CN116519688B - 一种浆果表型特征高通量获取及自动分析方法和系统 - Google Patents

一种浆果表型特征高通量获取及自动分析方法和系统 Download PDF

Info

Publication number
CN116519688B
CN116519688B CN202310462812.7A CN202310462812A CN116519688B CN 116519688 B CN116519688 B CN 116519688B CN 202310462812 A CN202310462812 A CN 202310462812A CN 116519688 B CN116519688 B CN 116519688B
Authority
CN
China
Prior art keywords
berry
image
color
berries
customized tray
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
CN202310462812.7A
Other languages
English (en)
Other versions
CN116519688A (zh
Inventor
代占武
迈克·亨克
王勇健
孔俊花
范培格
梁振昌
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.)
Institute of Botany of CAS
Original Assignee
Institute of Botany of CAS
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 Institute of Botany of CAS filed Critical Institute of Botany of CAS
Priority to CN202310462812.7A priority Critical patent/CN116519688B/zh
Publication of CN116519688A publication Critical patent/CN116519688A/zh
Application granted granted Critical
Publication of CN116519688B publication Critical patent/CN116519688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Game Theory and Decision Science (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Chemical & Material Sciences (AREA)
  • Primary Health Care (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种浆果表型特征高通量获取及自动分析方法和系统，包括以下步骤：获取目标浆果样品在同一参考系下的顶视图；对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息；对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育。本发明基于稳定光环境获取二维图像的浆果形状、颜色表型特征，以提高分析的精度和效率，实现对不同时期浆果的自动化统一参考系下的图像获取，并对形状、颜色等表型特征进行自动高通量检测和提取，为农业生产提供更加可靠、高效、精准的浆果品质分析技术支持。本发明可以广泛应用于农业成像及图像自动解析技术领域。

Description

一种浆果表型特征高通量获取及自动分析方法和系统
技术领域
本发明涉及农业成像及图像自动解析技术领域，尤其涉及一种浆果表型特征高通量获取及自动分析方法和系统。
背景技术
浆果作为一种重要的农作物，对其表型特征的分析和提取具有重要的意义。目前，自动化浆果表型分析已成为农业科技发展的热点，市场上已经出现了一些商业化的自动浆果分析设备。
然而，这些设备在实际应用中，由于受到环境条件等影响，其精度和准确度还有待提高。同时，这些设备通常采用二维图像和计数等简单的方法进行分析，无法满足不同农业场景下的需求，如对具有生物学意义的形状、颜色等表型特征的高通量提取。
发明内容
针对上述问题，本发明的目的是提供一种浆果表型特征高通量获取及自动分析方法和系统，基于稳定光环境获取二维图像的浆果形状、颜色表型特征，能够在不同的时间点对不同颜色和发育时期的浆果进行统一参考系下的图像获取，并通过图像自动对浆果的形状、颜色等表型特征进行高通量检测和提取。
为实现上述目的，本发明采取以下技术方案：
第一方面，本发明提供一种浆果表型特征高通量获取及自动分析系统，包括：图像采集模块，用于获取目标浆果样品在同一参考系下的顶视图；数据处理模块，用于对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息；表型特征提取模块，用于对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育。
进一步，所述获取目标浆果样品在同一参考系下的顶视图时，采用图像采集模块，其包括摄影棚、用于承载目标浆果样品的定制托盘以及相机；所述摄影棚顶部内侧设置有若干条LED灯带，用于使得摄影棚内光线的强度、颜色、方向和分布变化在预设阈值范围内；所述灯带下方设置有柔光布，用于保证摄影棚内光温保持在预设范围内；所述相机固定设置在摄影棚顶部，由快门遥控器远程控制，用于采集摄影棚内的定制托盘以及设置在定制托盘一侧的颜色校正卡的顶视图。
第二方面，本发明提供一种浆果表型特征高通量获取及自动分析方法，包括以下步骤：获取目标浆果样品在同一参考系下的顶视图；对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息；对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育。
进一步，所述对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息，包括：根据定制托盘与背景颜色差异，对获取的顶视图原始图像进行裁剪，得到定制托盘图像；基于预先设置在定制托盘一侧的颜色校正卡，对裁剪后的定制托盘图像进行颜色校正，得到颜色校正图像；对颜色校正图像进行畸变校正，并基于畸变校正图像和定制托盘实际尺寸设定长宽像素比例尺；基于设定的长款像素比例尺，对畸变校正图像进行二值化；基于二值化后的图像，对浆果和果柄进行自动识别。
进一步，所述对颜色校正图像进行畸变校正，并基于畸变校正图像和定制托盘实际尺寸设定长宽像素比例尺，包括：对定制托盘图像通过像素点颜色值扫描，确定四角位置；基于四角位置对颜色校正图像进行畸变校正，并计算矫正后定制托盘图像长宽像素值；基于定制托盘的实际尺寸及定制托盘图像长宽像素值，设定长宽像素比例尺。
进一步，所述对定制托盘图像通过像素点颜色值扫描，确定四角位置，包括：逐行对定制托盘图像进行像素点扫描，对RGB值均大于预设值的像素点的坐标进行检索，并将在x轴的最大值和最小值以及y轴的最大值和最小值所对应的像素点坐标，作为四角位置。
进一步，所述基于二值化后的图像，对浆果和果柄进行自动识别，包括：对二值化的图像进行高斯去噪，删除面积小于预设阈值的封闭区域；对剩余的封闭区域进行椭圆拟合，拟合后的椭圆与封闭区域像素比较，分割出拟合椭圆外的像素，并将分割出的像素定义为果柄部分，拟合椭圆内的像素定义为浆果部分。
进一步，所述对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育，包括：对浆果和果柄的形状表型特征进行高通量提取，得到面积、周长、轮廓曲率指标；对浆果的颜色和纹理特征进行高通量提取，得到颜色分布、颜色均值、颜色熵、纹理方向指标；基于提取到的形状、颜色、纹理表型特征，进行浆果品质评估和选育。
第三方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述方法中的任一方法。
第四方面，本发明提供一种计算设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述方法中的任一方法的指令。
本发明由于采取以上技术方案，其具有以下优点：
(1)本发明由于采用定制托盘对浆果样品进行承载，其上设置的承载孔便于浆果样品的正确摆放，以便后续的图像获取和分析；
(2)本发明由于在稳定光环境下，使用高分辨率相机从同一参考系下获取浆果的顶视图，稳定的光环境能够确保图像的质量和稳定性，并使用高分辨率相机来获取浆果的顶视图，从而获得浆果的准确形状和颜色信息；
因此，本发明可以广泛应用于农业成像及图像自动解析技术领域。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：
图1为本发明实施例提供的浆果表型高通量获取装置及自动分析流程图；
图2为本发明实施例提供的图像获取装置示意图；
图3为本发明实施例提供的浆果浆果及果柄图像信息获取示意图；
图4a～图4k为本发明实施例提供的图像自动分析系统流程图，其中，图4a为原始图像，图4b为裁剪图像，图4c是颜色校正结果，图4d是校正图像，图4e是四角定位，图4f是透视校正图像，图4g是浆果二值化图像，图4h是二值化去噪图像，图4i为浆果分割图像，图4j是果柄分离图像，图4k是果柄图像。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明的一些实施例中，提供一种浆果表型特征高通量获取及自动分析方法，基于稳定光环境获取二维图像的浆果形状、颜色表型特征，以提高分析的精度和效率，实现对不同时期浆果的自动化统一参考系下的图像获取，并对形状、颜色等表型特征进行自动高通量检测和提取，为农业生产提供更加可靠、高效、精准的浆果品质分析技术支持。
与之相对应地，本发明的另一些实施例中提供一种浆果表型特征高通量获取及自动分析系统、设备和存储介质。
实施例1
如图1所示，本实施例提供一种浆果表型特征高通量获取及自动分析方法，其包括以下步骤：
(1)获取目标浆果样品在同一参考系下的顶视图；
(2)对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息；
(3)对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育。
优选地，上述步骤(1)中，如图2所示，本实施例中利用图像采集模块获取目标浆果样品在同一参考系下的顶视图，该图像采集模块包括摄影棚1、用于承载目标浆果样品的定制托盘2以及高分辨率相机3。其中，摄影棚1顶部内侧设置有若干条LED灯带(图中未示出)，用于为摄影棚1提供稳定光环境，使得摄影棚内光照条件保持一致、稳定，即光线的强度、颜色、方向和分布变化在预设阈值范围内；灯带下方设置有柔光布，用于保证摄影棚内光温保持在预设范围内(本实施例中将光温控制在5700K左右)；高分辨率相机3固定设置在摄影棚1顶部，由快门遥控器4远程控制，用于采集摄影棚1内的定制托盘2以及定制托盘2一侧颜色校正卡的顶视图。本实施例中，颜色校正卡采用X-rite color checker mini，放置于定制托盘右侧，距定制托盘边缘2-5cm。
具体地，使用时，首先，将目标浆果样品放置于定制托盘中；然后，在稳定光环境下，使用高分辨率相机从同一参考系下获取浆果样品及颜色校正卡的顶视图。其中，将目标浆果样品放置于定制托盘时，需要确保每个浆果样品都被正确地放置在托盘中以便进行后续的图像获取和分析。其中，浆果样品正确地放置在托盘中，是指果柄需与托盘平面平行，果柄朝向可随意。
优选地，本实施例中，摄影棚顶部设置有4条灯带，且灯带的长度可以采用50cm。
优选地，本实施例中，定制托盘采用长35cm，宽31cm，厚度≥1cm的白色PVC板制作，且要求板面平整。在长边缘4cm和宽边缘2cm内均匀制作10*10个凹槽，凹槽直径7mm，深2mm。凹槽用于固定浆果摆放姿态。该托盘设计适用于长度＜30cm的绝大部分浆果类型。该托盘最多可摆放100粒浆果，可根据浆果大小选择合适的摆放位置。
优选地，本实施例中，高分辨率相机3通过相机支架4固定设置在摄影棚顶部，且相机镜头插设在摄影棚顶部开设的孔洞内，对摄影棚内的定制托盘及颜色校正卡进行校正。更为优选地，相机支架采用高80cm，宽100cm铝合金框架结构，顶部中间位置用于固定相机。特别地，高分辨率相机也可以通过相机支架固定在摄影棚内部，本发明对此不做限制。
优选地，本实施例中采用的高分辨率相机，指图像分辨率≥3000*2000的相机，例如Sony ILCE-6400相机。
优选地，上述步骤(2)中，如图3所示，对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄信息，包括以下步骤：
(2.1)根据定制托盘与背景颜色差异，对获取的顶视图原始图像进行裁剪，得到定制托盘图像；
(2.2)基于预先设置在定制托盘一侧的颜色校正卡，对裁剪后的定制托盘图像进行颜色校正，得到颜色校正图像，以消除图像中的色差；
(2.3)对颜色校正图像进行畸变校正，并基于畸变校正图像和定制托盘实际尺寸设定长宽像素比例尺；
(2.4)基于设定的长款像素比例尺，对畸变校正图像进行二值化，以便对浆果的轮廓进行准确提取；
(2.5)基于二值化后的图像，对浆果和果柄进行自动识别，以便进行后续的形状和颜色特征提取。
优选地，上述步骤(2.3)中，对定制托盘图像进行四角定位时，包括：
(2.3.1)对定制托盘图像通过像素点颜色值扫描，确定四角位置；
(2.3.2)基于四角位置对颜色校正图像进行畸变校正，并计算矫正后定制托盘图像长宽像素值；
(2.3.3)基于定制托盘的实际尺寸及定制托盘图像长宽像素值，设定长宽像素比例尺。
优选地，上述步骤(2.3.1)中，对定制托盘图像通过像素点颜色值扫描，确定四角位置，包括：逐行对定制托盘图像进行像素点扫描，将RGB值均大于200的像素点的坐标在x轴的最大值和最小值以及y轴的最大值和最小值进行检索，确定四角位置。
优选地，上述步骤(2.4)中，对畸变校正图像进行二值化时，逐行扫描畸变校正图像的所有像素，并将RGB值均大于200的像素点赋值1，其他像素点赋值0。
优选地，上述步骤(2.5)中，对浆果和果柄进行自动识别时，包括：
(2.5.1)对二值化的图像进行高斯去噪，删除面积小于0.25mm2的封闭区域；
(2.5.2)对剩余的封闭区域进行椭圆拟合，拟合后的椭圆与封闭区域像素比较，分割出拟合椭圆外的像素，并将分割出的像素定义为果柄部分，拟合椭圆内的像素定义为浆果部分。
优选地，上述步骤(3)，包括以下步骤：
(3.1)对浆果和果柄的形状表型特征进行高通量提取，包括面积、周长、轮廓曲率等指标；
(3.2)对浆果的颜色和纹理特征进行高通量提取，包括颜色分布、颜色均值、颜色熵、纹理方向等指标；
(3.3)基于提取到的形状和颜色表型特征，进行浆果品质评估和选育。
如图4a～图4k所示，该组图像为本发明中的自动图像处理流程，其中原始图像为本发明图像获取设备获取的原始图像，将原始图像导入该软件中即可实现后续所有步骤的自动运行。图4a所示的原始图像中包含定制托盘、浆果样品及颜色校正卡，输入软件后，软件首先会根据定制托盘与背景颜色差异对定制托盘进行自动裁剪，并识别颜色校正卡进行图像全局的颜色校正，得到校正图像；其次，通过对定制托盘的四角定位，结合图片的实际长宽尺度进行透视校正，并设定长宽像素比例尺；然后，对定制托盘上的浆果样品进行颜色分割，并做二值化处理，对二值化后的图像进行去噪，根据浆果形状特点拟合椭圆并将拟合区域外的部分定义为果柄位置；最后，对果柄和果实部分分离，对两部分区域分别进行像素大小及颜色计算，提取表型参数。本实施例中，可以实现1浆果/秒，每个浆果可提取118个颜色和形状特征。
实施例2
上述实施例1提供了一种浆果表型特征高通量获取及自动分析方法，与之相对应地，本实施例提供一种浆果表型特征高通量获取及自动分析系统。本实施例提供的系统可以实施实施例1的一种浆果表型特征高通量获取及自动分析方法，该系统可以通过软件、硬件或软硬结合的方式来实现。例如，该系统可以包括集成的或分开的功能模块或功能单元来执行实施例1各方法中的对应步骤。由于本实施例的系统基本相似于方法实施例，所以本实施例描述过程比较简单，相关之处可以参见实施例1的部分说明即可，本实施例提供的系统的实施例仅仅是示意性的。
本实施例提供的一种浆果表型特征高通量获取及自动分析系统，包括：
图像采集模块，用于获取目标浆果样品在同一参考系下的顶视图；
数据处理模块，用于对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息；
表型特征提取模块，用于对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育。
实施例3
本实施例提供一种与本实施例1所提供的一种浆果表型特征高通量获取及自动分析方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。
所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行本实施例1所提供的一种浆果表型特征高通量获取及自动分析方法。
在一些实施例中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
在另一些实施例中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。
实施例4
本实施例1的一种浆果表型特征高通量获取及自动分析方法可被具体实现为一种计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的一种浆果表型特征高通量获取及自动分析方法的计算机可读程序指令。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (7)

1.一种浆果表型特征高通量获取及自动分析系统，其特征在于，包括：
图像采集模块，用于获取目标浆果样品在同一参考系下的顶视图；
其中，所述获取目标浆果样品在同一参考系下的顶视图时，采用图像采集模块，其包括摄影棚、用于承载目标浆果样品的定制托盘以及相机；所述摄影棚顶部内侧设置有若干条LED灯带，用于使得摄影棚内光线的强度、颜色、方向和分布变化在预设阈值范围内；所述灯带下方设置有柔光布，用于保证摄影棚内光温保持在预设范围内；所述相机固定设置在摄影棚顶部，由快门遥控器远程控制，用于采集摄影棚内的定制托盘以及设置在定制托盘一侧的颜色校正卡的顶视图；
所述定制托盘采用长35cm，宽31cm，厚度≥1cm的白色PVC板制作，且板面平整；在长边缘4cm和宽边缘2cm内均匀制作10*10个用于固定浆果摆放姿态的凹槽，凹槽直径7mm，深2mm；
数据处理模块，用于对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息；
所述对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息，包括：根据定制托盘与背景颜色差异，对获取的顶视图原始图像进行裁剪，得到定制托盘图像；基于预先设置在定制托盘一侧的颜色校正卡，对裁剪后的定制托盘图像进行颜色校正，得到颜色校正图像；对颜色校正图像进行畸变校正，并基于畸变校正图像和定制托盘实际尺寸设定长宽像素比例尺；基于设定的长款像素比例尺，对畸变校正图像进行二值化；基于二值化后的图像，对浆果和果柄进行自动识别；
所述基于二值化后的图像，对浆果和果柄进行自动识别，包括：对二值化的图像进行高斯去噪，删除面积小于预设阈值的封闭区域；对剩余的封闭区域进行椭圆拟合，拟合后的椭圆与封闭区域像素比较，分割出拟合椭圆外的像素，并将分割出的像素定义为果柄部分，拟合椭圆内的像素定义为浆果部分；
表型特征提取模块，用于对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育。
2.一种采用如权利要求1所述系统的浆果表型特征高通量获取及自动分析方法，其特征在于，包括以下步骤：
获取目标浆果样品在同一参考系下的顶视图；
对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息；
对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育；
所述对获取的顶视图图像进行处理后得到目标浆果样品的浆果及果柄图像信息，包括：根据定制托盘与背景颜色差异，对获取的顶视图原始图像进行裁剪，得到定制托盘图像；基于预先设置在定制托盘一侧的颜色校正卡，对裁剪后的定制托盘图像进行颜色校正，得到颜色校正图像；对颜色校正图像进行畸变校正，并基于畸变校正图像和定制托盘实际尺寸设定长宽像素比例尺；基于设定的长宽像素比例尺，对畸变校正图像进行二值化；基于二值化后的图像，对浆果和果柄进行自动识别；
所述基于二值化后的图像，对浆果和果柄进行自动识别，包括：对二值化的图像进行高斯去噪，删除面积小于预设阈值的封闭区域；对剩余的封闭区域进行椭圆拟合，拟合后的椭圆与封闭区域像素比较，分割出拟合椭圆外的像素，并将分割出的像素定义为果柄部分，拟合椭圆内的像素定义为浆果部分。
3.如权利要求2所述的一种浆果表型特征高通量获取及自动分析方法，其特征在于，所述对颜色校正图像进行畸变校正，并基于畸变校正图像和定制托盘实际尺寸设定长宽像素比例尺，包括：
对定制托盘图像通过像素点颜色值扫描，确定四角位置；
基于四角位置对颜色校正图像进行畸变校正，并计算矫正后定制托盘图像长宽像素值；
基于定制托盘的实际尺寸及定制托盘图像长宽像素值，设定长宽像素比例尺。
4.如权利要求2所述的一种浆果表型特征高通量获取及自动分析方法，其特征在于，所述对定制托盘图像通过像素点颜色值扫描，确定四角位置，包括：逐行对定制托盘图像进行像素点扫描，对RGB值均大于预设值的像素点的坐标进行检索，并将在x轴的最大值和最小值以及y轴的最大值和最小值所对应的像素点坐标，作为四角位置。
5.如权利要求2所述的一种浆果表型特征高通量获取及自动分析方法，其特征在于，所述对得到的浆果及果柄图像信息的表型特征进行高通量提取，并基于浆果表型特征进行浆果品质评估和选育，包括：
对浆果和果柄的形状表型特征进行高通量提取，得到面积、周长、轮廓曲率指标；
对浆果的颜色和纹理特征进行高通量提取，得到颜色分布、颜色均值、颜色熵、纹理方向指标；
基于提取到的形状、颜色、纹理表型特征，进行浆果品质评估和选育。
6.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求2至5所述方法中的任一方法。
7.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求2至5所述方法中的任一方法的指令。
CN202310462812.7A 2023-04-26 2023-04-26 一种浆果表型特征高通量获取及自动分析方法和系统 Active CN116519688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310462812.7A CN116519688B (zh) 2023-04-26 2023-04-26 一种浆果表型特征高通量获取及自动分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310462812.7A CN116519688B (zh) 2023-04-26 2023-04-26 一种浆果表型特征高通量获取及自动分析方法和系统

Publications (2)

Publication Number Publication Date
CN116519688A CN116519688A (zh) 2023-08-01
CN116519688B true CN116519688B (zh) 2024-05-14

Family

ID=87389679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310462812.7A Active CN116519688B (zh) 2023-04-26 2023-04-26 一种浆果表型特征高通量获取及自动分析方法和系统

Country Status (1)

Country Link
CN (1) CN116519688B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789579A (zh) * 2012-07-26 2012-11-21 同济大学 基于计算机视觉技术的温室作物水肥胁迫状态识别方法
CN103065149A (zh) * 2012-12-21 2013-04-24 上海交通大学 网纹甜瓜果实表型提取与量化方法
JP2016049055A (ja) * 2014-08-29 2016-04-11 株式会社エヌテック 微生物検査装置の検証方法、微生物検査装置における検証装置及びプログラム
WO2018087546A1 (en) * 2016-11-08 2018-05-17 Dogtooth Technologies Limited A robotic fruit picking system
JP2018161058A (ja) * 2017-03-24 2018-10-18 キッセイコムテック株式会社 植物の生育状態評価方法、植物生育状態評価プログラム、植物生育状態評価装置ならびに植物モニタリングシステム
CN108776821A (zh) * 2018-06-15 2018-11-09 河北省农林科学院经济作物研究所 一种利用植物表型性状筛选抗逆资源的方法
CA3073713A1 (en) * 2017-08-25 2019-02-28 The Board Of Trustees Of The University Of Illinois Apparatus and method for agricultural data collection and agricultural operations
CN109993800A (zh) * 2019-03-18 2019-07-09 五邑大学 一种工件尺寸的检测方法、装置及存储介质
CN111402199A (zh) * 2020-02-08 2020-07-10 南京农业大学 一种基于计算机图像处理的梨果实石细胞表型检测方法
CN112837271A (zh) * 2021-01-11 2021-05-25 浙江大学 一种甜瓜种质资源性状提取方法及系统
CN113256580A (zh) * 2021-05-20 2021-08-13 北京朴清科技有限公司 一种目标菌落特征自动识别方法
CN113518182A (zh) * 2021-06-30 2021-10-19 天津市农业科学院 一种基于树莓派的黄瓜表型特征测量方法
CN114858984A (zh) * 2022-04-22 2022-08-05 河北工业大学 厚皮甜瓜种质资源商品性数据采集装置及采集与分析方法
CN115147659A (zh) * 2022-07-20 2022-10-04 中国农业科学院蔬菜花卉研究所 一种植物果实外表面dus测试性状的图像分析方法及系统
CN115761730A (zh) * 2022-11-09 2023-03-07 浙江大学 一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789579A (zh) * 2012-07-26 2012-11-21 同济大学 基于计算机视觉技术的温室作物水肥胁迫状态识别方法
CN103065149A (zh) * 2012-12-21 2013-04-24 上海交通大学 网纹甜瓜果实表型提取与量化方法
JP2016049055A (ja) * 2014-08-29 2016-04-11 株式会社エヌテック 微生物検査装置の検証方法、微生物検査装置における検証装置及びプログラム
WO2018087546A1 (en) * 2016-11-08 2018-05-17 Dogtooth Technologies Limited A robotic fruit picking system
JP2018161058A (ja) * 2017-03-24 2018-10-18 キッセイコムテック株式会社 植物の生育状態評価方法、植物生育状態評価プログラム、植物生育状態評価装置ならびに植物モニタリングシステム
CA3073713A1 (en) * 2017-08-25 2019-02-28 The Board Of Trustees Of The University Of Illinois Apparatus and method for agricultural data collection and agricultural operations
CN108776821A (zh) * 2018-06-15 2018-11-09 河北省农林科学院经济作物研究所 一种利用植物表型性状筛选抗逆资源的方法
CN109993800A (zh) * 2019-03-18 2019-07-09 五邑大学 一种工件尺寸的检测方法、装置及存储介质
CN111402199A (zh) * 2020-02-08 2020-07-10 南京农业大学 一种基于计算机图像处理的梨果实石细胞表型检测方法
CN112837271A (zh) * 2021-01-11 2021-05-25 浙江大学 一种甜瓜种质资源性状提取方法及系统
CN113256580A (zh) * 2021-05-20 2021-08-13 北京朴清科技有限公司 一种目标菌落特征自动识别方法
CN113518182A (zh) * 2021-06-30 2021-10-19 天津市农业科学院 一种基于树莓派的黄瓜表型特征测量方法
CN114858984A (zh) * 2022-04-22 2022-08-05 河北工业大学 厚皮甜瓜种质资源商品性数据采集装置及采集与分析方法
CN115147659A (zh) * 2022-07-20 2022-10-04 中国农业科学院蔬菜花卉研究所 一种植物果实外表面dus测试性状的图像分析方法及系统
CN115761730A (zh) * 2022-11-09 2023-03-07 浙江大学 一种甜瓜瓜蒂尺寸表型的提取方法、系统、设备及介质

Also Published As

Publication number Publication date
CN116519688A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
US11227405B2 (en) Determining positions and orientations of objects
CN108921057B (zh) 基于卷积神经网络的对虾形态测量方法、介质、终端设备及装置
US8363933B2 (en) Image identification method and imaging apparatus
US10558844B2 (en) Lightweight 3D vision camera with intelligent segmentation engine for machine vision and auto identification
US20130202188A1 (en) Defect inspection method, defect inspection apparatus, program product and output unit
US10796141B1 (en) Systems and methods for capturing and processing images of animals for species identification
US10325182B2 (en) Classification of barcode tag conditions from top view sample tube images for laboratory automation
CN107862235B (zh) 二维码的位置定位方法、装置及终端设备
CN110909640A (zh) 水位线的确定方法及装置、存储介质、电子装置
CN108133471B (zh) 一种基于人工蜂群算法的机器人导航路径提取方法及装置
CN112700488A (zh) 基于图像拼接的活体长叶片叶面积分析方法、系统及装置
CN114782310A (zh) 表面缺陷检测方法、装置、设备和存储介质
EP3499178A1 (en) Image processing system, image processing program, and image processing method
CN113793350A (zh) 一种鱼苗计数物联设备及鱼苗情况统计方法
CN116913841A (zh) 一种用于自动固晶机的固晶贴片方法
CN116519688B (zh) 一种浆果表型特征高通量获取及自动分析方法和系统
CN113132693B (zh) 一种色彩校正方法
CN111062341B (zh) 视频图像区域的分类方法、装置、设备及存储介质
CN109459391B (zh) 一种红枣品质检测、红枣偏振检测模型生成方法及装置
CN116797824A (zh) 一种基于视觉系统的鸡蛋活性自动检测方法及系统
CN114743224B (zh) 一种基于计算机视觉的畜牧业家畜体温监控方法与系统
US20240303863A1 (en) Method and device for determining a value of a camera parameter
CN108182406A (zh) 零售终端的物品陈列识别方法及系统
WO2021108522A1 (en) Portable field imaging of plant stomata
CN116817754B (zh) 一种基于稀疏重建的大豆植株表型提取方法及系统

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