CN117876466A - 基于视觉的玉米果穗表型参数计算方法、系统及装置 - Google Patents
基于视觉的玉米果穗表型参数计算方法、系统及装置 Download PDFInfo
- Publication number
- CN117876466A CN117876466A CN202410281761.2A CN202410281761A CN117876466A CN 117876466 A CN117876466 A CN 117876466A CN 202410281761 A CN202410281761 A CN 202410281761A CN 117876466 A CN117876466 A CN 117876466A
- Authority
- CN
- China
- Prior art keywords
- corn
- slice
- ear
- corn ear
- area
- 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
- 240000008042 Zea mays Species 0.000 title claims abstract description 565
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 565
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 565
- 235000005822 corn Nutrition 0.000 title claims abstract description 565
- 238000004364 calculation method Methods 0.000 title claims abstract description 36
- 210000005069 ears Anatomy 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000013459 approach Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- 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
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于视觉的玉米果穗表型参数计算方法、系统及装置,方法包括:基于预设旋转角度旋转玉米果穗,得到任意角度玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理,得到玉米果穗二值图像集;对玉米果穗二值图像集中玉米果穗二值图像分别沿轴向进行切片,得到玉米切片图像集,基于玉米切片图像轮廓集的坐标数据得到玉米切片直径集;基于所述玉米切片直径集中相邻直径构成玉米切片区域的面积及玉米切片区域的周长,结合三角形特性及积分计算得到玉米果穗体积及玉米果穗表面积。本发明方法解决了现有手工测量方法难度较大,且准确度不高的问题,为玉米果穗生长过程的研究提供了精确的统计数据。
Description
技术领域
本发明涉及玉米表型参数技术领域,具体涉及一种基于视觉的玉米果穗表型参数计算方法、系统及装置。
背景技术
在农业科学中,玉米果穗表型参数是衡量玉米质量的重要指标,其中,玉米果穗表型参数包括玉米果穗表面积及玉米果穗体积。玉米果穗表面积是指玉米果穗外表所占的面积,玉米果穗一般呈现线形或圆柱形,因此其表面积由玉米果穗长度、玉米果穗直径及玉米果穗形状等因素决定,玉米果穗表面积用于描述果穗的外部特征,也可以用于研究玉米果穗在生长过程中的物质交换;玉米果穗体积是指其三维空间所占的容积,玉米果穗体积可以用来评估果穗的产量和品质,果穗的体积越大,则玉米产量和品质也越好,同时,玉米果穗的体积也可以用于研究玉米果穗在生产过程中的物质积累及分布等。
因此,统计计算玉米果穗表型参数可用于评估玉米品种质量以及指导玉米新品种的研发,现有计算方法一般采用人工进行测量,由于玉米果穗表面不规则的特征,导致人工测量误差较高且难度较大,无法获取准确的玉米果穗表型参数,因此难以为玉米的质量及产量评估提供准确依据,同时影响玉米新品种的研发。
发明内容
本发明针对现有技术中的缺点,提出了一种基于视觉的玉米果穗表型参数计算方法、系统及装置。
为了解决上述问题,本发明通过下述技术方案得以解决:
一种基于视觉的玉米果穗表型参数计算方法,包括以下步骤:
以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集;
分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集;
基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积。
作为一种可实施方式,所述预处理,包括以下步骤:
基于玉米果穗颜色,对玉米果穗表面图像集中所有玉米果穗表面图像进行通道分离,得到通道分离图像集;
对通道分离图像集进行图像处理,其中,包括灰度化处理及二值化处理,得到玉米果穗二值图像集。
作为一种可实施方式,所述得到玉米切片直径集,包括以下步骤:
获取玉米切片图像集中所有玉米切片图像的图像轮廓,形成玉米切片轮廓集,进而得到玉米切片轮廓集的坐标数据集;
基于玉米切片轮廓集的坐标数据集,得到玉米切片轮廓的纵轴最大值及玉米切片轮廓的纵轴最小值;
基于玉米切片轮廓的纵轴最大值与玉米切片轮廓的纵轴最小值之间的差值,得到玉米切片直径,进而形成玉米切片直径集。
作为一种可实施方式,所述得到玉米果穗体积,包括以下步骤:
当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合相邻玉米切片直径及夹角,得到玉米切片区域面积;
对玉米切片区域面积进行累加得到玉米切片底面积,基于玉米切片底面积、玉米切片高度及预设旋转角度,沿轴向进行积分,得到玉米果穗体积。
作为一种可实施方式,所述玉米切片区域面积,表示如下:
所述玉米切片底面积,表示如下:
所述玉米果穗体积,表示如下:
其中,表示玉米切片区域面积,/>表示第/>帧玉米果穗二值图像的直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示第/>片玉米切片底面积,/>表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示玉米果穗体积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量。
作为一种可实施方式,所述得到玉米果穗表面积,包括以下步骤:
基于玉米切片区域,当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合三角形余弦定理,得到玉米切片周长;
结合玉米切片周长及玉米切片高度,得到玉米切片表面积,进而通过累加得到玉米果穗表面积。
作为一种可实施方式,所述玉米切片周长,表示如下:
所述玉米果穗表面积,表示如下:
其中,表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示玉米切片周长,/>表示玉米果穗表面积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量。
一种基于视觉的玉米果穗表型参数计算系统,包括图像预处理模块、直径计算模块及参数计算模块;
所述图像预处理模块,以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集;
所述直径计算模块,分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集;
所述参数计算模块,基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积。
作为一种可实施方式,所述参数计算模块,被设置为:
当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合相邻玉米切片直径及夹角,得到玉米切片区域面积;
对玉米切片区域面积进行累加得到玉米切片底面积,基于玉米切片底面积、玉米切片高度及预设旋转角度,沿轴向进行积分,得到玉米果穗体积;
其中,所述玉米切片区域面积,表示如下:
所述玉米切片底面积,表示如下:
所述玉米果穗体积,表示如下:
其中,表示扇形区域面积,/>表示第/>帧玉米果穗二值图像的直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示第/>片玉米果穗切面底面积,/>表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示玉米果穗体积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量;
基于玉米切片区域,当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合三角形余弦定理,得到玉米切片周长;
结合玉米切片周长及玉米切片高度,得到玉米切片表面积,进而通过累加得到玉米果穗表面积;
其中,所述玉米切片周长,表示如下:
所述玉米果穗表面积,表示如下:
其中,表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示玉米切片周长,/>表示玉米果穗表面积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下所述的方法:
以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集;
分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集;
基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积。
一种基于视觉的玉米果穗表型参数计算装置,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下所述的方法:
以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集;
分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集;
基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积。
本发明由于采用了以上的技术方案,具有显著的技术效果:
通过本发明的方法提出了一种基于视觉的玉米果穗表型参数的计算方式,对玉米果穗进行图像处理,进而得到玉米切片的直径,结合玉米切片的直径计算得到玉米果穗体积及玉米果穗表面积,实现了自动化与智能化测量,降低人工测量误差,解决由于玉米果穗表面不规则导致的人工测量难度大且误差高的问题,极大的提高了玉米果穗表面积及玉米果穗体积的测量效率及精度,同时降低了人工成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明方法的流程示意图;
图2是本发明系统的整体示意图;
图3是本发明图像采集设备示意图;
图4是本发明玉米果穗切片示意图;
图5是本发明计算过程示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1:
一种基于视觉的玉米果穗表型参数计算方法,如图1所示,包括以下步骤:
S100、以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集;
S200、分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集;
S300、基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积。
通过本发明的方法基于预设旋转角度获取的玉米果穗表面图像集并进行预处理,进而通过切片处理及计算得到玉米切片直径集,结合玉米切片直径集、切片高度及预设旋转角度进行计算得到玉米果穗表型参数,其中,玉米果穗表型参数包括玉米果穗体积及玉米果穗表面积,本方法实现了自动化及智能化测量,降低了人工测量的误差及难度,同时大大提高了玉米果穗表面积及玉米果穗体积的计算效率及计算精度,为玉米果穗质量评估及后续研究提供了良好的基础。
在S100中,以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集,包括以下步骤:
本实施例中,提供一种图像采集设备,如图3所示,包括相机、滚筒、皮带及步进电机,在图像采集过程中,将玉米果穗放置于滚筒上方,通过皮带带动滚筒转动玉米果穗,结合图像采集设备中的相机模块采集图像果穗任意位置的玉米果穗表面图像,得到玉米果穗表面图像集,将玉米果穗表面图像集中所有玉米果穗表面图像进行通道分离,在本实施例中,基于玉米果穗籽粒颜色不同,可以分为:黑玉米、紫玉米、黄玉米、白玉米及花色玉米等,但是不存在籽粒颜色为蓝色的玉米,因此将玉米果穗表面图像中的蓝色通道分离出来,并且由玉米果穗表面图像减去蓝色通道图像,得到通道分离图像,对所述通道分离图像进行灰度化及二值化处理,得到玉米果穗二值图像/>,进而形成玉米果穗二值图像集。
在步骤S200中,分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集,包括以下步骤:
由于玉米果穗表面分布的不平整且具有不规则性,需要测量玉米果穗轴向及径向任意位置的直径数据,才能得到玉米果穗体积及玉米果穗表面积,本实施例中,基于所述玉米果穗二值图像集,采用滚动切片法对玉米果穗二值图像进行切片,如图4所示,具体步骤如下所示:
D=null;
h=hull;
for i in image_binary.size()
for j in slice.size()
for k in C.size()
if(j==C[k].x)
vector<int>p.push_back(k);
h.push_back(max(p)-min(p));
p.clear();
D.push_back(h);
其中,表示玉米果穗轮廓集,首先初始化空集/>,用于存放玉米果穗切片直径集,初始化空集/>,用于存放每一帧玉米果穗二值图像/>,遍历玉米果穗二值图像集中所有玉米果穗二值图像,将所述玉米果穗二值图像沿轴向方向进行切片,得到若干玉米切片图像,提取玉米切片图像对应轮廓集中的纵轴方向最大值及纵轴方向最小值,将所述纵轴方向最大值减去纵轴方向最小值,得到玉米切片直径,假设第/>片玉米切片图像对应的第一帧玉米果穗二值图像的直径为/>,第二帧玉米果穗二值图像与第一帧玉米果穗二值图像之间的夹角为/>,则玉米切片直径集为/>。
在步骤S300中,基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积,包括以下步骤:
如图5所示,当进行切片时的切片高度趋近于0时,以玉米切片底面积乘以切片高度/>,可得到每次切片的体积,即玉米切片体积,对所有玉米切片体积进行累加即可得到玉米果穗体积,当图像采集设备中相机模块采集相邻两帧玉米表面图像时,当预设旋转角度/>趋近于0时,则第/>帧及第/>帧的玉米切片直径所围成的玉米切片区域,可以近似通过三角形面积替代,所述三角形面积可由两边长度及其夹角的正弦值计算,即可得到玉米切片区域的面积,表示如下:
将所有玉米切片区域对预设旋转角度进行积分可得玉米果穗底面积,表示如下:
沿整个玉米果穗的玉米轴向求积分可得玉米果穗体积,表示如下:
当图像采集设备中相机模块采集相邻两帧图像时,预设旋转角度趋近于0时,对玉米切片图像进行展开,得到切片展开区域,此时,切片展开区域为矩形,同时第/>帧及第帧的玉米切片直径所围成的扇形区域可以近似采用三角形代替,利用余弦定理,计算所述三角形第三条边的长度,即为第/>条直径及第/>条直径所围成的扇形区域的弧长,将所有扇形弧长进行累加,即可得到玉米切片周长,表示如下:
当进行切片时的切片高度趋近于0时,对所述切片表面进行展开,则展开后切片表面为矩形,其中,矩形高度为/>,矩形长为玉米切片周长,将所述玉米切片周长乘以切片高度计算得到所有玉米切片表面积,对所述玉米切片表面积进行积分得到累加,即玉米果穗表面积,表示如下:
其中,表示扇形区域面积,/>表示第/>帧玉米果穗二值图像的直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示第/>片玉米果穗切面底面积,/>表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示玉米果穗体积,/>表示玉米切片周长,/>表示玉米果穗表面积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量。
实施例2:
一种基于视觉的玉米果穗表型参数计算系统,如图2所示,包括图像预处理模块100、直径计算模块200及参数计算模块300;
所述图像预处理模块100,以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集;
所述直径计算模块200,分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集;
所述参数计算模块300,基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积。
作为一种可实施方式,所述参数计算模块300,被设置为:
当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合相邻玉米切片直径及夹角,得到玉米切片区域面积;
对玉米切片区域面积进行累加得到玉米切片底面积,基于玉米切片底面积、玉米切片高度及预设旋转角度,沿轴向进行积分,得到玉米果穗体积;
其中,所述玉米切片区域面积,表示如下:
所述玉米切片底面积,表示如下:
所述玉米果穗体积,表示如下:
其中,表示扇形区域面积,/>表示第/>帧玉米果穗二值图像的直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示第/>片玉米果穗切面底面积,/>表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示玉米果穗体积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量;
基于玉米切片区域,当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合三角形余弦定理,得到玉米切片周长;
结合玉米切片周长及玉米切片高度,得到玉米切片表面积,进而通过累加得到玉米果穗表面积;
其中,所述玉米切片周长,表示如下:
所述玉米果穗表面积,表示如下:
其中,表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示玉米切片周长,/>表示玉米果穗表面积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量。
在不脱离本发明的精神和范围的情况下做出的各种变化和变型,所有等同的技术方案也属于本发明的范畴。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同、相似的部分互相参见即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是:
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
此外,需要说明的是,本说明书中所描述的具体实施例,其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化,均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (11)
1.一种基于视觉的玉米果穗表型参数计算方法,其特征在于,包括以下步骤:
以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集;
分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集;
基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积。
2.根据权利要求1所述的基于视觉的玉米果穗表型参数计算方法,其特征在于,所述预处理,包括以下步骤:
基于玉米果穗颜色,对玉米果穗表面图像集中所有玉米果穗表面图像进行通道分离,得到通道分离图像集;
对通道分离图像集进行图像处理,其中,包括灰度化处理及二值化处理,得到玉米果穗二值图像集。
3.根据权利要求1所述的基于视觉的玉米果穗表型参数计算方法,其特征在于,所述得到玉米切片直径集,包括以下步骤:
获取玉米切片图像集中所有玉米切片图像的图像轮廓,形成玉米切片轮廓集,进而得到玉米切片轮廓集的坐标数据集;
基于玉米切片轮廓集的坐标数据集,得到玉米切片轮廓的纵轴最大值及玉米切片轮廓的纵轴最小值;
基于玉米切片轮廓的纵轴最大值与玉米切片轮廓的纵轴最小值之间的差值,得到玉米切片直径,进而形成玉米切片直径集。
4.根据权利要求1所述的基于视觉的玉米果穗表型参数计算方法,其特征在于,所述得到玉米果穗体积,包括以下步骤:
当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合相邻玉米切片直径及夹角,得到玉米切片区域面积;
对玉米切片区域面积进行累加得到玉米切片底面积,基于玉米切片底面积、玉米切片高度及预设旋转角度,沿轴向进行积分,得到玉米果穗体积。
5.根据权利要求4所述的基于视觉的玉米果穗表型参数计算方法,其特征在于,所述玉米切片区域面积,表示如下:
所述玉米切片底面积,表示如下:
所述玉米果穗体积,表示如下:
其中,表示玉米切片区域面积,/>表示第/>帧玉米果穗二值图像的直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示第/>片玉米切片底面积,/>表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示玉米果穗体积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量。
6.根据权利要求1所述的基于视觉的玉米果穗表型参数计算方法,其特征在于,所述得到玉米果穗表面积,包括以下步骤:
基于玉米切片区域,当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合三角形余弦定理,得到玉米切片周长;
结合玉米切片周长及玉米切片高度,得到玉米切片表面积,进而通过累加得到玉米果穗表面积。
7.根据权利要求6所述的基于视觉的玉米果穗表型参数计算方法,其特征在于,所述玉米切片周长,表示如下:
所述玉米果穗表面积,表示如下:
其中,表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示玉米切片周长,/>表示玉米果穗表面积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量。
8.一种基于视觉的玉米果穗表型参数计算系统,其特征在于,包括图像预处理模块、直径计算模块及参数计算模块;
所述图像预处理模块,以预设旋转角度对玉米果穗进行旋转,获取任意位置的玉米果穗表面图像,进而得到玉米果穗表面图像集,对玉米果穗表面图像集进行预处理得到玉米果穗二值图像集;
所述直径计算模块,分别对玉米果穗二值图像集中的玉米果穗二值图像沿轴向进行切片处理,得到玉米切片图像集,对玉米切片图像集进行轮廓提取得到玉米切片轮廓集,基于玉米切片轮廓集的坐标数据得到玉米切片直径集;
所述参数计算模块,基于玉米切片直径集中相邻玉米切片直径,构成玉米切片区域,结合玉米切片高度及预设旋转角度,得到玉米切片区域面积及玉米切片区域周长,进而得到玉米果穗体积及玉米果穗表面积。
9.根据权利要求8所述的基于视觉的玉米果穗表型参数计算系统,其特征在于,所述参数计算模块,被设置为:
当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合相邻玉米切片直径及夹角,得到玉米切片区域面积;
对玉米切片区域面积进行累加得到玉米切片底面积,基于玉米切片底面积、玉米切片高度及预设旋转角度,沿轴向进行积分,得到玉米果穗体积;
其中,所述玉米切片区域面积,表示如下:
所述玉米切片底面积,表示如下:
所述玉米果穗体积,表示如下:
其中,表示扇形区域面积,/>表示第/>帧玉米果穗二值图像的直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示第/>片玉米果穗切面底面积,/>表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示玉米果穗体积,/>表示玉米果穗二值图像集中玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量;
基于玉米切片区域,当预设旋转角度趋近于0且玉米切片高度趋近于0时,结合三角形余弦定理,得到玉米切片周长;
结合玉米切片周长及玉米切片高度,得到玉米切片表面积,进而通过累加得到玉米果穗表面积;
其中,所述玉米切片周长,表示如下:
所述玉米果穗表面积,表示如下:
其中,表示第/>帧玉米果穗二值图像的第/>片玉米切片直径,/>表示预设旋转角度,/>表示玉米切片高度,/>表示玉米切片周长,/>表示玉米果穗表面积,/>表示玉米果穗二值图像集中的玉米果穗二值图像帧数,/>表示玉米切片直径集中玉米切片直径数量。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的方法。
11.一种基于视觉的玉米果穗表型参数计算装置,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281761.2A CN117876466B (zh) | 2024-03-13 | 2024-03-13 | 基于视觉的玉米果穗表型参数计算方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281761.2A CN117876466B (zh) | 2024-03-13 | 2024-03-13 | 基于视觉的玉米果穗表型参数计算方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117876466A true CN117876466A (zh) | 2024-04-12 |
CN117876466B CN117876466B (zh) | 2024-06-25 |
Family
ID=90590432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410281761.2A Active CN117876466B (zh) | 2024-03-13 | 2024-03-13 | 基于视觉的玉米果穗表型参数计算方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117876466B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077559A (zh) * | 2012-12-25 | 2013-05-01 | 北京农业信息技术研究中心 | 基于序列图像的果穗三维重建方法 |
CN109427091A (zh) * | 2018-03-21 | 2019-03-05 | 新疆林业科学院现代林业研究所 | 一种基于高光谱遥感和摄影测量技术的生物量模型研建方法 |
CN111950436A (zh) * | 2020-08-07 | 2020-11-17 | 中国农业大学 | 一种玉米果穗表型测量方法及系统 |
US20220161570A1 (en) * | 2020-11-24 | 2022-05-26 | Nanografix Corporation | Methods and systems for generating variable digital optical images on a substrate using a thermal head |
CN115345880A (zh) * | 2022-10-18 | 2022-11-15 | 浙江托普云农科技股份有限公司 | 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 |
CN116843743A (zh) * | 2023-07-24 | 2023-10-03 | 广东省农业科学院设施农业研究所 | 一种基于三视角图像轮廓拟合的柚果体积测量方法 |
CN117115506A (zh) * | 2023-07-11 | 2023-11-24 | 山东理工大学 | 一种基于hsv阈值分割的玉米籽粒破碎识别方法及分选装置 |
-
2024
- 2024-03-13 CN CN202410281761.2A patent/CN117876466B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077559A (zh) * | 2012-12-25 | 2013-05-01 | 北京农业信息技术研究中心 | 基于序列图像的果穗三维重建方法 |
CN109427091A (zh) * | 2018-03-21 | 2019-03-05 | 新疆林业科学院现代林业研究所 | 一种基于高光谱遥感和摄影测量技术的生物量模型研建方法 |
CN111950436A (zh) * | 2020-08-07 | 2020-11-17 | 中国农业大学 | 一种玉米果穗表型测量方法及系统 |
US20220161570A1 (en) * | 2020-11-24 | 2022-05-26 | Nanografix Corporation | Methods and systems for generating variable digital optical images on a substrate using a thermal head |
CN115345880A (zh) * | 2022-10-18 | 2022-11-15 | 浙江托普云农科技股份有限公司 | 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 |
CN117115506A (zh) * | 2023-07-11 | 2023-11-24 | 山东理工大学 | 一种基于hsv阈值分割的玉米籽粒破碎识别方法及分选装置 |
CN116843743A (zh) * | 2023-07-24 | 2023-10-03 | 广东省农业科学院设施农业研究所 | 一种基于三视角图像轮廓拟合的柚果体积测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117876466B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109708578B (zh) | 一种植株表型参数测量装置、方法及系统 | |
CN109146948B (zh) | 基于视觉的作物长势表型参数量化与产量相关性分析方法 | |
CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
CN111311650B (zh) | 一种点云数据的配准方法、装置及存储介质 | |
CN111724433A (zh) | 一种基于多目视觉的作物表型参数提取方法及系统 | |
CN110298853B (zh) | 面差视觉检测方法 | |
CN117115196B (zh) | 一种切割机刀具磨损视觉检测方法及系统 | |
CN114170148A (zh) | 玉米株型参数测量方法、系统、装置及存储介质 | |
CN108876903B (zh) | 一种基于玉米雄穗三维表型的玉米品种区分方法及系统 | |
CN108280833B (zh) | 一种植物根系分叉特征的骨架提取方法 | |
CN103315770A (zh) | 基于三维超声图像的目标参数处理方法及系统 | |
CN117876466B (zh) | 基于视觉的玉米果穗表型参数计算方法、系统及装置 | |
CN113298838B (zh) | 一种物体轮廓线提取方法及系统 | |
CN114494165A (zh) | 一种基于聚类的光条提取方法及装置 | |
Kampel et al. | Robust 3D reconstruction of archaeological pottery based on concentric circular rills | |
CN116843743A (zh) | 一种基于三视角图像轮廓拟合的柚果体积测量方法 | |
CN116403223A (zh) | 一种基于机器学习的指针式仪表读数识别方法和系统 | |
CN111369497A (zh) | 一种行走式树上果实连续计数方法及装置 | |
CN108050929B (zh) | 一种测量植物根系空间分布的方法和系统 | |
CN114485399B (zh) | 一种尺寸检测系统及方法 | |
CN116228697A (zh) | 基于无人机图像点云数据的钢筋部品质量检测方法 | |
CN116051645A (zh) | 作物群体的表型获取方法及装置 | |
CN112365534B (zh) | 一种基于单目相机三维重建的大型煤堆体积测量方法 | |
CN113781508B (zh) | 叶型孔图像的轮廓型线提取与分割方法及系统、设备、存储介质 | |
CN111166338B (zh) | 一种基于tof深度数据的妊娠母猪体尺计算方法 |
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 |