CN117974439A - 植株图像处理方法、装置、电子设备及存储介质 - Google Patents
植株图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117974439A CN117974439A CN202410386043.1A CN202410386043A CN117974439A CN 117974439 A CN117974439 A CN 117974439A CN 202410386043 A CN202410386043 A CN 202410386043A CN 117974439 A CN117974439 A CN 117974439A
- Authority
- CN
- China
- Prior art keywords
- plant
- plant image
- image
- enhancement
- shooting
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 75
- 230000012010 growth Effects 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000009977 dual effect Effects 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000009467 reduction Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 235000013399 edible fruits Nutrition 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种植株图像处理方法、装置、电子设备及存储介质,应用于农业大数据技术领域。该方法包括:获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
Description
技术领域
本发明涉及农业大数据技术领域,尤其涉及一种植株图像处理方法、装置、电子设备及存储介质。
背景技术
机器视觉是农业大数据最重要的组成部分,基于机器视觉的农业图像采集和存储至关重要。
现有技术中,一般是针对植株局部进行的分割识别,即通过植株的局部图像实现植株生长状态、生长期等信息的挖掘。
然而,这种局部数据无法实现植物本体整体表型的信息分析,分析结果的准确度较低。
发明内容
本发明提供一种植株图像处理方法、装置、电子设备及存储介质,用以解决现有技术中的局部数据无法实现植物本体整体表型的信息分析,分析结果的准确度较低的问题。
本发明提供一种植株图像处理方法,包括:获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
根据本发明提供一种的植株图像处理方法,所述在线拼接处理还包括卷积降噪、图像缝合和图像补全;所述对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像,包括:通过卷积神经网络提取所述第一植株图像和所述第二植株图像的植株茎秆和植株生长点,并对所述植株茎秆进行茎秆增强,对所述植株生长点进行生长点增强;将经过双特征增强的所述第一植株图像和所述第二植株图像进行卷积降噪,得到主茎及端部植株要素;根据所述主茎和所述端部植株要素对经过卷积降噪后的所述第一植株图像和所述第二植株图像进行缝合处理;在缝合处理后的植株图像上补全所述目标植株的其他植株要素,得到所述目标植株的完整植株图像。
根据本发明提供一种的植株图像处理方法,所述获取第一植株图像和第二植株图像,包括:在满足预设采集条件的情况下,获取所述第一植株图像和所述第二植株图像;其中,所述预设采集条件包括以下至少一项:当前时刻为预设时刻、当前时刻为整点时刻、当前时刻为预设时段的初始时刻。
根据本发明提供一种的植株图像处理方法,所述得到所述目标植株的完整植株图像之后,所述方法还包括:从所述目标植株的完整植株图像中确定生长信息,所述生长信息包括以下至少一项:株高、茎粗、生育期、叶片数、花序数、果实数;为所述完整植株图像添加数据标签,所述数据标签包括拍摄信息和所述生长信息,所述拍摄信息包括以下至少一项:拍摄位置、拍摄时间、拍摄设备标识、植株标识;将添加了数据标签后的所述完整植株图像分别存储到本地数据库和云端数据库。
本发明还提供一种植株图像处理装置,包括:获取模块和处理模块;所述获取模块,可以用于获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;处理模块,可以用于对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
根据本发明提供一种的植株图像处理装置,所述在线拼接处理还包括卷积降噪、图像缝合和图像补全;上述处理模块,还可以用于通过卷积神经网络提取所述第一植株图像和所述第二植株图像的植株茎秆和植株生长点,并对所述植株茎秆进行茎秆增强,对所述植株生长点进行生长点增强;将经过双特征增强的所述第一植株图像和所述第二植株图像进行卷积降噪,得到主茎及端部植株要素;根据所述主茎和所述端部植株要素对经过卷积降噪后的所述第一植株图像和所述第二植株图像进行缝合处理;在缝合处理后的植株图像上补全所述目标植株的其他植株要素,得到所述目标植株的完整植株图像。
根据本发明提供一种的植株图像处理装置,上述获取模块,具体可以用于在满足预设采集条件的情况下,获取所述第一植株图像和所述第二植株图像;其中,所述预设采集条件包括以下至少一项:当前时刻为预设时刻、当前时刻为整点时刻、当前时刻为预设时段的初始时刻。
根据本发明提供一种的植株图像处理装置,处理模块,还可以用于从所述目标植株的完整植株图像中确定生长信息,所述生长信息包括以下至少一项:株高、茎粗、生育期、叶片数、花序数、果实数;为所述完整植株图像添加数据标签,所述数据标签包括拍摄信息和所述生长信息,所述拍摄信息包括以下至少一项:拍摄位置、拍摄时间、拍摄设备标识、植株标识;将添加了数据标签后的所述完整植株图像分别存储到本地数据库和云端数据库。
本发明还提供一种植株图像处理装置,包括:自锁挂钩、结节升降杆、多个摄像头以及采集盒;所述自锁挂钩连接在所述结节升降杆的一端,所述多个摄像头由上至下间隔安装在所述结节升降杆上,所述采集盒连接所述多个摄像头;所述自锁挂钩,用于使所述结节升降杆悬挂在吊幔绳上;所述结节升降杆,用于通过用户的升降设置实现所述多个摄像头的固定角度拍摄;所述多个摄像头,用于采集目标植株的第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;所述采集盒,用于获取所述第一植株图像和所述第二植株图像;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
根据本发明提供一种的植株图像处理装置,所述采集盒,还用于从所述目标植株的完整植株图像中确定生长信息,所述生长信息包括以下至少一项:株高、茎粗、生育期、叶片数、花序数、果实数;为所述完整植株图像添加数据标签,所述数据标签包括拍摄信息和所述生长信息,所述拍摄信息包括以下至少一项:拍摄位置、拍摄时间、拍摄设备标识、植株标识;将添加了数据标签后的所述完整植株图像分别存储到本地数据库和云端数据库。
根据本发明提供一种的植株图像处理装置,所述采集盒包括显示屏和至少一个操作按键;所述显示屏,用于显示所述多个摄像头的拍摄参数;所述至少一个操作按键,用于使用户完成所述多个摄像头的拍摄参数设置。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述植株图像处理方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述植株图像处理方法的步骤。
本发明提供的植株图像处理方法、装置、电子设备及存储介质,可以获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。通过该方案,可以将目标植株的存在部分重叠区域的、两个不同部位的图像信息进行在线拼接处理,从而得到述目标植株的完整植株图像,由于在线拼接处理包括茎秆增强和生长点增强,因此可以在图像背景相似的环境下提高图像拼接处理的精度,从而为实现植物本体整体表型的信息分析提供基础,进而提高分析结果的准确度。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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。
图1是本发明提供的植株图像处理装置的结构示意图之一;
图2是本发明提供的植株图像处理装置的采集盒结构示意图之一;
图3是本发明提供的植株图像处理装置的采集盒结构示意图之二;
图4是本发明提供的植株图像处理装置的采集盒结构示意图之三;
图5是本发明提供的植株图像处理方法的流程示意图;
图6是本发明提供的植株图像处理装置的结构示意图之二;
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中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作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。
需要说明的是,本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
需要说明的是,在本文中,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过程、方法、物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过程、方法、物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,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本发明实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
为了便于清楚描述本发明实施例的技术方案,在本发明实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
本发明实施例为了阐释的目的而描述了一些示例性实施例,需要理解的是,本发明可通过附图中没有具体示出的其他方式来实现。
下面结合具体实施例和附图对上述实现方式进行详细的阐述。
如图1所示,本发明实施例提供一种植株图像处理装置,包括:自锁挂钩101、结节升降杆102、多个摄像头103以及采集盒104。所述自锁挂钩101连接在所述结节升降杆102的一端,所述多个摄像头103由上至下间隔安装在所述结节升降杆102的不同节段上,可随结节升降杆102的升降调整拍摄高度。所述采集盒104安装在所述结节升降杆102上,并连接所述多个摄像头103。
所述自锁挂钩101,用于使所述结节升降杆102悬挂在吊幔绳105上。例如,自锁挂钩101可以通过螺母固定在吊幔绳105上。
所述结节升降杆102,用于通过用户的升降设置实现所述多个摄像头103的固定角度拍摄。
所述多个摄像头103,可以通过采集盒104的外接接口连接采集盒104,用于采集目标植株的第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域。
所述采集盒104,用于获取所述第一植株图像和所述第二植株图像;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像。其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
可选地,所述采集盒104,还用于从所述目标植株的完整植株图像中确定生长信息,所述生长信息包括以下至少一项:株高、茎粗、生育期、叶片数、花序数、果实数;为所述完整植株图像添加数据标签,所述数据标签包括拍摄信息和所述生长信息,所述拍摄信息包括以下至少一项:拍摄位置、拍摄时间、拍摄设备标识、植株标识;将添加了数据标签后的所述完整植株图像分别存储到本地数据库和云端数据库。
可选地,上述植株图像处理装置还可以包括测量标尺,该测量标尺可以安装在目标植株吊绳上,用于测量目标植株的高度。
可选地,如图2所示,所述采集盒的内部集成可以包括电源单元、中央处理单元、存储单元和通讯单元,其中,电源单元分别连接存储单元、通讯单元和中央处理单元,用于为存储单元、通讯单元和中央处理单元供电。存储单元和通讯单元分别连接中央处理单元。中央处理单元可以外接摄像头,摄像头可执行中央处理单元发出的拍摄指令。
可选地,上述采集盒包括太阳能板,太阳能板连接电源单元,所述太阳能板用于为所述多个摄像头和所述采集盒的运行提供电能。采集盒顶部可以内嵌安装该太阳能板。采集盒的电源模式可以设置成上电自动开机,保证在连阴天出太阳后,设备可以自动开机,自动运行程序,从而保证采集数据的连续性。通过连续的采集,能够形成不同结构、不同栽培模式下的植物生育档案,方便观察植物动态变化,为数据的进一步挖掘提供了保障,同时也为农业其他要素的图数据库建立提供了思路。
可选地,如图3所示,为采集盒的正视图,所述采集盒包括显示屏和至少一个操作按键;所述显示屏,用于显示所述多个摄像头的拍摄参数;所述至少一个操作按键,用于使用户完成所述多个摄像头的拍摄参数设置。如图4所示,为采集盒的侧视图,该采集盒可以包括用于连接多个摄像头的外接接口401以及网络接口402。
具体地,中央处理单元的连接口可以引至采集盒面板上,采集盒面板正面安装有显示屏301,可显示太阳能当前充、放电过程及电池电量,以及进行人机交互参数设置。显示屏301下方可以包括四个操作按键,从左至右分别为开机键302、模式序号左翻键303、模式确定并启动键304和模式序号右翻键305,用于进行内置拍照模式的切换。用户点击采集盒面板的开机键302即可激活电源模块的蓄电放电功能,为外部电路供电。在用户选定拍摄模式后,采集盒能够自动运行程序,实现图像的自动采集。
如图5所示,本发明实施例提供一种植株图像处理方法,该植株图像处理方法可以应用于上述植株图像处理装置中的中央处理单元。该植株图像处理方法可以包括S501-S502:
S501、植株图像处理装置获取第一植株图像和第二植株图像。
其中,上述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域。
具体地,多个摄像头可以采集得到第一植株图像和第二植株图像,中央处理单元可以从多个摄像头获取第一植株图像和第二植株图像,基于结节升降杆的调节,第一植株图像和第二植株图像可以为目标植株的不同部位的图像信息,在调节结节升降杆时需要注意使拍摄的植株图像存在部分重叠区域。
可选地,植株图像处理装置可以在满足预设采集条件的情况下,采集所述第一植株图像和所述第二植株图像;其中,所述预设采集条件包括以下至少一项:当前时刻为预设时刻、当前时刻为整点时刻、当前时刻为预设时段的初始时刻。
具体地,中央处理单元可以在满足预设采集条件的情况下,向摄像头发送拍摄指令,使摄像头采集所述第一植株图像和所述第二植株图像。其中,预设采集条件可以为当前时刻为预设时刻,可以为当前时刻为整点时刻,也可以为当前时刻为预设时段的初始时刻,也就是说第一植株图像和第二植株图像可以为在预设时段录制的视频。
示例性地,摄像头的拍照模式可以分为以下3种:
1、定时段录像模式:用户可通过显示屏设置不多于10组的录像时间,确认运行后,该时间段摄像头可以自动录像,并定路径保存每帧图片;
2、整点拍照模式:该模式被激活后,摄像头可以在全天整点时刻,自动拍照并保存;
3、定时刻拍照模式:用户可在显示屏设置不多于10组的拍照时刻,确认运行后,摄像头可以在全天设置时刻自动拍照并保存。
S502、植株图像处理装置对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像。
其中,上述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
可选地,所述在线拼接处理还可以包括卷积降噪、图像缝合和图像补全;植株图像处理装置可以通过卷积神经网络提取所述第一植株图像和所述第二植株图像的植株茎秆和植株生长点,并对所述植株茎秆进行茎秆增强,对所述植株生长点进行生长点增强;将经过双特征增强的所述第一植株图像和所述第二植株图像进行卷积降噪,得到主茎及端部植株要素;根据所述主茎和所述端部植株要素对经过卷积降噪后的所述第一植株图像和所述第二植株图像进行缝合处理;在缝合处理后的植株图像上补全所述目标植株的其他植株要素,得到所述目标植株的完整植株图像。
可选地,在得到所述目标植株的完整植株图像之后,植株图像处理装置还可以从所述目标植株的完整植株图像中确定生长信息,所述生长信息包括以下至少一项:株高、茎粗、生育期、叶片数、花序数、果实数;为所述完整植株图像添加数据标签,所述数据标签包括拍摄信息和所述生长信息,所述拍摄信息包括以下至少一项:拍摄位置、拍摄时间、拍摄设备标识、植株标识,例如,上述数据标签中的拍摄信息可以为“位置+Camera ID+植株ID+拍摄时间”。最后将添加了数据标签后的所述完整植株图像分别存储到本地数据库和云端数据库。
具体地,植株图像处理装置可以调用内置运算库完成图像拼接,调用内置模型库,对拼接好的图像进行分割处理,解析出株高、茎粗、生育期、叶片数、花序数、果实数。然后将拼接图像的路径及参数打包,生成订阅,主动发送至云端,云端可以解析图像路径,提取出各存储字段,并将收到的信息写入云端数据库。
基于上述方案,由于可以将添加了数据标签后的完整植株图像分别存储到本地数据库和云端数据库,因此可以充分利用场端和云端优势,方便扩充机器视觉算法,实现更多指标的存储,并基于云端数据库实现农业图形数据库的建立,从而为农业大数据底座奠定基础。
本发明实施例中,可以将目标植株的存在部分重叠区域的、两个不同部位的图像信息进行在线拼接处理,从而得到述目标植株的完整植株图像,由于在线拼接处理包括茎秆增强和生长点增强,因此可以在图像背景相似的环境下提高图像拼接处理的精度,从而为实现植物本体整体表型的信息分析提供基础,进而提高分析结果的准确度。
上述主要从方法的角度对本发明实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本发明实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
本发明实施例提供的植株图像处理方法,执行主体可以为植株图像处理装置,或者该植株图像处理装置中的用于植株图像处理的控制模块。本发明实施例中以植株图像处理装置执行植株图像处理方法为例,说明本发明实施例提供的植株图像处理装置。
需要说明的是,本发明实施例可以根据上述方法示例对植株图像处理装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可选的,本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图6所示,本发明实施例提供一种植株图像处理装置600。该植株图像处理装置600包括:获取模块601和处理模块602。所述获取模块601,可以用于获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;处理模块602,可以用于对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
可选地,所述在线拼接处理还包括卷积降噪、图像缝合和图像补全;上述处理模块602,还可以用于通过卷积神经网络提取所述第一植株图像和所述第二植株图像的植株茎秆和植株生长点,并对所述植株茎秆进行茎秆增强,对所述植株生长点进行生长点增强;将经过双特征增强的所述第一植株图像和所述第二植株图像进行卷积降噪,得到主茎及端部植株要素;根据所述主茎和所述端部植株要素对经过卷积降噪后的所述第一植株图像和所述第二植株图像进行缝合处理;在缝合处理后的植株图像上补全所述目标植株的其他植株要素,得到所述目标植株的完整植株图像。
可选地,上述获取模块601,具体可以用于在满足预设采集条件的情况下,获取所述第一植株图像和所述第二植株图像;其中,所述预设采集条件包括以下至少一项:当前时刻为预设时刻、当前时刻为整点时刻、当前时刻为预设时段的初始时刻。
可选地,上述处理模块602,还可以用于从所述目标植株的完整植株图像中确定生长信息,所述生长信息包括以下至少一项:株高、茎粗、生育期、叶片数、花序数、果实数;为所述完整植株图像添加数据标签,所述数据标签包括拍摄信息和所述生长信息,所述拍摄信息包括以下至少一项:拍摄位置、拍摄时间、拍摄设备标识、植株标识;将添加了数据标签后的所述完整植株图像分别存储到本地数据库和云端数据库。
本发明实施例中,可以将目标植株的存在部分重叠区域的、两个不同部位的图像信息进行在线拼接处理,从而得到述目标植株的完整植株图像,由于在线拼接处理包括茎秆增强和生长点增强,因此可以在图像背景相似的环境下提高图像拼接处理的精度,从而为实现植物本体整体表型的信息分析提供基础,进而提高分析结果的准确度。
图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface) 720、存储器(memory) 730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行植株图像处理方法,该方法包括:获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的植株图像处理方法,该方法包括:获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的植株图像处理方法,该方法包括:获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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)
1.一种植株图像处理方法,其特征在于,包括:
获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;
对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;
其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
2.根据权利要求1所述的植株图像处理方法,其特征在于,所述在线拼接处理还包括卷积降噪、图像缝合和图像补全;
所述对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像,包括:
通过卷积神经网络提取所述第一植株图像和所述第二植株图像的植株茎秆和植株生长点,并对所述植株茎秆进行茎秆增强,对所述植株生长点进行生长点增强;
将经过双特征增强的所述第一植株图像和所述第二植株图像进行卷积降噪,得到主茎及端部植株要素;
根据所述主茎和所述端部植株要素对经过卷积降噪后的所述第一植株图像和所述第二植株图像进行缝合处理;
在缝合处理后的植株图像上补全所述目标植株的其他植株要素,得到所述目标植株的完整植株图像。
3.根据权利要求1所述的植株图像处理方法,其特征在于,所述获取第一植株图像和第二植株图像,包括:
在满足预设采集条件的情况下,获取所述第一植株图像和所述第二植株图像;
其中,所述预设采集条件包括以下至少一项:当前时刻为预设时刻、当前时刻为整点时刻、当前时刻为预设时段的初始时刻。
4.根据权利要求1-3任一项所述的植株图像处理方法,其特征在于,所述得到所述目标植株的完整植株图像之后,所述方法还包括:
从所述目标植株的完整植株图像中确定生长信息,所述生长信息包括以下至少一项:株高、茎粗、生育期、叶片数、花序数、果实数;
为所述完整植株图像添加数据标签,所述数据标签包括拍摄信息和所述生长信息,所述拍摄信息包括以下至少一项:拍摄位置、拍摄时间、拍摄设备标识、植株标识;
将添加了数据标签后的所述完整植株图像分别存储到本地数据库和云端数据库。
5.一种植株图像处理装置,其特征在于,包括:获取模块和处理模块;
所述获取模块,用于获取第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;
所述处理模块,用于对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;
其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
6.一种植株图像处理装置,其特征在于,包括:自锁挂钩、结节升降杆、多个摄像头以及采集盒;
所述自锁挂钩连接在所述结节升降杆的一端,所述多个摄像头由上至下间隔安装在所述结节升降杆上,所述采集盒连接所述多个摄像头;
所述自锁挂钩,用于使所述结节升降杆悬挂在吊幔绳上;
所述结节升降杆,用于通过用户的升降设置实现所述多个摄像头的固定角度拍摄;
所述多个摄像头,用于采集目标植株的第一植株图像和第二植株图像,所述第一植株图像和所述第二植株图像包括目标植株的不同部位的图像信息,且所述第一植株图像与所述第二植株图像之间存在部分重叠区域;
所述采集盒,用于获取所述第一植株图像和所述第二植株图像;对所述第一植株图像和所述第二植株图像执行在线拼接处理,得到所述目标植株的完整植株图像;
其中,所述在线拼接处理包括双特征增强;所述双特征增强包括茎秆增强和生长点增强。
7.根据权利要求6所述的植株图像处理装置,其特征在于,所述采集盒,还用于从所述目标植株的完整植株图像中确定生长信息,所述生长信息包括以下至少一项:株高、茎粗、生育期、叶片数、花序数、果实数;为所述完整植株图像添加数据标签,所述数据标签包括拍摄信息和所述生长信息,所述拍摄信息包括以下至少一项:拍摄位置、拍摄时间、拍摄设备标识、植株标识;将添加了数据标签后的所述完整植株图像分别存储到本地数据库和云端数据库。
8.根据权利要求6所述的植株图像处理装置,其特征在于,所述采集盒包括显示屏和至少一个操作按键;
所述显示屏,用于显示所述多个摄像头的拍摄参数;
所述至少一个操作按键,用于使用户完成所述多个摄像头的拍摄参数设置。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可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程序时实现如权利要求1至4中任一项所述的植株图像处理方法中的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,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4中任一项所述的植株图像处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410386043.1A CN117974439A (zh) | 2024-04-01 | 2024-04-01 | 植株图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410386043.1A CN117974439A (zh) | 2024-04-01 | 2024-04-01 | 植株图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117974439A true CN117974439A (zh) | 2024-05-03 |
Family
ID=90853825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410386043.1A Pending CN117974439A (zh) | 2024-04-01 | 2024-04-01 | 植株图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117974439A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886094A (zh) * | 2019-01-08 | 2019-06-14 | 中国农业大学 | 一种作物苗情苗势采集分析方法和装置 |
CN113298733A (zh) * | 2021-06-09 | 2021-08-24 | 华南理工大学 | 一种基于隐式边缘先验的尺度渐进的图像补全方法 |
CN113407755A (zh) * | 2020-03-17 | 2021-09-17 | 北京百度网讯科技有限公司 | 植物生长状况信息获取方法、装置及电子设备 |
US20230230202A1 (en) * | 2022-01-14 | 2023-07-20 | Ag Leader Technology | Agricultural mapping and related systems and methods |
CN117649509A (zh) * | 2023-08-29 | 2024-03-05 | 上海炫圳信息科技有限公司 | 一种智能钢板识别装置及系统、控制方法 |
-
2024
- 2024-04-01 CN CN202410386043.1A patent/CN117974439A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886094A (zh) * | 2019-01-08 | 2019-06-14 | 中国农业大学 | 一种作物苗情苗势采集分析方法和装置 |
CN113407755A (zh) * | 2020-03-17 | 2021-09-17 | 北京百度网讯科技有限公司 | 植物生长状况信息获取方法、装置及电子设备 |
CN113298733A (zh) * | 2021-06-09 | 2021-08-24 | 华南理工大学 | 一种基于隐式边缘先验的尺度渐进的图像补全方法 |
US20230230202A1 (en) * | 2022-01-14 | 2023-07-20 | Ag Leader Technology | Agricultural mapping and related systems and methods |
CN117649509A (zh) * | 2023-08-29 | 2024-03-05 | 上海炫圳信息科技有限公司 | 一种智能钢板识别装置及系统、控制方法 |
Non-Patent Citations (1)
Title |
---|
张凯 等: "温室环境下红掌图像拼接算法", 农业机械学报, vol. 44, no. 4, 30 April 2013 (2013-04-30), pages 223 - 227 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Using colour features of cv.‘Gala’apple fruits in an orchard in image processing to predict yield | |
US11048940B2 (en) | Recognition of weed in a natural environment | |
Malambo et al. | Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data | |
Yu et al. | Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage | |
Nielsen et al. | Vision-based 3D peach tree reconstruction for automated blossom thinning | |
AU2017262615A1 (en) | Recognition of weed in a natural environment | |
Chabot et al. | An approach for using off-the-shelf object-based image analysis software to detect and count birds in large volumes of aerial imagery. | |
EP3279831A1 (en) | Recognition of weed in a natural environment using a digital image | |
CN109522899B (zh) | 咖啡成熟果实的检测方法、装置及电子设备 | |
CN106897707A (zh) | 基于多源中分的特征影像时间序列合成方法及装置 | |
Stewart et al. | Measuring canopy coverage with digital imaging | |
Kicherer et al. | Automatic image‐based determination of pruning mass as a determinant for yield potential in grapevine management and breeding | |
Liu et al. | 3DBunch: A novel iOS-smartphone application to evaluate the number of grape berries per bunch using image analysis techniques | |
CN111918547B (zh) | 树冠识别装置、识别方法、程序和记录介质 | |
Xiang et al. | Field‐based robotic leaf angle detection and characterization of maize plants using stereo vision and deep convolutional neural networks | |
CN109815959A (zh) | 一种冬小麦产量预测方法及装置 | |
JP2023052423A (ja) | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 | |
Kattenborn et al. | Pilot study on the retrieval of DBH and diameter distribution of deciduous forest stands using cast shadows in uav-based orthomosaics | |
CN114399664A (zh) | 植株种苗生长状态智能监测与控制方法及系统 | |
CN117974439A (zh) | 植株图像处理方法、装置、电子设备及存储介质 | |
Soontranon et al. | An agricultural monitoring system: field server data collection and analysis on paddy field | |
CN116189076A (zh) | 一种鸟类观测站的观测识别系统及其方法 | |
Bao et al. | Field-based robotic phenotyping for sorghum biomass yield component traits characterization using stereo vision | |
Victorino et al. | Grapevine yield prediction using image analysis-improving the estimation of non-visible bunches | |
Wang et al. | Extraction of 3D distribution of potato plant CWSI based on thermal infrared image and binocular stereovision system |
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 |