于第二灰度值均值时,停止计算,获取该第四灰度值均值对应的第二中间圆环的半径作为胚栽入线的半径,该所述第二中间圆环即为胚栽入线;
步骤S400:根据所述轴线的半径和所述胚栽入线的半径得到胚尖位置线的半径,根据所述胚尖位置线的半径和所述圆心坐标得到胚尖位置线。
在本实施例中,获取的玉米横截面图像是扫描图,分辨率为300dpi,如图2所示,为得到的所述玉米横截面图像效果示意图,如图7所示即为根据步骤S200得到的轴线的效果示意图,如图8所示即为根据步骤S400得到胚栽入线的效果示意图。
在本实施例中,由扫描分辨率得出像素和厘米的换算关系,横截面参数的单位是像素,根据像素和厘米的关系将其参数映射到厘米单位的参数,由此得到坐标值;其中,像素和厘米之间的换算关系是指一厘米等于多少像素或一个像素等于多少厘米。
获取单个玉米横截面图像的步骤包括:获取玉米横截面图像,对所述玉米横截面图像进行识别,得到单个玉米横截面区域,计算所述单个玉米横截面区域的最小正外接矩形,将所述最小正外接矩形作为切割区域对所述玉米横截面图像进行切割,得到单个玉米横截面图像;如图4所示为得到的单个玉米横截面图像的效果示意图。
具体的,基于连通域进行遍历,在所述玉米横截面图像中得到多个外轮廓即多个玉米横截面区域,计算每个外轮廓的最小正外接矩形,将所述最小正外接矩形作为切割区域对所述玉米横截面图像进行切割,得到单个玉米横截面图像。
在所述单个玉米横截面图像中根据第一预定条件得到单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件得到单个玉米横截面半径作为圆环半径的步骤包括:
获取所述单个玉米横截面图像的高度值和宽度值,根据第一预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算,得到所述单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算得到单个玉米横截面半径作为圆环半径,计算公式为:center41 = (W/2 ,H/2),radius41 = (W+H) /4,式中,center41表示所述圆心坐标,radius41表示所述圆环半径,W表示所述单个玉米横截面图像的宽度值,H表示所述单个玉米横截面图像的高度值。如图6所示为根据所述圆心坐标和所述圆环半径得到所述第一圆环40的效果示意图。
计算所述B通道图的灰度值均值作为第一灰度值均值的步骤包括:
根据所述单个玉米横截面图像的B通道图的灰度值计算所述B通道图的灰度值之和以及所述B通道图中灰度值大于1的灰度值个数,根据所述B通道图的灰度值之和以及所述B通道图中灰度值大于1的灰度值个数计算所述B通道图的灰度值均值作为第一灰度值均值,计算公式为:gAverage421 = sum421B / num421B,式中,gAverage421表示第一灰度值均值,sum421B表示所述B通道图的灰度值之和,num421B表示所述B通道图中灰度值大于1的灰度值个数。
根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的灰度值均值作为第二灰度值均值的步骤包括:
将所述单个玉米横截面图像的G通道图的灰度值和B通道图的灰度值进行相减得到GB通道图,即G减B,计算所述GB通道图的灰度值之和以及所述GB通道图中灰度值大于1的灰度值个数,根据所述GB通道图的灰度值之和以及所述GB通道图中灰度值大于1的灰度值个数计算所述GB通道图的灰度值均值作为第二灰度值均值,计算公式为:gAverage431 =sum431GB /num431GB,式中,gAverage431表示第一灰度值均值,sum431GB表示所述GB通道图的灰度值之和,num431GB表示所述GB通道图中灰度值大于1的灰度值个数。
将所述第一圆环内部区域从外向内分为多个第一中间圆环具体为将所述第一圆环内部区域从外向内分为等分为N个第一中间圆环,将所述第二圆环内部区域从外向内分为多个第二中间圆环具体为将所述第二圆环内部区域从外向内等分为N个第二中间圆环,在本实施了中N=20,但在其他实施例中N也可为其他数值,如图9所示为获取的一个第一中间圆环的效果示意图,如图10所示为获取的一个第二中间圆环的效果示意图;
另外需要注意的是,所述第一中间圆环的第三灰度值均值对应的是在B通道图中与所述第一圆环具有相同圆心,但半径小于所述第一圆环的圆圈的整个内部区域的灰度值均值,所述第二中间圆环的第四灰度值均值对应的是在GB通道图中与所述第一圆环具有相同圆心,但半径小于所述第一圆环的圆圈的整个内部区域的灰度值均值。
根据轴线半径和胚栽入线半径得到胚尖位置线半径的计算公式包括:radius44 =(radius42 + radius43)/ 2,式中,radius44表示所述胚尖位置线的半径,radius42表示所述轴线的半径,radius43表示所述胚栽入线的半径。
所述玉米横截面参数还包括轴心色,本实施例的玉米横截面参数测量方法还包括计算轴心色的步骤,包括:
将所述单个玉米横截面图像中所述轴线外部区域的灰度值清空为0,得到处理后的单个玉米横截面图像;
分别获取所述处理后的单个玉米横截面图像的R、G、B通道图,分别计算所述R、G、B通道图的灰度值均值,所述R、G、B通道图的灰度值均值即构成轴心色。
具体的,获取所述处理后的单个玉米横截面图像的R通道图,计算所述R通道图的灰度值之和以及所述R通道图中灰度值大于1的灰度值个数,根据所述R通道图的灰度值之和以及所述R通道图中灰度值大于1的灰度值个数计算R通道图灰度值均值,计算公式为:AverageR = sumR/ num52,式中,AverageR表示R通道图灰度值均值,sumR表示所述R通道图的灰度值之和,num52R表示所述R通道图中灰度值大于1的灰度值个数;
获取所述处理后的单个玉米横截面图像的G通道图,计算所述G通道图的灰度值之和以及所述G通道图中灰度值大于1的灰度值个数,根据所述G通道图的灰度值之和以及所述G通道图中灰度值大于1的灰度值个数计算G通道图灰度值均值,计算公式为:AverageG =sumG/ num52G,式中,AverageG表示G通道图灰度值均值,sumG表示所述G通道图的灰度值之和,num52G表示所述G通道图中灰度值大于1的灰度值个数;
获取所述处理后的单个玉米横截面图像的B通道图,计算所述处理后的单个玉米横截面图像的B通道图的灰度值之和以及所述B通道图中灰度值大于1的灰度值个数,根据所述B通道图的灰度值之和以及所述B通道图中灰度值大于1的灰度值个数计算B通道图灰度值均值,计算公式为:AverageB = sumB/num52B,式中,AverageB表示B通道图灰度值均值,sumB表示所述B通道图的灰度值之和,num52B表示所述B通道图中灰度值大于1的灰度值个数;
所述R通道图灰度值均值、G通道图灰度值均值、B通道图灰度值均值构成所述轴线内的灰度值均值即轴心色。
所述玉米横截面参数还包括玉米籽粒数,即本实施例的玉米横截面参数测量方法还包括对玉米籽粒数的计算,包括以下步骤:
对所述单个玉米横截面图像进行图像处理,得到图像处理后的单个玉米横截面图像,对所述图像处理后的单个玉米横截面图像进行识别,得到所述单个玉米横截面的外边界轮廓曲线作为第一外边界轮廓曲线,对所述第一外边界轮廓曲线进行多边形逼近处理,得到缩小后的第二外边界轮廓曲线;
对所述第一外边界轮廓曲线进行识别,得到多个轮廓凸缺陷以及相邻轮廓凸缺陷之间的凹点,获取所述凹点到所述圆心的连线与所述第二外边界轮廓曲线的交点作为玉米籽粒间中点,根据相邻所述玉米籽粒间中点的位置信息得到玉米籽粒中心点的位置信息,所述玉米籽粒中心点的个数即为所述玉米籽粒的个数。
所述图像处理包括二值化处理,所述二值化处理的过程包括:获取所述图像对应的B通道图,进行滤波处理,其中,滤波器的内核大小均为5*5,遍历连通域,将面积小于500像素的区域作为噪声去除。
在本实施例中,也可以先对玉米横截面图像进行二值化处理之后,在对二值化处理后的玉米横截面图像进行切割得到二值化处理过的单个玉米横截面图像,再进行后面的步骤,如图3所示,为进行二值化处理后的玉米横截面图像。
具体的,对所述玉米横截面图像进行二值化处理,得到二值化处理后的玉米横截面图像,对所述玉米横截面图像进行识别,得到单个玉米横截面区域,计算所述单个玉米横截面区域的最小正外接矩形区域,根据所述最小正外接矩形区域对所述玉米横截面图像进行切割,得到单个玉米横截面图像,如图5所示,为进行二值化处理过的单个玉米横截面图像的效果示意图;
对所述二值化处理后的单个玉米横截面图像进行识别,得到第一外边界轮廓曲线,对所述外边界轮廓曲线进行多边形逼近处理,得到第二外边界轮廓曲线,其中,所述第一外边界轮廓曲线与所述第二外边界轮廓曲线之间的最大距离为2个像素距离;
对所述第一外边界轮廓曲线进行识别,得到多个轮廓凸缺陷,遍历轮廓凸缺陷,将第i个轮廓凸缺陷记为defects[i];轮廓凸缺陷起点为Starti,轮廓凸缺陷终点为Endi,从起点Starti开始遍历轮廓凸曲线,到Endi结束,遍历中,将轮廓凸缺陷上的点与过点Starti和Endi直线的距离作为标准,遇到谷底便记录下来,作玉米籽粒间凹点,最后得到所有玉米籽粒间的凹点;如图11所示为得到所述凹点和第一外边界轮廓曲线的效果示意图。
获取将所述凹点和所述单个玉米横截面图像的中心点连线之后,所述连线与所述第二外边界轮廓曲线的交点作为玉米籽粒间中点,根据相邻所述玉米籽粒间中点得到玉米籽粒中心点,所述玉米籽粒中心点的个数即为所述玉米籽粒的个数,如图12所示为得到玉米籽粒中心点的效果示意图。
根据相邻所述玉米籽粒间中点得到玉米籽粒中心点的计算过程包括:第i个玉米籽粒间中点的位置信息是seedBetweenPtArr62[i],第i+1个玉米籽粒间中点的位置信息是seedBetweenPtArr62[i+1];第i个玉米籽粒位于第i个玉米籽粒间中点和第i+1个玉米籽粒间中点之间,设第i个玉米籽粒的中心点位置是seedPtArr63[i], seedPtArr63[i]等于seedBetweenPtArr62[i]与seedBetweenPtArr62[i+1]相加除以2;由此可得出所有玉米籽粒的中心点。
在本实施例中,可以同时对包含多个玉米横截面区域的玉米横截面图像进行测量,即可以同时获取所述玉米横截面图像中不同单个玉米横截面区域的参数数据。
在本实施例中,当所述玉米横截面图像存在多个玉米横截面时,系统可以同时对多个玉米横截面区域进行计算,如图6所示,在得到每个玉米横截面图像对应的轴线10、胚栽入线30、胚尖位置线20、玉米籽粒中心点位置后,还需要将上述在单个玉米横截面图像的参数映射到所述玉米横截面图像上对应的单个玉米横截面区域中,此过程通过如下步骤进行:
以所述玉米横截面图像的左上角坐标为(0,0)点,计算所述玉米横截面图像中各个最小正外接矩形的左上角坐标,根据最小正外接矩形的左上角坐标和所述最小正外接矩形对应的单个玉米横截面图像的圆心坐标,计算与单个玉米横截面图像的圆心相对应的单个玉米横截面区域的中心点坐标,根据单个玉米横截面图像的圆心对应的所述玉米横截面图像中单个玉米横截面区域的中心点坐标将所述单个玉米横截面图像对应的参数映射到所述玉米横截面图像对应的单个玉米横截面区域上;计算公式为:center71 = rectPt +center41,式中center71表示与单个玉米横截面图像的圆心相对应的单个玉米横截面区域的中心点坐标,rectPt表示最小正外接矩形的左上角坐标,center41表示最小正外接矩形对应的单个玉米横截面图像的圆心坐标;
以所述单个玉米横截面图像的左上角坐标为(0,0)点,获取所述单个玉米横截面图像上各个玉米籽粒的中心点坐标,根据单个玉米横截面图像中各个玉米籽粒的中心点坐标和所述玉米横截面图像中对应的最小正外接矩形的左上角坐标得到各个玉米籽粒的中心点在所述玉米横截面图像中的坐标,根据各个玉米籽粒的中心点在所述玉米横截面图像中的坐标将所述玉米籽粒中心点映射到所述玉米籽粒图像中对应的单个玉米横截面区域上,计算公式为:seedPtArr72[i] = rectPt + seedPtArr63[i],式中,seedPtArr63[i]表示单个玉米横截面图像中第i个玉米籽粒在中心点坐标,rectPt表示所述单个玉米横截面图像对应的最小正外接矩形的左上角坐标,seedPtArr72[i]表示所述单个玉米横截面图像中玉米籽粒的中心点在对应的所述玉米横截面图像中的玉米籽粒的中心点坐标;如图13所示为将单个玉米横截面图像对应的参数映射到所述玉米横截面图像中对应的单个玉米横截面区域中的效果示意图,供显示交互使用。
另外,所述玉米籽粒图像上显示参数后,用户还可以与显示参数的软件界面进行交互时,若发现轴线、胚栽入线、胚尖位置线、籽粒位置不准确时,可以手动调整。
本实施例通过计算玉米横截面图像的圆心和半径,在B通道图中将单个横截面等分成多个同心圆环,从外向内逐个遍历圆环,当某圆环内的灰度值均值大于此横截面的灰度值均值时,此圆环中间圆即为得到的轴线,在G减B通道结果图中,根据上述方式,当某圆环内的灰度值均值小于此横截面的灰度值均值时,此圆环中间圆即为得到的胚栽入线,根据轴线和胚栽入线得到得到胚尖位置线,在二值图中利用玉米横截面一周籽粒的凹凸特性,分析得出籽粒的个数和位置。将数字图像处理技术应用于玉米考种领域的玉米横截面测量,取代人工测量统计分析数据,节省了人力成本,提高了工作效率;本实施例成功的将图像处理技术应用于玉米考种测量领域,具有稳定、便捷、可重复批量处理等优点,为图像处理应用于农业考种的发展推波助澜;本实施例在玉米果穗横截面测量中进行了测试和应用,创新性和优势明显,玉米果穗横截面测量提供了有力的技术支持。
基于同一发明构思,本发明实施例还提供一种玉米横截面参数测量系统,关于组成成分,可参见前述相关说明,重复之处不再冗述,包括以下模块:
获取模块:获取单个玉米横截面图像,在所述单个玉米横截面图像中根据第一预定条件得到单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件得到单个玉米横截面半径作为圆环半径;
轴线获取模块:获取所述单个玉米横截面图像的B通道图,计算所述B通道图的灰度值均值作为第一灰度值均值,在B通道图中根据所述圆心坐标和所述圆环半径得到第一圆环,在所述第一圆环内部区域得到多个与所述第一圆环具有相同圆心的第一中间圆环,依次计算从外向内的第一中间圆环内部区域的灰度值均值作为第三灰度值均值,当计算得到的第三灰度值均值大于第一灰度值均值时,停止计算,获取该第三灰度值均值对应的第一中间圆环的半径即为轴线的半径,该所述第一中间圆环即为轴线;
胚栽入线获取模块:获取所述单个玉米横截面图像的G通道图和B通道图,根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的灰度值均值作为第二灰度值均值,在所述GB通道图中根据所述圆心坐标和所述圆环半径得到第二圆环,在所述第二圆环内部区域得到多个与所述第二圆环具有相同圆心的第二中间圆环,依次计算从外向内的第二中间圆环内部区域的第四灰度值均值,当计算得到的第四灰度值均值小于第二灰度值均值时,停止计算,获取该第四灰度值均值对应的第二中间圆环的半径即为胚栽入线的半径,该所述第二中间圆环即为胚栽入线;
胚尖位置线获取模块:根据所述轴线的半径和所述胚栽入线的半径得到胚尖位置线的半径,根据所述胚尖位置线的半径和所述圆心坐标得到胚尖位置线。
基于同一发明构思,本发明实施例还提供一种电子设备,关于组成部分,可参见前述相关说明,重复之处不再冗述,包括:至少一个处理器,与所述至少一个处理器通信连接的存储器;所述至少一个处理器用于读取所述存储器中的程序,用于执行上面所述方法。
基于同一发明构思,本发明实施例还提供一种计算机可读存储介质,关于组成部分,可参见前述相关说明,重复之处不再冗述,所述介质上存储有指令,当所述指令在计算机上运行时,使得计算机执行上面所述方法。
本发明虽然己以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (10)
1.一种玉米横截面参数测量方法,其特征在于,包括以下步骤:
获取单个玉米横截面图像,根据第一预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算得到所述单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算得到单个玉米横截面半径作为圆环半径;
获取所述单个玉米横截面图像的B通道图,计算所述B通道图的灰度值均值作为第一灰度值均值,在B通道图中根据所述圆心坐标和所述圆环半径得到第一圆环,在所述第一圆环内部区域得到多个与所述第一圆环具有相同圆心的第一中间圆环,依次计算从外向内的第一中间圆环内部区域的灰度值均值作为第三灰度值均值,当计算得到的第三灰度值均值大于第一灰度值均值时,停止计算,获取该第三灰度值均值对应的第一中间圆环的半径即为轴线的半径,所述第一中间圆环即为轴线;
获取所述单个玉米横截面图像的G通道图和B通道图,根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的灰度值均值作为第二灰度值均值,在所述GB通道图中根据所述圆心坐标和所述圆环半径得到第二圆环,在所述第二圆环内部区域得到多个与所述第二圆环具有相同圆心的第二中间圆环,依次计算从外向内的第二中间圆环内部区域的第四灰度值均值,当计算得到的第四灰度值均值小于第二灰度值均值时,停止计算,获取该第四灰度值均值对应的第二中间圆环的半径即为胚栽入线的半径,所述第二中间圆环即为胚栽入线;
根据所述轴线的半径和所述胚栽入线的半径得到胚尖位置线的半径,根据所述胚尖位置线的半径和所述圆心坐标得到胚尖位置线。
2.根据权利要求1所述的玉米横截面参数测量方法,其特征在于,获取单个玉米横截面图像的步骤包括:
获取玉米横截面图像,对所述玉米横截面图像进行识别,得到单个玉米横截面区域,计算所述单个玉米横截面区域的最小正外接矩形,将所述最小正外接矩形作为切割区域对所述玉米横截面图像进行切割,得到单个玉米横截面图像。
3.根据权利要求1所述的玉米横截面参数测量方法,其特征在于,根据第一预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算得到所述单个玉米横截面中心点坐标作为圆心坐标的计算公式为:center41 = (W/2 ,H/2),式中,center41表示圆心坐标,W表示所述单个玉米横截面图像的宽度值,H表示所述单个玉米横截面图像的高度值;根据第二预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算得到单个玉米横截面半径作为圆环半径的计算公式为:radius41 = (W+H) /4,式中,radius41表示圆环半径,W表示所述单个玉米横截面图像的宽度值,H表示所述单个玉米横截面图像的高度值。
4.根据权利要求1所述的玉米横截面参数测量方法,其特征在于,计算所述B通道图的灰度值均值作为第一灰度值均值;根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的灰度值均值作为第二灰度值均值的步骤分别包括:
根据所述单个玉米横截面图像的B通道图的灰度值计算所述B通道图的灰度值之和以及所述B通道图中灰度值大于1的灰度值个数,根据所述B通道图的灰度值之和以及所述B通道图中灰度值大于1的灰度值个数计算所述B通道图的灰度值均值作为第一灰度值均值;
将所述单个玉米横截面图像的G通道图的灰度值和B通道图的灰度值进行相减得到GB通道图,计算所述GB通道图的灰度值之和以及所述GB通道图中灰度值大于1的灰度值个数,根据所述GB通道图的灰度值之和以及所述GB通道图中灰度值大于1的灰度值个数计算所述GB通道图的灰度值均值作为第二灰度值均值。
5.根据权利要求1所述的玉米横截面参数测量方法,其特征在于,还包括:
将所述单个玉米横截面图像中所述轴线外部区域的灰度值清空为0,得到处理后的单个玉米横截面图像;
分别获取所述处理后的单个玉米横截面图像的R、G、B通道图,分别计算所述R、G、B通道图的灰度值均值,所述R、G、B通道图的灰度值均值即构成轴心色。
6.根据权利要求1所述的玉米横截面参数测量方法,其特征在于,还包括:
对所述单个玉米横截面图像进行图像处理,得到图像处理后的单个玉米横截面图像,对所述图像处理后的单个玉米横截面图像进行识别,得到所述单个玉米横截面的外边界轮廓曲线作为第一外边界轮廓曲线,对所述第一外边界轮廓曲线进行多边形逼近处理,得到缩小后的第二外边界轮廓曲线;
对所述第一外边界轮廓曲线进行识别,得到多个轮廓凸缺陷以及相邻轮廓凸缺陷之间的凹点,获取所述凹点到所述圆心的连线与所述第二外边界轮廓曲线的交点作为玉米籽粒间中点,根据相邻所述玉米籽粒间中点的位置信息得到玉米籽粒中心点的位置信息,所述玉米籽粒中心点的个数即为所述玉米籽粒的个数。
7.根据权利要求2所述的玉米横截面参数测量方法,其特征在于,还包括:
以所述玉米横截面图像的左上角坐标为(0,0)点,计算所述玉米横截面图像中各个最小正外接矩形的左上角坐标,根据最小正外接矩形的左上角坐标和所述最小正外接矩形对应的单个玉米横截面图像的圆心坐标,计算与单个玉米横截面图像的圆心相对应的单个玉米横截面区域的中心点坐标,根据单个玉米横截面图像的圆心对应的所述玉米横截面图像中单个玉米横截面区域的中心点坐标将所述单个玉米横截面图像对应的参数映射到所述玉米横截面图像对应的单个玉米横截面区域上;
以所述单个玉米横截面图像的左上角坐标为(0,0)点,获取所述单个玉米横截面图像上各个玉米籽粒的中心点坐标,根据单个玉米横截面图像中各个玉米籽粒的中心点坐标和所述玉米横截面图像中对应的最小正外接矩形的左上角坐标得到各个玉米籽粒的中心点在所述玉米横截面图像中的坐标,根据各个玉米籽粒的中心点在所述玉米横截面图像中的坐标将所述玉米籽粒中心点映射到所述玉米籽粒图像中对应的单个玉米横截面区域上。
8.一种玉米横截面参数测量系统,其特征在于,包括以下模块:
获取模块:获取单个玉米横截面图像,根据第一预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算得到所述单个玉米横截面中心点坐标作为圆心坐标,根据第二预定条件对所述单个玉米横截面图像的高度值和宽度值进行计算得到单个玉米横截面半径作为圆环半径;
轴线获取模块:获取所述单个玉米横截面图像的B通道图,计算所述B通道图的灰度值均值作为第一灰度值均值,在B通道图中根据所述圆心坐标和所述圆环半径得到第一圆环,在所述第一圆环内部区域得到多个与所述第一圆环具有相同圆心的第一中间圆环,依次计算从外向内的第一中间圆环内部区域的灰度值均值作为第三灰度值均值,当计算得到的第三灰度值均值大于第一灰度值均值时,停止计算,获取该第三灰度值均值对应的第一中间圆环的半径即为轴线的半径,所述第一中间圆环即为轴线;
胚栽入线获取模块:获取所述单个玉米横截面图像的G通道图和B通道图,根据所述G通道图的灰度值和B通道图的灰度值得到GB通道图,计算所述GB通道图的灰度值均值作为第二灰度值均值,在所述GB通道图中根据所述圆心坐标和所述圆环半径得到第二圆环,在所述第二圆环内部区域得到多个与所述第二圆环具有相同圆心的第二中间圆环,依次计算从外向内的第二中间圆环内部区域的第四灰度值均值,当计算得到的第四灰度值均值小于第二灰度值均值时,停止计算,获取该第四灰度值均值对应的第二中间圆环的半径即为胚栽入线的半径,所述第二中间圆环即为胚栽入线;
胚尖位置线获取模块:根据所述轴线的半径和所述胚栽入线的半径得到胚尖位置线的半径,根据所述胚尖位置线的半径和所述圆心坐标得到胚尖位置线。
9.一种电子设备,其特征在于,包括:至少一个处理器,与至少一个所述处理器通信连接的存储器;至少一个所述处理器用于读取所述存储器中的程序,用于执行如权利要求1-7中任一项所述方法。
10.一种计算机可读存储介质,其特征在于,所述介质上存储有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111517112.0A CN113935991B (zh) | 2021-12-13 | 2021-12-13 | 玉米横截面参数测量方法、系统、电子设备及可存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111517112.0A CN113935991B (zh) | 2021-12-13 | 2021-12-13 | 玉米横截面参数测量方法、系统、电子设备及可存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113935991A CN113935991A (zh) | 2022-01-14 |
CN113935991B true CN113935991B (zh) | 2022-04-29 |
Family
ID=79288919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111517112.0A Active CN113935991B (zh) | 2021-12-13 | 2021-12-13 | 玉米横截面参数测量方法、系统、电子设备及可存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113935991B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937077A (zh) * | 2022-04-22 | 2022-08-23 | 南通荣华包装材料有限公司 | 一种花生种子筛选方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139386B (zh) * | 2015-08-12 | 2017-12-26 | 南京航空航天大学 | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 |
CN107346545A (zh) * | 2017-05-22 | 2017-11-14 | 沈阳工业大学 | 用于视杯图像分割的改进区域生长方法 |
CN109523541A (zh) * | 2018-11-23 | 2019-03-26 | 五邑大学 | 一种基于视觉的金属表面细微缺陷检测方法 |
CN111178173B (zh) * | 2019-12-14 | 2022-02-11 | 杭州电子科技大学 | 一种目标菌落生长特征识别方法 |
CN113837928A (zh) * | 2021-09-17 | 2021-12-24 | 平安普惠企业管理有限公司 | 对象颜色调整方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-13 CN CN202111517112.0A patent/CN113935991B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113935991A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798672B (zh) | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 | |
Lü et al. | Leaf area measurement based on image processing | |
CN113935991B (zh) | 玉米横截面参数测量方法、系统、电子设备及可存储介质 | |
CN111986139B (zh) | 颈动脉内中膜厚度的测量方法、设备及存储介质 | |
CN109215048B (zh) | 基于机器视觉的烟丝长度确定方法及系统 | |
CN116912250B (zh) | 基于机器视觉的菌包生产质量检测方法 | |
CN112233167B (zh) | 一种胎儿结构特征的自动测量方法及装置 | |
CN117422628A (zh) | 一种心脏血管超声检查数据优化增强方法 | |
CN112348780A (zh) | 一种胎儿心脏的测量方法及装置 | |
CN115294527A (zh) | 一种基于计算机视觉的地铁隧道破损检测方法 | |
CN111899253A (zh) | 胎儿颅脑切面图像的异常判断分析方法及装置 | |
CN117541983B (zh) | 一种基于机器视觉的模型数据质量分析方法及系统 | |
CN114332532A (zh) | 一种基于脑部影像的脑卒中分类系统及方法 | |
US20220061920A1 (en) | Systems and methods for measuring the apposition and coverage status of coronary stents | |
CN113470104A (zh) | 基于灰度值对比的小麦穗粒计数测量方法及系统 | |
CN115345880B (zh) | 基于玉米果穗单侧扫描图的玉米果穗性状估测方法及装置 | |
CN115311505B (zh) | 基于云服务大数据平台的蚕茧分类方法及收购系统 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN112801112B (zh) | 一种图像二值化处理方法、装置、介质及设备 | |
CN112102333B (zh) | 面向b超dicom影像的超声区域分割方法和系统 | |
CN116912887B (zh) | 一种肉鸡育种管理方法及系统 | |
CN115375693B (zh) | 农业信息采集传感器探头缺陷检测方法、系统及装置 | |
CN108986089A (zh) | 基于图像处理的分梳山羊绒长度检测方法 | |
CN117456594B (zh) | 一种基于深度学习的眼球超声图像自动分类方法及系统 | |
CN118411383B (zh) | 基于机器视觉的畜牧生长状态监测方法 |
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 |